#16 Von Algorithmischer Fotografie zu Deepfake-Erkennung | Zu Gast: Christoph Behl

KI-Bild- und Videomodelle entwickeln sich gerade in einem Tempo,
bei dem selbst Profis kaum hinterherkommen: Midjourney korrigiert
seinen Kurs, ChatGPT Image 2 holt überraschend auf, und aus China
kommen neue Videomodelle wie Wan 2.7 und Happy Horse.
Gleichzeitig wird sichtbar, dass diese kreative Explosion teuer
ist — in Geld, Rechenleistung, Energie und neuen Nutzungslimits.
Die Folge diskutiert außerdem, warum KI-Bilder Fotografie,
Journalismus und Wettbewerbe unter Druck setzen. Boris erklärt,
warum Joan Fontcubertas „algorithmische Fotografie“ ein
Nonsense-Begriff ist. Im Gespräch mit unserem Gast Christoph Behl
von "It’s Real" geht es schließlich darum, wie wir in einer Welt
perfekter synthetischer Bilder wieder Vertrauen schaffen können:
durch Detektion, Provenienzdaten und neue „Trust Zones“ für echte
Bilder.





-----


Im KI-Podcast unterhalten sich Dr. ⁠Jürgen Scriba⁠, Leiter der
Arbeitsgruppe "Technischer Fortschritt" / Deutscher Fotorat und
⁠Boris Eldagsen⁠ (Mitglied der Arbeitsgruppe) mit wechselnden
Gästen über aktuelle Auswirkungen von KI auf Fotografie.





HIGHLIGHTS:





(00:08) - EU-Guidelines zur juristischen Definition von Deepfakes
i


Fehlen weiterhin. Bis dahin wird praktisch weiter getestet,
wie Deepfakes und synthetische Medien entstehen.






(00:31) - Bei KI-Bildmodellen gab es große Bewegung


Midjourney 8.1 korrigiert viele Schwächen von Version 8.0.
Die neue Architektur bringt das alte „Midjourney-Feeling“ zurück.






(02:17) - ChatGPT Image 2 wird neu bewertet


In der Beta war es enttäuschend, inzwischen liegt es in
vielen Use Cases fast gleichauf mit Nano Banana 2.






(04:53) - In praktischen Bildtests zeigt sich:


ChatGPT Image 2 überzeugt bei Bildrestauration,
Lichtübertragung, Pose-Transfer und komplexen Bildkombinationen.

Nano Banana 2 ist stärker bei Realismus, Farbpaletten und
manchen Stilübertragungen.






(12:41) - Im Videobereich bringt Alibaba zwei Modelle


Wan 2.7 und Happy Horse. Beide kommen aus unterschiedlichen
Alibaba-Labs; Happy Horse zielt stärker auf Talking Heads, Short
Drama und menschliche Figuren.






(15:51) - Die Kostenfrage


KI-Infrastruktur, Tokenverbrauch und Rechenleistung
explodieren.

Nutzer merken das an Limits, langsameren Diensten und teuren
Pro-Tarifen.

Der Energie- und Ressourcenverbrauch wird zu einem zentralen
Problem.






(21:07) - KI-Bilder in Fotowettbewerben


Beispiele aus Hasselblad- und Naturfoto-Wettbewerben zeigen,
wie schwer Jury und Publikum echte Fotos von synthetischen
Bildern unterscheiden können.






(24:03) - Re-Light


Nachträgliche Lichtveränderung in Fotos werden Standard.






(30:00) - Philosophische Debatte


Sind KI-generierte Bilder Fotografie?

Boris widerspricht Joan Fontcubertas These von
„algorithmischer Fotografie“ und argumentiert, KI-Bilder seien
Teil eines größeren Metamediums: Latent Space.






(40:47) - Zu Gast: Christoph Behl


Behl erklärt, wie sein Unternehmen KI-generierte und
manipulierte Bilder durch einen multisignalen Ansatz erkennt.

Die Detektion basiert auf semantischen Mustern: Bildsprache,
Symmetrie, Texturen, Rauschen, Frequenzen, Entropie und typische
KI-Artefakte werden kombiniert.






(55:09) - Beispiele


An Beispielen zeigt "It’s Real", wie komplett generierte
Bilder, authentische Bilder und teilweise manipulierte Bilder
unterschieden werden.






(58:01) - Zielgruppen sind breiter als geplant


Medien, Bildagenturen, Behörden, Polizei, Militär,
Versicherungen und E-Commerce interessieren sich für Bildprüfung.

Besonders relevant sind Betrug, Desinformation, Bildarchive
und journalistische Verifikation.






(1:03:04) - „Deepfake“


Der Begriff wird kritisch gesehen, weil er juristisch und
praktisch unscharf ist. Statt alles KI-generierte zu labeln,
schlägt Christoph vor, stärker das Echte zu zertifizieren: Trust
Zones, Provenienzdaten und geprüfte Authentizität.






(1:09:41) - Fazit


Vertrauen in Bilder wird künftig aktiv hergestellt werden
müssen — technisch, juristisch und kulturell.