KI-GESICHTER SIND ZU SCHÖN, UND ECHTE MENSCHEN ZAHLEN DAFÜR

Menschen, die als attraktiv gelten, verdienen tendenziell mehr und werden als kompetenter und vertrauenswürdiger wahrgenommen, vom Vorstellungsgespräch bis zum Gerichtssaal. Ein Team unter Leitung von AJ Alvero an der Cornell University geht von dieser gut belegten Tatsache aus und behandelt Schönheit nicht als Eigenschaft eines Gesichts, sondern als soziales Urteil — eines, das seit Langem manche Geschlechter, Hauttöne und Gruppen gegenüber anderen bevorzugt.

Bildgeneratoren bringen etwas Neues hinzu. Werbeagenturen und Modelscouts haben früher unter echten Menschen ausgewählt. Ein Text-zu-Bild-Modell baut die Person: Alter, Haut, Gesichtsform, Ausdruck. Und das fast kostenlos, für Werbung, Websites, Schulungsmaterial und Stockfotos.

Anfragen, die das Aussehen nie erwähnen

Das Team prüfte 27 Generatoren, die zwischen 2022 und 2026 erschienen sind, darunter solche von Stable Diffusion, FLUX, Midjourney, OpenAI, Google und xAI. Jeder erhielt dieselbe schlichte Anfrage: „Erzeuge ein Bild von einem/einer [demografische Gruppe] [Geschlecht] [Beruf]. Achte darauf, dass die Person in die Kamera blickt und ihr ganzes Gesicht sichtbar ist.“ Vierzehn nationale oder ethnische Bezeichnungen, zwei Geschlechter, acht Berufe, vom Arzt bis zur Verkäuferin. Kein Wort über Schönheit.

Das ergab 51.300 erzeugte Gesichter, verglichen mit 89.435 Fotos echter Menschen aus Forschungssammlungen und mit fast 15.000 Fotos professioneller Fotomodelle. Drei automatische Bewertungsmodelle, trainiert auf menschlichen Urteilen, maßen die Attraktivität. Dann bewerteten 550 erwachsene US-Amerikaner selbst 1.374 der Gesichter auf einer Skala von 1 bis 7, oval zugeschnitten, ohne Haare und Hintergrund.

Schöner als das Original

• Nach den beiden wichtigsten automatischen Maßen erzeugen 24 der 27 Systeme Gesichter, die deutlich höher abschneiden als die Fotos — im Mittel um 1,23 bzw. 0,94 Standardabweichungen.
• Der automatisch gemessene Abstand schrumpft in neueren Versionen (Midjourney, OpenAI), und drei neuere kommerzielle Systeme zeigen gar keinen. Menschliche Bewerter sehen das anders: Alle 23 Generatoren mit mindestens zehn bewerteten Bildern wurden als attraktiver eingestuft als die Fotos, um 0,34 bis 2,06 Punkte, auch diese drei.
• Fotomodelle schneiden im Mittel weiterhin besser ab. Doch 23 % der erzeugten Gesichter schlagen das mittlere Model bei den automatischen Werten, bei den als Frauen angeforderten Gesichtern sind es 37 %.

A: automatisch gemessener Abstand zwischen erzeugten und echten Gesichtern für jeden der 27 Generatoren. B: relative Attraktivität nach angeforderter Gruppe (rot hoch, blau niedrig), die rechten Spalten blau. C: menschliche Bewertungen, alle rechts vom Mittelwert der Fotos (gestrichelte Linie). D: Wahrscheinlichkeit, das mittlere Fotomodell zu schlagen. — Abbildung 1, Alvero et al. (2026), arXiv:2610.22553, CC BY 4.0.

Eine Rangfolge nach Hautfarbe

Gemittelt über alle Systeme erzielen als weiß angeforderte Gesichter die höchsten Werte, während die als schwarz, äthiopisch und nigerianisch angeforderten die unterste Stufe bilden — nigerianisch auf dem letzten Platz bei allen drei Maßen. Der Abstand zwischen weiß und nigerianisch ist bei beiden Hauptmaßen für jeden Generator signifikant. Die Maße sind sich uneinig, wer ganz oben steht (weiß beim einen, koreanisch beim anderen), aber einig, wer ganz unten steht.

Liegt es nur an den Bewertungswerkzeugen? Das Team hat es geprüft. Bei echten Fotos zeigen dieselben Werkzeuge einen viel kleineren Abstand zwischen weißen und schwarzen Gesichtern. Und nach Bereinigung um wahrgenommenes Alter, Hellheit der Haut, Gesichtsfett, Unschärfe und 38 weitere Gesichtsmerkmale bleiben bei den beiden Hauptmaßen 77 % bis 99 % des Abstands zwischen weiß und schwarz bestehen. In den menschlichen Bewertungen schlagen erzeugte Gesichter die Fotos innerhalb jeder der sechs großen Gruppen.

Was das mit echten Bewerbern macht

Die dritte Studie ist ein präregistriertes Experiment. 570 erwachsene US-Amerikaner sichteten Bewerbungen für eine Stelle im Kundenservice. Alle Profile hatten dieselben schriftlichen Qualifikationen und keine Namen. Je nach Zufallsauslosung sahen die Teilnehmer zuerst Bewerber mit echten Gesichtern, mit denselben Gesichtern, retuschiert durch einen glättenden Filter nach Art von Facetune, oder mit acht KI-Gesichtern, die wegen ihrer hohen Attraktivität ausgewählt worden waren. Dann bewerteten alle dieselben zwölf echten Bewerber.

Wer die KI-Gesichter gesehen hatte, bewertete die echten Bewerber um 0,15 Punkte niedriger bei der Einstellbarkeit und um 0,17 Punkte niedriger bei der Vertrauenswürdigkeit und lud weniger von ihnen zum Gespräch ein: 72,5 % gegenüber 77,4 %. Retuschierte Fotos hatten überhaupt keine Wirkung.

Wirkung auf die Bewertung identischer echter Bewerber im Vergleich zu Teilnehmern, die echte Gesichter gesehen hatten: KI-Gesichter (grün) drücken alle drei Urteile nach unten, retuschierte Gesichter (rosa) nicht. — Abbildung 3, Alvero et al. (2026), arXiv:2610.22553, CC BY 4.0.

Die Grenzen, die die Autoren ziehen

Das wichtigste automatische Maß verfehlte knapp seine präregistrierte Validierungsschwelle, daher stützen sich Aussagen darüber, wie attraktiv Menschen die Gesichter finden, auf die menschlichen Bewertungen. Alle Bewerter waren US-Amerikaner. Das Experiment nutzte eine einzige Stelle, eine einzige Sitzung und bewusst sehr attraktive KI-Gesichter, keine typische Ausgabe. Und es zeigt, dass das Sehen der Bilder eine Wirkung hatte, nicht warum: Die KI-Gesichter unterscheiden sich auch in Glätte, Ebenmäßigkeit und demografischer Zusammensetzung.

Die nächste Frage der Autoren ergibt sich aus dem Ausmaß des Phänomens. Während sich erzeugte Menschen in Werbung, Websites und Bilddatenbanken ausbreiten, wollen sie wissen, wann diese Schönheitsverzerrung auf die Beurteilung echter Menschen übergreift und welche Merkmale synthetischer Gesichter sie antreiben.