🔍 Deepfakes: Was du jetzt darüber wissen solltest

Deepfakes sind gerade überall in den Nachrichten – wegen des Falls Collien Fernandes, wegen Demos in Berlin und Hamburg, wegen eines Gesetzentwurfs der Bundesregierung. Aber mal ehrlich: Weißt du eigentlich, was genau hinter dem Begriff steckt, wie die Technik funktioniert und warum das Thema gerade jetzt so explodiert?

Hier die wichtigsten Hintergründe – kompakt, verständlich und ohne Juristendeutsch.

Woher kommt der Begriff?

„Deepfake" ist ein Kofferwort aus Deep Learning (eine Methode der Künstlichen Intelligenz) und Fake (Fälschung). Geprägt hat den Begriff Ende 2017 ein anonymer Reddit-Nutzer mit dem Pseudonym „deepfakes". Der hatte mithilfe neuronaler Netze Gesichter von Schauspielerinnen in Pornovideos montiert – und seinen Code einfach öffentlich ins Netz gestellt. Innerhalb weniger Wochen hatte das zugehörige Forum über 90.000 Abonnenten. Reddit hat es dann gesperrt, aber der Geist war aus der Flasche.

Der Begriff hat sich seitdem stark geweitet. 2017 meinte man damit nur ganz bestimmte KI-generierte Gesichtertausch-Videos. Heute steht „Deepfake" für praktisch jedes KI-erzeugte oder KI-manipulierte Medium – ob Bild, Video oder Audio.

Wie funktionieren Deepfakes technisch?

Die Grundlage legte 2014 der Informatiker Ian Goodfellow mit den sogenannten Generative Adversarial Networks (GANs). Das Prinzip ist genial einfach: Zwei neuronale Netze treten gegeneinander an. Das eine erzeugt eine Fälschung, das andere versucht sie zu entlarven. Durch dieses ständige Katz-und-Maus-Spiel werden die Ergebnisse immer besser – bis die Fälschung vom Original kaum noch zu unterscheiden ist.

Beim klassischen Face Swap lernt ein sogenannter Autoencoder, wie ein bestimmtes Gesicht aussieht

– aus verschiedenen Winkeln, bei verschiedener Beleuchtung, mit unterschiedlicher Mimik. Hat das Netz genug gelernt, kann es dieses Gesicht selbstständig erzeugen und in ein fremdes Video einsetzen. Der Mund bewegt sich synchron, die Mimik passt – täuschend echt.

Für Audio-Deepfakes (Voice Cloning) wird die Stimme einer Person analysiert – Tonhöhe, Sprechrhythmus, Betonung – und dann synthetisch nachgebaut. Das Ergebnis: Ein KI-generierter Klon, der klingt wie das Original.

Was sich seit 2017 verändert hat: Die Demokratisierung der Fälschung

Das ist der entscheidende Punkt, und er macht mir persönlich die meisten Sorgen:

2017: Man brauchte Hunderte Bilder als Trainingsmaterial, stundenlange Rechenzeit auf teurer Hardware und solides technisches Know-how.

2019: Samsung-Forscher zeigten eine KI, die mit einer Handvoll Fotos überzeugende Ergebnisse lieferte. Im selben Jahr erschien DeepNude – eine App, die Personen auf Fotos per Klick „auszog".

2022: Stable Diffusion machte fotorealistische Bildgenerierung auf normaler Consumer-Hardware möglich. Deepfakes wurden vom Spezialprojekt zum Alltagswerkzeug.

2026: Heute reicht ein einziges Foto für ein Deepfake-Bild. Für einen überzeugenden Stimmklon genügen drei Sekunden Audio. Die Tools sind frei verfügbar, Open Source, oft kostenlos – und sie erfordern null technisches Vorwissen. Eine Smartphone-App reicht.

Die Qualität? Hat eine Schwelle überschritten, an der weder das menschliche Auge noch einfache Erkennungssoftware zuverlässig Fälschung von Realität unterscheiden kann.

Warum das nicht nur ein Promi-Problem ist

Es ist verlockend, Deepfakes als Problem von Prominenten abzutun. Falsch. Die Zahlen erzählen eine andere Geschichte:

Über 90 Prozent aller Deepfakes sind pornografisch – in 9 von 10 Fällen Frauen.
Anfang 2026 erzeugte Grok auf der Plattform X drei Millionen sexualisierte Bilder in neun Tagen – von Aktivistinnen, Politikerinnen, sogar Kindern. Zwei Worte als Prompt reichten.
Voice-Cloning-Betrug stieg 2025 um 680 Prozent. Kriminelle klonen Stimmen von Familienmitgliedern für gefälschte Notrufe oder imitieren Geschäftsführer für Millionen-Überweisungen.
Der britische Konzern Arup verlor 25,6 Millionen Dollar durch einen einzigen Deepfake-Videocall – der Finanzangestellte glaubte, seinen CFO und mehrere Kollegen vor sich zu sehen. Alle waren KI-generiert.
Im slowakischen Wahlkampf 2023 beeinflusste ein Audio-Deepfake möglicherweise den Ausgang der Wahl. In der Türkei trat ein Kandidat zurück, nachdem ein fabriziertes Porno-Video verbreitet wurde.

Das „Liar's Dividend" – das vielleicht größte Problem

Und dann gibt es da noch etwas, das oft übersehen wird: Deepfakes müssen gar nicht funktionieren, um Schaden anzurichten. Allein die Tatsache, dass alles gefälscht sein könnte, vergiftet den Diskurs. Jedes echte Video kann als Fake abgetan werden. Jedes Geständnis als KI-Manipulation.

Experten nennen das die „Dividende der Lügner": Wer bei etwas Echtem ertappt wird, kann einfach behaupten, es sei ein Deepfake. Und wer soll das Gegenteil beweisen?

Was heißt das für uns?

Deepfakes sind keine Zukunftsmusik und kein Nischenproblem. Sie betreffen uns alle – als potenzielle Opfer, als Medienkonsumenten und als Bürger einer Demokratie, die auf ein Mindestmaß an gemeinsamer Wirklichkeit angewiesen ist.

Was wir tun können: Verstehen, wie die Technik funktioniert. Gesunde Skepsis entwickeln, ohne in Paranoia zu verfallen. Und die Debatte darüber führen, welche Regeln wir als Gesellschaft brauchen.

Was ist euer Eindruck – habt ihr im Alltag schon mal einen Deepfake gesehen (oder vielleicht einen gesehen, ohne es zu merken)? 👇

1 comment