Ein Deepfake ist ein mit künstlicher Intelligenz erzeugtes oder manipuliertes Medium — meist Video, Bild oder Audio —, das reale Personen täuschend echt Dinge sagen oder tun lässt, die nie stattgefunden haben. Der Begriff kombiniert 'Deep Learning' und 'Fake'. Deepfakes reichen von harmloser Unterhaltung über Werbeanwendungen mit Einwilligung bis zu Betrug, Desinformation und Persönlichkeitsrechtsverletzungen.
Was ist ein Deepfake?
Ein Deepfake ist ein mit künstlicher Intelligenz erzeugtes oder manipuliertes Medium – meist Video, Bild oder Audio –, das reale Personen täuschend echt Dinge sagen oder tun lässt, die nie stattgefunden haben. Der Begriff setzt sich aus „Deep Learning“ und „Fake“ zusammen. Grundlage sind neuronale Netze, die aus großen Mengen echten Bild- und Tonmaterials lernen, das Aussehen, die Mimik und die Stimme einer Person nachzubilden. Eine ausführliche Darstellung bietet der Wikipedia-Artikel zu Deepfakes.
Deepfakes gehören zum Feld der generativen KI und beruhen auf Verfahren des Deep Learning und Machine Learning. Die Bandbreite reicht von harmloser Unterhaltung und Satire über werbliche Anwendungen mit Einwilligung bis hin zu Betrug, Desinformation und schweren Verletzungen von Persönlichkeitsrechten. Das Bundesamt für Sicherheit in der Informationstechnik ordnet Deepfakes als ernstzunehmendes Risiko für Wirtschaft und Gesellschaft ein.
Der Begriff entstand um 2017, als erste frei verfügbare Werkzeuge das Austauschen von Gesichtern in Videos ermöglichten. Seither hat sich die Technik rasant verbessert: Was anfangs nur mit viel Rechenleistung und Fachwissen gelang, ist heute mit einfachen Apps in Reichweite. Diese Demokratisierung ist der Kern des Problems – nicht die Technik allein, sondern ihre breite Verfügbarkeit macht Deepfakes zu einem gesellschaftlichen Thema. Zugleich sind synthetische Medien nicht per se schädlich; entscheidend sind Zweck, Einwilligung und Transparenz.
Wie werden Deepfakes technisch erzeugt?
Typischerweise kommen zwei Ansätze zum Einsatz. Beim klassischen Verfahren trainiert man sogenannte Autoencoder, die Gesichter zerlegen und in einer Zielperson neu zusammensetzen. Verbreiteter sind heute Generative Adversarial Networks (GANs), bei denen ein neuronales Netz Bilder erzeugt und ein zweites versucht, Fälschung von Original zu unterscheiden – beide verbessern sich gegenseitig, bis die Ergebnisse kaum noch auffallen.
Für Stimmen genügen inzwischen wenige Minuten Audiomaterial, um eine Person überzeugend klingen zu lassen (Voice Cloning). Bei Video werden Mimik, Lippenbewegung und Kopfhaltung an einen gesprochenen Text angepasst. Die nötigen Werkzeuge sind heute breit verfügbar und erfordern immer weniger technisches Wissen, was die Zahl möglicher Missbrauchsfälle erhöht und die Grenze zwischen echtem und synthetischem KI-Content verwischt.
Man unterscheidet grob zwischen Face-Swapping, bei dem ein Gesicht durch ein anderes ersetzt wird, Face-Reenactment, bei dem die Mimik einer Zielperson ferngesteuert wird, sowie rein synthetisch erzeugten Gesichtern von Menschen, die es gar nicht gibt. Je mehr echtes Ausgangsmaterial einer Person öffentlich verfügbar ist – etwa aus Interviews oder Social-Media-Videos –, desto überzeugender lässt sich ein Deepfake trainieren. Prominente und Führungskräfte sind deshalb besonders exponiert.
Welche Risiken und Missbrauchsformen gibt es?
Das größte gesellschaftliche Risiko ist Desinformation: Gefälschte Aussagen von Politikern oder Führungskräften können Meinungen manipulieren und Vertrauen zerstören. Die Bundeszentrale für politische Bildung beschreibt, wie Deepfakes gezielt zur Täuschung der Öffentlichkeit eingesetzt werden können.
Wirtschaftlich relevant sind Betrugsformen wie der CEO-Fraud, bei dem eine geklonte Stimme Mitarbeiter zu Überweisungen bewegt – eine technisch aufgerüstete Form des klassischen Social Engineering, verwandt mit Phishing. Hinzu kommen Rufschädigung, gefälschte Bewertungen und Identitätsmissbrauch. Für Marketing und Unternehmenskommunikation bedeutet das: Auch die eigene Marke oder Geschäftsführung kann Ziel einer Fälschung werden.
Ein gesellschaftlich weitreichendes Problem ist zudem der sogenannte Lügendividende-Effekt: Wenn bekannt ist, dass sich Videos und Tonaufnahmen fälschen lassen, können echte Belege pauschal als Deepfake abgetan werden. Damit untergräbt allein die Existenz der Technik das Vertrauen in authentische Aufnahmen. Für Journalismus, Justiz und öffentliche Debatte entsteht daraus die Herausforderung, Echtheit künftig aktiv nachweisen zu müssen, statt sie stillschweigend voraussetzen zu können.
Besonders heikel sind Deepfakes im Bereich sensibler oder intimer Inhalte, etwa gefälschter Aufnahmen von Privatpersonen. Solche Fälschungen verletzen Persönlichkeitsrechte massiv und können erheblichen Schaden anrichten, gerade weil sie sich in sozialen Netzwerken schnell verbreiten. Für Unternehmen wächst damit auch das Risiko, dass Kunden oder Bewerber Opfer werden – und dass gefälschte Inhalte fälschlich der eigenen Marke zugeschrieben werden.
Deepfakes, Recht und Kennzeichnungspflicht
Rechtlich berühren Deepfakes mehrere Bereiche: das allgemeine Persönlichkeitsrecht, das Recht am eigenen Bild, das Urheberrecht und den Datenschutz nach DSGVO, sobald personenbezogene Daten wie Gesicht oder Stimme verarbeitet werden. Die Nutzung fremder Abbildungen ohne Einwilligung ist regelmäßig unzulässig. Dies ist eine allgemeine Einordnung und ersetzt keine Rechtsberatung im Einzelfall.
Mit dem EU AI Act kommt eine Transparenzpflicht: Künstlich erzeugte oder manipulierte Inhalte müssen als solche gekennzeichnet werden. Die KI-Kennzeichnungspflicht verlangt, dass Deepfakes klar erkennbar sind. Details zum Regelungsrahmen fasst die Europäische Kommission zusammen. Für werbliche KI-Medien empfiehlt sich zusätzlich ein sichtbares KI-Wasserzeichen.
Kommt es zu einem Missbrauch, greifen zudem strafrechtliche Tatbestände wie Betrug, Verleumdung oder Nötigung sowie zivilrechtliche Ansprüche auf Unterlassung und Schadenersatz. Für Unternehmen empfiehlt es sich, den Einsatz synthetischer Medien intern klar zu regeln – wer darf sie erstellen, mit welcher Einwilligung und mit welcher Kennzeichnung. Ebenso wichtig ist ein Notfallplan für den Fall, dass ein Deepfake die eigene Marke oder Führung betrifft, damit schnell und glaubwürdig reagiert werden kann.
Wie erkennt man Deepfakes?
Verräterisch sind oft unnatürliche Details: unregelmäßiges Blinzeln, seltsame Übergänge an Haaransatz oder Zähnen, flackernde Ränder, unpassende Schatten oder eine Stimme, deren Betonung nicht zum Gesicht passt. Mit steigender Qualität werden solche Artefakte jedoch seltener, weshalb rein visuelle Prüfung an Grenzen stößt.
Zuverlässiger ist die Prüfung des Kontexts: Wer hat das Material veröffentlicht, gibt es eine seriöse Originalquelle, und ergibt die Aussage im Zusammenhang Sinn? Technisch entstehen zunehmend Erkennungssysteme und Herkunftsnachweise (etwa digitale Wasserzeichen und Content-Credentials). Für Unternehmen ist ein klarer Freigabe- und Verifikationsprozess sinnvoll, um nicht selbst auf Fälschungen hereinzufallen – Teil einer verantwortungsvollen KI-Governance und KI-Ethik.
Für die interne Absicherung gegen Betrug helfen organisatorische Regeln oft mehr als technische Detektoren. Ein verbindliches Vier-Augen-Prinzip bei Zahlungen, Rückrufe über bekannte Nummern statt über die im Anruf genannten sowie vereinbarte Codewörter für sensible Anweisungen entziehen Stimm-Deepfakes die Grundlage. Mitarbeitende sollten zudem wissen, dass eine überzeugend klingende Stimme heute kein Echtheitsbeweis mehr ist. Sensibilisierung und klare Prozesse sind damit die wirksamste erste Verteidigungslinie.
Deepfakes im Kontext von KI und Marketing
Nicht jede synthetische Darstellung ist ein Missbrauch. Mit Einwilligung der abgebildeten Person lassen sich KI-Avatare und KI-Videogenerierung legitim für Schulungen, Produktvideos oder mehrsprachige Kommunikation nutzen. Die Grenze verläuft entlang von Einwilligung, Transparenz und Zweck.
In der Praxis sparen solche Verfahren erhebliche Produktionskosten. Ein einmal aufgenommener Sprecher kann per KI in mehreren Sprachen und mit aktualisierten Inhalten erscheinen, ohne dass jedes Mal ein neuer Dreh nötig ist. Diese Effizienz ist der Grund, warum synthetische Medien im Marketing zunehmend an Bedeutung gewinnen. Entscheidend bleibt jedoch, dass die abgebildeten Personen zugestimmt haben und die Inhalte klar als KI-generiert gekennzeichnet werden, um weder rechtliche noch Vertrauensprobleme zu erzeugen.
Für Marken gilt: Der Einsatz synthetischer Medien sollte dokumentiert, gekennzeichnet und rechtlich abgesichert sein. Zugleich braucht es Wachsamkeit gegenüber Fälschungen von außen. Deepfakes sind damit ein doppeltes Thema – Chance für kreative, effiziente Produktion und Risiko für Reputation und Sicherheit zugleich.
Langfristig verschiebt sich der Umgang mit Deepfakes von der reinen Erkennung hin zum Herkunftsnachweis: Statt jede Fälschung im Nachhinein zu entlarven, sollen echte Aufnahmen von vornherein verifizierbar gemacht werden – etwa durch signierte Content-Credentials, die Ursprung und Bearbeitungsschritte dokumentieren. Für Unternehmen bedeutet das, sich frühzeitig mit solchen Standards und mit einer klaren KI-Richtlinie im Unternehmen auseinanderzusetzen.