KI-generiert · Studienkorpus
Typische Bildfehler · Bachelorarbeit
Das makellose Bild und seine blinden Flecken.
KI-Bilder sehen zuverlässig gut aus – und genau das kann ihre Fehler verdecken. Auch die Szene hier ist komplett KI-generiert.
Einleitung
Diese Seite geht vier Fehlerbereiche durch: Körper und Anatomie, die Logik einer Szene, Licht und Raum – und Rollenbilder, die sich an keiner einzelnen Bildstelle festmachen lassen. Dass solche Brüche unter einer überzeugenden Oberfläche untergehen können, nennt SemantIC den Maskierungseffekt – hergeleitet wird er unter Funktionsweise.
Die Beispiele auf dieser Seite stammen aus dem empirischen Teil der Bachelorarbeit – 144 KI-generierte Bilder, systematisch codiert. Zwei von drei fotorealistischen Bildern darunter (71 von 106) trugen mindestens einen Fehler – in diesem Korpus die Regel, kein Ausreisser. Alle Markierungen weiter unten kommen aus dieser manuellen Codierung, nicht aus einem frischen Modelllauf. Es ist ein eigener Korpus, kein repräsentativer Querschnitt aller KI-Bilder.
Anatomie
Wenn Körper nicht zusammenpassen.
Der Klassiker unter den KI-Fehlern – im Korpus die seltenste der drei Fehlerarten, in dichten Szenen mit mehreren Personen aber weiterhin da. Wo sich Menschen überlappen, verliert die KI die Grenze zwischen zwei Körpern – Arme und Beine gehen ineinander über. Hände bleiben ihr eigenes Problem: mal ein Finger zu viel, mal eine Hand zu viel für die Haltung.
- Verschmelzende GliedmassenBei der wartenden Frau und dem Kind auf ihrem Schoss gehen Arme und Beine ineinander über – die KI verliert an den Überlappungen die Grenze zwischen zwei Körpern.
- Zu viele FingerAn der Hand des daneben wartenden Mannes lassen sich mehr Finger zählen, als anatomisch möglich sind.
Markierungen aus der manuellen Codierung (Phase 1)
- Zu viele HändeDie Barista scheint das Tablett gleichzeitig von oben und von unten zu halten – es sind mehr Hände im Bild, als die Haltung zulässt.
Markierungen aus der manuellen Codierung (Phase 1)
Kontext
Wenn die Szene keinen Sinn ergibt.
Diese Brüche findet keine Lupe und kein Detektor – nur der Abgleich mit dem Weltwissen. Ein Laptop ohne Bildschirm, eine Zimmerpflanze in der Kaffeetasse, ein gefülltes Weinglas am Kinderplatz: technisch tadellos gerendert, inhaltlich absurd. Weil das Bild sauber aussieht, fällt das Falsche erst beim zweiten Blick auf.
- Laptop ohne BildschirmDer Gast im Vordergrund tippt auf einem Laptop, dessen Display fehlt – das Gerät ergibt so keinen Sinn.
- Pflanze aus der TasseAus einem Gefäss, in dem Kaffee stehen sollte, wächst eine Zimmerpflanze.
Markierungen aus der manuellen Codierung (Phase 1)
- Weinglas am KinderplatzAm Platz des kleinen Jungen steht ein gefülltes Rotweinglas – inhaltlich absurd, aber technisch tadellos gerendert.
Markierungen aus der manuellen Codierung (Phase 1)
Physik
Wenn Licht und Raum nicht stimmen.
Die häufigste Fehlerart im Korpus – und meist die subtilste. Spiegelungen, die nicht zur Szene davor passen, Bildschirme, die zur falschen Seite zeigen: Details, die kaum auffallen, weil das Bild sonst überzeugend wirkt. Genau hier setzt der Maskierungseffekt an.
- Falsche SpiegelungDie verchromte Espressomaschine spiegelt eine Umgebung, die nicht zur Szene davor passt.
- Bildschirm zur falschen SeiteDer Laptop am Fenster zeigt seinen Bildschirm zur falschen Seite – nicht von der davorsitzenden Person weg.
Markierungen aus der manuellen Codierung (Phase 1)
- Spiegelung stimmt nichtIn der Glastrennwand spiegeln sich die Deckenlampen und das Schild falsch – ein Bruch, der kaum auffällt, weil das Bild sonst überzeugend wirkt. Genau das ist der Maskierungseffekt.
Markierungen aus der manuellen Codierung (Phase 1)
Stereotype
Der Fehler ohne Bildstelle.
Manche Fehler sind keine markierbare Stelle, sondern ein Muster. Auf «a nurse» liefert die KI typischerweise eine junge, attraktive Frau, auf «a CEO» einen Mann in Führungspose. Wahrgenommenes Geschlecht oder Hautfarbe sind für sich kein Befund – erst die stereotype Rollenbesetzung schlägt an.
Ausblick
Der auffällige Fehler ist die Ausnahme – der subtile die Regel.
Die Suche nach dem sechsten Finger allein trägt nicht weit: Schon in diesem Korpus dominieren nicht die Anatomie-Artefakte, sondern Physik- und Kontextbrüche – und je stärker ein Bild kuratiert ist, desto schwerer fällt der Fehler auf. Reine Artefakt-Suche ist damit unzuverlässig. Deshalb prüft SemantIC nicht «echt oder gefälscht», sondern die Kohärenz eines Bildes.
Wie SemantIC daraus ein Urteil bildet, steht unter So funktioniert SemantIC.