Jahr: 2025

Diesen Monat werfen wir einen Blick in die Zukunft und stellen uns die Frage, wie KI sich auf Prüfungen an Universitäten und Schulen auswirken wird. Dieser Themenvorschlag kommt von unserem Werkstudenten Vincent, der momentan ein Auslandssemester in Schweden leistet.

Die Meldungen über KI-generierte Arbeiten von Schülern und Schülerinnen, sowie Studierenden häufen sich. Immer häufiger wird in den Medien die Frage diskutiert, wie es Bildungseinrichtungen möglich sein soll, zu erkennen, welche Texte tatsächlich von Menschen erstellt wurden. Trotz einiger Indizien, wie bestimmten Formulierungen, Schreibstilen und überdurchschnittlicher Fehlerfreiheit, lässt sich schon jetzt kaum zweifelsfrei bestimmen, ob ein bestimmter Text tatsächlich aus der Feder eines Menschen stammt. Durch immer besser werdende Sprachmodelle und Promptmethoden (bspw. „Formuliere so menschlich wie möglich und baue Fehler ein“) wird eine eindeutige Erkennung zunehmend schwieriger werden. Ein großes Problem, wenn man bedenkt, dass ein Großteil der akademischen Ausbildung auf dem Erstellen von Texten beruht. Sei es bei Bewerbungen, Prüfungen, Masterarbeiten oder Hausarbeiten – überall setzen Prüfende auf textbasierte Verfahren. Doch das Risiko ist hoch, dass diese Prüfverfahren langfristig nicht mehr zuverlässig funktionieren. Detektorensoftware, die verspricht künstlich erstellte Texte zu erkennen, kann zwar Hinweise liefern, ist aber selbst nicht zuverlässig genug und lässt sich mit oft einfachen Mitteln umgehen. Und besonders brisant: Besonders von Nicht-Muttersprachlern verfasste Texte werden von diesen Programmen häufig fälschlich als KI-erstellt erkannt. Die Gefahr von Diskriminierung bei Auswahlverfahren kann dadurch erheblich steigen. Zumal es nicht nur schwer ist, zu beweisen, dass ein Text von einer KI erstellt wurde, sondern auch, dass das Gegenteil der Fall ist.

Doch wie können Hochschulen und andere Bildungseinrichtungen damit umgehen? Mündliche Prüfverfahren könnten in den meisten Fällen deutlich zeigen, ob jemand tatsächlich selbst nachgedacht und verstanden hat. Nur sind mündliche Prüfungen mit enormen Zeit- und Personalaufwand verbunden und können nicht ohne weiteres den gleichen Wissensumfang abfragen wie schriftliche Prüfungen.

Der Großteil der Bildungseinrichtungen setzt derzeit noch auf ein schlichtes Verbotsprinzip. Doch einige Institutionen gehen bereits neue Wege. Till Krause von der Universität Landshut beispielsweise, gestattet Studierenden, KI als Quelle aktiv zu nutzen – solange dies deutlich gekennzeichnet wird. Es wird also eine präzise Angabe des genutzten Sprachmodells und des verwendeten Prompts gefordert. Denn bei allen Herausforderungen, die der Einsatz von KI an Bildungseinrichtungen mit sich bringt, bietet KI vor allem eines: einen unfassbar umfangreichen Schatz an Informationen, die hervorragend zum Lernen genutzt werden können und eine fantastische Grundlage für die Entwicklung eigener Ideen und Gedanken bieten.

Auch an der Wirtschaftsuniversität in Prag geht man pragmatisch mit dem Einsatz von KI um. Der dortige BWL-Studiengang seit Herbst 2024 muss keine herkömmliche Bachelorarbeit mehr schreiben. Stattdessen wird es Projektarbeiten geben, deren Ergebnisse bewertet werden. Viele halten dieses Vorgehen für sinnvoller und praxisnaher als die bisherigen Arbeiten. Ein durchaus sinnvoller Ansatz, besonders für Studiengänge, bei denen es nicht in erster Linie um das einwandfreie und kunstvolle Schreiben geht. Vielleicht liegt hier sogar eine Chance die Talente von Menschen, die beispielsweise eine Rechtschreibschwäche haben, deutlicher hervorzubringen.

Fakt ist, akademische Prüfverfahren werden geändert werden müssen. KI ist –ähnlich wie andere Technologische Mittel- schon jetzt in den Alltag von Schülerinnen und Schülern, sowie Studierenden eingezogen. Nun braucht es Möglichkeiten, menschliches Wissen auf andere Arten zu prüfen.

Einen absolut hörenswerten Podcast zu dem Thema gibt es hier: https://www.ardaudiothek.de/episode/11km-der-tagesschau-podcast/ki-or-not-ki-koennen-wir-ihre-texte-noch-enttarnen/tagesschau/13779441/

Wir haben aufregende Neuigkeiten! Seit Anfang des Jahres arbeiten wir an einem neuen Projekt. Gemeinsam mit vier Vereinen aus Schleswig-Holstein haben wir das Projekt „Chatbot trifft Verwaltung: Intelligente Dialogsysteme als Zukunftslösung für gemeinnützige Organisationen“ ins Leben gerufen.

Gemeinwohlorientierte Organisationen stehen häufig vor ebenso vielen bürokratischen Hürden wie Unternehmen. Sie sind mit administrativen Aufgaben konfrontiert, die einen Großteil der zur Verfügung stehenden Zeit in Anspruch nimmt. Gleichzeitig leben diese Organisation vom Engagement ehrenamtlich tätiger Menschen und verfügen selten über die Mittel für kostspielige Software. Chatbots können hier Abhilfe schaffen und die Vereinsarbeit erleichtern. Sei es bei der Bereitstellung vereinsinterner Informationen, bei der Formulierung von Anschreiben oder beim Onboarding neuer Mitglieder. Vorhandenes Wissen muss nicht mehr mühsam manuell recherchiert werden, sondern kann in natürlicher Sprache bereitgestellt werden.

Der Einsatz von Chatbots erfordert aber die Berücksichtigung der KI-Verordnung und aller relevanten Datenschutzregelungen. Auch hier können sich einige Hindernisse ergeben, insbesondere für fachfremde Personen. Mit unserer Projektidee bieten wir gemeinwohlorientierten Organisationen vollständige Datensouveränität und garantieren die Einhaltung sämtlicher relevanter Richtlinien.

Mit unserer Idee sind wir an das Programm Civic Innovation Platform herangetreten und konnten dort überzeugen. Bis Ende 2026 wird unser Projekt durch das Bundesministerium für Arbeit und Soziales gefördert.

Gemeinsam mit gemeinnützigen Organisationen aus den verschiedensten Bereichen erarbeiten wir eine open source Lösung, die künftig auch anderen Vereinen zur Verfügung stehen soll. Mit EVA (kurz für elektronische Verwaltungsassistenz) entsteht ein Chatsystem, das speziell auf die Bedürfnisse gemeinnütziger Vereine und Organisationen ausgerichtet ist. Es wird möglich sein, EVA selbst zu hosten und damit anbieterunabhängig und kostensparend zu agieren. Tatkräftige Unterstützung bekommen wir vom Kinderschutzbund Ostholstein, dem Ostsee-Holstein-Tourismus, dem Landesverband der Kleingartenvereine Schleswig-Holsteins und InMotion. Dank der vielfältigen Tätigkeitsbereiche dieser Verbände können wir bei der Entwicklung von EVA die unterschiedlichsten Anforderungen und Bedarfe berücksichtigen und gemeinsam ein Dialogsystem erarbeiten, dass effizient und passgenau ist.

Weitere Informationen findet ihr unter: https://www.civic-innovation.de/projektfoerderung/foerderprogramme/foerderrunde-2025-26#page-2254

Im Wonnemonat Mai befassen wir uns mit einem Themenvorschlag unseres „Teamlead Entwicklung“ Bartosz und der Frage, wie KI die Chemie verändern kann.

In unserem Alltag ist künstliche Intelligenz bereits fester Bestandteil in vielen Bereichen. Wir arbeiten mit Sprachmodellen und Chatbots und nutzen smarte Haushaltsgeräte. Welche ungeahnten Möglichkeiten sich durch den Einsatz von KI jedoch noch ergeben, ist uns oft nicht wirklich bewusst. Unser aktuelles Thema zeigt, dass die Anwendungsmöglichkeiten von KI jedoch weit über „nice to have“ Gadgets hinausgehen.

Wer sich mit der Vergabe des Nobelpreises interessiert, hat es vielleicht mitbekommen. Der Chemie-Nobelpreis des Jahres 2024 ging zur Hälfte an David Baker, zur anderen Hälfte an Demis Hassabis und John Jumper. Die Arbeit der drei befasst sich mit dem Design von Proteinen, sowie der Vorhersage derer Strukturen – mit Hilfe von künstlicher Intelligenz.

Proteine sind biologische Makromoleküle, die aus Aminosäuren aufgebaut sind. Diese wiederum sind durch Peptidbindungen verknüpft. Proteine sind in jeder Zelle vorhanden und haben im menschlichen Körper verschiedenste lebenswichtige Funktionen. Sie dienen als Hormone, Signalstoffe, Antikörper und Gewebebausteine.

Der Aufbau von Proteinen kann in mehrere Ebenen unterteilt werden.

Primärstruktur: Dies ist die einfache Abfolge der Aminosäuren in der Kette. Jede Aminosäure hat eine spezifische Position, und diese Reihenfolge ist entscheidend für die Funktion des Proteins.

Sekundärstruktur: Hier falten sich die Aminosäureketten in regelmäßige Muster, wie Spiralen (Helices) oder gefaltete Blätter (Beta-Faltblätter). Diese Strukturen helfen, das Protein stabil zu halten.

Tertiärstruktur: Die gesamte Aminosäurekette faltet sich weiter zu einer komplexen dreidimensionalen Form. Diese Form ist entscheidend für die Funktion des Proteins, da sie bestimmt, wie das Protein mit anderen Molekülen interagiert.

Quartärstruktur: Einige Proteine bestehen aus mehreren Untereinheiten, die zusammen eine größere Struktur bilden. Diese Untereinheiten können sich zu einem funktionellen Komplex zusammenfügen.

Hassabis und Jumper ist es gelungen, ein Modell zur Vorhersage der Strukturen von Proteinen namens „AlphaFold2“ zu entwickeln. Beide arbeiten für die Google-Tochterfirma DeepMind. Mit dem Modell ist es möglich anhand der Aminosäureabfolge eines Proteins dessen dreidimensionale Struktur genau vorherzusagen. Dies war bisher nur mit dem aufwändigen Verfahren der Röntgenkristallographie möglich. Mit ihrer Hilfe wurde im Jahr 1953 die Doppelhelixstruktur der DNA entschlüsselt. Um eine Röntgenkristallographie vorzunehmen muss das betreffende Protein jedoch zunächst in kristalliner Form vorliegen. Durch „AlphaFold2“ kann die dreidimensionale Form eines Proteins nun also berechnet werden ohne dass eine Laboranalyse notwendig ist.

Wohl bemerkenswertester Bestandteil der Arbeit ist die Entwicklung einer vollkommen neuen Proteinart. Etwas, das bisher als annähernd unmöglich galt. Mit der unter Bakers Leitung bereits in den 90er Jahren entwickelten Software „Rosetta“ können mit Hilfe von „AlphaFold2“ nun erstmals völlig neue Proteine konstruiert werden. Es wird also möglich, Proteine mit speziellen Funktionen zu erzeugen. Diese könnten beispielsweise für die zielgerichtete Entwicklung von Medikamenten oder Impfstoffen genutzt werden. Auch die Erzeugung neuer Nanomaterialien ist denkbar.

Der Proteinforschung haben sich also durch KI völlig neue Möglichkeiten geöffnet, die unsere Zukunft entscheidend beeinflussen können.

Ihr arbeitet, wie wir, an einem innovativen KI-Projekt? Dann habt ihr die Chance euch die Kosten für Löhne, Gehälter und Entwicklung anteilig vom Finanzamt erstatten zu lassen. Im Rahmen der Forschungszulage werden rückwirkend bis zu 35% der Kosten erstattet.

Im Rahmen der Beantragung wird natürlich genau hingesehen. Welche technischen Risiken gibt oder gab es und was genau ist der innovative Kern des Projektes? Eine große Hilfe im Antragsprozess war für uns die Unterstützung der WTSH, des Unternehmensberaters Roman Charkoi (Pollecon) und des KI-Netzwerks Schleswig-Holstein (KI.SH).

Im Gegensatz zu anderen Förderungsmöglichkeiten, ist die Beantragung der Forschungszulage mit vergleichsweise geringem Aufwand verbunden und auch für unerfahrene Startups gut zu bewerkstelligen. Die Forschungszulage ist eine praxisnahe Möglichkeit, innovative Projekte gezielt voranzutreiben.

Für uns bei Splitbot ist die Forschungszulage ein voller Erfolg. Wir konnten die Fachjury überzeugen und können dank der Förderung unser Projekt weiter vorantreiben. 

Mehr dazu lest ihr hier: https://kuenstliche-intelligenz.sh/de/forschungszulage-splitbot

Wie immer beschäftigten wir uns an dieser Stelle mit Themenvorschlägen aus unserem Team. Der Themenwunsch für diesen Monat kommt von unserer Geschäftsführerin Caro und beschäftigt sich mit dem aktuellen Hype um DeepSeek-R1.

Wenn man sich mit dem chinesischen Sprachmodell DeepSeek-R1 beschäftigt, sticht vor allem eine Eigenschaft sofort ins Auge: der immense Preisvorteil gegenüber anderen Modellen. Und das bei konkurrenzfähiger Leistung. Ermöglicht wird dieser Kampfpreis durch eine extrem effiziente Trainingsmethode und Modellarchitektur, die für das Modell angewandt wurde. DeepSeek-R1 hat einen regelrechten Hype verursacht und wird in den Medien nahezu als Quantensprung dargestellt. Doch was steckt eigentlich dahinter?

Viel Lärm um nichts?

Tatsächlich handelt es sich bei DeepSeek-R1 nicht um eine neue Technologie, sondern lediglich um eine beeindruckende Kombination bereits bekannter Technologien, wie den Mixture of Experts Ansatz.

Diese innovative Kombination ermöglicht den Betrieb des Modells auf vergleichsweise günstiger Hardware. Und: DeepSeek-R1 hat das Reinforcement Learning perfektioniert. Vereinfacht ausgedrückt, werden dabei die von DeepSeek-R1 produzierten Ergebnisse in die nächste Modellversion übertragen und damit eine enorme Verbesserung der „Intelligenz“ jener nächsten Generation erreicht. OpenAI beispielsweise benötigt momentan sehr viel mehr Aufwand um die eigenen Modelle erheblich zu verbessern. Weshalb der Konzern durch DeepSeek-R1 und die Veröffentlichung der zugehörigen technischen Details zunehmend unter Druck gerät.

Bei all der Aufregung sollte aber nicht außer Acht gelassen werden, dass es in den letzten Jahren annähernd wöchentlich innovative Entwicklungen im Bereich der Sprachmodelle gegeben hat – von Unternehmen, Universitäten oder staatlich getriebenen Akteuren. Ein Beispiel hierfür ist das Modell Teuken7B. Weder der Open Source Ansatz noch die Basis von DeepSeek-R1 sind wirklich neuartig.

Vielmehr ist die Entwicklung von DeepSeek-R1 eine Reaktion auf die Sanktionen der USA – es mangelt China an leistungsfähiger Hardware.

DeepSeek-R1 ist bei weitem nicht das erste Open Source Sprachmodell, das es für einen kurzen Zeitraum an die Spitze der Vergleichstabelle geschafft hat.

Nutzbar ist DeepSeek-R1 für jeden – auch ohne den Betrieb auf der eigenen Hardware. Allerdings werden hier, wie bei anderen Modellen auch, die eingegebenen Daten an den Hersteller weitergegeben. Zudem sollte man sich im Klaren darüber sein, dass das hinterlegte Wissen in Teilen politisch gefärbt ist. Ein Umstand allerdings, der zum Teil ebenfalls bereits bei anderen Modellen beobachtet wurde. DeepSeek-R1 hat also vor allem eines geschafft: einen kostengünstigen und hocheffizienten Weg zu finden, komplexe Sprachmodelle zu trainieren und zu verbessern. Und es hat diesen Weg der Öffentlichkeit gezeigt. Man kann also davon ausgehen, dass die Entwicklung in diesem Bereich durch die Veröffentlichung von DeepSeek-R1 noch einmal zusätzlich an Fahrt aufnimmt. Für einen dauerhaften Vorteil gegenüber den Mitbewerbern wird es aber vermutlich nicht reichen.

Diesen Monat beschäftigen wir uns mit dem Themenwunsch unserer Kollegin Heinke und lernen alles, was man über Prompting wissen muss.

Der Hype um Chatbots ebbt auch zweieinhalb Jahre nach der Veröffentlichung von ChatGPT nicht ab und inzwischen hat wohl jeder schon einmal mit einem Chatbot experimentiert. Während Chatbots in vielen Firmen bereits zum Einsatz kommen, haben andere den Nutzen noch nicht erkannt oder waren mit ihren Testergebnissen nicht zufrieden. Doch woran kann das liegen? Eine Ursache für unbefriedigende Antworten können unzureichende Prompts sein. Damit Sie in Zukunft bestmögliche Ergebnisse erhalten, haben wir für Sie eine Übersicht zusammengestellt, was beim Prompting zu beachten ist.

Was ist Prompting?

Ein Prompt ist die Eingabe, die dem Sprachmodell, bzw. dem Chatbot gegeben wird um eine spezifische Antwort oder ein bestimmtes Verhalten zu erhalten. Prompting hat sich für viele Menschen zu einer regelrechten Sportart entwickelt, die nicht nur dazu dient, bestmögliche Ergebnisse zu erzielen, sondern auch missbräuchlich verwendet werden kann. So gibt es Menschen, die mittels Prompting versuchen gezielt fehlerhafte Ergebnisse zu erhalten, beispielsweise um den bereitstellenden Unternehmen zu schaden.

Warum ist Prompting wichtig?

Prompting ist wichtig, weil es die Qualität und Relevanz der Antworten eines Sprachmodells beeinflusst. Ein gut formulierter Prompt kann dazu beitragen, dass das Modell genau die Informationen liefert, die benötigt werden und dabei unnötige oder irrelevante Informationen zu vermeiden. Dies spart Zeit und verbessert die Effizienz bei der Nutzung von Sprachmodellen.

Tipps für effektives Prompting

1. Seien Sie klar und präzise:
   Ein guter Prompt sollte klar und präzise sein. Vermeiden Sie vage oder mehrdeutige Formulierungen. Geben Sie dem Modell so viel Kontext wie möglich, um die gewünschte Antwort zu erhalten.
2. Verwenden Sie spezifische Fragen:
   Stellen Sie spezifische Fragen, anstatt allgemeine Anfragen zu machen. Zum Beispiel: „Welche Schritte sind notwendig, um ein neues Projekt zu starten?“ anstatt „Erzähl mir etwas über Projektmanagement.“
3. Nutzen Sie Beispiele:
   Geben Sie dem Modell Beispiele, um die gewünschte Antwort zu verdeutlichen. Zum Beispiel: „Erstelle eine E-Mail, die einem Kunden für seine Bestellung dankt. Hier ist ein Beispiel: ‚Vielen Dank für Ihre Bestellung. Wir freuen uns, Ihnen bald Ihre Ware liefern zu können.’“
4. Verwenden Sie Anweisungen:
   Geben Sie dem Modell klare Anweisungen, was es tun soll. Zum Beispiel: „Schreibe einen Blogbeitrag über die Vorteile von künstlicher Intelligenz. Der Beitrag sollte mindestens 500 Wörter lang sein und in einem informativen Ton verfasst werden.“
5. Vermeiden Sie Mehrdeutigkeiten:
   Vermeiden Sie Mehrdeutigkeiten und unnötige Informationen. Ein klarer und präziser Prompt hilft dem Modell, die gewünschte Antwort schneller und genauer zu liefern.

Beispiele für effektives Prompting

1. Fragen beantworten:
   • Prompt: „Erkläre mir die Grundlagen der künstlichen Intelligenz.“
   • Antwort: „Künstliche Intelligenz (KI) ist ein Bereich der Informatik, der sich mit der Entwicklung von Systemen beschäftigt, die in der Lage sind, Aufgaben zu erfüllen, die normalerweise menschliche Intelligenz erfordern.“
2. Texte erstellen:
   • Prompt: „Schreibe einen Blogbeitrag über die Vorteile von künstlicher Intelligenz. Der Beitrag sollte mindestens 500 Wörter lang sein und in einem informativen Ton verfasst werden.“
   • Antwort: „Künstliche Intelligenz (KI) hat in den letzten Jahren enorme Fortschritte gemacht und bietet eine Vielzahl von Vorteilen für verschiedene Branchen. Von der Automatisierung von Routineaufgaben bis hin zur Verbesserung der Entscheidungsfindung – KI hat das Potenzial, die Effizienz und Produktivität in vielen Bereichen erheblich zu steigern…“
3. Übersetzungen:
   • Prompt: „Übersetze den folgenden Text ins Deutsche: ‚The quick brown fox jumps over the lazy dog.’“
   • Antwort: „Der schnelle braune Fuchs springt über den faulen Hund.“

Fazit

Prompting ist ein mächtiges Werkzeug, das Ihnen hilft, die besten Ergebnisse aus Sprachmodellen herauszuholen. Mit den richtigen Techniken und Tipps können Sie sicherstellen, dass Ihre Prompts klar, präzise und effektiv sind. Nutzen Sie diese Strategien, um die Genauigkeit und Relevanz der Antworten zu verbessern und Ihre Arbeit effizienter zu gestalten.

In unserer Rubrik „Splitblog“ greifen wir bekanntermaßen Themenvorschläge unseres Teams auf und setzen uns auch oft kritisch damit auseinander – auch, wenn es um künstliche Intelligenz geht. Diesen Monat durfte ich, Katha, selbst ein Thema wählen…

Schaut man dieser Tage nach rechts und links oder auch nur auf das Smartphone in der eigenen Hand, wird es einem immer häufiger Angst und Bange. Meldungen über Kriege, Krisen, innerdeutsche und weltweite Politik, Anschläge und sonstige Bedrohungen sind aus den Tagesmeldungen nicht mehr wegzudenken. Populismus in allen Formen und Farben beeinflusst uns mehr, als uns häufig bewusst ist (unsere Empfehlung: https://www.zdf.de/show/mai-think-x-die-show/maithink-x-folge-31-populismus-100.html ) .War es in den letzten Jahren schon schwer genug zu erkennen, was Fakt ist und was geschickt platzierte Fiktion, kommt nun immer häufiger eine weitere Herausforderung dazu: Deepfakes.

WAS SIND DEEPFAKES EIGENTLICH?

Deepfakes sind mittels künstlicher Intelligenz erstellte Falschmeldungen. Hierbei kann es sich um einfache Texte und Artikel, aber auch um Fotos, Audiodateien oder Videos handeln. Während insbesondere die (gelungene) Bildmanipulation bisher einiges an Expertise brauchte, wird es mit den massenhaften frei und kostenlos verfügbaren KI-Tools immer einfacher glaubhafte Fakes zu generieren. Deepfakes werden gezielt genutzt um Falschinformationen zu verbreiten – aus unterschiedlichen Gründen und aus unterschiedlichen Lagern.

WIE ERKENNE ICH DEEPFAKES?

Wirklich spannend wird es bei der Frage, wie man sich davor schützen kann, auf Deepfakes hereinzufallen. Das ist nämlich durch die ständige, rasante Verbesserung der Technologie gar nicht so einfach. Wer seine Fähigkeiten zur Unterscheidung von Mensch und Maschine testen möchte, kann dies zum Beispiel hier tun: https://www.humanornot.ai/. Es gibt diverse, ebenfalls KI-basierte Tools, die versprechen, KI generierte Inhalte entlarven zu können. Leider arbeitet bis dato keines von ihnen wirklich zuverlässig. Was kann man also noch tun?

FAKTEN CHECKEN:

Egal ob Text, (Bewegt-)bild oder Ton – versuchen Sie möglichst neutral zu bewerten, ob die enthaltenen Aussagen wahr sein können und logisch schlüssig sind. Ist eine eigenständige Bewertung nicht möglich, lohnt es sich, weitere Meldungen zu dem Thema zu suchen. Häufig hilft es schon, die vermeintlichen Fakten aus unterschiedlichen Blickwinkeln zu betrachten. Hilfreich sind hier zum Beispiel www.mimikama.org, www.correctiv.org oder andere Faktencheckportale.

QUELLEN PRÜFEN:

Ein weiteres wichtiges Indiz für die Verlässlichkeit ist die Herkunft der jeweiligen Meldung. Wer verbreitet diese Information? Handelt es sich um ein seriöses Medienportal oder ist die Herkunft unbekannt? (Schon gewusst: Unser Chatbot KOSMO liefert bei jeder generierten Antwort die genutzten Quellen gleich mit).

BEWEISE FINDEN:

Wie bei jeder Ermittlung gilt auch hier: Gibt es Beweise für die vorliegende Meldung beziehungsweise die enthaltenen Behauptungen und Thesen? Kann die gezeigte oder zitierte Person überhaupt vor Ort gewesen sein?

GENAU HINSEHEN:

Insbesondere bei Fotos und Videos sollte man genau hinschauen. Zumindest momentan sind KI generierte Bilder und Videos oft nicht perfekt. Es gibt überzählige Finger, unrealistische Zähne, unpassende Details, wie beispielsweise Schmuck, der aus dem Nichts auftaucht. Insbesondere bei Videos passen die Lippenbewegungen meist nicht zur Tonspur oder die Mimik wirkt auffallend unnatürlich. Auch der Bildhintergrund kann sehr aufschlussreich sein. Passt die Perspektive? Kann das Bild von diesem Standpunkt aus so gemacht aufgenommen worden sein? Besteht das vorliegende Bild oder Video die erste Einschätzung lohnt sich häufig dennoch eine Rückwärtssuche – Google Lens bietet zum Beispiel die Möglichkeit, Bilder vom Smartphone für die Internetsuche zu nutzen. Alternativ kann die URL des Bildes in eine beliebige Suchmaschine eingegeben werden. Häufig stößt man hierbei auf das Originalfoto, das Erstellen eines Fakevideos genutzt wurde. Handelt es sich bei der Meldung um ein großes Ereignis können Sie davon ausgehen weitere Bilder zu finden – schließlich hat heutzutage fast jeder ein Smartphone mit Kamera dabei.

UNSER FAZIT:

Wir alle werden in Zukunft immer häufiger mit immer glaubwürdigeren Deepfakes konfrontiert werden. Umso wichtiger ist es, sich darauf vorzubereiten und zu wissen, wie man Deepfakes erkennen kann.

MEHR ZUM THEMA:

Weitere Informationen zum Thema finden Sie beispielsweise in der Rubrik #Faktenfuchs des BR oder unter klicksafe.de. Das zdf hat dem Thema ebenfalls eine Folge der Serie logo! gewidmet und das Thema dort kinder-und jugendgerecht behandelt.