Wie gut erkennen Menschen KI-Bilder wirklich? Die 62 Prozent und was dahintersteckt

Was in der Untersuchung tatsächlich gemessen wurde

In der von Microsoft veröffentlichten Untersuchung sahen Teilnehmende eine Reihe von Bildern und sollten jeweils entscheiden, ob ein Foto mit einer Kamera aufgenommen oder von einem Generator erzeugt wurde. Anschließend schätzten sie ihre eigene Trefferquote ein. Das Ergebnis lag im Bereich von rund 62 Prozent richtiger Antworten – deutlich über dem Zufall, aber weit entfernt von der Sicherheit, die viele von sich behaupten.

Für den Alltag ist vor allem eine Beobachtung daraus wichtig: Die Trefferquote schwankte stark zwischen den Bildtypen. Bei manchen Motiven lagen fast alle richtig, bei anderen fast alle falsch. Ein Durchschnittswert über alles verdeckt genau diese Verteilung – und die Verteilung ist es, aus der man lernen kann.

Warum die Selbsteinschätzung danebenliegt

Wer gefragt wird, wie gut er Fälschungen erkennt, antwortet selten mit einer Zahl, sondern mit einer Geschichte: Man habe schon oft erkannt, dass ein Bild nicht stimmt. Das ist erinnerbar, aber nicht messbar. In Tests zeigt sich regelmäßig, dass Menschen ihre eigene Trefferquote überschätzen, oft um zwanzig Prozentpunkte und mehr.

Der Grund ist unangenehm banal: Fehlentscheidungen bleiben unsichtbar. Wer ein erzeugtes Bild für echt hält, bekommt im Feed keine Korrektur. Wer eines richtig als KI einordnet, bekommt dagegen sofort Bestätigung, weil alles danach passt. Aus dieser einseitigen Rückmeldung entsteht die Überzeugung, man habe ein gutes Auge.

Wo Menschen besser sind als ihr Ruf

Bei Bildern mit klaren Fehlern liegt die Trefferquote erstaunlich hoch. Zwei Beispiele aus dem Alltag:

• Schrift im Bild. Sobald ein Schild, ein Etikett oder ein T-Shirt beschriftet ist, sehen viele genau hin – und erkennen Buchstabensalat zuverlässig.
• Hände bei Kontakt. Finger, die eine Tasse halten oder ein Werkzeug führen, fallen auf, sobald das Spiel mit dem Bild nicht stimmt.
• Groteske Details im Hintergrund. Ein zusätzlicher Arm, ein Fenster ohne Rahmen, ein Zaun, der im Nichts endet: Wer den Blick vom Hauptmotiv löst, findet diese Stellen häufig.
• Gesichter mit unpassendem Ausdruck. Perfekte Haut in Kombination mit einem starren Blick wird von vielen als unheimlich gelesen, auch ohne technische Begründung.

Der gemeinsame Nenner: Menschen sind gut, wenn es etwas zu sehen gibt. Sie sind schlecht, wenn ein Bild nichts Auffälliges zeigt.

Wo die Trefferquote einbricht

Die Fehler liegen dort, wo ein Bild auf den ersten Blick gewöhnlich wirkt. Eine Landschaft bei bedecktem Himmel bietet kaum Anhaltspunkte: keine Schrift, keine Hände, keine Reflexe. Auch Nahaufnahmen von Lebensmitteln oder Pflanzen sind schwer, weil dort jedes Detail plausibel aussehen kann.

Dazu kommt ein Effekt, der oft übersehen wird: Kompression. In einem Feed, in einer Story, in einem Messenger-Verlauf werden Bilder stark verkleinert und nachkomprimiert. Genau die feinen Unstimmigkeiten, an denen sich eine Entscheidung festmachen könnte, verschwinden dabei zuerst. Und auf der anderen Seite stehen echte Fotos, die durch HDR-Aufberechnung oder Beauty-Filter so glatt aussehen, dass sie verdächtig wirken – ein Thema für sich.

Was daraus für den Alltag folgt

Die wichtigste Schlussfolgerung aus der Zahl ist keine Technik, sondern eine Regel: Ein einzelnes Bild ist kein Beweis. Wenn eine Aufnahme eine Entscheidung tragen soll – eine Spende, eine Anschuldigung, einen Kauf –, dann reicht es nicht, das Bild anzusehen. Man braucht die Herkunft: Wer hat es zuerst veröffentlicht, gibt es ein Original, gibt es eine zweite unabhängige Quelle.

Die zweite Schlussfolgerung betrifft die eigene Haltung. Wer das Erkennen als Trainingssache versteht, prüft mehr. Wer es als Gabe versteht, prüft weniger – und liegt damit schlechter als der Durchschnitt von 62 Prozent.

Die eigene Trefferquote messen

Im Spiel RealityCheck AI bekommst du nach zehn Bildern eine Zahl, die nur dir gehört: wie viele du richtig eingeordnet hast, aufgeteilt nach echten und erzeugten Motiven. Wichtiger als die Zahl ist die Richtung des Fehlers. Wer überwiegend echte Fotos für KI hält, braucht mehr Vertrauen in normale Kameraaufnahmen. Wer erzeugte Bilder übersieht, braucht eine Routine für den zweiten Blick.

Nach ein paar Runden über mehrere Tage zeigt sich außerdem, ob sich etwas verändert. Das ist der einzige belastbare Test: nicht ein einzelnes Ergebnis, sondern die Entwicklung.

Häufige Fragen