Ein Clip läuft durch den Firmenchat. Ein Lieferwagen rutscht über eine verschneite Kreuzung, dreht sich einmal und bleibt genau vor dem Schaufenster stehen. Jemand will ihn auf dem Firmenkanal teilen, jemand anderes fragt, ob der echt ist. Niemand weiß, woran man das sieht.
Wer ein KI-Video erkennen will, landet in den meisten Ratgebern bei den Gesichtern und bei einem Detektor. Beides wird schwächer. Was bleibt, sind die Spuren, die eine Kamera in jedem Bild hinterlässt: Unschärfe aus der Bewegung, ein Schärfeverlauf wie vom Objektiv, Schatten von einer Lichtquelle und ein Ton, der nach einem Raum klingt. Ein Generator rechnet ein glaubwürdiges Bild, keine Aufnahme. Wo diese Spuren nicht zusammenpassen, hast du einen begründeten Verdacht. Gewissheit bekommst du nur über die Herkunft des Clips.
Warum Gesichter nicht mehr reichen
Das BSI beschreibt, woran man getauschte Gesichter erkennt: verwaschene Zähne und Augen, eine Hautfarbe, die am Übergang wechselt, wenig Mimik und Licht im Gesicht, das nicht zum Rest passt. Das stimmt, und bei schnell gemachten Fälschungen hilft es weiter.
Nur betrifft es eine bestimmte Sorte Fälschung: ein echtes Video, in das ein anderes Gesicht montiert wurde. Ein Clip, der komplett aus einer Texteingabe entsteht, hat keine Nahtstelle am Gesicht. Er hat überhaupt keine Aufnahme, an der etwas montiert wurde. Deshalb lohnt es sich, den Blick vom Gesicht zu lösen und das ganze Bild anzusehen.
Bewegung: Unschärfe, die zur Kamera passt
Eine Kamera belichtet jedes Bild eine kurze Zeit lang. Bewegt sich etwas in dieser Zeit, verwischt es, und zwar in Richtung der Bewegung. Ein Ball, der durchs Bild fliegt, zieht einen verwischten Schweif hinter sich her. Die Hand, die winkt, verwischt stärker als die Schulter, weil sie schneller ist. Wie stark das ist, entscheidet am Set die Verschlusszeit, mehr dazu im Beitrag über Videografie und Verschlusszeit.
Generierte Clips machen hier zwei typische Fehler. Entweder ist alles gestochen scharf, obwohl sich der Wagen schnell dreht, oder die Unschärfe liegt wie ein Weichzeichner über allem, auch über Dingen, die stillstehen. Achte auch auf Bewegungen, die zu glatt sind: ein Auto, das auf Schnee rutscht, ohne dass die Kamera auch nur ein bisschen nachzieht. Wer selbst einmal hinter einem rutschenden Auto hergeschwenkt hat, weiß, dass der Bildausschnitt dabei nie perfekt sitzt.
Schärfe und Licht
Ein Objektiv stellt auf eine Entfernung scharf. Was davor und dahinter liegt, wird gleichmäßig unschärfer, je weiter es von dieser Ebene entfernt ist. In generierten Clips springt die Schärfe gern: Ein Gesicht im Hintergrund ist scharf, die Schulter davor nicht, oder einzelne Haare sind scharf, obwohl der Kopf es nicht ist.
Beim Licht stellst du eine Frage: Wo steht die Lampe? Alle Schatten im Bild müssen zu ihr passen, auch der Schatten unter dem Auto und der am Laternenpfahl. Spiegelungen in Fenstern, Pfützen und Augen müssen zeigen, was gegenüber steht. Ein Generator baut jede Stelle so, dass sie für sich glaubwürdig aussieht. Ob alle Stellen zusammen zu einer einzigen Lichtquelle passen, prüft er nicht.
Ton und Raum
Jeder Raum klingt. In einer Halle hallt eine Stimme nach, im Auto klingt sie trocken und nah, draußen fehlt der Hall fast ganz. Wer am Set Ton aufnimmt, nimmt deshalb auch ein paar Sekunden Stille im Raum auf, den sogenannten Raumton, damit der Schnitt später nach diesem Ort klingt.
Generierte Clips mit Ton klingen oft zu sauber. Die Stimme klingt nach Studio, obwohl die Person auf einer Straße steht, oder Schritte haben denselben Klang auf Asphalt wie auf Schnee. Prüf auch, ob die Lippen genau zu den Lauten passen, besonders bei B, M und P, wo der Mund sich schließen muss.
Schnitt und Details
Am Set heißt das Anschluss: Was in einer Einstellung zu sehen ist, muss in der nächsten noch da sein. Am Set achtet jemand darauf, dass die Tasse auf derselben Seite steht und die Jacke offen bleibt. In generierten Clips ändern sich solche Details zwischen zwei Einstellungen oder sogar innerhalb einer. Ein Schriftzug auf dem Lieferwagen ist im ersten Moment lesbar und einen Moment später Buchstabensalat. Ein Kennzeichen hat plötzlich ein Zeichen mehr.
Gut prüfbar sind alle Stellen, an denen sich etwas überlagert: eine Hand vor dem Gesicht, Finger, die ineinandergreifen, ein Kabel, das hinter einem Bein verschwindet und wieder auftaucht. Dort muss ein Generator entscheiden, was vorne und was hinten ist, und dort entscheidet er am häufigsten falsch.
Dabei gilt: Starke Kompression, Stabilisierung und Filter lassen auch echte Clips weich, verwaschen oder ruckelig aussehen. Ein einzelnes Merkmal ist kein Beweis. Erst wenn mehrere Spuren nicht zusammenpassen, wird der Verdacht begründet.
Detektoren und Wasserzeichen
Ein Detektor lernt an bekannten Fälschungen. Das BSI nennt die mangelnde Generalisierbarkeit das zentrale Problem dieser Verfahren: Was ein Detektor nicht gesehen hat, erkennt er schlecht. Beim großen Wettbewerb zur Erkennung von Deepfakes im Jahr 2020 traf das beste Modell laut BSI im Schnitt rund 65 Prozent der Fälle, Raten läge bei 50. Neuere Forschung des Vector Institute kommt laut Help Net Security zum gleichen Bild: Auf bekannten Testdaten sehen Detektoren gut aus, bei Clips aus neueren Generatoren fällt ihre Leistung deutlich.
Wasserzeichen arbeiten anders. Google versteckt in Videos seiner eigenen KI ein unsichtbares Wasserzeichen namens SynthID. In der Gemini-App kannst du einen Clip hochladen und fragen, ob er mit Google-KI erstellt wurde. Gemini sucht das Wasserzeichen in Bild und Ton und zeigt, an welchen Stellen es steckt. Laut Google geht das für Dateien bis 100 MB und 90 Sekunden, Stand der Ankündigung vom Dezember 2025. Findet Gemini nichts, heißt das nur: nicht mit Google-KI gemacht. Über andere Generatoren sagt das Ergebnis nichts.
Ähnlich ist es mit Herkunftsangaben in den Metadaten einer Datei. Sind sie da, ist das ein starkes Indiz. Fehlen sie, beweist das nichts, weil ein Neuexport oder das Hochladen auf eine Plattform sie oft entfernt.
Was du tust, wenn du unsicher bist
Für den Clip im Firmenchat heißt das: Wenn Bewegung, Schärfe, Licht oder Ton nicht zusammenpassen und niemand weiß, woher er stammt, teilst du ihn nicht als echte Aufnahme. Frag nach dem Original: wer gedreht hat, mit welcher Kamera, und ob es eine längere Fassung oder Rohmaterial gibt. Ein echter Dreh hinterlässt fast immer mehr Material als den einen Clip, der herumgeht. Findest du das Original nicht, ist das auch eine Antwort: Dann teilst du den Clip nicht als Nachricht, und wenn überhaupt, nur mit dem Satz, dass seine Herkunft unklar ist.
Ich bin Filmmaker und arbeite selbst mit KI-Bildern. Die Bilder in diesem Beitrag sind KI-Bilder, und jedes trägt ein Label dafür. Gedreht wird bei mir mit Kamera, Licht und Ton. Wie ein Film entsteht, wenn eine Person alle Schritte selbst macht, steht im Beitrag Videograf, Kameramann oder Filmmaker?. Was ich für Unternehmen drehe, siehst du auf der Seite zur Videografie.
Häufige Fragen
Kann man ein KI-Video erkennen, wenn es gut gemacht ist?
Nicht mit Sicherheit, weder mit bloßem Auge noch mit einem Detektor. Hinsehen liefert einen begründeten Verdacht, wenn mehrere Spuren der Aufnahme nicht zusammenpassen. Sicher wird es erst, wenn ein Herkunftsnachweis gefunden wird oder jemand das Rohmaterial zeigen kann.
Wie prüfe ich, ob ein Video mit Google-KI gemacht wurde?
Lade den Clip in die Gemini-App und frag, ob er mit Google-KI erstellt wurde. Gemini sucht dann das SynthID-Wasserzeichen in Bild und Ton und nennt die Abschnitte, in denen es gefunden wurde. Das funktioniert laut Google für Dateien bis 100 MB und 90 Sekunden.
Woran erkennt man ein getauschtes Gesicht?
Das BSI nennt unter anderem sichtbare Übergänge am Gesichtsrand, in manchen Bildern doppelte Augenbrauen und Gesichter, die in der Seitenansicht schlechter aussehen als von vorn. Hilfreich ist deshalb jede Stelle, an der der Kopf sich dreht. Bei Clips, die komplett generiert sind, fehlen solche Übergänge.
Beweisen fehlende Metadaten, dass ein Video echt ist?
Nein. Herkunftsangaben gehen verloren, sobald ein Clip neu exportiert, auf einer Plattform neu codiert oder per Bildschirmaufnahme abgefilmt wird. Fehlende Metadaten sagen also nichts, vorhandene dagegen viel.
Über den Autor
Patrick Polczyk ist Filmmaker bei ULTIM8MEDIA in Gummersbach. Konzept, Regie, Kamera, Licht, Ton, Schnitt, Sounddesign und Color Grading macht er selbst. Deshalb schaut er bei einem Clip zuerst auf das, was eine Kamera hinterlässt.


