KI-Bilder erkennen: Was Prüfwerkzeuge wie Pangram Image leisten
06. November 2026
KI-generiert, redaktionell von 8thsense ausgewählt, geprüft und freigegeben. EU AI Act, Art. 50
Das US-Unternehmen Pangram Labs hat am 4. November 2026 seinen Detektor für KI-generierte Bilder aus der Testphase geholt und erstmals eine Prüfung von Videos ergänzt. Neu ist eine Heatmap, die zeigt, welche Bereiche eines Fotos vermutlich von einer KI stammen. Für Unternehmen ist das mehr als eine Spielerei: Gefälschte Schadensfotos, manipulierte Belege oder geschönte Bewerbungsfotos lassen sich mit aktuellen Bildgeneratoren in Minuten erzeugen. Die beeindruckenden Trefferquoten stammen allerdings vom Hersteller selbst und sind nicht unabhängig geprüft.
Was Pangram Image 1.0 kann
Pangram war bisher vor allem für die Erkennung von KI-Texten bekannt. Im Juli 2026 folgte eine Vorschau für Bilder, jetzt die fertige Version (Quelle: heise.de). Das Paket besteht aus zwei Modellen: Pangram Image 1.0 prüft Fotos, Image Flash 1.0 ist ein kleineres, schnelleres Modell, das Videos Bild für Bild analysiert und markiert, welche Abschnitte als KI-erzeugt gelten. Laut Hersteller ist das Bildmodell gegen typische Nachbearbeitung wie Kompression, Unschärfe, Rauschen und Verkleinerung trainiert. Die Mindestgröße sinkt von 512 mal 512 auf 256 mal 256 Pixel, unterhalb von 512 Pixeln weist das Werkzeug aber ausdrücklich auf eine geringere Verlässlichkeit hin (Quelle: pangram.com). Die Heatmap ist für die Praxis das spannendste Detail: Sie soll auch dann anschlagen, wenn nur ein Objekt in ein echtes Foto montiert wurde.
Die Zahlen und wie sie zustande kommen
Pangram nennt für Bilder eine Genauigkeit von 99,96 Prozent. Gemessen wurde an einem eigenen Testset: 100 echte Fotos, zu denen mit 12 aktuellen Bildgeneratoren jeweils möglichst ähnliche KI-Versionen erzeugt wurden, insgesamt 1.200 synthetische Bilder. Für Videos meldet der Hersteller 98,7 Prozent auf dem akademischen Benchmark DF26, angeblich 29 Prozentpunkte vor dem nächstbesten Detektor. Wichtig für die Einordnung:
Alle Leistungswerte stammen von Pangram selbst, heise weist ausdrücklich darauf hin, dass sie nicht unabhängig überprüft sind.
Eine Falsch-Positiv-Rate, also wie oft echte Fotos fälschlich als KI markiert werden, nennt der Blogbeitrag nicht.
Welche Generatoren genau getestet wurden, bleibt offen.
Ein kleiner unabhängiger Praxistest von fritz.ai mit der Vorschauversion fiel positiv aus, umfasste aber nur ein echtes und vier KI-Bilder desselben Motivs. Zwei davon wurden bereits über eingebettete Herkunftssignaturen von OpenAI und Google erkannt (Quelle: fritz.ai).
Warum Menschen hier kaum noch mithalten
Dass solche Werkzeuge überhaupt nötig sind, zeigt die Studie hinter dem Benchmark DF26. Forschende haben dafür 271 echte und 2.420 KI-erzeugte Videos von Personen zusammengestellt, die frei sprechen. Ergebnis: Menschen erkennen die Fälschungen kaum besser als durch Raten, und auch etablierte Deepfake-Detektoren lagen nahe am Zufall. Der Titel der Arbeit fasst es nüchtern zusammen: „We Cannot Tell Fake From Real Anymore” (Quelle: arxiv.org). Für den Alltag heißt das: Das geschulte Auge der Sachbearbeiterin reicht als alleinige Kontrolle nicht mehr aus. Gleichzeitig ist es ein Wettlauf. Jeder neue Generator kann die Erkennungsquote eines Detektors wieder senken, bis dieser nachtrainiert ist.
Kosten und Einstieg
Der Einstieg ist überschaubar. Der Tarif Individual kostet laut Preisseite 20 US-Dollar im Monat und enthält 100 Bildprüfungen, Professional liegt bei 65 US-Dollar mit fünfmal so vielen Prüfungen, Teams zahlen 20 US-Dollar pro Platz. Videoprüfung gibt es nur über die Programmierschnittstelle (API): Ein Bild mit Image 1.0 kostet dort 0,25 US-Dollar, mit dem schnelleren Flash-Modell 0,05 US-Dollar, Video 0,05 US-Dollar pro Sekunde (Quelle: pangram.com). Zum Testen gibt es eine siebentägige Probephase. Zusätzlich bietet der Anbieter eine Browser-Erweiterung, die Bilder beim Surfen markiert, etwa in Inseraten oder Shops. Ob und wo hochgeladene Bilder verarbeitet und gespeichert werden, sollten Unternehmen vor dem Einsatz mit personenbezogenen Daten prüfen.
Was das für Unternehmen bedeutet
Ein KI-Detektor ist ein zusätzlicher Prüfschritt, kein Urteil. Sinnvoll ist er überall dort, wo Bilder Geld oder Vertrauen bewegen: der Handwerksbetrieb, der Fotos von Gewährleistungsschäden bekommt, der Händler mit Reklamationsbildern, die Pflegevermittlung, die Nachweise und Ausweisfotos prüft, oder der Verein, der Belege für Erstattungen sammelt. Ein Treffer sollte immer eine Rückfrage auslösen (Originaldatei mit Metadaten anfordern, Fotos aus anderem Winkel, Rückruf), nie eine automatische Ablehnung. Umgekehrt beweist ein unauffälliges Ergebnis nicht, dass ein Bild echt ist.
Klein anfangen heißt: einen Prozess mit echtem Betrugsrisiko auswählen, einen Monatstarif für rund 20 US-Dollar buchen und vier Wochen lang verdächtige Fälle parallel prüfen. Wer viele Einreichungen hat, kann die Prüfung später per API in bestehende Abläufe einbauen, etwa so, dass eingehende Schadensfotos aus dem Formular automatisch geprüft und auffällige Fälle markiert werden. Solche KI-Automation in bestehenden Prozessen lohnt sich aber erst, wenn klar ist, wer bei einem Treffer entscheidet und wie das dokumentiert wird. Und solange die Herstellerzahlen nicht unabhängig bestätigt sind, gilt: Vier-Augen-Prinzip und gesunder Menschenverstand bleiben die wichtigste Kontrolle.