Schön, aber nicht stimmig
Ein kurzer Prompt genügt, und der Bildgenerator liefert in Sekunden ein Bild, das aussieht wie vom Profi. Nur stimmt der Inhalt oft nicht. Mal hakt die Physik, mal bedient die Darstellung ein Klischee. Für meine Bachelorarbeit wollte ich wissen, was passiert, wenn beides zusammenkommt: ein Bild das visuell überzeugt, und ein Inhalt der nicht aufgeht.
Thesis
Zuerst habe ich 144 Bilder aus drei aktuellen Modellen – Seedream 4.5, Nano Banana Pro und FLUX.2 Max – nach einem eigenen Codebook codiert. Bei mehr als der Hälfte traf hoher visueller Realismus auf mindestens ein inhaltliches Problem: Physik, die nicht funktioniert, oder Anatomie, die nicht hinhaut. Manchmal passte der Kontext nicht, manchmal war die Darstellung erkennbar stereotyp.
Aus diesem Material habe ich Stimuli ausgewählt und sie 55 Personen vorgelegt, erst zur Bewertung, dann in einer Auswahlaufgabe. Sieben Redaktionsszenarien, je vier Bilder zur Auswahl, dazu jedes Mal eine Begründung. Gesucht war das Bild, das sie publizieren würden. Die fehlerhaften Bilder schnitten schlechter ab als die fehlerfreien, blieben im Schnitt aber auf der glaubwürdigen Seite der Skala: ein Punktabzug, keine Ablehnung. Auch beim Erkennen war die Unsicherheit gross: Als KI-generiert eingestuft wurde im Schnitt knapp die Hälfte der sechs Bilder. Tatsächlich waren es alle sechs.
Am meisten überrascht hat mich, worüber nicht geredet wurde. In den Begründungen ging es um Authentizität, um Bildqualität, um die Passung zum Artikel-Titel. Von den 212 Begründungen, mit denen eine verzerrte Bildoption gewählt wurde, nahmen acht überhaupt Bezug auf Stereotype oder Normen. Genau hinschauen konnten die Teilnehmenden aber durchaus: Bei einem der Bilder benannte fast die Hälfte von ihnen den Fehler von sich aus. Der stereotype Gehalt kam dagegen fast nie zur Sprache.
Lehrprojekt
Beide Teile meiner Arbeit hängen an derselben Frage: Wenn im Vorbeigehen kaum auffällt, was mit einem Bild nicht stimmt, dann braucht es einen Moment, in dem jemand bewusst hinschaut. Die Thesis beschreibt, wie schwer das ist und das Lehrprojekt versucht diesen Moment in den Arbeitsablauf einzubauen.
Wie aktuell das ist, zeigt der KI-Kodex der Schweizer Medienbranche: Seit Mai 2026 hält er fest, dass mit KI erstellte Inhalte auf ihre Richtigkeit zu prüfen sind. Verbindlich ist das nicht, und wie die Prüfung im Alltag aussehen soll, lässt er offen.
SemantIC ist ein Web-Tool, das ein KI-Bild vor der Veröffentlichung prüft. Die Frage ist dabei nicht «echt oder generiert». Man lädt ein Bild hoch, lässt es analysieren und sieht, was dem Tool auffällt: physikalische Ungereimtheiten, inhaltliche Brüche, Stereotype. Die Ergebnisse kommen als Ampel-Übersicht mit markierten Stellen direkt im Bild. Wie gut das Bild aussieht, fliesst in diese Prüfung bewusst nicht ein. Ein Urteil fällt das Tool nicht, das bleibt bei der Person, die das Bild verwendet.