Deepfake

Deepfake einfach erklärt

Ein Deepfake entsteht, wenn KI-Modelle Merkmale einer Person analysieren und auf einen anderen Medieninhalt übertragen. Der Begriff verbindet die englischen Wörter Deep Learning und Fake. Deep Learning bezeichnet maschinelles Lernen mit mehrschichtigen neuronalen Netzen, die Muster in großen Datenmengen erkennen und neue Inhalte daraus ableiten können.

Ein typisches Beispiel ist ein Video, in dem das Gesicht einer Person durch das Gesicht eines anderen Menschen ersetzt wird. Auch eine künstlich erzeugte Stimme, die einem Geschäftsführer eine frei erfundene Aussage zuschreibt, gilt als Deepfake. Die Manipulation kann den gesamten Inhalt betreffen oder nur einzelne Bestandteile wie Mundbewegungen, Mimik oder Tonspur.

Die Technologie selbst ist nicht grundsätzlich schädlich. Sie wird beispielsweise bei Filmproduktionen, Übersetzungen, digitalen Avataren, Lernangeboten und barrierearmen Medienformaten eingesetzt. Das Risiko entsteht vor allem dann, wenn ein künstlicher Inhalt seinen Ursprung verschleiert, eine reale Person ohne ausreichende Zustimmung imitiert oder Empfänger gezielt zu einer falschen Schlussfolgerung führt.

Wie funktioniert ein Deepfake?

Für einen Deepfake benötigt ein KI-System geeignetes Ausgangsmaterial. Dazu gehören Bilder, Videoaufnahmen oder Sprachproben der nachzubildenden Person. Das Modell analysiert charakteristische Merkmale wie Gesichtsform, Stimme, Aussprache, Kopfbewegungen und Mimik. Anschließend erzeugt oder verändert es Medieninhalte auf Grundlage dieser erlernten Muster.

Die konkrete Produktion hängt vom gewünschten Ergebnis ab. Bei einem Gesichtstausch wird das Gesicht aus dem Ausgangsmaterial in eine Zielaufnahme übertragen. Bei einer künstlichen Stimme erzeugt das Modell aus Text eine Tonspur mit den erlernten Stimmeigenschaften. Für vollständig synthetische Videos werden Bild, Bewegung und Sprache miteinander kombiniert.

• Trainingsmaterial: Bilder, Videos oder Tonaufnahmen liefern die Merkmale der nachzubildenden Person.
• Mustererkennung: Das KI-Modell analysiert Gesichtszüge, Bewegungen, Stimme und Sprechweise.
• Generierung: Die erlernten Merkmale werden auf einen neuen oder bestehenden Medieninhalt übertragen.
• Nachbearbeitung: Übergänge, Ton, Licht und Bewegungen werden angepasst, damit das Ergebnis glaubwürdiger wirkt.

Welche Deepfake-Arten gibt es?

Manipulierte Bilder und Videos

Visuelle Deepfakes verändern das Gesicht, den Körper oder die Bewegungen einer Person. Häufige Verfahren sind Face Swapping, bei dem ein Gesicht ausgetauscht wird, und Face Reenactment, bei dem die Mimik einer Person auf eine andere Aufnahme übertragen wird. Vollständig synthetische Bilder zeigen dagegen Menschen oder Situationen, die nie existiert haben.

Stimmen und künstliche Gespräche

Audio-Deepfakes imitieren Stimme, Sprechtempo, Betonung und Aussprache einer Person. Aus wenigen oder umfangreichen Sprachproben kann ein Modell neue Sätze erzeugen. Solche Aufnahmen lassen sich für Synchronisation und Sprachassistenz nutzen, können aber auch falsche Zahlungsanweisungen, erfundene Interviews oder manipulierte Telefongespräche glaubwürdig erscheinen lassen.

Digitale Avatare

Ein KI-Avatar ist eine künstlich erzeugte oder animierte Figur, die Texte mit passender Stimme und Lippenbewegung wiedergibt. Ein Avatar wird zum Deepfake, wenn er eine reale Person nachbildet und der erzeugte Inhalt einen falschen Eindruck über deren Beteiligung oder Aussage vermittelt. Transparente Kennzeichnung und geklärte Nutzungsrechte trennen legitime Anwendungen von irreführender Identitätsnachahmung.

Deepfakes erkennen und prüfen

Ein Deepfake lässt sich nicht zuverlässig anhand eines einzigen Merkmals erkennen. Moderne Verfahren können Licht, Lippenbewegungen und Sprachrhythmus überzeugend nachbilden. Eine belastbare Prüfung kombiniert deshalb die Untersuchung des Inhalts mit einer Kontrolle seiner Quelle, seines Veröffentlichungskontexts und möglicher Bestätigungen durch unabhängige Stellen.

• Unnatürliche Übergänge an Gesicht, Haaransatz, Zähnen oder Ohren können auf eine Bildmanipulation hindeuten.
• Abweichungen zwischen Lippenbewegung, Stimme und Atmung können eine künstliche Tonspur sichtbar machen.
• Ungewöhnliche Lichtreflexe, Schatten oder Hautstrukturen liefern Hinweise auf zusammengesetzte Aufnahmen.
• Eine fehlende Originalquelle oder widersprüchliche Veröffentlichungsdaten erhöhen den Prüfbedarf.
• Ungewöhnliche Aussagen sollten über offizielle Websites, Pressebereiche oder verifizierte Profile kontrolliert werden.

Eine Rückwärtssuche nach Einzelbildern kann zeigen, ob das Material aus einem älteren Video stammt oder bereits in einem anderen Zusammenhang veröffentlicht wurde. Bei geschäftskritischen Inhalten reicht eine visuelle Prüfung jedoch nicht aus. Zahlungsanweisungen, Vertragsänderungen oder vertrauliche Anfragen sollten über einen zweiten, bereits bekannten Kommunikationsweg bestätigt werden.

Unterschied zu ähnlichen KI-Inhalten

Der Unterschied zwischen einem Deepfake und einem klassischen Fake liegt vor allem in der technischen Erzeugung. Ein klassischer Fake kann durch Bildbearbeitung, Schnitt oder eine falsche Bildunterschrift entstehen. Ein Deepfake nutzt maschinelles Lernen, um charakteristische Merkmale einer Person automatisiert zu imitieren oder auf einen anderen Inhalt zu übertragen.

Der Unterschied zwischen einem Deepfake und Desinformation liegt in der Kategorie. Ein Deepfake beschreibt die technische Form eines manipulierten Medieninhalts. Desinformation beschreibt die absichtliche Verbreitung falscher oder irreführender Informationen. Ein Deepfake kann Desinformation transportieren, muss aber nicht für diesen Zweck erstellt worden sein.

Deepfakes im Marketing 2026

Deepfakes betreffen Marketingabteilungen vor allem beim Schutz von Marken, Mitarbeitern und Werbebudgets. Gefälschte Aussagen eines Geschäftsführers, nachgeahmte Testimonials oder manipulierte Produktvideos können sich über soziale Netzwerke und Suchergebnisse verbreiten. Das kann Anfragen im Kundenservice, negative Markenerwähnungen und Zweifel an echten Kampagnen auslösen.

Unternehmen sollten deshalb dokumentieren, welche Personen öffentlich für die Marke sprechen, auf welchen Kanälen Originalinhalte erscheinen und wie deren Echtheit bestätigt werden kann. Klare Pressebereiche, Autorenprofile, Veröffentlichungsdaten und nachvollziehbare Ansprechpartner stärken zugleich E-E-A-T, also Erfahrung, Fachwissen, Autorität und Vertrauenswürdigkeit. Der Leitfaden zu E-E-A-T und Vertrauenssignalen zeigt, wie solche Angaben in digitale Inhalte integriert werden.

Auswirkungen auf SEO und SEA

Für SEO können Deepfakes relevant werden, wenn manipulierte Inhalte zu markenbezogenen Suchanfragen, falschen Berichten oder neuen SERP-Ergebnissen führen. Brand Monitoring sollte deshalb nicht nur Rankings betrachten, sondern auch neue Videos, Bilder, Pressebeiträge und ungewöhnliche Suchtrends zur eigenen Marke prüfen. Der Beitrag zum systematischen Brand Monitoring erklärt die dafür erforderlichen Beobachtungspunkte.

Im SEA können gefälschte Landingpages, nachgeahmte Werbemittel oder manipulierte Empfehlungen die Glaubwürdigkeit einer Marke ausnutzen. Unternehmen sollten Anzeigen, Zielseiten, Markenbegriffe und verwendete Testimonials regelmäßig kontrollieren. Verdächtige Inhalte müssen dokumentiert und über die vorgesehenen Meldewege der jeweiligen Plattform bearbeitet werden.

Auswirkungen auf GEO

GEO, ausgeschrieben Generative Engine Optimization, optimiert Inhalte für die Nennung und Verwendung in generativen KI-Antworten. Deepfakes erhöhen den Bedarf an klaren Primärquellen, weil KI-Systeme widersprüchliche Aussagen aus dem Web verarbeiten können. Eindeutige Autoren, aktuelle Unternehmensinformationen und konsistente Fakten erleichtern die Zuordnung glaubwürdiger Inhalte.

KI-Sichtbarkeit sollte getrennt nach Plattform, Fragestellung und verwendeter Quelle analysiert werden. Das Monitoring von Markenerwähnungen in KI-Antworten zeigt, wie sich Empfehlungen und Quellen untersuchen lassen. Das KI-Analyse-Tool für ChatGPT, Perplexity, Gemini und Grok dokumentiert zusätzlich, ob eine Marke genannt wird und auf welche Quellen sich die jeweilige Antwort stützt.

Schutzmaßnahmen für Unternehmen

Ein wirksamer Schutz vor Deepfakes kombiniert technische Prüfungen mit klaren internen Prozessen. Besonders gefährdete Bereiche sind Zahlungsverkehr, Personalabteilung, Unternehmenskommunikation, Kundenservice und Social Media. Zuständigkeiten und Eskalationswege sollten feststehen, bevor ein verdächtiger Inhalt auftaucht.

• Definiere einen zweiten Bestätigungskanal für sensible Anweisungen und Änderungen von Zahlungsdaten.
• Lege fest, wer verdächtige Medien prüft, dokumentiert und an Plattformen oder Rechtsberater weitergibt.
• Archiviere wichtige Originalaufnahmen mit Veröffentlichungsdatum, Freigabe und Nutzungsrechten.
• Schule Mitarbeiter darin, ungewöhnliche Sprachmuster, Zeitdruck und abweichende Kommunikationswege zu erkennen.
• Beobachte Markenbegriffe, Namen öffentlicher Ansprechpartner und auffällige Veränderungen der Suchergebnisse.

Die rechtliche Bewertung eines Deepfakes hängt vom Inhalt, vom Zweck, von der Kennzeichnung und von den betroffenen Rechten ab. Relevant können unter anderem Persönlichkeitsrechte, Datenschutz, Urheberrecht, Markenrecht, Verleumdung und Betrug sein. Bei konkreten Vorfällen sollten Unternehmen Beweise sichern und eine fachkundige rechtliche Prüfung veranlassen.

Wenn du zusätzlich prüfen möchtest, wie deine Marke in klassischen und generativen Suchsystemen erscheint, kannst du einen Account mit SEO-Audit und KI-Daten anlegen.

Free Account anlegen

Häufige Fragen zu Deepfakes