KI-bearbeitete Bilder erkennen: Lokale Änderungen in echten Fotos prüfen

Um KI-bearbeitete Bilder zu prüfen, untersuchen Sie gezielt den strittigen Bereich mit einem Verfahren für lokale Manipulationen. Klären Sie, was markierte Bereiche und Messwerte aussagen, und gleichen Sie den Befund mit einer verlässlichen Quelle oder Vergleichsfassung ab. Die Klassifikation des Gesamtbilds genügt dafür nicht: Ein Foto kann fast vollständig unverändert sein, während ein entscheidendes Detail generiert oder entfernt wurde.

Werkzeuge wie die Generative Füllung in Photoshop, von Adobe auch „Generatives Füllen“ genannt, fügen anhand einer kurzen Textbeschreibung Bildinhalte hinzu oder entfernen sie und erweitern Bilder über ihren Rand hinaus (Adobe, Generatives Füllen in Photoshop). Genau diese Art von Änderung muss eine lokale Prüfung finden können: Sie kann ein folgenreiches Detail verändern, während die Umgebung echt bleibt. NIST nennt teilweise synthetische Inhalte ausdrücklich als Schwierigkeit für alle Erkennungsverfahren, etwa wenn ein Objekt entfernt und die Lücke per KI aufgefüllt wurde (Inpainting) (NIST AI 100-4, Abschnitt 3.2).

Der praktische Ablauf lautet: Aufgabe wählen → lokalen Befund lesen → passende Belege vergleichen → über das Offene entscheiden. Ein gutes Lokalisierungsergebnis zeigt Ihnen, wo Sie prüfen sollten. Ein konkreter KI-Bearbeitungsbefund braucht darüber hinaus Belege dafür, wie dieser Bereich entstanden ist.

Die Frage festlegen, bevor Sie einen Detektor wählen

Beginnen Sie mit der Tatsache, die das Foto belegen soll, zum Beispiel: „Der Glasbehälter des reklamierten Standmixers hat einen Riss.“ Markieren Sie den relevanten Bereich und formulieren Sie, was Sie darüber wissen müssen: ob der Riss sichtbar ist, ob sich dieser Bildteil verändert hat oder ob die Veränderung mit generativer KI erfolgte.

Legen Sie fest, welche Änderungen für die Entscheidung zählen. Eine entfernte Person im Hintergrund kann bei einem Werbefoto unerheblich sein; ein ersetztes Typenschild macht den Zweck eines Nachweisfotos zunichte. Untersuchen Sie die Änderung, die die Aussage betrifft.

Drei technische Aufgaben werden besonders leicht verwechselt:

Ein Detektor kann mehrere Aufgaben verbinden, aber seine Evaluierung muss jede behauptete Fähigkeit stützen. Ein Werkzeug, das vollständig generierte Szenen von Kamerafotos unterscheidet, ist nicht automatisch für lokales Inpainting geprüft. Ein allgemeiner Manipulationsdetektor findet vielleicht klassische Bearbeitungen, ohne sie von generativen Änderungen zu unterscheiden. NIST beschreibt die Zuordnung zu Werkzeugen oder Urhebern als eigene, weitergehende Aufgabe jenseits der reinen Erkennung (NIST AI 100-4, Abschnitt 3.2).

Was eine Lokalisierungskarte tatsächlich aussagt

Bevor Sie eine farbige Überlagerung deuten, klären Sie, was sie darstellt. Ist es ein Manipulationswert, ein Anomaliewert, eine Konfidenzschätzung oder eine Aufmerksamkeitsdarstellung? Bedeutet ein höherer Wert „verdächtiger“? Wurde ein Schwellenwert angewendet? Sind Werte zwischen Bildern vergleichbar, oder skaliert die Anzeige jede Karte einzeln?

Lesen Sie zuerst die Legende, dann die Farben. Ein leuchtender Fleck kann einfach den höchsten Wert dieser Anzeige darstellen, nicht ein festes Maß an Bedenken. Ein Gesamtwert von 0,8 bedeutet nicht, dass 80 % der Pixel bearbeitet wurden. Ob er als verlässliche Wahrscheinlichkeit von 80 % für die Zielbedingung des Werkzeugs gelesen werden darf, hängt von Definition und Kalibrierung für vergleichbare Eingaben ab.

Ein Lokalisierungswerkzeug kann drei verschiedene Dinge berichten: wo ein Bereich auffällig reagiert, wie verlässlich diese Reaktion ist, und eine Entscheidung über das Bild als Ganzes. Eine starke Reaktion in einem unberührten Bereich ist ein Fehlalarm, und auch eine Verlässlichkeitsschätzung kann danebenliegen, besonders nach Komprimierung oder Verkleinerung. Fragen Sie bei der Beschaffung, wie ein Werkzeug den verdächtigen Bereich von der Sicherheit dieses Befunds trennt.

Nutzen Sie diese Leseliste, bevor eine Karte in eine Entscheidungsrunde geht:

Eine Maske nach Schwellenwert ist ein geschätzter Bereich, keine wiederhergestellte Auswahl aus dem Bearbeitungsprogramm. Ihre Grenze kann über das Merkmal hinausgehen, einen Teil auslassen oder die räumliche Auflösung des Verfahrens widerspiegeln. Berechnen Sie daraus keinen „Anteil bearbeiteter Bildfläche“, wenn Definition und Validierung des Werkzeugs das nicht tragen. Beschreiben Sie die Überschneidung dann in Worten.

Den Befund in einen nächsten Schritt übersetzen

Der Wert einer Karte liegt darin, was sie Ihnen zu prüfen hilft. Beginnen Sie mit dem Merkmal, auf das es ankommt, prüfen Sie, ob der Befund es überdeckt, und wählen Sie den Nachweis, der genau diese Frage klären kann.

Die Bildforensik von Fileverity prüft KI-Generierung, lokale Manipulation und Herkunftsdaten getrennt. Für diese Aufgabe ist die KI-Bearbeitung in echten Fotos entscheidend: Die Analyse unterscheidet ein echtes Foto, dessen Bereiche mit generativem Füllen oder Inpainting neu erzeugt wurden, von einem vollständig generierten Bild und markiert die neu erzeugten Bereiche mit ihren Pixelkoordinaten. Beide Fälle führen zu unterschiedlichen Entscheidungen, deshalb hält der Bericht sie auseinander. Konzentrieren Sie sich auf den lokalen Befund: welchen Bereich er betrifft, welche Art von Änderung er stützt und welcher Nachweis als Nächstes zu beschaffen ist. Wenn Sie Fileverity für ein Team bewerten, testen Sie mit den lokalen Änderungen und Lieferbedingungen, die bei Ihnen tatsächlich vorkommen, und prüfen Sie Erkennung, Lokalisierung und KI-Zuordnung jeweils gesondert.

Rechtlicher Rahmen: Warum kleine KI-Bearbeitungen oft unmarkiert sind

Stand: 28.10.2026. Keine Rechtsberatung.

Seit dem 2. August 2026 müssen Anbieter von KI-Systemen, die synthetische Bilder erzeugen, deren Ausgaben nach Art. 50 Abs. 2 KI-Verordnung maschinenlesbar als künstlich erzeugt oder manipuliert kennzeichnen, soweit technisch möglich. Diese Pflicht gilt nicht, soweit ein KI-System eine unterstützende Funktion für die Standardbearbeitung ausführt oder die vom Betreiber bereitgestellten Eingabedaten oder deren Semantik nicht wesentlich verändert (Art. 50 KI-VO, Textfassung). Für Systeme, die vor dem 2. August 2026 in Verkehr gebracht wurden, läuft die Übergangsfrist für die maschinenlesbare Kennzeichnung bis zum 2. Dezember 2026 (Europäische Kommission, FAQ zum Verhaltenskodex). Mehr dazu auf unserer Seite zur Kennzeichnungspflicht nach Art. 50 KI-VO.

Was als „nicht wesentlich“ gilt, entscheidet im Einzelfall nicht die Bildprüfung. Für Ihre Praxis folgt daraus aber: Kleine, lokal begrenzte KI-Bearbeitungen können ganz legitim ohne maschinenlesbare KI-Kennzeichnung bei Ihnen ankommen, und vorhandene Kennzeichnungen gehen bei Screenshots oder Neuexporten oft verloren. Gerade bei lokalen Änderungen trägt deshalb die Analyse des Bildbereichs mehr als die Suche nach einem Etikett.

Warum eine kleine Bearbeitung in einer Gesamtzahl verschwinden kann

KI-Generierung des ganzen Bildes und lokale Manipulation sind zwei getrennte Fragen. Ein technischer Grund dafür: Belege für eine lokale Bearbeitung sind oft räumlich eng begrenzt und nehmen nur einen winzigen Teil des Bildes ein. Wer eine räumliche Karte auf eine einzige Zahl verdichtet, kann sowohl die Stärke als auch die Lage dieser Belege verlieren.

Nehmen Sie eine bewusst einfache, fiktive Karte mit 10.000 gleich großen Zellen an. 100 Zellen haben einen Manipulationswert von 0,90, die übrigen 9.900 einen Wert von 0,10. Der gewöhnliche Mittelwert beträgt:

Mittelwert = (100 × 0,90 + 9.900 × 0,10) / 10.000 = 0,108.

Allgemein gilt: Hat ein Anteil f der Fläche den Wert a und der Rest den Wert b, ist der Mittelwert b + f(a − b). Der lokale Beitrag schrumpft mit seinem Flächenanteil. Hier verschiebt der auffällige Bereich den Durchschnitt nur um 0,008, obwohl seine Werte weit über dem Hintergrund liegen. Das einfache Mittel veranschaulicht das Verdichtungsproblem; es beschreibt kein bestimmtes Bewertungsverfahren.

Das Maximum ergibt 0,90 und bewahrt den Spitzenwert, schafft aber ein anderes Problem: Ein einzelner Fehlalarm bestimmt dann die ganze Zusammenfassung. Lage und räumliche Anordnung enthalten Information, die keine der beiden Zahlen abbildet. Eine kompakte Gruppe direkt am strittigen Riss und hundert verstreute Zellen können denselben Mittelwert und dasselbe Maximum haben. Sie führen zu verschiedenen Prüfaufgaben, auch wenn keines der Muster für sich eine Veränderung beweist.

Die Lehre daraus: Bewahren Sie genug räumliche Information, um einen Befund für das ganze Bild deuten zu können, und gewichten Sie die Verlässlichkeit einer lokalen Reaktion ebenso wie ihre Stärke.

Ein Klassifikator für vollständig generierte Bilder mittelt nicht unbedingt eine Manipulationskarte; er kann ein anderes Ziel aus anderen gelernten Merkmalen schätzen. Ein niedriger Generierungswert beantwortet deshalb nicht die lokale Frage. Bei einem reklamierten Gerät halten Sie die Lage des Befunds am Riss fest und fordern einen Nachweis genau dieses Merkmals am selben Gerät an. Variieren Sie in einem Pilotprojekt sowohl die Größe der Bearbeitung als auch die Lieferqualität; ein Test mit vollständig generierten Szenen sagt nicht, ob folgenreiche kleine Bearbeitungen prüfbar bleiben.

Datei und Verlauf verbunden halten

Der folgende Vergleich beruht auf einem echten Küchenfoto von Eli Christman aus dem Jahr 2019. Fileverity hat in einer abgeleiteten Fassung mit KI einen fiktiven Riss in den Glasbehälter des Mixers eingefügt. Die passenden Ausschnitte machen den Unterschied zur ursprünglichen Behälterwand sichtbar.

Die Umgebung bleibt plausibel. Bei einer Reklamation könnte der eingefügte Riss aber über das Ergebnis entscheiden. Die Behälterwand ist deshalb der vorrangige Bereich für die lokale Analyse und für Nachforderungen.

Sichern Sie die erhaltene Datei und geben Sie ihr eine feste Referenz. Halten Sie Abmessungen, Eingangskanal und bekannte Verarbeitungsschritte fest. Definieren Sie den Prüfbereich mit Koordinaten und einer kurzen Beschreibung und vermerken Sie, ob sich die Koordinaten auf die gespeicherte Datei oder eine gedrehte Ansicht beziehen. Verknüpfen Sie Ausschnitte und Ergebnisse mit der Ausgangsdatei. Ein Prüfrahmen zeigt, wo Sie hinsehen; er ist keine Bearbeitungsmaske.

Haben Sie einen Screenshot erhalten, fordern Sie das Foto als Anhang an. Betrachten Sie die ganze Szene und nicht nur den Bereich: Spiegelungen, Schatten und umgebende Gegenstände können eine Kante erklären oder den Gegenstand mit seiner Umgebung verbinden.

Content Credentials können signierte Angaben zur Erstellung oder Bearbeitung enthalten; Photoshop vermerkt die Generative Füllung in der Regel dort. Halten Sie Validierungsergebnis, Unterzeichner, relevante Schritte und den Bezug zur erhaltenen Datei fest. Klären Sie, ob ein Schritt den strittigen Bereich betrifft oder einen nicht näher bestimmten Teil des Bildes. Die C2PA-Spezifikation beschreibt diese manipulationssicheren Angaben und ihre Grenzen: Verläufe können unvollständig sein, und sie belegen nicht die Wahrheit des abgebildeten Geschehens (C2PA 2.2 Explainer, Abschnitte 2 und 7.2).

Einfache Metadaten geben Hinweise auf Software und Datumsangaben. Nutzen Sie sie, um nach dem Verarbeitungsverlauf zu fragen, und stützen Sie jede Schlussfolgerung zum strittigen Bereich auf die vorhandenen Belege. Wie Sie Metadaten und Vergleichsfassungen systematisch auswerten, zeigt der Ratgeber Erkennen, ob ein Foto bearbeitet wurde.

Verkleinerung, Komprimierung und Arbeitskopien berücksichtigen

Ein eingereichtes Bild kann vor der Prüfung verkleinert, komprimiert, zugeschnitten oder vom Bildschirm abfotografiert worden sein. Halten Sie diese bekannten Bedingungen fest und prüfen Sie, ob das Werkzeug an vergleichbaren Eingaben evaluiert wurde. Übertragen Sie kein Ergebnis aus einer Evaluierung mit sauberen Originalen auf eine stark veränderte Einsendung, ohne dass der Vergleich belegt ist.

Ein Zuschnitt kann einem Menschen helfen, das strittige Merkmal zu betrachten. Er verändert aber auch die Eingabe des Detektors und entfernt Kontext. Wenn die Analyse von Ausschnitten unterstützt wird, halten Sie Ergebnis für das Vollbild und Ergebnis für den Ausschnitt getrennt fest, mit den Koordinaten des Ausschnitts. Ein Unterschied zwischen beiden Werten beweist für sich noch nicht, dass der Ausschnitt eine Bearbeitung enthält.

Ebenso kann eine vergrößerte oder geschärfte Kopie die Besprechung erleichtern, sie bleibt aber eine Ableitung. Kennzeichnen Sie sie und bewahren Sie die Quelle auf. Nutzen Sie keine generative Bildverbesserung, um vermeintlich beweiserhebliche Details zu rekonstruieren: Eine hinzugedachte Kante oder Ziffer kann nicht belegen, was die erhaltenen Pixel ursprünglich zeigten. Ist ein Merkmal nicht lesbar, ist „in der vorliegenden Datei nicht lesbar“ oft die nützlichste Beobachtung.

Am Ende dieses Schritts steht eine von zwei klaren Aussagen: Die Datei eignet sich für die vorgesehene Analyse, oder eine wesentliche Einschränkung bleibt bestehen. Machen Sie aus der zweiten Aussage nicht stillschweigend „keine Bearbeitung gefunden“. Die Analyse weist solche Fälle aus: Reicht die Beleglage nicht aus, lautet das Ergebnis „nicht bestimmbar“.

Fallbeispiel (fiktiv): Riss im Glasbehälter einer Mixer-Reklamation

Ein Onlinehändler erhält eine Reklamation zu einem Standmixer: Der Glasbehälter sei gerissen. Das eingereichte Foto hat 4.000 × 3.000 Pixel. Ein Prüfrahmen von 400 × 300 Pixeln umfasst den behaupteten Riss und die angrenzende Behälterwand. Seine Fläche beträgt 120.000 von 12.000.000 Pixeln, also 1 % des Bildes.

Der Prüfrahmen umfasst 1 % der Bildfläche, und doch kann der Riss über die Reklamation entscheiden. Darum zählt die lokale Analyse: Die geschäftliche Frage betrifft dieses Merkmal, ganz gleich, wie viel vom übrigen Bild unverändert ist. Die Fläche des Rahmens ist Geometrie, kein Maß für bearbeitete Pixel und keine Aussage über die Empfindlichkeit eines Detektors.

Angenommen, ein allgemeines Manipulationswerkzeug markiert einen Teil der Behälterwand nahe dem Riss, während der Klassifikator für das ganze Bild nicht anschlägt. Diese fiktiven Ergebnisse betreffen verschiedene Aufgaben. Halten Sie beide mit ihren Definitionen fest; das lokale Signal zeigt der Sachbearbeitung einen konkreten Teil der Einsendung, den sie prüfen sollte.

Der markierte Bereich überschneidet sich mit einem Teil des Prüfrahmens, folgt aber nicht dem ganzen Riss. Halten Sie eine mögliche lokale Veränderung fest und fordern Sie Nachweise zu diesem Behälter an. Das allgemeine Manipulationsergebnis lässt offen, ob KI beteiligt war; auch ein Verarbeitungsartefakt oder eine Erklärung aus der Szene selbst bleibt möglich. Hier hilft der Fileverity-Bericht: Die Analyse markiert den Bereich mit Pixelkoordinaten, sodass die Nachforderung genau die Behälterwand betrifft; sind Content Credentials vorhanden, trennt der Bericht den Herkunftsbefund vom Pixelbefund, und Hashwert und Zeitstempel halten fest, welche Datei geprüft wurde.

Fordern Sie über den üblichen Reklamationsweg eine weitere Ansicht desselben Behälters an, mit so viel vom Gerät, dass es dem Vorgang zugeordnet werden kann:

Vielen Dank für Ihre Reklamation. Damit wir sie zügig bearbeiten können, senden Sie uns bitte ein Foto, auf dem der Glasbehälter zusammen mit dem Typenschild am Motorsockel zu sehen ist, und zusätzlich eine Nahaufnahme des Risses. Bitte senden Sie die Fotos als Dateianhang und bearbeiten Sie sie nicht.

Ist eine Rücksendung oder Begutachtung vorgesehen, bitten Sie, dass sie genau dieses Merkmal prüft. So zielt die Nachforderung auf die offene Frage, statt wiederholt Kopien desselben Fotos anzufordern.

Bestätigt die Begutachtung den Schaden, kann das die Reklamation stützen, auch wenn der Bearbeitungsverlauf der ersten Datei ungeklärt bleibt. Wirkt die neue Ansicht widersprüchlich, prüfen Sie zuerst, ob sie denselben Gegenstand, denselben Bereich und den relevanten Zeitpunkt zeigt; der Zustand kann sich verändert haben. Ein Widerspruch verlangt eine Klärung; eine Täuschungsabsicht belegt er für sich nicht. Wie Sie Reklamationsfotos im Onlinehandel insgesamt prüfen, beschreibt der Ratgeber Retourenbetrug mit KI-Fotos: Reklamationsfotos prüfen; für Schadenfotos in der Versicherung siehe Versicherungsbetrug mit KI: Schadenfotos prüfen.

Prüfprotokoll, das eine zweite Person nutzen kann

Füllen Sie jede Zeile mit den Angaben zum Vorgang und schreiben Sie „unbekannt“, wo es zutrifft. Getrennte Spalten für Beobachtungen und Schlussfolgerungen verhindern, dass ein vorläufiges Signal bei der Übergabe zur Tatsachenbehauptung wird.

Für das fiktive Beispiel wäre eine vertretbare Formulierung: „Ein Ergebnis der Manipulationsanalyse überschneidet sich mit einem Teil des Behälterbereichs. Es belegt keine generative KI-Nutzung. Datei und Ergebnis klären nicht, ob der behauptete Riss am Gerät vorhanden war. Eine separat aufgenommene Ansicht oder eine Begutachtung desselben Geräts wird angefordert.“

Richten Sie den nächsten Schritt danach, was fehlt: eine bessere Datei bei einem Qualitätsproblem, eine Erklärung bei widersprüchlichen Herkunftsdaten, eine Begutachtung bei einer ungeklärten Frage zum Gegenstand. Ziehen Sie fachliche Unterstützung hinzu, wenn eine vertiefte Analyse die Entscheidung ändern könnte. Der Abschluss sollte benennen, welche Frage geklärt ist und welche Fragen zum Dateiverlauf offenbleiben. Die Entscheidung trifft Ihr Fachteam.

Die lokale Prüfung einsetzen

Nutzen Sie die Analyse für manipulierte und KI-bearbeitete Bilder, um KI-Generierung, lokale Manipulation und Herkunftsdaten zu prüfen, und benennen Sie das strittige Merkmal, bevor Sie das Ergebnis deuten. Jedes Konto umfasst eine kostenlose Bildprüfung; die Preise der Analyse stehen auf der Seite Preise. Für eine erste Einschätzung steht die kostenlose Bildprüfung bereit, für Entscheidungen mit Folgen stehen die detaillierten Belege im vollständigen Bericht bereit.

Datenschutz: Ihre Dateien werden nach der Analyse gelöscht und nie zum Training genutzt; die Analyse läuft auf von Entogo betriebenen Servern in Toronto, Kanada, und Enterprise-Kunden erhalten auf Anfrage eine private Bereitstellung. Alle Verarbeitungsorte stehen unter Sicherheit und Datenschutz, den Vertrag nach Art. 28 DSGVO finden Sie unter Auftragsverarbeitung.

Für ein Team schildern Sie uns, welche lokalen Änderungen Sie prüfen müssen, welche Bildgrößen und Einsendewege typisch sind und welche Maßnahme ein Bereichsbefund auslösen soll; echte Fälle gehen wir gemeinsam mit Ihrem Team durch. Trennen Sie dabei die Anforderungen, eine Änderung zu erkennen, sie zu lokalisieren und eine KI-Beteiligung festzustellen. Sie erreichen uns über die Kontaktseite.

Ob ein Bild insgesamt generiert ist, klären Sie mit dem Ratgeber Wie erkennt man, ob ein Bild KI-generiert ist?.

Häufige Fragen

Erkennt Fileverity die Generative Füllung?

Ja, auf zwei Wegen. Photoshop vermerkt die Generative Füllung in der Regel in den Content Credentials der Datei, die Fileverity ausliest und validiert. Fehlen sie, untersucht die Analyse die Pixel auf Bereiche, die mit generativen Füll- oder Inpainting-Werkzeugen neu erzeugt wurden, und markiert sie im Bild. Wie bei jedem Verfahren hängt die Erkennung von der Größe der Bearbeitung und vom Dateizustand ab; der Bericht gibt an, wie stark die Belege sind.

Heißt ein unmarkierter Bereich, dass er original ist?

Nein. Er bedeutet nur, dass diese Analyse den Bereich unter den gegebenen Bedingungen nicht markiert hat. Ob das ein brauchbarer Gegenbeleg ist, hängt von der nachgewiesenen Empfindlichkeit des Verfahrens für vergleichbare Fälle ab. Keine Auffälligkeit heißt nicht als echt bewiesen.

Kann eine Karte den Urheber oder den Prompt nennen?

Eine Lokalisierungskarte kann das nicht. Eine Zuordnung braucht eigene Belege. Die Analyse nennt die wahrscheinliche Modellfamilie nur, wenn die Beleglage es zulässt, und gibt die Grundlage dieser Zuordnung an. Schließen Sie aus der Form eines markierten Bereichs weder auf das Konto noch auf den Prompt oder die Absicht.

Von Yang Zheng