Pangram markiert eine Ecke im Bild. Was macht die Redaktion damit?

Ein Leser schickt einen zwölf Sekunden langen Clip einer überfluteten Kreuzung. Die ersten Sekunden sehen aus wie eine Aufnahme aus dem Autofenster. Am Ende läuft Wasser aus einem Laden. Genau diese Szene soll die Redaktion nach Wunsch des Absenders veröffentlichen. Wo fängt die Prüfung an? Man könnte den ganzen Clip auf synthetische Inhalte untersuchen. Gefragt ist zunächst ein Weg, die Bilder auszuwählen, die sich mit anderen Belegen abgleichen lassen.

Das auf KI-Erkennung spezialisierte Unternehmen Pangram veröffentlichte am 4. November 2026 Pangram Image 1.0 und Image Flash 1.0. Das Hauptmodell erzeugt eine Heatmap der Regionen, die der Detektor mit KI-Inhalten verbindet. Das schnellere Flash-Modell kann hochgeladene Videos über mehrere Einzelbilder hinweg analysieren. So sehen Prüfende, wo sich der Befund im Clip ändert. Das Release erweiterte außerdem Pangrams API um Bild und Video und ergänzte die Chrome-Erweiterung um Bilderkennung. Pangrams Release-Hinweise

Eine Heatmap funktioniert wie ein Textmarker. Sie kann auf ein Ladenschild, ein Stück Himmel oder ein paar Sekunden Video hinweisen. Die Redaktion muss weiterhin herausfinden, wer die Datei lieferte, wie sie weitergegeben wurde und ob die Behauptung trägt. Diese Fragen sind besonders wichtig, wenn ein Befund Berichterstattung verzögert oder den Ruf einer Person beeinflusst.

Kontextfoto der Kreuzung von 5th Street und Guadalupe Street in Austin vom 20. Februar 2021. Foto von Jno.skinner, zugeschnitten und in der Größe geändert unter CC BY-SA 4.0. Originalfoto

Eigene Illustration von Telli.sh. Ein Detektor kann die Suche eingrenzen. Unabhängige Prüfungen bestimmen, welches Gewicht der Befund verdient.

Eine Heatmap erleichtert die Suche nach den richtigen Belegen

Angenommen, die überflutete Kreuzung ist echt, doch ein verwischtes Logo im Clip wirkt digital bearbeitet. Eine prüfende Person kann um das Originalvideo und ein zeitgleiches Foto aus derselben Perspektive bitten. Die markierte Region hilft zu beschreiben, worauf sie achtet. Beim Vergleich zählen auch Schatten, Bewegungsunschärfe, Stabilisierung, Beschnitt und mögliche Änderungen beim Upload.

Pangram zeigt Heatmaps anhand eines Fotos, das ein KI-Bild enthält. Das Beispiel macht sichtbar, dass ein Foto Inhalte unterschiedlicher Herkunft kombinieren kann. Eine Montage kann ausdrücklich gekennzeichnet und legitim sein. Entscheidend ist, ob die Änderung die Tatsachenbehauptung des Bildes verändert. Das Gesicht eines Passanten unkenntlich zu machen ist eine andere redaktionelle Entscheidung, als eine Menschenmenge in eine leere Szene einzufügen. Offizielles Heatmap-Beispiel

Die Originaldatei hat mehr Gewicht als die Farbintensität der Markierung. Die Fassung im Gruppenchat kann kleiner sein und Metadaten verloren haben. Bitte um den unveränderten Kameraexport oder die früheste verfügbare Fassung. Bewahre ihn getrennt von Screenshots, Ausschnitten und Reposts auf. Erfasse für jede abgeleitete Datei, woher sie stammt und wie sie erstellt wurde. Tritt ein Befund erst nach der Größenänderung durch eine Plattform auf, gehört die Abweichung ins Prüfprotokoll.

Pangram senkte die minimale Eingabegröße von 512 × 512 auf 256 × 256 Pixel. Laut Ankündigung zeigt der Dienst unterhalb der früheren Grenze von 512 Pixeln einen Hinweis auf geringere Konfidenz. Ein kleines Vorschaubild kann helfen, eine bessere Kopie oder das Quellkonto zu finden. Ist es die einzige Fassung, gehört der Hinweis zu jeder Entscheidung, die sich auf das Ergebnis stützt. Änderung der Eingabegröße

Ein Video kann mit dem Schnitt seine Herkunft wechseln

Ein zwölf Sekunden langer Clip für soziale Medien zeigt zuerst die Anfahrt zu einem Gebäude, dann den Eingang in der Totalen und zuletzt das Wasser im Inneren. Jeder Abschnitt kann eine andere Quelle haben. Der Schnitt kann schon vor dem Eingang der Datei erfolgt sein. Ein Ergebnis pro Einzelbild hilft, zum Übergang zu springen, die Bilder davor und danach zu vergleichen und zu prüfen, ob die Innenaufnahme schon in der frühesten Fassung vorkommt.

Verwende die gemeldeten Zeitpunkte als Timecodes. Betrachte die Abfolge in normaler Geschwindigkeit und Bild für Bild. Suche zuerst nach üblichen Schnittentscheidungen wie Schnitt, Überblendung, Titel, Screenshot oder Einfügen eines zweiten Clips. Gleiche dann den fraglichen Abschnitt mit Ort und Zeitpunkt des Ereignisses ab. Ein auffälliges Signal gewinnt an Wert, wenn Beschilderung, Fassade, Wetter oder eine andere Aufnahme dieselbe Spur unabhängig stützen.

Ein Muster lässt sich leicht missverstehen. Ein echter Clip kann ein automatisch erzeugtes Vorschaubild, eine nachträgliche Sprecherstimme und eine Textleiste haben. Alle drei Änderungen können für den Uploadenden selbstverständlich sein und im Original fehlen. Ein bildweises Werkzeug prüft das visuelle Material, das es erhält. Originalton, Urheber, Datum und Aussage des Vorschaubilds brauchen eigene Prüfungen.

Auch der umgekehrte Fall zählt. Ein echter Clip von vor drei Jahren kann die Prüfung auf synthetische Bilder bestehen und trotzdem als aktuelles Ereignis falsch beschriftet sein. Ein echtes Foto mit falscher Ortsangabe bleibt ein Herkunftsproblem, auch wenn jedes Pixel aus einer Kamera stammt. Rückwärtssuche, Ereignisprotokolle und der früheste bekannte Beitrag helfen, wenn die Bildunterschrift stimmen muss. Ein Ablauf, der nur aus Detektion besteht, lässt hier eine Lücke.

Herstellerwerte brauchen Bezugsgröße und Grundrate

Für den Bildtest ging Pangram nach eigenen Angaben von 100 echten Fotos aus und erzeugte 1.200 synthetische Gegenstücke mit zwölf Generatoren. Die Ankündigung nennt eine aggregierte Genauigkeit von 99,96 %, erklärt aber die Aggregation nicht im Detail. Für den Videovergleich nutzte das Unternehmen 129 echte Social-Media-Clips und 1.400 synthetische Clips aus 14 Generatoren. Das erste echte Einzelbild und eine Beschreibung der ursprünglichen Bewegung dienten als Vorgaben, damit die Paare ähnliche Inhalte zeigen. Es handelt sich um Pangrams eigene Tests für das Release vom 4. November. Vergleiche sind innerhalb dieses Aufbaus möglich. Pangrams Bild- und Videotests

Warum die Inhalte angleichen? Zeigte jeder echte Clip ein Lokalnachrichteninterview und jeder generierte eine Fantasielandschaft, könnte ein System das Thema als Abkürzung nutzen. Ähnliche Szene, Motive oder erste Bilder verringern dieses Risiko. Die Verteilung spielt weiter eine Rolle. Bei Mietangeboten treten Innenräume, wiederverwendete Fotos, Wasserzeichen und alte Inserate in anderen Anteilen auf. Die Schwelle für eine Prüfung sollte aus Beispielen stammen, die der echten Warteschlange ähneln.

Pangram meldet für Flash außerdem 98,7 % auf DF26. DF26 ist ein eigener Forschungsbenchmark für Videos mit sprechenden Personen. Die Forschenden beschreiben synthetische und echte Clips und messen die Leistung von Menschen und Detektoren. Bei der Einordnung bleiben der Benchmark der Autoren und Pangrams Ergebnis darauf getrennt. Ein Wert für sprechende Personen liefert keine gemessene Rate für Screenshots, Immobilienrundgänge oder Überwachungsvideos. DF26-Preprint · Flash-Ergebnis von Pangram

Auch ein guter Detektor braucht einen vereinbarten zweiten Schritt. Angenommen, von 1.000 Dateien enthalten zehn relevante synthetische Bearbeitungen. Ein Beispieldetektor markiert neun dieser zehn und 1 % der übrigen 990. Die Prüfer sehen dann rund 19 Meldungen. Etwa zehn davon betreffen Dateien ohne die gesuchten Änderungen. Diese Zahlen sind ein Rechenbeispiel, unabhängig von Pangrams Genauigkeitsangaben. Sie zeigen, warum der Anteil echter Fälle bestimmt, wie aussagekräftig eine Markierung ist.

Eigene Illustration von Telli.sh. Beispielraten zeigen, warum selbst eine scheinbar geringe Falsch-Positiv-Rate viele Fehlalarme erzeugen kann.

Prüfer brauchen eine Warteschlange, deren Entscheidungen sie erklären können

Auf einem Marktplatz kosten Fehler etwas anderes als in einer Redaktion. Eine Redaktion kann ein strittiges Bild zurückhalten und einen besseren Export anfordern. Ein Marktplatz kann eine Entscheidung mit Folgen für ein Verkäuferkonto treffen. Für eingereichte Bilder lassen sich drei gekennzeichnete Gruppen getrennt testen: bestätigte Originale, absichtlich generierte Beispiele und echte Bilder nach Größenänderung, Kompression oder Bearbeitung. Nimm schwer beurteilbare Fälle wie Scans von Papierfotos, Nachtaufnahmen vom Handy und Bilder mit eingeblendeten Elementen auf.

Erfasse Fehler als konkrete Ereignisse. Zähle, wie oft Prüfende eine markierte Datei öffnen, brauchbare unabhängige Belege finden oder bestätigte Originale eskalieren. Miss die Dauer der Prüfung. Achte auf Fehler in bestimmten Aufnahmepfaden, etwa Nachtaufnahmen einer Smartphone-Familie. Ein Gesamtwert kann einen scheinbar effizienten Prozess verdecken, der immer wieder dieselben Einsendenden trifft.

Betroffene sollten verstehen, welche Belege sie vorlegen können. Eine Verkäuferin kann das Kameraoriginal schicken oder den Artikel aus einem zweiten Winkel zeigen. Ein Beitragender kann die Veröffentlichungsgeschichte oder Lizenz teilen. Die Möglichkeit zur Antwort hilft, einen konkreten Sachstreit zu klären. Der Detektorwert kann weitere Recherche auslösen. Eine Kontomaßnahme folgt der Entscheidungsrichtlinie und dem Prüfverfahren des Marktplatzes.

Prüfe, ob das System für jeden Befund die Datei und das Modell benennen kann. Verschiedene Plattformexporte einer Szene verdienen eigene Einträge, ebenso Ergebnisse von unterschiedlichen Zeitpunkten. Eine Modellaktualisierung kann das Verhalten verschieben und frühere Grenzfälle verändern. Bewahre Original und Prüfverlauf gemäß Aufbewahrungsrichtlinie lange genug für Streitfälle auf. Entferne anschließend, was die Richtlinie nicht mehr verlangt.

Ein kleiner Pilot vor der automatischen Annahme

1. Eine enge Entscheidung wählen. Definiere eine Aktion, etwa welche öffentlichen Nachrichtenhinweise eine zweite Quelle brauchen. Trenne sie von der späteren Entscheidung über Veröffentlichung, Entfernung oder Sanktion.
2. Bekannte Beispiele sammeln. Beginne mit wenigen eigenen oder freigegebenen Originalen. Ergänze gegebenenfalls eine passend neu kodierte Kopie und eine bekanntermaßen synthetische oder bearbeitete Variante. Erfasse Uploadabmessungen sowie behauptetes Ereignis oder Motiv.
3. Den Zugangsweg prüfen. Pangram bietet Browser-Upload, Chrome-Erweiterung und API. Nutze den von deiner Organisation für die Dateien freigegebenen Weg. Prüfe Bedingungen zu Zugriff und Aufbewahrung vor dem Senden privater oder sensibler Dateien.
4. Regionen und Timecodes prüfen. Gib der prüfenden Person die Quellfassung und die Belege zum Abgleich. Wenn viel davon abhängt, soll eine zweite Person den strittigen Abschnitt prüfen.
5. Die gewählte Entscheidung messen. Vergleiche Prüfzeit, nützliche Nachfragen und falsche Eskalationen mit dem bestehenden Ablauf. Automatisiere erst, wenn klar ist, was eine Markierung im Ablauf verändert.

Enthält die Datei ein Content Credential, prüfe, was der signierte Datensatz tatsächlich bezeugt. C2PA definiert ein Format für überprüfbare Aussagen zur Medien- und Bearbeitungsgeschichte. Die Aussagen haben einen Aussteller und einen Geltungsbereich. Ein verifizierter Eintrag gibt Prüfenden etwas Konkretes zum Untersuchen. Fehlt er, kann die Aufnahme- oder Übertragungskette ihn einfach nicht erhalten haben. Behandle den Nachweis, die Angaben der Quelle und das Detektorergebnis als getrennte Belege desselben Falls. C2PA-Spezifikationen

Entscheidend ist, wann ein Fall weitergegeben wird. Eine Redaktion kann ein Bild zurückhalten, bis eine zweite Quelle vorliegt. Ein Marktplatz kann um ein aktuelles Bild mit sichtbarem Artikel bitten. Benenne in beiden Fällen den fehlenden Beleg und gib der zuständigen Person eine Möglichkeit, ihn zu beschaffen. Eine Markierung, die zeigt, wo zu suchen ist, hilft im Betrieb mehr, wenn der nächste Schritt feststeht, bevor die Warteschlange wächst.

Der beste Alarm führt zu einer besseren Frage

Eine brauchbare Warnung gibt Prüfenden einen konkreten nächsten Schritt. Eine Redakteurin kann das Originalbild bei Sekunde neun anfordern. Ein Marktplatzprüfer kann den Ausschnitt der Ladenfront mit einem anderen Bild desselben Kontos vergleichen. Das Urteil bleibt an die für die Behauptung relevanten Belege gebunden. Wenn eine Heatmap zu besseren Fragen führt, ist ihr Beitrag selbst dann sichtbar, wenn die erste Markierung falsch war.

Quellen

• Ankündigung von Pangram Image 1.0 und Image Flash 1.0 vom 4. November 2026
• DF26-Preprint und Benchmark
• Pangrams FAQ zum Datenschutz
• Technische C2PA-Spezifikationen
• Kontextfoto aus Austin von Jno.skinner, CC BY-SA 4.0

---

Um Gespräche und Quellenentscheidungen durchsuchbar festzuhalten, erstelle ein Telli.sh-Konto.