Um zu beweisen, dass Ihr eigenes Foto echt ist und nicht aus einem KI-Generator stammt, brauchen Sie Belege, die das fertige Bild mit Ihrer Kamera verbinden, keine Meinung darüber, dass es echt aussieht. Der stärkste Beleg ist die originale RAW-Datei, forensisch mit dem exportierten JPEG abgeglichen und anschließend durch ein signiertes C2PA Content Credential fest mit dem Bild verbunden. So entsteht ein dokumentierter, überprüfbarer Urheberschaftsnachweis, der standhält, wenn Ihnen jemand den Einsatz von KI vorwirft. Dieser Leitfaden erklärt, was als Beweis zählt, was nicht, und wie Sie ihn zusammenstellen, bevor Sie ihn brauchen.
Das ist die Perspektive des Fotografen: die eigene Arbeit belegen. Wenn Sie stattdessen einschätzen wollen, ob das Bild einer anderen Person echt ist, lesen Sie wie man erkennt, ob ein Foto KI-generiert ist. Dort finden Sie die praktischen Erkennungsmethoden samt ihrer Grenzen.
Ein Wildtierfotograf reicht ein Bild bei einem Wettbewerb ein. Die Aufnahme ist scharf, gut komponiert, perfekt ausgeleuchtet. Innerhalb weniger Stunden erklären Kommentatoren in sozialen Medien das Bild zur Fälschung. Die Wettbewerbsveranstalter verlangen einen Echtheitsnachweis. Der Fotograf hat die Originaldatei irgendwo auf einer Festplatte, aber keinen formellen Beleg, keine Dokumentation, keine lückenlose Nachweiskette. Dieses Szenario spielt sich immer häufiger ab, bei Wettbewerben, Bildagenturen, in Redaktionen und bei Kundenlieferungen. Die Frage „Ist das KI?" gehört inzwischen zum Alltag. Fotografen brauchen darauf eine konkrete Antwort.
Die Beweislast hat sich verschoben
Noch vor einem Jahr galten Fotografien als echt, solange niemand das Gegenteil nachwies. Diese Grundannahme trägt nicht mehr. Generative Modelle wie Midjourney, DALL-E, Stable Diffusion und Flux erzeugen inzwischen Bilder, die flüchtige Betrachter täuschen und in dokumentierten Fällen selbst Fachjurys. Boris Eldagsens KI-generiertes Bild gewann 2023 die Kategorie „Creative" der Sony World Photography Awards, bevor er die Täuschung selbst offenlegte. Die Juroren, Profis mit jahrzehntelanger Erfahrung, konnten den Unterschied nicht erkennen.
Für arbeitende Fotografen ist die Konsequenz eindeutig: Ihr Wort allein genügt nicht mehr. Bildagenturen verlangen inzwischen Transparenz beim Thema KI. Adobe Stock fordert von Anbietern eine Erklärung, ob KI an den Einreichungen beteiligt war, und Shutterstock untersagt KI-generierte Uploads von Anbietern vollständig. Fotowettbewerbe vom Pulitzer-Preis bis zum Wildlife Photographer of the Year verlangen die originalen Kameradateien zur Prüfung. Redaktionelle Kunden wollen vor der Veröffentlichung Gewissheit. Versicherungen verlangen einen Nachweis, bevor sie fotografische Schadensbelege akzeptieren.
Das ist ein praktisches Problem, keine Debatte über Vertrauen oder das Wesen der Fotografie. Wenn jemand anzweifelt, dass Ihr Bild echt ist, müssen Sie Belege vorlegen können, die einer Prüfung standhalten. Der Rest dieses Leitfadens erklärt, wie diese Belege aussehen und wie Sie sie erzeugen.
Die RAW-Datei als zentrales Beweismittel
Der stärkste Beleg, den ein Fotograf besitzt, ist die RAW-Datei. Eine RAW-Datei enthält unverarbeitete Sensordaten: das Bayer-Mosaik der Farbfiltermatrix, die sensorspezifischen Rauschmerkmale und die im Moment der Aufnahme in der Dateistruktur verankerten Gerätedaten. Diese Daten sind die direkte Aufzeichnung von Photonen, die auf Silizium treffen. Sie sind für das digitale Foto, was das Negativ für das analoge Bild war.
KI-Generatoren erzeugen keine RAW-Dateien. Sie geben Rasterbilder aus: PNGs, JPEGs, WebPs. Der Generierungsprozess entrauscht Zufallsdaten schrittweise durch ein neuronales Netz. Es gibt keinen Sensor, kein Objektiv, kein Bayer-Muster, keinen optischen Pfad. Das Ergebnis ist ein flaches Pixelraster ohne die innere Struktur, die eine echte Kameradatei aufweist.
Grundsätzlich ist es möglich, eine gefälschte RAW-Hülle um synthetischen Inhalt zu bauen. RAW-Formate wie Adobe DNG sind dokumentiert, und eine Datei, die sich in Lightroom öffnen lässt, lässt sich konstruieren. Die internen Daten zeigen dann aber nicht die Merkmale echter Sensorausgabe. Es fehlen authentische Interpolationsartefakte der Bayer-Farbfiltermatrix, es fehlt der PRNU-Rauschfingerabdruck (Photo-Response Non-Uniformity) eines realen Sensors, und es fehlt eine plausible Verteilung des Schrotrauschens. Ein forensischer Vergleich entlarvt die Fälschung.
Der praktische Rat ist einfach. Fotografieren Sie grundsätzlich in RAW+JPEG, damit hinter jedem gelieferten JPEG eine RAW-Datei steht, die die Aufnahme dokumentiert. Archivieren Sie Ihre RAW-Dateien mit den originalen Zeitstempeln. Benennen Sie sie nicht so um, dass Erstellungsdaten verloren gehen, und löschen Sie sie nach dem Export nicht. Speichern Sie sie redundant und behandeln Sie sie so, wie ein Unternehmen seine Geschäftsunterlagen behandelt, denn in einem Streit über die Echtheit ist die RAW-Datei Ihre wichtigste Verteidigung.
Was die RAW-Verifizierung tatsächlich prüft
Die RAW-Datei aufzubewahren ist notwendig, aber nicht ausreichend. Die Datei muss durch eine Reihe forensischer Vergleiche mit dem fertigen JPEG abgeglichen werden, die unterschiedliche Eigenschaften beider Bilder untersuchen. Diese Prüfungen sind voneinander unabhängig, sie analysieren also verschiedene Signaltypen, und ein Bild muss alle bestehen, um als verifiziert zu gelten.
Die Sensor-Echtheitsanalyse untersucht, ob die RAW-Datei Merkmale echter Kamerahardware aufweist. Dazu gehören Bayer-Muster, wie sie beim realen Demosaicing entstehen, PRNU-Rauschfingerabdrücke, die für einen bestimmten Sensor einzigartig sind, und Rauschprofile, die zum angegebenen Kameramodell und ISO-Wert passen. KI-generierte Inhalte und rechnerisch fabrizierte RAW-Dateien scheitern an diesen Prüfungen, weil ihnen die physikalischen Signaturen echter Lichtaufzeichnung fehlen.
Die Messung der strukturellen Ähnlichkeit vergleicht den Bildinhalt des JPEG mit einer normalisierten Entwicklung der RAW-Datei. Das System berücksichtigt legitime Bearbeitungen (Belichtungskorrekturen, Farbanpassungen, Beschnitt) und prüft zugleich, ob der zugrunde liegende Bildinhalt beider Dateien übereinstimmt. Gemessen wird das über perzeptuelle Metriken, die quantifizieren, wie genau das JPEG dem entspricht, was die RAW-Daten ergeben würden.
Die Histogramm-Analyse vergleicht die statistischen Verteilungen der Farb- und Helligkeitswerte zwischen RAW und JPEG. Eine echte Bearbeitung erzeugt eine plausible mathematische Beziehung zwischen beiden Histogrammen. Lässt sich die Farbverteilung des JPEG nicht als Transformation der RAW-Verteilung erklären, stimmt etwas nicht.
Die Prüfung der Metadaten-Konsistenz vergleicht die EXIF-Felder beider Dateien: Kameramodell, Objektivkennung, ISO, Belichtungszeit, Blende, Brennweite und Zeitstempel. Diese Werte sollten übereinstimmen. Ein JPEG, das angeblich aus einer Canon EOS R5 stammt, gepaart mit einer RAW-Datei aus einer Nikon Z9, ist ein offensichtlicher Widerspruch, doch auch subtilere Unstimmigkeiten (unplausible Kombinationen aus Objektiv und Gehäuse, Zeitstempel, die nicht zusammenpassen) lösen Warnungen aus.
Die Abfotografier-Erkennung sucht nach Hinweisen, dass das Bild von einem Bildschirm abfotografiert wurde statt von einer realen Szene. Dazu gehören Moiré-Muster aus der Interferenz zwischen dem Pixelraster des Bildschirms und den Sensorpixeln der Kamera, doppelte Tonwertkurven, weil das Bild zwei Anzeige-Pipelines durchlaufen hat, und eine flache Fokusebene, die nicht zur vermeintlichen räumlichen Tiefe der Szene passt.
Die Integritätsanalyse von Gesichtsregionen prüft, ob Gesichter im JPEG mit den Gesichtern in der RAW-Datei übereinstimmen. Zeigt das Bild Personen, stellt dieser Vergleich sicher, dass zwischen der RAW-Aufnahme und dem fertigen Ergebnis keine Gesichter ausgetauscht, montiert oder synthetisch erzeugt wurden.
Die Stärke dieses Ansatzes liegt in seiner Vielschichtigkeit. Jede Prüfung untersucht eine andere Dimension des Bildes. Eine einzelne davon zu täuschen ist möglich, aber alle gleichzeitig zu überlisten und dabei auch noch eine RAW-Datei zu erzeugen, die die Sensor-Echtheitsprüfung besteht, ist ungleich schwerer, als einen einzelnen KI-Klassifikator auszutricksen.
C2PA Content Credentials
Die Verifizierung belegt, dass ein JPEG von einer echten Kameradatei abstammt. Der nächste Schritt besteht darin, dieses Ergebnis so festzuhalten, dass es mit dem Bild mitreist und von jedem geprüft werden kann, dem das Bild später begegnet. Genau das leisten C2PA Content Credentials.
C2PA (Coalition for Content Provenance and Authenticity) ist ein offener technischer Standard, entwickelt von Adobe, Microsoft, Intel und weiteren Unternehmen, um Herkunftsinformationen in digitale Dateien einzubetten. Ein C2PA-Manifest ist ein manipulationssicheres digitales Zertifikat, das am Bild hängt. Es hält fest, welche Verifizierung durchgeführt wurde, wie die Ergebnisse ausfielen, wer signiert hat und wann. Anders als EXIF-Metadaten, die sich mit frei verfügbaren Werkzeugen wie ExifTool bearbeiten lassen, ist ein C2PA-Manifest kryptografisch geschützt. Jede nachträgliche Änderung am Bild oder am Manifest bricht die Signatur.
Für einen Fotografen ersetzt ein C2PA Credential die bloße Behauptung, ein Foto sei echt, durch einen signierten Beleg, dass das Foto die forensische Prüfung gegen seine originale Kameradatei bestanden hat. Das Credential behauptet nicht nur Echtheit. Es dokumentiert die Belege hinter der Aussage und bindet sie kryptografisch an die Datei.
Das Credential ist überprüfbar. Jeder Empfänger des Bildes kann das Manifest kontrollieren, etwa mit Content Credentials Verify oder den Prüffunktionen von Plattformen, die C2PA unterstützen. Google zeigt C2PA-Daten inzwischen in der Funktion „Über dieses Bild" in der Google-Bildersuche an. Mit wachsender Verbreitung werden diese Credentials zum Standardweg, um die Herkunft von Fotografien zu kommunizieren.
Das ist deshalb wichtig, weil Fotografien durch viele Hände gehen. Ein Bild wandert womöglich vom Fotografen zum Redakteur, weiter zum Verlag, in soziale Medien und schließlich ins Archiv. Bei jedem Schritt kann jemand fragen, ob es echt ist. Ein C2PA Credential liefert die Antwort, ohne dass der Fotograf persönlich dafür einstehen muss.
Einen Verifikations-Arbeitsablauf aufbauen
Der beste Zeitpunkt für die Verifizierung eines Bildes liegt vor dem ersten Zweifel. Eine vorsorgliche Verifizierung als Teil des Exportprozesses ist schneller und überzeugender als der hektische Versuch, nach einer Anschuldigung Beweise zusammenzusuchen.
Wer in Adobe Lightroom arbeitet, kann die Verifizierung mit dem Lumethic Lightroom-Plugin direkt in den Export einbinden. Beim Export eines JPEG übergibt das Plugin sowohl das JPEG als auch die zugehörige RAW-Datei an die Verifikations-Pipeline. Besteht das Bild die Prüfung, erhält es ein C2PA Credential, bevor es Ihr System verlässt. Die verifizierte Datei ist ohne weitere Schritte bereit für Wettbewerbe, Bildagenturen oder Kunden.
Wer lieber im Browser arbeitet, kann bei der Verifikationsplattform von Lumethic JPEG und RAW als Paar direkt hochladen. Der Ablauf führt dieselben forensischen Prüfungen durch und liefert einen Verifikationsbericht samt signiertem JPEG zurück.
Für mobile Fotografen erzeugt die iOS-App Lumethic Capture verifizierte Bilder schon bei der Aufnahme. Die App zeichnet Herkunftsdaten im Moment des Auslösens auf und begründet damit eine Nachweiskette, die am Sensor beginnt.
Nicht jedes Bild braucht eine Verifizierung. Am wertvollsten ist das Verfahren bei Bildern, bei denen viel auf dem Spiel steht: Wettbewerbseinreichungen, redaktionelle Beiträge für Publikationen, Uploads an Bildagenturen und Kundenlieferungen in Kontexten, in denen Echtheit zählt (juristische Dokumentation, Versicherungsfälle, Immobilien). Für beiläufige Social-Media-Beiträge ist die Verifizierung optional, wird aber zunehmend nützlich, weil Plattformen beginnen, Herkunftsinformationen anzuzeigen.
Bewahren Sie nach der Verifizierung drei Dateien zusammen auf: die originale RAW-Datei, das signierte JPEG mit seinem C2PA Credential und den Verifikationsbericht. Legen Sie sie im selben Ordner oder Projektarchiv ab. Taucht Monate oder Jahre später eine Frage auf, sind Ihre Belege geordnet und griffbereit.
Der Unterschied zwischen vorsorglicher und nachträglicher Verifizierung ist erheblich. Ein Fotograf, der eine Wettbewerbseinreichung mit bereits vorhandenem C2PA Credential abgibt, zeigt Weitsicht und Professionalität. Ein Fotograf, der erst nach einer Anfrage die RAW-Datei suchen, hochladen, auf die Verifizierung warten und die Ergebnisse verschicken muss, agiert aus der Defensive. Die Belege mögen identisch sein, der Eindruck ist es nicht.
Was nicht funktioniert
Einige Methoden wirken auf den ersten Blick wie ein Echtheitsbeweis, halten einer genaueren Prüfung aber nicht stand.
Der Blick in Ihren Lightroom-Katalog ist kein Beweis. Kataloge lassen sich rekonstruieren. Sie protokollieren die Bearbeitungshistorie, belegen aber nicht unabhängig, dass das zugrunde liegende Bild von einem Kamerasensor stammt. Ein Lightroom-Katalog mit einem KI-generierten Bild sieht genauso aus wie einer mit einer echten Fotografie.
EXIF-Metadaten sind nicht besser. EXIF-Daten lassen sich mühelos bearbeiten. ExifTool, ein kostenloses Kommandozeilenwerkzeug, kann jedes EXIF-Feld auf jeden beliebigen Wert setzen. Kameramodell, GPS-Koordinaten, Zeitstempel, Objektivdaten: All das lässt sich in Sekunden fälschen. Als ein Baustein in einem größeren Verifikationsprozess sind EXIF-Daten nützlich, allein beweisen sie nichts.
Eine GPS-Position auf Google Maps scheitert aus demselben Grund. Die GPS-Koordinaten in den EXIF-Daten sind genauso editierbar wie jedes andere Feld. Ein KI-generiertes Bild des Eiffelturms kann EXIF-Daten tragen, die eine Aufnahme bei 48,8584 N, 2,2945 O behaupten. Zwischen den Koordinaten und dem Bild besteht keine überprüfbare Verbindung.
Das Bild durch einen KI-Detektor zu schicken, ist ebenfalls kein Beweis. Wie im Beitrag wie man erkennt, ob ein Foto KI-generiert ist ausführlich dokumentiert, liefern KI-Erkennungswerkzeuge Wahrscheinlichkeitswerte, keine Belege. Unterschiedliche Detektoren liefern für dasselbe Bild unterschiedliche Ergebnisse. Ein Wert von „95 % echt" aus einem Werkzeug bedeutet nichts, wenn ein anderes „60 % KI" zurückgibt. Detektoren sind Klassifikatoren, trainiert auf bestimmten Datensätzen, und sie stecken in einem dauerhaften Wettrüsten mit immer besseren generativen Modellen. Ein Wahrscheinlichkeitswert ist schlicht kein belastbares Beweismittel.
Das Argument, das Foto „sehe echt aus", wiegt am wenigsten. Die Sichtprüfung ist genau die Methode, die versagte, als Boris Eldagsens KI-Bild bei den Sony World Photography Awards gewann. Das menschliche Urteil ist unzuverlässig, wenn es hochwertige synthetische Bilder von Fotografien unterscheiden soll. Wenn selbst Fachjurys daran regelmäßig scheitern, beweist die Behauptung, ein Bild sei „offensichtlich echt", nichts.
Gemeinsam ist all diesen Methoden, dass sie auf Behauptungen oder Meinungen hinauslaufen. Keine davon erzeugt überprüfbare, unabhängig nachvollziehbare Belege. Echte Verifizierung verlangt den forensischen Vergleich des fertigen Bildes mit seinem Ausgangsmaterial, alles andere hat in einem Streitfall wenig Gewicht.
Häufig gestellte Fragen
Was ist, wenn ich nur JPEG fotografiere, nicht RAW? Ohne RAW-Datei steht die stärkste Form der Verifizierung nicht zur Verfügung. Ein reines JPEG lässt sich nicht mit unverarbeiteten Sensordaten vergleichen, weil diese Daten nie gespeichert wurden. Wenn Sie bisher nur in JPEG fotografieren, wechseln Sie am besten zu RAW+JPEG. Die Speicherkosten sind gering im Verhältnis zum Beweiswert. Für Bilder, die bereits nur als JPEG vorliegen, bietet eine C2PA-Signierung direkt bei der Aufnahme (mit Kameras mit eingebauter C2PA-Unterstützung, etwa der Leica M11-P oder aktuellen Sony-Alpha-Gehäusen) eine alternative Nachweiskette, setzt aber Hardware voraus, die den Standard unterstützt.
Kann jemand eine RAW-Datei fälschen? Technisch ist es möglich, eine Datei in einem dokumentierten RAW-Format wie Adobe DNG zu konstruieren. Beim Öffnen in einer Bildbearbeitung würde die Fälschung nicht sofort auffallen. Die forensische Verifizierung untersucht aber die internen Daten, nicht nur die Dateihülle. Einer fabrizierten RAW-Datei fehlen echte Interpolationsartefakte der Bayer-Farbfiltermatrix, authentische PRNU-Rauschmuster und plausible Verteilungen des Sensorrauschens. Diese Merkmale entstehen als Nebenprodukt physischer Lichtaufzeichnung und lassen sich kaum so überzeugend simulieren, dass sie eine mehrstufige forensische Analyse bestehen.
Funktioniert die Verifizierung mit Smartphone-Fotos? Ja. Smartphones erzeugen Dateien mit Sensordaten, EXIF-Metadaten und Rauschmerkmalen, genau wie klassische Kameras. Manche Smartphones fotografieren in RAW-Formaten (Apple ProRAW, Samsung Expert RAW), was die vollständige RAW-zu-JPEG-Verifizierung ermöglicht. Bei Smartphones, die nur HEIC oder JPEG ausgeben, sind die Möglichkeiten eingeschränkter, doch Metadaten-Analyse und Abfotografier-Erkennung greifen weiterhin.
Wie lange dauert die Verifizierung? Die automatisierte Verifizierung über Plattformen wie Lumethic ist typischerweise in unter einer Minute abgeschlossen. Der Prozess ist rechenintensiv (mehrere unabhängige forensische Prüfungen laufen parallel), aber für den praktischen Einsatz im Export- oder Einreichungsablauf ausgelegt. Die Stapelverarbeitung über eine API dauert je nach Menge entsprechend länger.
Was passiert nach der Verifizierung mit meiner RAW-Datei? Auf der Plattform von Lumethic wird die RAW-Datei für die Analyse verwendet und anschließend gelöscht. Sie wird nie dauerhaft auf den Servern von Lumethic gespeichert. Das ist eine bewusste Designentscheidung. Die RAW-Datei ist das sensibelste Gut des Fotografen, sie enthält die vollständige unbearbeitete Aufnahme, und jedes System, das sie verarbeitet, muss verantwortungsvoll damit umgehen. Die Verifikationsergebnisse und kryptografischen Hashes bleiben im C2PA-Manifest erhalten, die RAW-Daten selbst werden nicht aufbewahrt.
Muss ich jedes Foto verifizieren? Nein. Die Verifizierung lohnt sich vor allem bei Bildern, deren Echtheit angezweifelt werden könnte oder bei denen ein Echtheitsnachweis spürbaren Mehrwert schafft. Wettbewerbseinreichungen, redaktionelle Beiträge, Agentur-Uploads, juristische und versicherungsrelevante Dokumentation sowie Kundenlieferungen in sensiblen Kontexten sind starke Kandidaten. Für den privaten oder beiläufigen Gebrauch ist die Verifizierung optional. Der kostenlose Tarif von Lumethic umfasst fünf Verifizierungen pro Monat, was in der Regel für die wichtigsten Arbeiten eines Fotografen ausreicht.