Bilder verbessern mit KI: der Ablauf, der erfundene Details nicht als echt ausgibt
Bilder verbessern mit KI heißt fast nie, verlorene Details wiederherzustellen — es heißt, plausible neue Details zu erfinden. Der Unterschied, ein Ablauf und wann das Ergebnis nicht reicht.
„Bilder verbessern mit KI" deckt mehrere unterschiedliche Aufgaben ab: die Auflösung eines unscharfen Fotos erhöhen, Belichtung und Farbe automatisch korrigieren, einen störenden Gegenstand aus dem Hintergrund entfernen, oder ein altes, beschädigtes Foto restaurieren. Der Punkt, der in kaum einer Anleitung steht: Ein hochskaliertes Bild bekommt keine Details zurück, die im Original verloren waren. Das Modell erfindet stattdessen neue, plausibel aussehende Details an genau diesen Stellen — ein technischer Unterschied, der bei einem Urlaubsfoto egal ist und bei allem, was als Beweis oder exakte Abbildung dienen soll, entscheidend.
Wofür sich das im Büroalltag eignet
- Ein Produktfoto für eine Präsentationsfolie oder eine interne Übersicht aufräumen — Hintergrund entfernen, Belichtung angleichen.
- Ein schlecht beleuchtetes Foto von einem Firmenevent für den internen Newsletter retten, statt es wegzulassen.
- Ein altes, eingescanntes Foto oder Dokument aus dem Firmenarchiv restaurieren, wo das Original nicht mehr existiert.
- Einen ablenkenden Gegenstand aus einem Foto entfernen, bevor es in eine Präsentation kommt.
Nicht geeignet ist es für alles, wo das Bild als exakte Abbildung der Wirklichkeit gelten muss — ein Foto für ein Immobilienexposé, ein Beweisfoto für einen Schadensfall, jede Aufnahme, bei der später jemand nachprüfen könnte, ob das Bild wirklich zeigt, was vor Ort war. Genau dort ist der Unterschied zwischen wiederhergestellt und erfunden kein technisches Detail mehr, sondern die eigentliche Frage.
Ein Ablauf, der diesen Unterschied nicht verwischt
- Wähl das passende Werkzeug für die konkrete Aufgabe — ein Hochskalierungs-Tool für Auflösung, ein separates Werkzeug für Hintergrund oder Objekte entfernen. Ein Werkzeug, das alles gleichzeitig verspricht, macht oft nichts davon richtig gut.
- Behalte die Originaldatei unverändert und arbeite an einer Kopie — bei einem Restaurierungsversuch ist das Original oft das Einzige, was sich nicht ein zweites Mal beschaffen lässt.
- Vergrößere das Ergebnis gezielt an den Stellen, an denen diese Modelle am häufigsten danebenliegen: Haut, die zu glatt und wächsern wirkt, Stoffmuster, die sich wiederholen, Übergänge zwischen bearbeitetem und unbearbeitetem Bereich mit sichtbarem Schattenbruch.
- Wenn das Bild in einem Kontext landet, in dem Genauigkeit zählt — ein Exposé, ein Bericht, eine offizielle Dokumentation —, kennzeichne die Bearbeitung ausdrücklich, statt das Ergebnis als unverändertes Original auszugeben.
Ein Beispiel von Anfang bis Ende
Nimm ein leicht verwackeltes Produktfoto, das für eine Präsentationsfolie schärfer wirken soll. Schwacher Ablauf: das Bild einfach durch ein allgemeines „Verbessern"-Werkzeug laufen lassen und das Ergebnis ungeprüft einfügen. Beim genauen Hinsehen zeigt sich oft, dass Kanten übertrieben scharf gezeichnet wurden und ein feines Muster auf der Verpackung zu einem unscharfen Fleck verschmolzen ist, den das Modell mit einem generischen Muster überdeckt hat.
Vollständiger Ablauf: zuerst nur die Belichtung und den Bildausschnitt korrigieren, das Bild danach separat mit einem dedizierten Hochskalierungs-Werkzeug vergrößern, und erst danach das Ergebnis auf dem Bildschirm auf echte Größe vergrößern, um genau die Stelle mit dem Verpackungsmuster zu prüfen. Zeigt sich dort ein erfundenes Muster statt des echten, lohnt sich ein zweiter Versuch mit einer niedrigeren Verstärkungsstufe, statt das erste Ergebnis zu akzeptieren, weil es auf den ersten Blick schärfer aussieht.
Ein zweites Beispiel zeigt denselben Punkt aus einer anderen Richtung: ein altes, verblasstes Firmenfoto aus dem Archiv, von dem kein besseres Original mehr existiert. Ein Restaurierungs-Werkzeug kann Kratzer entfernen und Farben angleichen — es kann aber nicht wissen, welche Farbe ein Kleidungsstück tatsächlich hatte, wenn das Foto nur noch in Schwarz-Weiß vorliegt. Die eingefärbte Version ist eine plausible Vermutung, keine Rekonstruktion der Wirklichkeit. Für eine Illustration im internen Newsletter ist das unproblematisch; würde dieselbe Version als historischer Beleg verwendet, gehört ein Hinweis dazu, dass die Farbe geschätzt und nicht überliefert ist.
Ein Bild, das nach der Bearbeitung schärfer aussieht, ist nicht automatisch genauer. Schärfer bedeutet nur, dass das Modell mehr Details hinzugefügt hat — nicht, dass diese Details tatsächlich im Original vorhanden waren.
Warum „verbessert" nicht „wiederhergestellt" heißt
Sobald ein Detail im Original durch Kompression, Unschärfe oder eine zu niedrige Auflösung verloren gegangen ist, kann kein Modell es zurückholen. Es kann nur, gestützt auf Millionen ähnlicher Bilder, eine statistisch plausible Ergänzung einsetzen — die an dieser einen Aufnahme richtig oder falsch sein kann, ohne dass ein Vergleich mit dem echten Original das je zeigen würde. Genau dieses Muster taucht in der Immobilienbranche bereits als eigenes Problem auf: Berichte aus der Branchenpresse und Warnungen von US-Aufsichtsbehörden beschreiben Exposé-Fotos, bei denen KI-Bearbeitung Flecken entfernt, Räume größer wirken lässt oder eine Aussicht verändert hat — Fälle, in denen aus einer Bildverbesserung eine Irreführung wurde.
Dieselbe Grenze gilt für hochskalierte Sicherheits- oder Überwachungsaufnahmen: Ein „Zoomen und Schärfen" holt keine Information zurück, die die Kamera nie aufgenommen hat, es fügt lediglich plausibel aussehende Pixel hinzu.
Bei Porträtaufnahmen zeigt sich eine verwandte Schwäche unter einem eigenen Namen: der „Plastik-Look". Eine zu starke Rauschunterdrückung glättet Hautstruktur so weit, dass Poren und feine Fältchen komplett verschwinden und ein Gesicht wächsern statt natürlich wirkt. Das passiert nicht, weil das Modell einen Fehler macht, sondern weil es auf Trainingsbildern gelernt hat, dass glatte Haut häufiger vorkommt als die tatsächliche Textur eines bestimmten Gesichts — dieselbe Ursache wie beim erfundenen Verpackungsmuster, nur an einer anderen Bildstelle.
Wie ernst Unternehmen dieses Thema inzwischen nehmen
Der Bitkom hat in einer Befragung deutscher Unternehmen festgestellt, dass 70 Prozent von ihnen großes Potenzial gerade in generativer KI für Texte, Bilder oder Musik sehen — ein deutlicher Vertrauensvorschuss, der die Prüfroutine umso wichtiger macht. Welche Bildbearbeitungsaufgaben sich davon technisch überhaupt automatisieren lassen, untersucht laufend das IAB.
Dass ein Mensch das Ergebnis prüft, bevor es verwendet wird, gilt für ein verbessertes Bild genauso wie für jeden anderen KI-generierten Inhalt — die OECD-Leitlinien zu KI benennen diese Prüfverantwortung ausdrücklich. Wie schnell sich diese Modelle technisch weiterentwickeln, verfolgt der Stanford AI Index über mehrere Jahre — die Fähigkeiten wachsen sichtbar, was die Bilder überzeugender macht, aber nichts daran ändert, dass erfundene Details erfunden bleiben.
Genau diese Prüfroutine — ein Ergebnis vergrößern und gegen den eigenen Anspruch prüfen, statt es wegen des ersten Eindrucks zu übernehmen — ist Teil dessen, wofür der Arbeitsmarkt laut PwC AI Jobs Barometer einen deutlichen Gehaltsaufschlag zahlt, unabhängig davon, ob die Aufgabe ein Bild, ein Text oder eine Stimme ist.
Was du am Montag ausprobierst
- Wähl ein Foto mit einem klaren, konkreten Problem — unscharf, schlecht belichtet, mit störendem Objekt — für den ersten Versuch.
- Behalte das Original und arbeite an einer Kopie.
- Vergrößere das Ergebnis gezielt an Haut, Stoffmustern und Übergängen, statt nur den Gesamteindruck zu bewerten.
- Kennzeichne die Bearbeitung ausdrücklich, sobald das Bild in einem Kontext landet, in dem Genauigkeit zählt.
Dieselbe Vorgabe-Regel — konkret beschreiben und das Ergebnis gegen das Original prüfen — gilt für ein Porträt, das zu einem KI Avatar wird, und für eine Sammelfigur in ChatGPT Figur erstellen. Soll aus dem verbesserten Bild später noch Bewegung entstehen, geht Bild zu Video mit KI diesen nächsten Schritt durch. Soll dasselbe Foto Teil eines Flyers werden, gilt dieselbe Prüf-Regel zusätzlich für die Pflichtangaben — dazu mehr in Flyer erstellen mit KI.
Der Prüfschritt selbst ist derselbe wie bei jeder anderen KI-Aufgabe im Büro, ausführlicher beschrieben in KI im Büro.
Genau diese Fähigkeit — konkret vorgeben und das Ergebnis prüfen, bevor es verwendet wird — vermittelt Coursium in kurzen Lektionen fürs Handy. Bleib der KI voraus mit Übungen, die zu einer echten Aufgabe passen, nicht zu einem Demo-Beispiel. Mehr zu diesem Ansatz steht über Coursium.