KI-Bild- und Videomodelle entwickeln sich gerade in einem Tempo, bei dem selbst Profis kaum hinterherkommen: Midjourney korrigiert seinen Kurs, ChatGPT Image 2 holt überraschend auf, und aus China kommen neue Videomodelle wie Wan 2.7 und Happy Horse. Gleichzeitig wird sichtbar, dass diese kreative Explosion teuer ist — in Geld, Rechenleistung, Energie und neuen Nutzungslimits. Die Folge diskutiert außerdem, warum KI-Bilder Fotografie, Journalismus und Wettbewerbe unter Druck setzen. Boris erklärt, warum Joan Fontcubertas „algorithmische Fotografie“ ein Nonsense-Begriff ist. Im Gespräch mit unserem Gast Christoph Behl von "It’s Real" geht es schließlich darum, wie wir in einer Welt perfekter synthetischer Bilder wieder Vertrauen schaffen können: durch Detektion, Provenienzdaten und neue „Trust Zones“ für echte Bilder. ----- Im KI-Podcast unterhalten sich Dr. Jürgen Scriba, Leiter der Arbeitsgruppe "Technischer Fortschritt" / Deutscher Fotorat und Boris Eldagsen (Mitglied der Arbeitsgruppe) mit wechselnden Gästen über aktuelle Auswirkungen von KI auf Fotografie. HIGHLIGHTS: (00:08) - EU-Guidelines zur juristischen Definition von Deepfakes i Fehlen weiterhin. Bis dahin wird praktisch weiter getestet, wie Deepfakes und synthetische Medien entstehen. (00:31) - Bei KI-Bildmodellen gab es große Bewegung Midjourney 8.1 korrigiert viele Schwächen von Version 8.0. Die neue Architektur bringt das alte „Midjourney-Feeling“ zurück. (02:17) - ChatGPT Image 2 wird neu bewertet In der Beta war es enttäuschend, inzwischen liegt es in vielen Use Cases fast gleichauf mit Nano Banana 2. (04:53) - In praktischen Bildtests zeigt sich: ChatGPT Image 2 überzeugt bei Bildrestauration, Lichtübertragung, Pose-Transfer und komplexen Bildkombinationen. Nano Banana 2 ist stärker bei Realismus, Farbpaletten und manchen Stilübertragungen. (12:41) - Im Videobereich bringt Alibaba zwei Modelle Wan 2.7 und Happy Horse. Beide kommen aus unterschiedlichen Alibaba-Labs; Happy Horse zielt stärker auf Talking Heads, Short Drama und menschliche Figuren. (15:51) - Die Kostenfrage KI-Infrastruktur, Tokenverbrauch und Rechenleistung explodieren. Nutzer merken das an Limits, langsameren Diensten und teuren Pro-Tarifen. Der Energie- und Ressourcenverbrauch wird zu einem zentralen Problem. (21:07) - KI-Bilder in Fotowettbewerben Beispiele aus Hasselblad- und Naturfoto-Wettbewerben zeigen, wie schwer Jury und Publikum echte Fotos von synthetischen Bildern unterscheiden können. (24:03) - Re-Light Nachträgliche Lichtveränderung in Fotos werden Standard. (30:00) - Philosophische Debatte Sind KI-generierte Bilder Fotografie? Boris widerspricht Joan Fontcubertas These von „algorithmischer Fotografie“ und argumentiert, KI-Bilder seien Teil eines größeren Metamediums: Latent Space. (40:47) - Zu Gast: Christoph Behl Behl erklärt, wie sein Unternehmen KI-generierte und manipulierte Bilder durch einen multisignalen Ansatz erkennt. Die Detektion basiert auf semantischen Mustern: Bildsprache, Symmetrie, Texturen, Rauschen, Frequenzen, Entropie und typische KI-Artefakte werden kombiniert. (55:09) - Beispiele An Beispielen zeigt "It’s Real", wie komplett generierte Bilder, authentische Bilder und teilweise manipulierte Bilder unterschieden werden. (58:01) - Zielgruppen sind breiter als geplant Medien, Bildagenturen, Behörden, Polizei, Militär, Versicherungen und E-Commerce interessieren sich für Bildprüfung. Besonders relevant sind Betrug, Desinformation, Bildarchive und journalistische Verifikation. (1:03:04) - „Deepfake“ Der Begriff wird kritisch gesehen, weil er juristisch und praktisch unscharf ist. Statt alles KI-generierte zu labeln, schlägt Christoph vor, stärker das Echte zu zertifizieren: Trust Zones, Provenienzdaten und geprüfte Authentizität. (1:09:41) - Fazit Vertrauen in Bilder wird künftig aktiv hergestellt werden müssen — technisch, juristisch und kulturell.
