DAS BILD, DAS DU LIEBST, HÄLTST DU FÜR MENSCHENGEMACHT

Bildgeneratoren erzeugen inzwischen Bilder, die Menschen nicht mehr zuverlässig von menschlichen Werken unterscheiden können. Die meisten Studien darüber, wie wir solche Kunst bewerten, fragen, was geschieht, wenn man es den Leuten sagt: Kennzeichnet man ein Gemälde als KI-generiert, gefällt es ihnen weniger, und sie finden es weniger schön, tiefgründig und kreativ. Im Netz kommt Kunst aber selten mit einer vertrauenswürdigen Kennzeichnung. Die Leute scrollen an Bildern vorbei und entscheiden selbst, wer sie gemacht hat. Wie hängt diese private Überzeugung mit dem zusammen, was ihnen gefällt?

Fünfzig Bilder, elftausend Urteilende

Im Herbst 2024 veröffentlichte der Blog Astral Codex Ten einen „KI-Kunst-Turing-Test“: 50 Bilder in Stilen von der Renaissancemalerei bis zur digitalen Kunst. Vierundzwanzig waren angesehene menschliche Werke, von Tafelbildern des 15. Jahrhunderts bis zu zeitgenössischer digitaler Illustration. Sechsundzwanzig waren von Menschen, die KI-Kunst machen, mit Bildgeneratoren erzeugt und so ausgewählt worden, dass offensichtliche Mängel wie verstümmelter Text oder missgebildete Hände ausgeschlossen waren. Mehr als 11.000 Menschen beurteilten jedes Bild: Mensch oder KI? Im Median lagen die Befragten zu 60 % richtig – besser als Raten, aber weit entfernt von zuverlässig.

Die Befragten nannten außerdem ihr Lieblingsbild, ihre wichtigste Erkennungsstrategie, ihre Vertrautheit mit Kunst und ihre Meinung über KI-Kunst auf einer Skala von 1 („verabscheue sie“) bis 5 („liebe sie“). Der Organisator veröffentlichte die anonymisierten Antworten. Zihan Chen und Di Zhu vom Stevens Institute of Technology sowie Lei Nico Zheng von der University of Massachusetts Boston analysierten alle 542.208 Urteile.

Lieblingsbilder wirken menschlich

Die Analyse stützt sich auf die 9.152 Befragten, die ein Lieblingsbild nannten, das sie auch selbst beurteilt hatten. Sie hielten es in 76,6 % der Fälle für menschengemacht. Andere Befragte hielten genau dieselben Bilder nur in 54,6 % der Fälle für menschengemacht. Die Autoren verglichen jedes Lieblingsbild mit dem, was die allgemeinen Gewohnheiten der jeweiligen Person und das allgemeine Erscheinungsbild des jeweiligen Bildes erwarten ließen: Das Lieblingsbild wurde mit einer um 22,1 Prozentpunkte höheren Wahrscheinlichkeit für menschengemacht gehalten.

Der Sog zeigte sich Bild für Bild. Er war bei allen 50 positiv, zwischen 5,3 und 38,1 Punkten. Ancient Gate, ein KI-Bild, das die meisten erkannten, wurde von 22 % seiner Fans für menschengemacht gehalten, gegenüber 9 % aller anderen; Paris Scene, ebenfalls von einer KI erzeugt, von 96 % seiner Fans gegenüber 83 %. Der Stil erklärt das nicht: Vergleicht man jedes Lieblingsbild nur mit ähnlich aussehenden Bildern, bleiben noch 19 bis 20 Punkte. Ebenso wenig das Wiedererkennen berühmter Gemälde: Unter den 4.704 Personen, die keines der Bilder zuvor gesehen hatten, betrug die Differenz 22,6 Punkte.

Lieblingsbilder (blau) werden häufiger für menschengemacht gehalten als dieselben Bilder von Nicht-Fans (grau), ob KI-generiert oder von Menschen gemacht (A). Jeder Punkt ist ein Bild: Seine Fans halten es häufiger für menschengemacht als alle anderen (B). — Abbildung 1, Chen, Zhu und Zheng (2026), arXiv:2610.38113.

Maschinen unter den Lieblingsbildern

Der Effekt war bei KI-generierten Lieblingsbildern (+21,8 Punkte) genauso groß wie bei menschengemachten (+22,4). Es geht also nicht nur darum, dass Menschen menschliche Meisterwerke, die sie lieben, richtig erkennen. Und in diesem Test war Gefallen überhaupt kein Hinweis: KI-Bilder machten 55,6 % der Lieblingsbilder aus, etwas mehr als ihr Anteil am Test (26 von 50, 52 %), und 6 der 10 beliebtesten Lieblingsbilder waren KI-generiert. Das beliebteste von allen, das KI-generierte Riverside Cafe, hatte 642 Fans. Von den Bildern, bei denen sich die Leute am sichersten waren, dass ein Mensch sie gemacht hatte, waren 30 % KI-generiert.

Selbst bei denen, die KI-Kunst verabscheuen

Die Meinungen prägten die Wahl, aber weniger, als man denken könnte. Unter denen, die KI-Kunst am negativsten sahen, wählten 47 % ein KI-generiertes Lieblingsbild, gegenüber 60 % unter den positivsten. War ihr Lieblingsbild KI-generiert, glaubten 80 % der Negativsten, ein Mensch habe es gemacht, gegenüber 56 % der Positivsten. Sie neigten dazu, KI-Bilder zu wählen, die für alle menschlich aussahen, und hielten dieselben Bilder häufiger für menschengemacht als andere.

Das Ergebnis: In jeder Meinungsgruppe nannte ein Drittel bis zwei Fünftel der Befragten (33,5 % bis 40,8 %) ein KI-generiertes Lieblingsbild, das sie für menschengemacht hielten. Die negativste Gruppe war insgesamt sogar die treffsicherste, mit 63,9 % – doch ihre eigenen KI-generierten Lieblingsbilder erkannte sie nur in 20 % der Fälle.

Von „verabscheue sie“ (1) bis „liebe sie“ (5): links weniger KI-Lieblingsbilder, von denen aber mehr für menschengemacht gehalten werden (A); der Lieblingsbild-Effekt schrumpft, verschwindet aber nie (B). — Abbildung 2, Chen, Zhu und Zheng (2026), arXiv:2610.38113.

Auch Erkennungsfähigkeiten schützten nicht. Personen, deren wichtigste Strategie die Jagd nach kleinen Fehlern war, etwa Händen mit der falschen Anzahl von Fingern, zeigten einen Effekt von 23,4 Punkten. Selbsternannte Kunstexperten waren die treffsicherste Gruppe, mit 66,9 %, zeigten aber dennoch 22,8 Punkte. Nur die 63 Personen, die KI-Kunst als ihren Beruf oder ihre größte Leidenschaft bezeichneten, zeigten einen deutlich kleineren Effekt, 7,4 Punkte – eine Spur für eine größere Studie.

Gedichte, zuerst bewertet

Im Bildertest wurden die Lieblingsbilder nach allen Ratevorgängen genannt. Ein zweiter Datensatz kehrt die Reihenfolge um. In einem veröffentlichten Lyrik-Experiment bewerteten 230 Personen zehn Gedichte, bevor sie rieten, wer sie geschrieben hatte: fünf von Chaucer, Shakespeare, Dickinson, Eliot und Lasky, fünf von ChatGPT 3.5 im Stil anderer Dichter erzeugt. Sie bewerteten die KI-Gedichte höher (5,30 gegenüber 4,18 von 7) und rieten nur in 47,3 % der Fälle richtig, schlechter als der Zufall. Doch jeder zusätzliche Bewertungspunkt ging mit einer um 11,5 Punkte höheren Wahrscheinlichkeit für das Urteil „Mensch“ einher, bei beiden Arten von Gedichten. Der Bewertungsunterschied zwischen Gedichten, die eine Person für menschengemacht hielt, und solchen, die sie für KI-generiert hielt, 0,89 Punkte, entsprach dem Effekt, den Lesern den Autor einfach zu nennen, 0,81 Punkte.

Gefallen als Indiz

Manche Befragte sagten es ganz offen: „Das scheint zu gut, um von einer künstlichen Intelligenz geschrieben worden zu sein.“ Begründungen, die Schönheit, Emotion oder Kreativität lobten, gingen in 80 % der Fälle mit dem Urteil „Mensch“ einher. Die Autoren legen nicht fest, in welche Richtung der Zusammenhang verläuft: Der Glaube, ein Mensch habe ein Werk geschaffen, kann seine Anziehungskraft steigern, seine Anziehungskraft kann als Indiz für einen menschlichen Urheber gewertet werden, und beides kann sich gegenseitig verstärken. Die Daten sind nicht kausal, und die Befragten waren freiwillige Leser eines einzigen Blogs, vermutlich KI-begeisterter als die meisten Menschen.

Ihr Fazit blickt nach vorn. Wenn erzeugte Bilder, Gedichte und Musik von menschlichen Werken nicht mehr zu unterscheiden sind, wird das, was Menschen darüber glauben, wer etwas gemacht hat, eng damit verknüpft sein, wie sehr es ihnen gefällt – ein Argument, so die Autoren, für verlässliche Informationen darüber, woher ein Werk stammt, statt sich auf das eigene Entzücken als Beweis zu verlassen.