Deepfake erkennen: Warum wir uns überschätzen

Wie erkennt man einen Deepfake? Zuverlässig gelingt das nicht mit einem einzigen Blick auf angebliche Bildfehler. Nach der aktuellen Studienlage hilft etwas anderes: auf den Gesamteindruck eines Gesichts achten, die Quelle prüfen und Bild oder Video gegenrecherchieren. Wer diese Muster gezielt trainiert, erkennt Fälschungen deutlich häufiger – die mittlere Trefferquote verdoppelt sich dabei fast.

Deepfake erkennen: Die wichtigsten Zahlen

Die belastbarste aktuelle Datengrundlage für Deutschland ist der Cybersicherheitsmonitor 2026. Das Bundesamt für Sicherheit in der Informationstechnik (BSI) und das Programm Polizeiliche Kriminalprävention der Länder und des Bundes (ProPK) haben dafür über 3.000 Internetnutzerinnen und Internetnutzer befragt; der Bericht erschien am 11. Mai 2026. Das Ergebnis ist vor allem eine Lücke zwischen Selbsteinschätzung und Verhalten:

• 47 Prozent der Befragten geben an, KI-generierte Inhalte als solche erkennen zu können.
• 32 Prozent haben noch nie eine der elf abgefragten Prüfmaßnahmen angewendet – also nie aktiv kontrolliert, ob ein Bild oder Video echt ist.
• Nur 28 Prozent haben schon einmal nach visuellen Unstimmigkeiten wie fehlerhaften Schatten oder Gliedmaßen gesucht.
• Nur 19 Prozent haben die Seriosität der Quelle recherchiert.
• Die am häufigsten genutzte Methode ist die schwächste: „Wirkt die Szene realistisch?“ – nach Angaben des Berichts gaben das rund 40 Prozent an, die Rückwärts-Bildersuche nutzen nur etwa 10 Prozent.

Wie präsent das Thema inzwischen ist, zeigt eine zweite Auswertung derselben Befragung: Sieben von zehn Befragten sind online schon auf KI-generierte Bilder oder Videos gestoßen, bei den unter 30-Jährigen sind es neun von zehn. Von Schockanrufen mit KI-imitierter Stimme haben 54 Prozent gehört, von manipulierten Deepfake-Videos 55 Prozent – ein Anstieg um sieben Prozentpunkte gegenüber der Erhebung von 2023.

Warum KI-Gesichter anders wirken als echte

Bildgeneratoren erzeugen kein Gesicht, das sie irgendwo abfotografiert haben. Sie lernen aus Millionen Trainingsbildern, welche Merkmalskombinationen häufig vorkommen, und setzen daraus ein neues Gesicht zusammen. Das Ergebnis liegt deshalb oft nahe am statistischen Durchschnitt: symmetrischer, gleichmäßiger proportioniert und attraktiver als echte Gesichter – gleichzeitig aber weniger markant, weniger ausdrucksstark und weniger einprägsam.

Genau dieses Muster erklärt, warum die klassische Suche nach Bildfehlern an Grenzen stößt. Auffällige Fehler – ein drittes Ohr, zwei Pupillen in einem Auge, ein abgeknicktes Ohrläppchen – verschwinden mit jedem Modell-Update. Amy Dawel von der Australian National University, Hauptautorin der im Folgenden zitierten Studie, bringt es so auf den Punkt: „Die KI wird einfach zu gut.“ Betrüger sortieren fehlerhafte Bilder ohnehin vorher aus.

Warum Modelle überhaupt plausible statt korrekte Ergebnisse liefern, hängt mit derselben Technik zusammen, die auch Texte entstehen lässt – dazu mehr in unserem Artikel Wie ChatGPT wirklich funktioniert: Token, Transformer und das Prinzip Wahrscheinlichkeit. Wo dieses Prinzip kippt, beschreibt der Beitrag Warum KI halluziniert – und was du gegen falsche Antworten tun kannst.

Was nachweislich hilft: Training auf sechs Merkmale

Ein Forschungsteam aus Australien und Kanada hat im Juli 2026 in der Fachzeitschrift PNAS eine Studie veröffentlicht, die einen anderen Weg geht. Statt Artefakte zu suchen, wurden Teilnehmende darin trainiert, auf ihren Gesamteindruck von Gesichtern zu achten. Die Trainingsmerkmale waren: Einprägsamkeit, Attraktivität, Symmetrie, Proportionen, Ausdrucksstärke und Unverwechselbarkeit.

• Alle 45 Teilnehmenden verbesserten sich; die mittlere Trefferquote verdoppelte sich nahezu.
• Die besten Teilnehmenden erreichten eine nahezu perfekte Erkennung.
• Erst nach dem Training stimmte die Selbsteinschätzung der Teilnehmenden mit ihrer tatsächlichen Leistung überein.
• Eine Kontrollgruppe mit Test-Wiederholung schließt reine Übungseffekte als Erklärung aus; eine Online-Wiederholung zeigt, dass der Ansatz skalierbar ist.

Der praktische Kern: Nicht einzelne Pixel prüfen, sondern das Gesamtbild gegen das eigene Bauchgefühl abgleichen – „zu glatt, zu ausgewogen, zu werblich“ ist ein ernstzunehmendes Signal, kein Vorurteil.

Fünf Prüfschritte für den Alltag

Diese Schritte lassen sich in wenigen Sekunden erledigen und decken die größten Lücken der Erhebung ab:

• Rückwärts-Bildersuche: Bild durch Google Lens, Bing Visual Search oder TinEye schicken. Findet sich dasselbe Motiv in einem völlig anderen Kontext, ist Vorsicht angebracht.
• Quelle statt Motiv prüfen: Wer hat das Video zuerst veröffentlicht? Existiert der Account wirklich? Steht das Angebot auf der offiziellen Website des Unternehmens?
• Gesamteindruck ernst nehmen: Wirkt das Gesicht zu symmetrisch, zu glatt, zu werblich, ohne Ecken und Kanten? Dann genauer hinschauen statt wegklicken.
• Bei Stimme am Telefon: auflegen und über eine bekannte Nummer zurückrufen. Bei Familienmitgliedern hilft ein vorher vereinbartes Codewort.
• Nie unter Zeitdruck handeln: Kein Klick auf Links aus Videos, keine Überweisung, keine Krypto-Käufe „nur heute“. Zeitdruck ist Teil der Masche, nicht des Angebots.

Wo der Betrug am häufigsten anfängt: Werbung mit Prominenten

Von den Befragten im Cybersicherheitsmonitor 2026 hatten 15 Prozent schon einmal in Kryptowährungen investiert. Fast ein Drittel von ihnen (31 Prozent) hat dabei Betrugserfahrungen gemacht – und in rund zwei Dritteln dieser Fälle war der Einstiegspunkt Werbung im Internet. Typisch sind Videos, in denen Prominente scheinbar für lukrative Geldanlagen werben; die Täter setzen dabei auf Inflationsängste und fehlendes Finanzwissen.

Zur Einordnung: Im vergangenen Jahr wurden 11 Prozent der Internetnutzerinnen und Internetnutzer in Deutschland Opfer einer Straftat im Internet, am häufigsten beim Onlineshopping und Onlinebanking. Wie sich die Betrugszahlen insgesamt entwickelt haben, steht in unserem Überblick KI-Betrug 2026: Die wichtigsten Fakten und Zahlen.

Was du mitnehmen kannst

• Niemand erkennt Deepfakes zuverlässig auf den ersten Blick – auch die eigene Selbsteinschätzung ist dafür kein Beleg.
• Erkennbarkeit lässt sich trainieren: Auf den Gesamteindruck eines Gesichts zu achten, verdoppelte in der Studie die Trefferquote nahezu.
• Drei Routinen zählen mehr als jedes Bauchgefühl: Quelle prüfen, Bild gegenrecherchieren, niemals unter Zeitdruck handeln.

Quellen:

• Bundesamt für Sicherheit in der Informationstechnik (BSI): Cyberkriminalität im Alltag: Jede zehnte Person in Deutschland allein im Vorjahr betroffen, Pressemitteilung vom 11.05.2026 – https://www.bsi.bund.de/DE/Service-Navi/Presse/Pressemitteilungen/Presse2026/260511_Cyberkriminalitaet_im_Alltag.html (abgerufen 16.09.2026)
• BSI: Cybersicherheitsmonitor 2026 – Befragung zur Cybersicherheit, Fokusthema Online-Betrug & Künstliche Intelligenz – https://www.bsi.bund.de/DE/Themen/Verbraucherinnen-und-Verbraucher/Leistungen-und-Kooperationen/Digitaler-Verbraucherschutz/Digitalbarometer/digitalbarometer_node.html (abgerufen 16.09.2026)
• heise online: AI fraud: Germans overestimate their ability to detect deepfakes, 13.04.2026 – https://www.heise.de/en/news/AI-fraud-Germans-overestimate-their-ability-to-detect-deepfakes-11255571.html (abgerufen 16.09.2026)
• Dawel A, George T, Mah EY, Dunn JD, Sutherland CAM, Argument N, Tanaka JW: Training humans to detect AI-generated faces, PNAS, 07.07.2026, DOI 10.1073/pnas.2602122123 – https://doi.org/10.1073/pnas.2602122123 (abgerufen 16.09.2026)
• Spektrum der Wissenschaft: Deepfakes: So erkennen Sie KI-generierte Gesichter, 01.07.2026 – https://www.spektrum.de/news/deepfakes-so-erkennen-sie-ki-generierte-gesichter/2331674 (abgerufen 16.09.2026)
• Deutschlandfunk Nova: Deepfakes: Mit Training KI-Gesichter besser erkennen, 01.07.2026 – https://www.deutschlandfunknova.de/nachrichten/deepfakes-mit-training-ki-gesichter-besser-erkennen (abgerufen 16.09.2026)
• datensicherheit.de: Deepfakes: Laut BSI-Bericht überschätzen Nutzer eigene Fähigkeit zur Erkennung, 05.05.2026 – https://www.datensicherheit.de/deepfakes-laut-bsi-bericht-ueberschaetzen-nutzer-eigene-faehigkeit-zur-erkennung (abgerufen 16.09.2026)
• bigdata-insider.de: KI-Online-Betrug: BSI warnt vor Deepfakes und Trading-Fraud, 16.04.2026 – https://www.bigdata-insider.de/ki-online-betrug-bsi-deepfakes-cybertrading-fraud-a-baf42be3d2b2055424884d8bb403182e/ (abgerufen 16.09.2026)

Stand: 16.09.2026