Aus dem Kontext gerissene Bilder: echte Fotos, die kein Detektor als Fälschung meldet

Veröffentlicht am 1. September 2026

Wenn in Europa über visuelle Desinformation gesprochen wird, steht fast immer die KI im Mittelpunkt. Die Zahlen der Faktenprüfer zeichnen ein anderes Bild: Im monatlichen Fact-Checking-Brief des European Digital Media Observatory betrafen im Dezember 2025 von 1.605 in Europa veröffentlichten Faktenchecks 16 Prozent Inhalte, die mit künstlicher Intelligenz erzeugt oder verändert worden waren. Das war der Höchstwert dieser Reihe, zwischen April und Mai 2026 sank der Anteil von 20 auf 14 Prozent. Selbst im stärksten Monat waren damit über 80 Prozent dessen, was die europäischen Faktenprüfer überhaupt prüfen mussten, nicht mit künstlicher Intelligenz erzeugt.

Ein großer Teil davon sind echte Fotografien: weder bearbeitet noch generiert, aufgenommen mit einer Kamera an einem realen Ort und lediglich mit falschem Datum oder falschem Ort erneut veröffentlicht. Diese Form der Täuschung wird von keinem Werkzeug gemeldet, das die Datei untersucht, und sie trifft auf ein Publikum, das ohnehin verunsichert ist. Laut dem Digital News Report 2026 des Reuters Institute geben 62 Prozent der Befragten weltweit an, dass ihnen die Unterscheidung von wahr und falsch in Onlinenachrichten Sorgen bereitet, vier Punkte mehr als im Vorjahr.

Der Grund für diese blinde Stelle ist strukturell und nicht technisch zu beheben. Jede nachgelagerte Analyse sucht Spuren der Manipulation in der Datei, hier gibt es jedoch keine, denn die Manipulation liegt im Verhältnis zwischen Inhalt und Welt, also im Wann und im Wo. Wird die Herkunft nicht im Moment der Entstehung festgehalten, lässt sie sich danach nur noch argumentieren.

Was aus dem Kontext gerissene Bilder sind

Ein aus dem Kontext gerissenes Bild ist eine echte Fotografie, die weder bearbeitet noch generiert wurde und die mit einer Bildunterschrift verbreitet wird, die ihren Aufnahmezeitpunkt oder ihren Aufnahmeort falsch angibt. Die Datei bleibt unangetastet und der Bildinhalt stimmt, falsch ist ausschließlich die Aussage darüber, wann und wo die Aufnahme entstanden ist.

Die Kategorie ist keine redaktionelle Erfindung, sondern in den Prüfrastern der Plattformen formalisiert. Zu den Bewertungen, die Faktenprüfer bei Meta vergeben, gehört ausdrücklich der Fall des echten, aber irreführenden Inhalts: authentische Bilder, Audio- oder Videoaufnahmen, die als Beleg für ein Ereignis präsentiert werden, mit dem sie nichts zu tun haben. Wer solche Inhalte prüfen soll, kann sich also weder auf einen Detektor noch auf ein Prüfprotokoll für Dateien stützen, sondern muss klären, wann und wo die Aufnahme entstanden ist.

Bearbeitet, KI-generiert oder neu eingeordnet: der Unterschied

Die drei Fälle sehen für das Publikum gleich aus und verhalten sich technisch vollkommen unterschiedlich. Entscheidend ist, ob die Fälschung in der Datei steckt oder außerhalb von ihr:

Warum das die häufigste Form visueller Desinformation ist

Echte Inhalte irreführend zu verwenden ist verbreiteter als frei erfundene Geschichten. Das Europäische Parlament führt die Verzerrung des Kontexts als eine von sechs Taktiken der Desinformation und weist ausdrücklich darauf hin, dass reale, in irreführender Absicht eingesetzte Informationen häufiger vorkommen als vollständig erfundene.

Dafür gibt es einen ökonomischen Grund. Ein überzeugendes Bild zu erzeugen kostet Zeit, Rechenleistung und Sorgfalt, und das Ergebnis trägt das Risiko, als generiert erkannt zu werden. Ein vorhandenes Foto mit einer neuen Bildunterschrift zu versehen kostet nichts, hinterlässt keine Spuren und wirkt glaubwürdiger, weil das Bild tatsächlich echt ist. Hinzu kommt, dass die öffentliche Aufmerksamkeit und ein wachsender Teil der Werkzeuglandschaft auf synthetische Inhalte ausgerichtet sind. Während die Debatte darum kreist, wie sich KI-Bilder erkennen lassen, zirkuliert die wirksamste Fälschung unbehelligt, weil sie gar keine Fälschung im Sinne der Dateiprüfung ist.

Warum keine Dateianalyse Fake-Bilder dieser Art erkennt

Kein Detektor meldet ein echtes Foto im falschen Kontext, weil in der Datei nichts vorhanden ist, worauf er anschlagen könnte. Die Prüfung findet am falschen Ort statt: Sie richtet sich auf das Bild, während die Behauptung, die überprüft werden müsste, außerhalb des Bildes steht. Ein Werkzeug, das Fake-Bilder erkennen soll, beantwortet die Frage, ob die Datei verändert oder synthetisch erzeugt wurde, und nicht die Frage, ob die Bildunterschrift zutrifft.

Das gilt auch für den regulatorischen Rahmen. Die KI-Verordnung verlangt, generierte oder manipulierte Inhalte als solche zu kennzeichnen. Auf eine Fotografie, die nie generiert wurde, greift diese Pflicht nicht, und genau deshalb reicht die Kennzeichnung von KI-Inhalten als Nachweis nicht aus. Ein Bild ohne Kennzeichnung ist nicht dasselbe wie ein Bild, dessen Entstehung belegt ist: Das erste sagt nur, dass keine Kennzeichnungspflicht ausgelöst wurde, das zweite sagt, wann und wo die Aufnahme entstanden ist.

Was Detektoren wirklich suchen, wenn sie KI-Bilder erkennen sollen

Ein Detektor für generierte Bilder sucht statistische Signale, die ein generatives Modell im Bild hinterlässt. Ein Detektor für Manipulationen sucht etwas anderes: Unstetigkeiten in der Kompression, im Sensorrauschen, in Schattenverläufen und an Kanten. Beide arbeiten ausschließlich am Inhalt der Datei, und beide liefern eine Wahrscheinlichkeitsaussage, keine Gewissheit.

Eine echte Fotografie, die mit falschem Datum erneut veröffentlicht wird, weist weder die einen noch die anderen Signale auf, denn die Datei ist genau die, die die Kamera ausgegeben hat. Ein Detektor, der sie prüft, wird sie korrekt als unverändert und nicht generiert einstufen. Diese Antwort ist technisch richtig und für die eigentliche Frage vollkommen wertlos, weil die Frage nicht lautete, ob das Bild echt ist, sondern wann und wo es entstanden ist.

Die strukturelle Grenze: die Manipulation liegt außerhalb der Datei

Die Fälschung steckt nicht im Bild, sondern in der Beziehung zwischen dem Bild und der Welt. Ein Foto zeigt eine Straße, Menschen, Rauch, ein beschädigtes Gebäude. Was es nicht zeigt, ist das Datum und der Ort, und diese Angaben waren nie Teil des Bildinhalts.

Daraus folgt eine Grenze, die sich durch bessere Modelle nicht verschieben lässt. Kein Verfahren, das ausschließlich die Datei untersucht, kann eine Information zurückgewinnen, die in der Datei nie enthalten war. Verbessern lässt sich die Erkennung von Bearbeitungen und von synthetischen Inhalten, nicht aber die Rekonstruktion eines Zeitpunkts aus Pixeln. Wer den Nachweis dennoch führen will, verlässt die Datei und arbeitet mit externen Belegen: früheren Veröffentlichungen, Archiven, Zeugenaussagen, Vergleichsaufnahmen. Das ist möglich, dauert aber Stunden bis Tage und endet häufig bei einer begründeten Einschätzung statt bei einem Beleg. Der Aufwand fällt außerdem jedes Mal neu an, weil aus dem gelösten Fall nichts folgt, was den nächsten leichter macht.

Wo und wann wurde das Foto aufgenommen: was sich nachträglich klären lässt

Nachträglich lässt sich das Aufnahmedatum eines Fotos nur über drei Wege annähern: über die Metadaten der Datei, über frühere Fundstellen desselben Bildes im Netz und über sichtbare Anhaltspunkte im Bild selbst. Jeder dieser Wege ist nützlich, und jeder versagt regelmäßig, ohne dass sich vorher sagen ließe, welcher im konkreten Fall trägt.

Das ist der entscheidende Unterschied zu einem geprüften Verfahren. Ein Ergebnis, das von einem lesbaren Straßenschild im Bildausschnitt oder von einer zufällig archivierten Kopie abhängt, ist kein Verfahren, sondern ein Glücksfall. Für eine Redaktion, eine Kommunikationsabteilung oder eine Nichtregierungsorganisation, die eine Aussage unter Zeitdruck belegen muss, ist das ein Risiko, das sich nicht planen lässt: Der Aufwand ist im Voraus nicht kalkulierbar, und am Ende kann das Ergebnis lauten, dass sich weder das eine noch das andere sagen lässt.

EXIF-Daten auslesen: warum Plattformen die Metadaten entfernen

EXIF-Daten enthalten Aufnahmedatum, Uhrzeit und, sofern Geotagging aktiviert war, die GPS-Koordinaten. Wer die Metadaten eines Bildes auslesen möchte, findet sie allerdings selten vor: WhatsApp, Facebook, Instagram, X, TikTok, LinkedIn und Reddit komprimieren hochgeladene Bilder neu und entfernen die EXIF-Daten aus der Datei, die andere herunterladen können. Zwei Punkte werden dabei regelmäßig verwechselt: Die Entfernung betrifft die herunterladbare Datei und nicht die Frage, ob die Plattform diese Angaben beim Hochladen gelesen hat, und die erklärte Begründung lautet Datenschutz und Dateigröße, während der Nebeneffekt darin besteht, dass die Datei ihre eigene Geschichte nicht mehr mit sich trägt. Redaktionen und Kommunikationsabteilungen nutzen TrueScreen, um Aufnahmen vor Ort mit Datum, Uhrzeit und Koordinaten zu erfassen, die im Moment der Aufnahme festgehalten werden.

Rückwärtssuche und Geolokalisierung: was sie beweisen und was nicht

Die Rückwärtssuche zeigt, wo ein Bild bereits erschienen ist. Eine ältere Veröffentlichung zu finden beweist, dass das Bild älter ist. Keine zu finden beweist nicht das Gegenteil: Es ist ein Test, der ausschließlich widerlegen und niemals bestätigen kann. Er versagt, wenn das Bild bisher unveröffentlicht war, wenn es beschnitten oder gespiegelt wurde oder wenn frühere Fundstellen entfernt worden sind.

Die Geolokalisierung über sichtbare Anhaltspunkte arbeitet mit Ladenschildern, Verkehrszeichen, Architektur, Vegetation, Sonnenstand sowie dem Abgleich mit Satellitenbildern und Straßenansichten. Faktencheck-Redaktionen setzen sie täglich ein, und sie funktioniert. Sie verlangt allerdings Zeit, Erfahrung und mindestens ein identifizierbares Element im Bildausschnitt. Bei einem Himmel, einer beliebigen Menschenmenge oder einem anonymen Innenraum liefert sie nichts. Beide Methoden gehören in jede seriöse Prüfung, und beide erklären zugleich, warum die Suche nach belastbaren, überprüfbaren Quellen mit der Menge der zirkulierenden Inhalte nicht Schritt hält.

Zufallstreffer gegen wiederholbares Verfahren

Eine geglückte Prüfung und ein belastbares Verfahren sind zwei verschiedene Dinge, auch wenn das Ergebnis dasselbe ist. Die geglückte Prüfung hängt an einem günstigen Umstand: an einem lesbaren Schild, an einer archivierten Kopie, an einem Metadatum, das zufällig überlebt hat. Sie lässt sich auf den nächsten Inhalt nicht übertragen.

Ein wiederholbares Verfahren stützt sich dagegen auf Informationen, die im Moment der Erfassung erzeugt und nachvollziehbar an die Datei gebunden wurden: wann, wo, mit welchem Gerät und mit welcher Unversehrtheit der Daten von diesem Moment an. Der Unterschied liegt nicht im Ergebnis, sondern in der Wiederholbarkeit des Vorgehens. Vor Gericht ist das keine Formalie: Nach § 286 ZPO würdigt das Gericht die Beweise frei, und eine Herkunft, die dokumentiert und überprüfbar ist, wiegt schwerer als eine Rekonstruktion aus Indizien. Das Problem lässt sich deshalb nur am Anfang lösen, indem die Herkunft bei der Entstehung festgehalten und nicht im Nachhinein rekonstruiert wird.

Erfassung an der Quelle: ein Foto an seinen Zeitpunkt und seinen Ort binden

TrueScreen zertifiziert Fotos und Videos in dem Moment, in dem sie erfasst werden, und bindet den Inhalt mit qualifiziertem Zeitstempel und digitalem Siegel an Zeitpunkt und Ort der Erfassung. Die Herkunft wird damit nicht rekonstruiert, sondern erzeugt: Sie entsteht gemeinsam mit der Aufnahme und nicht Wochen später aus Indizien. Wer die Aufnahme später prüft, muss nicht mehr fragen, ob ein Beleg zufällig erhalten geblieben ist.

Rechtlich stützt sich das auf einen europäischen Rahmen, der in Deutschland unmittelbar gilt. Die eIDAS-Verordnung (Verordnung EU 910/2014) knüpft in den Artikeln 41 und 42 an den qualifizierten elektronischen Zeitstempel die Vermutung der Richtigkeit des angegebenen Zeitpunkts und der Unversehrtheit der damit verbundenen Daten, ergänzt durch das Vertrauensdienstegesetz auf nationaler Ebene. Anders als Systeme, die an ein bestimmtes Kameramodell gebunden sind, funktioniert die Erfassung auf den Geräten, die die Menschen ohnehin in der Hand halten.

Was das praktisch bedeutet, zeigt ein alltäglicher Fall. Eine Redaktion erhält von einer Mitarbeiterin vor Ort die Aufnahme eines beschädigten Gebäudes. Wurde die Aufnahme an der Quelle zertifiziert, liegen Datum, Uhrzeit und Koordinaten vor, die im Moment der Erfassung festgehalten und mit der Datei verbunden wurden. Kommt dasselbe Bild als weitergeleitetes Foto aus einem Chat, bleiben der Redaktion das Wort der Mitarbeiterin und die Uhrzeit, zu der die Nachricht eingegangen ist. Derselbe Unterschied entscheidet später darüber, ob eine Fotografie mit Rechtswert vorliegt oder eine Behauptung, die im Streitfall verteidigt werden muss. Als Data Authenticity Platform setzt TrueScreen genau an dieser Stelle an: Garantiert wird das Echte, statt das Falsche zu erkennen.