KI-Bilder, die lügen?

Die Verhaftung von Donald Trump auf einer Straße in New York, Papst Franziskus mit weißer Daunenjacke, eine Explosion mit schwarzer Rauchwolke vor dem Pentagon in Washington – nur drei Beispiele KI-generierter Fake-Fotos, die in den letzten Monaten von den Medien aufgegriffen wurden und anscheinend zu Warnungen Anlass geben, Bilder künstlicher Intelligenz würden Lügen verbreiten. Aber können Bilder, mit oder ohne KI entstanden, überhaupt lügen? | Doc Baumann Bei seiner Festnahme kurz vor der geplanten Flucht behauptete der Ex-Präsident, es handele sich um eine Verwechslung: Er sei gar nicht Donald Trump, sondern der Papst, was man ja schon an seiner weißen Daunenjacke erkennen könne. (Doc Baumann mit KI und Photoshop) Eine erste, eher schlichte Zurückweisung der Behauptung, Bilder würden lügen, ist die banale Feststellung, es seien nicht die Bilder selbst, die lögen, sondern jene, die sie verbreiten. Die lögen mit Bildern, so, wie andere mit Worten. Unbestritten ist bei den drei genannten Beispielen, dass Trump (bisher) nicht auf der Straße verhaftet wurde, dass Papst Franziskus (wahrscheinlich) keine weiße Daunenjacke getragen hat und dass es (zu diesem Zeitpunkt) keine Explosion vor dem Pentagon gab. Da es also die drei im Bild zu sehenden Ereignisse nicht gegeben hat, scheint es naheliegend, kritisch anzumerken, die verbreiteten Foto-Fakes seien Lügen. Und doch ist diese Behauptung falsch. Warum das so ist, möchte ich in diesem Beitrag erläutern. Der zur Unterstützung eingeflogene Franziskus stellte klar, nur er sei der echte Papst und identifizierte Trump, dem es auch nichts nützte, dass er sich inzwischen als New Yorker Polizist verkleidet hatte; außerdem sei seine eigene Daunenjacke viel schöner. (Doc Baumann mit KI und Photoshop) Seit einiger Zeit ist den meisten von uns der Begriff „Prompt“ einigermaßen vertraut: die Beschreibung eines gewünschten Bildergebnisses in Textform, die man einer bildgenerierenden KI mitteilt, in der Hoffnung, ein so beschreibbares Bild als Ausgabe zu erhalten. Diese Vertrautheit des Prompt-Begriffs hat den Vorzug, nicht allzu philosophisch zu wirken, und macht es unnötig zu erklären, was eine bildbeschreibende Aussage ist. Ohne aufzeigen zu müssen, wie KI das macht, sind uns – mehr oder weniger – zwei Erfahrungen vertraut: KI kann auf der Basis des Prompts eine praktisch unbegrenzte Anzahl unterschiedlicher Bilder erzeugen, die dieser Vorgabe (ungefähr) entsprechen, und sie bringt ebenso zahllose Ergebnisse hervor, die wenig mit den Vorstellungen zu tun haben, die wir bei der Formulierung des Prompts im Hinterkopf hatten. Das erinnert an den vertrauten Satz: Ein Bild sagt mehr als tausend Worte (eigentlich: Wörter). Ob der nun wirklich zum ersten Mal 1921 von Fred R. Barnard in der Fachzeitschrift Printers’ Ink verwendet wurde („One Look Is Worth a Thousand Words“, 1927 dann „One Picture is Worth Ten Thousand Words“) und tiefer Bedeutsamkeit wegen als von einem japanischen Philosophen stammend ausgegeben wurde, tut nichts zu Sache. Was der Satz meint, ist jedem klar: Ein Bild lässt sich vollständig nur sehr aufwendig mit Sprache erfassen. Die Umsetzung des Prompts »Die Rose ist rot« ist einfach 1. Alle Versuche dagegen »Die Rose ist nicht rot« zu generieren, scheiterten. In Bild 2 etwa wird der Hintergrund entsättigt. Nicht-rote Rosen sind auch die in Bild 3 und 4, aber die würden wohl zunächst kaum als nicht-rot beschrieben. Bilder und sprachliche Aussagen Es bereitet kein Problem, den Prompt »Die Rose ist rot« per KI umsetzen zu lassen. Mit dem Satz »Die Rose ist nicht rot« (statt mit einem negativen »nicht rot«-Prompt ergänzt, entstehen rote Rosen. Aber nehmen wir mal an, eine KI würde das richtig verstehen und entsprechende Bilder generieren, dann käme vielleicht so etwas heraus wie die gelbe Rose unten, eine gelbe mit schwarzen Punkten oder irgendetwas anderes. Das liegt nun aber nicht an der Unfähigkeit der KI, sondern ist ein generelles Problem, das ein Maler oder Fotograf in derselben Weise hätte. Während der Satz „Die Rose ist nicht rot“ mühelos ausgesprochen werden kann, verstanden wird und lediglich allgemein besagt, dass eine gewisse Rose nicht die Eigenschaft hat, rot zu sein (wie auch immer sonst sie gefärbt sein mag), ist jede bildliche Umsetzung unvermeidlich zu einer Konkretiserung, einem Beispiel, gezwungen. Eine nicht vorhandene Eigenschaft als solche ist nicht darstellbar, sondern muss durch die Darstellung einer Eigenschaft ersetzt werden, die nicht die zuvor genannte ist. Das Bild einer gelben Rose zeigt offenkundig eine gelbe Rose. Punkt. Zunächst käme niemand auf die Idee, das Bild mit den Worten zu beschreiben: „Dies ist keine rote Rose“, obwohl diese Aussage genauso richtig wäre. Eine gelbe Rose ist aber nicht nur keine rote Rose, sondern ebenso keine weiße, rosafarbene und so weiter. Oder noch weitergehend: Das Bild einer gelben Rose könnte ebenso korrekt mit den Worten beschrieben werden: „Dies ist kein Porträt von Einstein“. Nicht nur unbefriedigende Prompt-Umsetzungen in Bilder durch KI zeigen also: Es gibt keine eindeutige Beziehung zwischen dem Bild und der sprachlichen Aussage, die es beschreibt. (Vorher als KI-Prompt oder als Auftrag an einen Maler, oder nachher.) Anders herum: Jedes Bild kann in zahllose korrekte Aussagen übertragen werden, die alle zutreffend behaupten, was es (nicht) darstellt. Oder etwas formaler: Die Aussagen „A hat die Eigenschaft B“ und „A hat nicht die Eigenschaft B“ schließen sich aus, nur eine von beiden kann wahr sein. Die Aussage „A hat die Eigenschaft B“ ist empirisch dann wahr, wenn A tatsächlich die Eigenschaft B hat. Behauptet man wissentlich das Gegenteil, ist das eine Lüge – behauptet man es unwissentlich, ein Irrtum. Hat A hingegen nicht die Eigenschaft B, ist die Aussage wahr: „A hat nicht die Eigenschaft B“. Nicht die Eigenschaft B zu haben, lässt aber keinen Schluss darauf zu, wie B als positive Eigenschaft qualifiziert werden kann. Was abermals zu dem Gedanken führt: Anders als Sprache können Bilder Negationen nur exemplarisch darstellen, indem sie eine von zahllosen Möglichkeiten visualisieren, eine bestimmte Eigenschaft nicht zu besitzen. Auf Sylt, zwischen Keitum und Munkmarsch, steht die sogenannte Lügen-Brücke. Eltern warnen ihre Kinder, sie würde zusammenbrechen, wenn ein Lügner sie überquert. Die Montage hat also eine interessante semantische Struktur: Tatsächlich ist die Brücke ja nicht zusammengebrochen, als ich sie betreten habe, sondern sie wird hier nur als zusammenbrechende wiedergegeben. Ich wäre also ein Lügner, wenn ich behauptete, das sei ein authentisches Foto. Doch wäre ich ein Lügner, dann wäre die Brücke wirklich zusammengebrochen, das Bild also unverfälscht. Womit ich kein Lügner wäre … Verneinung bei Sprache und bei Bildern Gäbe es nun überhaupt keine Möglichkeit einer ikonischen Negation – also der bildlichen Verneinung –, wäre unsere Kommunikation über solche Medien erheblich eingeschränkt. Betrachten wir als Beispiel Transparente bei Demonstrationen, die per Bild die Abschaffung von etwas oder die Absetzung von jemandem fordern. Wäre das Abgelehnte gar nicht sichtbar, wüsste niemand, wogegen sich die Forderung richtet. Der Kompromiss zwischen Sichtbarkeit und Ablehnung hat aber keinen bildlichen Charakter, sondern erfordert ein konventionelles Symbol, das anders als ein Bild erst erlernt werden muss. Durchstreichung hat eine solch allgemeine Bedeutung. (Dass die Wahrnehmung von Bildern und Darstellungskonventionen – wie etwa der Zentralperspektive – in gewisser Weise auch erlernt werden muss, lassen wir hier einmal unberücksichtigt.) Die Negation von etwas lässt sich nicht rein bildlich, sondern nur symbolisch darstellen, das Negierte muss weiterhin erkennbar bleiben. Das Gebotsschild für Fahrräder ist ein stilisiertes Fahrrad auf blauem Grund. Die Gebots-Negation ist aber nicht „kein Fahrrad auf blauem Grund“, sondern das Symbol „roter Kreis“, das gelernt werden muss. Daher ist etwa die Negation von „für Radfahrer“, dargestellt durch „ein Fahrrad auf blauem Grund“, nicht etwa „kein Fahrrad auf blauem Grund“, sondern ein erkennbares Fahrrad, das durch das Symbol „roter Kreis“ als an dieser Stelle verboten gekennzeichnet wird. Wenn nun jedes Bild in eine unendliche Menge von Aussagen übersetzt werden kann, die auch feststellen, was es nicht repräsentiert, bleibt als Schlussfolgerung, dass es keine eindeutige Entsprechung zwischen einem Bild und einer Aussage darüber gibt, was dieses Bild zeigt. Kurzum: Ein Bild ist keine Aussage. Insofern ist es problematisch, immer wieder von „lügenden Bilden“ zu lesen; nicht allein in den Medien, sondern auch in Fachpublikationen, deren Autoren es eigentlich besser wissen sollten. Da gibt es nicht nur den vielzitierten Ausstellungskatalog über Foto(ver)fälschungen aus dem Jahr 2000 „Bilder, die lügen“, sondern auch ganz aktuelle Texte wie die zur Wiener Ausstellung „Die Lügen der Fotografie“, wo sich Sätze finden wie „Dass Fotografien etwas Wahres zeigen …“ oder gar „Woher rührt eigentlich der Glaube, dass Fotos die Wahrheit sagen“. Vor einiger Zeit wurde das linke Bild von zahlreichen Medien zum Anlass genommen, vor den Gefahren durch „lügende“ KI-Bilder zu warnen. Es soll angeblich eine Explosion vor dem Pentagon zeigen. Dieses sieht nun allerdings völlig anders aus, und den KI-Ursprung kann man – noch – leicht erkennen. Doch davon abgesehen hat das mit KI wenig zu tun, außer, dass diese weniger Kompetenz erfordert als meine Montage des Weißen Hauses rechts. Wahrheit, Möglichkeit und Lüge Der Begriff „Wahrheit“ ist inzwischen so beliebig, dass er hier kaum weiterzuhelfen scheint. Ein Satz wie „Wir haben die Wahrheit auf unserer Seite!“ ist hohl. Beschränken wir uns also auf die engere Bedeutung: Der Satz „A hat die Eigenschaft B“ ist dann und nur dann wahr, wenn A tatsächlich und nachprüfbar die Eigenschaft B besitzt. Andernfalls handelt es sich, wie erwähnt, bei einer unwissentlichen Abweichung um einen Irrtum, bei einer wissentlichen um eine Lüge. Wahrheit kann aber nur Aussagen zukommen, und weil ein Bild keine Aussage ist, kann es auch nicht wahr sein oder im umgekehrten Fall lügen. Eine Lüge wäre es hingegen, wenn die Beschreibung eines solchen visuellen Bildinhaltes in sprachlicher Form gegenüber einem Rezipienten geäußert würde mit der Ergänzung, das auf dem Bild Sichtbare entspräche einer ebenso aussehenden realen Szene. Durch den Kontext, zum Beispiel die beiden Bildunterschriften oben auf der vorigen Doppelseite, soll dann gezielt der Anschein erweckt werden, das im Bild zu Sehende sei authentisch. Die Unterschrift ist also die Lüge. Das Bild zeigt (lediglich) etwas, das so (noch) nicht geschehen ist. Begriffe wie „authentisch“ dagegen sind zur Einschätzung von Bildern durchaus angemessen, ähnlich wie im Bereich der Kunst sinnvoll von getreuen, veristischen, naturalistischen oder realistischen Bildern gesprochen werden kann. Unterstellte man allen nicht-getreuen Bildern pauschal, sie würden lügen, hätte das zur Folge, dass die allermeisten so einzuschätzen wären, weil sie nur selten eine Szene völlig getreu wiedergeben, sondern die Darstellung akzentuieren, Wichtiges betonen, weniger Wichtiges weglassen, abstrahieren; vor allem aber oft etwas präsentieren, das sich nicht repräsentieren ließe, weil es gar nicht existiert. Und das ist keineswegs die ausschließliche Domäne von phantastischer Kunst oder Surrealismus. Während sich Letztere durchaus auf Unmögliches beziehen, geht es in der Regel doch meist um Mögliches. Das kann mitunter verwirren, etwa bei Spielfilmhandlungen, die Sichtweisen oder gar Lügen über einen Tathergang als sichtbare, sich widersprechende Handlungen zeigen. Hier ist die Evidenz des bewegten Bildes zu übermächtig, um es als lediglich mögliches zu rezipieren. Das Fake-Bild als Instrument von Lügnern Es mag haarspalterisch erscheinen, die Verwendung des Begriffs „Lüge“ für Bilder zurückzuweisen, aber „Authentizität“ für angemessen und wichtig zu halten. Doch die Unterscheidung ist für differenziertere Analyse von Fakes und ihren Wirkungen durchaus wichtig. Die ursprünglich im Web verbreiteten „Fotos“ des Papstes mit schicker Daunenjacke oder des mit Polizisten rangelnden Trump waren zwar eher als Scherz gedacht, als Austesten von Werkzeugen. Doch nichts verhindert ihre Verselbstständigung, oder mit schlechten Absichten das Erschaffen nicht-authentischer Bilder der Welt, die dann schnell zu falschen Weltbildern führen, in der Annahme, das Gesehene habe tatsächlich stattgefunden. Dazu schreibt mein Kollege Michael J. Hußmann: „Nicht nur ein KI-generiertes Bild, auch ein Foto muss keine Realität abbilden – oder zumindest nicht die, die es abzubilden scheint. Der vermeintliche Donald Trump und die Polizisten könnten Schauspieler sein, oder Trump selbst könnte die Szene, mit welcher Absicht auch immer, so inszeniert haben. Das Foto wäre die getreue Projektion einer dreidimensionalen Realität auf eine zweidimensionale Fläche, aber es provozierte einen irreführenden Eindruck.“ (Mehr auf www.docma/info/22921) KI bietet da nichts grundlegend Neues. Die Systeme können lediglich dabei helfen, Betrachter durch scheinbare sinnliche Evidenz effizienter zu manipulieren. Möglich waren derartige Bilder schon immer – ob in Öl gemalt, mit Schere, Klebstoff und Airbrush zur Zeit der analogen Fotografie oder in den letzten Jahrzehnten mit digitalen Instrumenten. KI als Werkzeug verlangt lediglich weniger Kompetenz und führt schneller zu technisch besseren, überzeugenden Ergebnissen.