Die Authentifizierung der Realität: Warum die Kennzeichnung des Echten wichtiger ist als die Kennzeichnung des Synthetischen

Für Unternehmensmarken, Verlage und Mediennetzwerke besteht die größte Bedrohung nicht mehr nur darin, zu identifizieren, was eine Maschine generiert hat. Es geht darum, die Integrität echter visueller Assets nachzuweisen. Um dieser Herausforderung zu begegnen, ist es notwendig, über Metadaten-Container hinauszugehen und Tracking-Signale direkt in die Pixelebene selbst einzubetten.

C2PA und JPEG Trust: zwei Standards, eine gemeinsame Schwachstelle

Der Markt betrachtet C2PA oft als die alleinige Antwort auf die Inhaltsverifizierung, doch ist es nicht das einzige verfügbare Framework. Der Verhaltenskodex des Europäischen KI-Büros schreibt C2PA nicht ausschließlich vor, da er anerkennt, dass alternative Standards existieren. Ein bemerkenswertes Beispiel ist das JPEG Trust-Projekt, das einen Rahmen für Vertrauen in Bildgebungssysteme schafft, der darauf ausgelegt ist, Sicherheit, Datenschutz und Herkunftsdaten in Einklang zu bringen und C2PA eher ergänzt als dupliziert.

Die Akzeptanz von C2PA beschleunigt sich auch auf Hardware-Ebene. Große Kamerahersteller wie Sony, Nikon, Canon und Leica integrieren die C2PA-Konformität direkt in ihre Geräte-Firmware, wodurch sichergestellt wird, dass das kryptografische Manifest eines Assets genau im Moment der Aufnahme erstellt wird.

Doch ob C2PA-Manifeste oder JPEG Trust-Architekturen genutzt werden, metadatenbasierte Lösungen teilen eine grundlegende Schwachstelle: Die Herkunftsinformationen befinden sich außerhalb der visuellen Nutzlast selbst. Soziale Medienplattformen entfernen routinemäßig Metadaten, um Bandbreite zu reduzieren, Formatkonvertierungen zerstören kryptografische Hashes, und ein einfacher Screenshot trennt das Bild vollständig von seiner Historie. Sobald dieser Container entfernt wird, wird das Asset anonym und unüberprüfbar.

SynthID und forensische Wasserzeichen: eine notwendige Unterscheidung

Um die Einschränkungen von Metadaten zu beheben, hat sich die Aufmerksamkeit des Marktes auf Googles SynthID verlagert, die zur meistdiskutierten Wasserzeichentechnologie im Bereich der KI-Inhalte geworden ist. Ihre Funktion wird jedoch häufig falsch dargestellt. Auch wenn SynthID technisch gesehen ein Wasserzeichen-Tool auf Pixelebene ist, ist es kein allgemeines forensisches Wiederherstellungstool. Es ist ein modellabhängiger Marker, der speziell dafür entwickelt wurde, zu signalisieren, dass ein Asset von Googles Gemini-Modellen generiert wurde. Es arbeitet innerhalb von Googles eigener Infrastruktur und hat nicht die Kapazität, entfernte Metadaten über Drittanbieter-Plattformen hinweg wiederherzustellen, noch reale Bilder im offenen Web zu verfolgen. Es prüft nur auf das Vorhandensein seiner eigenen Signatur, was bedeutet, dass es ausschließlich Inhalte identifizieren kann, die von Googles eigenen Modellen wie Gemini, Imagen und deren Derivaten produziert wurden.

Diese Unterscheidung ist von enormer Bedeutung. Die eigentliche Lücke im Markt für Inhaltsintegrität ist nicht die Identifizierung von KI-generierten Bildern, sondern der Schutz authentischer Inhalte. Echte Fotografie, visuelle Unternehmenswerte und unverändertes Dokumentationsmaterial stellen die wertvollsten Ziele für Manipulation und Missbrauch dar, werden aber von KI-zentrierten Tools völlig unzureichend bedient. Lösungen wie Imatag sind genau für diesen Zweck entwickelt worden und spezialisieren sich auf das Wasserzeichen authentischer Inhalte anstatt der Kennzeichnung synthetischer Ausgaben.

Die Mechanik des Nachweises auf Pixelebene

Der Schutz authentischer Assets erfordert ein unmerkliches, signalbasiertes digitales Wasserzeichen. Anstatt externe Datenpakete an eine Datei anzuhängen, funktioniert diese Methode, indem sie Pixelwerte direkt manipuliert, unter Verwendung von Einbettung im räumlichen Bereich oder Frequenzbereichstransformationen wie der Diskreten Kosinustransformation. Das Signal wird in die Luminanz- und Chrominanzwerte des Bildes eingewebt, wodurch es untrennbar mit den visuellen Daten selbst verbunden ist.

Die praktische Konsequenz ist erheblich: Das forensische Signal überlebt die Analog-Lücke. Aggressive verlustbehaftete Komprimierung, geometrisches Zuschneiden, Formatkonvertierung und sogar Bildschirmaufnahmen können es nicht entfernen. Das Wasserzeichen bleibt bestehen, unabhängig davon, wie das Asset verteilt oder beeinträchtigt wird.

Dies schafft einen leistungsstarken Wiederherstellungs-Workflow, wenn er mit Metadatenstandards kombiniert wird. Wenn eine Plattform ein C2PA-Manifest oder einen JPEG-Trust-Container entfernt, fungiert das eingebettete Wasserzeichen als unveränderlicher Schlüssel. Automatisierte Systeme können die Pixelebene scannen, das Signal erkennen und die ursprünglichen Herkunftsnachweise programmatisch wieder mit dem Asset verknüpfen. Die Vertrauenskette wird ohne menschliches Eingreifen wiederhergestellt.

Der gesetzgeberische Horizont: ein Rahmen, der noch Gestalt annimmt

Das regulatorische Bild rund um die Inhaltsauthentifizierung entwickelt sich weiter, aber es bleiben erhebliche Lücken. Das EU-KI-Gesetz legt Anforderungen an maschinenlesbare Kennzeichnungen streng für KI-generierte Ausgaben fest, ohne eine entsprechende Verpflichtung für authentische, reale Inhalte.

Am ehesten hat sich ein Gesetzgeber dieser Lücke in Kalifornien angenommen. Durch den Kalifornisches Gesetz zur KI-Transparenz (SB 942, unterzeichnet 2024) und dessen Änderung AB 853 (unterzeichnet Oktober 2025), Kalifornien hat das bisher fortschrittlichste Herkunftsnachweis-Framework geschaffen, das von einer Gerichtsbarkeit erlassen wurde. AB 853 verlangt insbesondere von Herstellern von Kameras und Aufnahmegeräten, die ab 2028 im Bundesstaat verkauft werden, den Nutzern die Möglichkeit zu bieten, Herkunftssignale in aufgenommene Fotos und Videos im Moment der Erstellung einzubetten. Es ist das erste Mal, dass ein Gesetzgeber die Authentifizierung von mit Kameras aufgenommenen Inhalten formell angesprochen hat.

Doch selbst dieses Gesetz stellt die Frage nach der Unterscheidung von authentischen Inhalten und KI-generierten Outputs, anstatt den Schutz realer Werte an sich zu verlangen. Anstatt die Durchsetzungslast auf Fotografen oder Marken abzuwälzen, sollte zukünftige Gesetzgebung darauf abzielen, die Herkunftssignalisierung als standardmäßige Infrastrukturanforderung zu integrieren. Indem man von einem Modell der individuellen Verpflichtung zu einem Rahmenwerk übergeht, in dem Authentizität in den standardmäßigen Erfassungs- und Verteilungsprozess integriert ist, können Regulierungsbehörden sicherstellen, dass der Schutz des „Echten“ zu einer strukturellen Garantie wird anstatt einer optionalen strategischen Entscheidung.

‍