Kapitel 2: Crashkurs Technik ohne Kopfschmerzen

Was ein Deepfake, ein Sprachmodell und ein „Nudify“-Tool wirklich sind, erklärt für Menschen, die lieber Eltern sind als Programmierer

Der Weckruf

Familienfeier, der Onkel mit dem festen Händedruck. „Also, diese KI-Bilder erkennt man doch. Man muss nur auf die Hände schauen, die haben ja immer sechs Finger.“ Zustimmendes Nicken. Eine Tante ergänzt: „Und sonst sieht man es am Hintergrund.“

Du weißt in diesem Moment zweierlei. Die beiden meinen es ernst und sind erleichtert, eine Faustregel zu haben. Und diese Faustregel ist ungefähr aus dem Jahr 2023, in KI-Zeitrechnung also aus dem Pleistozän. Die sechs Finger sind längst repariert. Gefährlicher als die Unsicherheit am Tisch ist die Gewissheit, denn sie bringt Menschen dazu, Fälschungen für echt und Echtes für gefälscht zu halten.

Du brauchst kein Detailwissen. Du brauchst ein belastbares mentales Modell.

Der Befund: Du musst nicht wissen, wie der Motor gebaut ist, nur, was er tut

Die Entlastung vorweg. Niemand verlangt von dir, ein neuronales Netz zu verstehen. Du fährst vermutlich Auto, ohne die Verbrennung im Zylinder herleiten zu können. Was du brauchst, ist ein Fahrverständnis: Was tut das Ding, wo sind die Grenzen, wann wird es gefährlich.

Und das passt in einen einzigen Satz, den du dir merken solltest.

Generative KI kopiert nicht. Sie erfindet das Plausibelste.

Das klingt harmlos und ist der Schlüssel zu allem. Ein Bildgenerator hat keine Datenbank mit Nacktfotos, aus der er das passende heraussucht. Er hat gelernt, wie Millionen Bilder aussehen, und produziert dann etwas, das plausibel wirkt. Die Konsequenz, die du in jedem Deepnude-Fall brauchst: Das gefälschte Nacktbild deines Kindes zeigt nichts Echtes. Es wurde nichts aufgedeckt, es gibt keinen realen Körper, der da zu sehen wäre. Die KI hat einen Körper erfunden, der plausibel zum Gesicht passt.

An der Verletzung ändert das nichts, der Schaden für dein Kind ist derselbe, ob echt oder erfunden. Aber es hilft dir im Gespräch, einen quälenden Gedanken zu entschärfen. Niemand hat dein Kind wirklich gesehen. Eine Maschine hat gelogen. Das nimmt die Scham nicht weg, aber es verschiebt sie an die richtige Stelle, weg von deinem Kind, hin zur Fälschung und zum Täter.

Das Werkzeug, Teil 1: Die vier Familien der generativen KI

Alles, worüber in diesem Buch geredet wird, gehört in eine von vier Schubladen.

Familie 1, Text (die alltägliche, meist harmlose). Sprachmodelle wie ChatGPT. Sie erzeugen Wort für Wort das wahrscheinlichste nächste Wort. Die Familie, die deinem Kind bei Hausaufgaben hilft (Kapitel 4) und die es für Beleidigungen und Fake-Nachrichten nutzen kann. Wichtig: Sie verstehen nichts, sie rechnen Wahrscheinlichkeiten. Deshalb erfinden sie gelegentlich überzeugend klingenden Unsinn, im Fachjargon Halluzinationen.

Familie 2, Bild (die für Deepfakes und Deepnudes). Das Herzstück des Problems. Die heute dominante Technik heißt Diffusionsmodell. Im Training verrauscht die KI ein echtes Bild schrittweise, bis nur noch Grieß übrig ist, und lernt dann, den Weg rückwärts zu gehen, aus Rauschen wieder ein Bild zu formen. Koppelt man das mit einem Sprachmodell, steuert ein kurzer Textbefehl, was entsteht.

Familie 3, Stimme (die für Betrug und Bloßstellung). Voice Cloning. Ein Audiosignal wird so umgerechnet, dass es wie die Stimme einer Zielperson klingt, kaum unterscheidbar. Für Familien heißt das: Ein gefälschter Anruf der Tochter in Not oder der Enkeltrick am Telefon ist keine Science-Fiction mehr.

Familie 4, Video (die neue, die früher unmöglich war). Lange galt Video als fälschungssicher. Das ist vorbei. Ein Video zu sehen ist kein Beweis mehr, dass etwas passiert ist.

Der Spiegel: Zwei Denkfehler, die klüger klingen, als sie sind

Denkfehler 1: „Ich verstehe die Technik nicht, also darf ich nicht urteilen.“ Der Reflex aus Kapitel 1 in technischer Verkleidung. Um zu erkennen, dass ein Deepfake dein Kind verletzt, brauchst du keine Zeile Code.

Denkfehler 2: „Man erkennt Fälschungen ja doch, wenn man genau hinschaut.“ Der sympathischere und gefährlichere Irrtum, der Irrtum von der Familienfeier. Fachleute beschreiben eine wachsende Asymmetrie: Fälschen wird leichter, Erkennen schwerer. Selbst die Hersteller sagen sinngemäß, keine Erkennungsmethode sei absolut sicher.

Die unbequeme Konsequenz. Hör auf, deinem Kind beizubringen, Deepfakes am Bild zu erkennen. Das neue Kompetenzziel heißt nicht hinschauen, sondern nachfragen. Woher kommt das? Wer hat es zuerst geteilt? Passt es zur Quelle? Das ist Medienkompetenz, nicht Bildforensik, und sie hält länger.

Ein Wort zu „Nudify“-Tools, bewusst ohne Anleitung

Weil das Buch ehrlich ist: Ja, es gibt Apps, die aus einem angezogenen Foto ein gefälschtes Nacktbild rechnen. Nein, hier steht nicht, welche, und nicht, wie. Was du wissen musst: Sie entfernen keine Kleidung, sie erfinden einen Körper, der plausibel zum sichtbaren Rest passt. Die Einstiegshürde ist erschreckend niedrig. Was früher teure Software und Fachkenntnis brauchte, verlangt heute oft nur ein Foto, eine Website und ein paar Minuten (vgl. Norton, 2025). Und, bittere Pointe, die gesamte Deepfake-Welle nahm 2017 ihren Anfang ausgerechnet mit nicht einvernehmlicher Pornografie (the-decoder, 2022). Der Missbrauch war kein Nebeneffekt dieser Technik, er stand an ihrem Anfang.

In einem Satz

Du musst nicht wissen, wie generative KI gebaut ist, nur, dass sie das Plausibelste erfindet statt zu kopieren, dass man Fälschungen nicht mehr am Bild erkennt und dass die richtige Frage nicht „echt oder nicht?“ lautet, sondern „woher kommt das?“.

Am Rand notiert (der zynische Kasten)

Die Tech-Konzerne bauen die Werkzeuge, die diese Bilder ermöglichen, und verkaufen uns anschließend die Werkzeuge, mit denen wir sie erkennen sollen. Das ist ungefähr so, als würde eine Firma Streichhölzer und Feuerlöscher im Doppelpack anbieten und das „Verantwortung“ nennen. Die praktische Konsequenz für dich ist trotzdem schlicht. Verlass dich auf keinen einzelnen Detektor, keine einzelne Faustregel. Verlass dich auf die langweiligste Kompetenz von allen: Herkunft prüfen, Quelle hinterfragen, im Zweifel nicht teilen. Die hält länger als jede App.

Quellen (Kapitel 2)

Plattform Lernende Systeme (acatech): KI und Deepfakes (Diffusionsmodelle, Voice Conversion). plattform-lernende-systeme.de

Spektrum der Wissenschaft (2023); Norton (2025); the-decoder (2022): Funktionsweise und Geschichte von Deepfakes.

OpenAI (2026): Inhaltsherkunft (C2PA, SynthID; keine Erkennungsmethode ist absolut sicher).

Quellen-Ehrlichkeit. Der Reifegrad von Echtzeit-Video-Deepfakes und die Wirksamkeit von Erkennungs- und Wasserzeichenverfahren verschieben sich rasch und sind zwischen unabhängiger Forschung und Herstellern umstritten. Dieses Kapitel setzt deshalb bewusst auf Denkmodelle statt auf eingefrorene Zahlen. Der durable Kern bleibt: Kein Erkennungsverfahren ist absolut sicher.