← Zurück zum Blog
Aica. 7 Min. Lesezeit

KI-Bilderkennung: Pangram nennt 99,2 Prozent und 98,7 Prozent im Videotest

Veröffentlicht 11. Nov. 2026
KI-Bilderkennung: Pangram nennt 99,2 Prozent und 98,7 Prozent im Videotest

Pangram hat am 4. November zwei Computer-Vision-Modelle ausgeliefert. Pangram Image 1.0 erkennt KI-generierte Bilder. Pangram Image Flash 1.0 ist der kleinere, schnellere Bruder und soll ein KI-generiertes Video Bild für Bild durchgehen und sagen, welche Teile aus einem Generator stammen.

Das Release bringt Heatmap-Ausgabe, nativen Video-Upload, eine Chrome-Erweiterung und API-Zugang für Bilder und Videos. Auf X teilte das Unternehmen mit, Image 1.0 erkenne 99,2 Prozent der KI-generierten Bilder bei einer Falsch-Positiv-Rate von 0,27 Prozent.

Diese zwei Zahlen gehören auf eine Folie. Es sind auch die Sorte Zahlen, bei denen man die Fußnote lesen sollte.

Wie die 99,96 Prozent gemessen wurden

Für die Bild-Evaluierung nahm Pangram 100 echte Fotografien und erzeugte mit 12 verschiedenen Bildgeneratoren synthetische Gegenstücke. Die Prompts waren so geschrieben, dass sie each Originalfoto eng folgen, was 1.200 synthetische Bilder ergab. Auf diesem Satz meldet das Unternehmen 99,96 Prozent Genauigkeit für Image 1.0.

Das ist ein gut gebauter Test für eine bestimmte Frage. Weil zu jedem echten Foto ein synthetisches Gegenstück derselben Szene und desselben Motivs existiert, kann das Modell nicht schummeln, indem es lernt, Strandfotos seien echt und Produktaufnahmen falsch. Es muss auf die Pixel schauen.

Es ist kein Test dafür, was passiert, wenn man das Modell auf das offene Internet richtet. Pangram sagt das direkt: Die Zahl beschreibt die Leistung auf dieser gezielten Paarung echter und synthetischer Bilder, nicht eine allgemeine Genauigkeit für jedes online angetroffene Bild.

Der Unterschied wiegt mehr, als er klingt. Das reale Fehlerprofil eines Detektors wird von den Bildern dominiert, an die niemand im Testsatz gedacht hat: Screenshots von Screenshots, Bilder durch drei Messenger, alte JPEGs, Scans von Abzügen, alles mit Wasserzeichenstreifen, und die Ausgaben von Generatoren, die nach dem Einfrieren des Testsatzes erschienen sind. Ein sauberer Satz von 100 gespiegelten Fotos misst davon nichts.

Die Falsch-Positiv-Rate von 0,27 Prozent ist die interessantere der beiden Schlagzeilenzahlen, denn falsche Positive sind es, die Menschen beschuldigen. Bei 0,27 Prozent wird etwa eines von 370 echten Bildern markiert. Für eine Redaktion, die ein paar Fotos am Tag prüft, ist das eine handhabbare Prüfschlange. Für eine Plattform, die hundert Millionen Uploads scannt, sind es eine Viertelmillion zu Unrecht beschuldigter Nutzer, und deshalb verlässt sich in dieser Größenordnung niemand auf einen einzigen Klassifikator.

Die Videozahl ist die alarmierende

Beim Video-Benchmark wird dieses Release unangenehm.

Pangram evaluierte Flash 1.0 mit DF26, einem Benchmark aus einem Preprint vom 7. September 2026. DF26 enthält 271 echte Videos und 2.420 synthetische aus sieben modernen Videomodellen. Der Inhalt ist bewusst eng und bewusst schwer: eine Person, die direkt in die Kamera spricht, offizielle Erklärungen, Studiointerviews. Das ist das Deepfake-Format, das tatsächlich Schaden anrichtet, weil hier die Standardannahme des Zuschauers ist, die Person sei echt.

Die Autoren des Benchmarks berichten, dass Menschen wie auch die besten Deepfake-Detektoren darauf nahe am Zufall lagen. Sie plädieren für Evaluierungen, die ausdrücklich die Robustheit gegenüber Verteilungsverschiebungen durch moderne Generatoren testen.

Dieses Ergebnis sollte man kurz sacken lassen. Nahe am Zufall heißt Münzwurf mit Zwischenschritten. Die Detektoren sind gut gebaut. Sie wurden auf einer älteren Generation von Fälschungen trainiert und evaluiert, und die neueren Generatoren hinterlassen nicht dieselben Artefakte. Ein Detektor, der Verzerrungen am Kieferansatz erkannt hat, ist nutzlos, wenn der Kieferansatz nicht mehr verzerrt.

Pangram nennt für Flash 1.0 auf DF26 98,7 Prozent, was 29 Punkte über dem nächstbesten Detektor liege. Hält das einer unabhängigen Replikation stand, ist es eine große Lücke auf einem Benchmark, der gezielt die vorige Werkzeuggeneration brechen soll. Es ist zugleich eine vom Unternehmen gemeldete Zahl auf einem selbst gewählten Benchmark, gemessen mit dem eigenen Harness. Die ehrliche Haltung lautet also: vielversprechend, unbestätigt.

Was das Produkt tatsächlich tut

Die Funktionsliste sagt mehr als das Marketing.

Die Heatmap lokalisiert synthetisches Material innerhalb eines Bildes. Das ist die Fähigkeit, die für den häufigen Realfall zählt, und der ist kein vollständig generiertes Bild, sondern ein echtes Foto mit einem eingefügten generierten Element oder ein echtes Bild mit einer übermalten generierten Region. Ein Ja/Nein-Label ist dort nutzlos. Eine Heatmap zeigt der Redaktion, wo sie hinschauen soll.

Der native Video-Upload führt die Bild-für-Bild-Analyse im Dashboard aus und markiert, welche Abschnitte eines Videos auffallen. Bei einem Zweiminutenclip entsteht so eine Zeitachse des Verdachts statt eines Urteils, was für einen menschlichen Prüfer die richtige Ausgabe ist.

Die Chrome-Erweiterung markiert KI-generiertes Material in sozialen Netzwerken, auf Shopping- und Mietseiten. Die letzte Kategorie ist die, die Menschen Geld kostet. Fotos in Mietanzeigen sind ein klassischer Ort, an dem ein generiertes Bild jemanden echtes Geld kostet.

Was sich seit der Juli-Preview geändert hat

Die Research-Preview vom 29. Juli 2026 akzeptierte nur Bilder ab 512 mal 512 Pixeln und führte Deepfakes und Face Swaps ausdrücklich als Fälle auf, die sie nicht sicher erkennt. Das war eine ehrliche Einschränkung und zugleich ein großes Loch, denn Face Swaps sind der häufigste schädliche Fall.

Version 1.0 beansprucht bessere Leistung bei Deepfakes, niedrig aufgelösten Bildern und Frontier-Generatoren. Die Mindesteingabe liegt jetzt bei 256 mal 256, mit einem Hinweis auf reduzierte Konfidenz unterhalb von 512. Das Unternehmen sagt, es habe das neue Modell auf das Erkennen von Transformationen wie Kompression, Downscaling, Unschärfe und Rauschen trainiert, egal ob von Plattformen eingeführt oder von Akteuren, die der Erkennung entgehen wollen.

Dieser letzte Satz leistet viel. Die meisten KI-Bilder der realen Welt erreichen einen, nachdem mindestens eine Plattform sie neu komprimiert hat. Ein Detektor, der nur auf unberührten PNGs funktioniert, ist ein Laborinstrument.

Auch der Zugang ist breiter geworden. In der Preview war der Bild-API-Zugang nur auf Einladung möglich, und Videoeingabe im Dashboard war als Zukunftsmusik gelistet. Jetzt gibt es beides.

Das strukturelle Problem, das niemand gelöst hat

Erkennung ist ein Klassifikationsproblem, bei dem eine Seite iterieren darf. Jede Verbesserung eines Generators verschiebt die Artefaktverteilung, und jeder auf der alten Verteilung trainierte Detektor verliert Genauigkeit. Die Verteidiger müssen dauerhaft gewinnen. Die Angreifer müssen einmal gewinnen, beim Bild, auf das es ankommt.

Genau diese Lücke sollten Provenienzstandards wie C2PA schließen. Eine kryptografische Signatur an einer Kameraaufnahme ist eine andere Art von Aussage als eine statistische Schätzung über Pixel. Die Signatur lässt sich entfernen, aber wenn sie da ist, ist sie keine Wahrscheinlichkeit.

Die beiden Ansätze ergänzen sich, sie konkurrieren nicht. Provenienz beantwortet „wissen wir, woher das kommt“. Erkennung beantwortet „sieht das generiert aus“. Eine Redaktion will beides, eine Plattform will beides, und keines reicht.

Pangrams Argument ist im Kern, dass Erkennung kein gelöstes Problem ist und jemand sie als Produkt mit Heatmaps und API verkaufen sollte statt als Forschungsdemo. Das ist ein vernünftiges Geschäft. Die 99,2 Prozent verschaffen ihnen Termine. Zu den 98,7 Prozent auf DF26 sollte man sie befragen, im Detail, von jemandem mit dem Benchmark-Harness und einem frischen Generator.

Eine praktische Fußnote für alle, die das nutzen

Sagt ein Detektor, ein Bild sei KI-generiert, hat man eine Spur. Sagt er, ein Bild sei echt, hat man nichts. Diese Asymmetrie steckt im Problem, und keine Genauigkeitszahl ändert das. Die Falsch-Positiv-Rate von 0,27 Prozent sagt, wie oft das Werkzeug einen in eine Richtung blamiert. Nichts in der Ankündigung sagt, wie oft es eine gute Fälschung übersieht, und diese Zahl ist immer schlechter.

Also als Triagetool einsetzen, die Heatmap behalten, die Modellversion neben dem Urteil protokollieren und die eigene Evaluierung neu fahren, sobald ein großer Generator erscheint. Die Halbwertszeit der Genauigkeit eines Detektors wird in Monaten gemessen.

Verwandte Artikel