Pangram bringt Image 1.0 heraus, einen KI-Bilddetektor mit Lokalisierung retuschierter Bereiche
Pangram, bekannt für die Erkennung von KI-generierten Texten, hat am 4. November Pangram Image 1.0 eingeführt – einen Detektor für generierte Bilder, der eine Heatmap verdächtiger Bereiche anzeigt – sowie Image Flash 1.0 für Videos. Die angegebenen Erfolgsquoten von nahezu 100 Prozent stammen vor allem aus von Pangram selbst entwickelten Tests.
Pangram, ein Startup, das für seine Werkzeuge zur Erkennung von KI-generierten Texten bekannt ist, hat am 4. November 2026 Pangram Image 1.0 vorgestellt – einen Detektor für KI-generierte oder retuschierte Bilder – sowie Pangram Image Flash 1.0, ein schlankeres Modell, das speziell für Videos hervorgehoben wird. Die greifbarste Neuerung ist dabei nicht der reine Score, sondern eine Heatmap, die visualisiert, wo sich generierte Inhalte in einem Bild befinden.
Eine Karte der verdächtigen Zonen
Klassische Detektoren fällen meist ein pauschales Urteil: „KI“ oder „keine KI“. Allerdings besteht ein beträchtlicher Teil manipulierter Bilder aus retuschierten echten Fotos: ein hinzugefügtes Objekt, ein verändertes Gesicht oder ein ausgetauschter Hintergrund. Pangram Image 1.0 gibt ein Raster von Punktwerten pro Bereich aus, das es ermöglicht, ein generiertes Element inmitten eines authentischen Fotos zu identifizieren; das Einführungsbeispiel zeigt ein künstlich erzeugtes Wandgemälde im Foto eines Restaurants.
Laut der API-Dokumentation liefert jede Analyse eines von sechs Urteilen (von „No AI“ bis „AI Detected“, ergänzt um „Partially AI“ für teilweise generierte Bilder), einen Wert zwischen 0 und 1, ein Konfidenzniveau sowie – falls vorhanden – C2PA-Metadaten (die von einigen Werkzeugen und Kameras vergebenen „Content Credentials“) und EXIF-Daten. Zeigt ein validiertes C2PA-Manifest eine KI-Generierung an, kann dies ausreichen, um die Einstufung ohne Durchlauf des Modells vorzunehmen. Andernfalls analysiert Pangram nach eigenen Angaben die Pixel selbst, ohne sich auf Wasserzeichen zu stützen.
Eine weitere Änderung: Der Detektor akzeptiert Bilder nun ab 256 x 256 Pixeln gegenüber 512 zuvor, wobei unterhalb von 512 Pixeln eine Warnung wegen reduzierter Zuverlässigkeit ausgegeben wird. Pangram erklärt zudem, seine Modelle darauf zu trainieren, Kompression, Unschärfe und Rauschen zu widerstehen – Störungen, die soziale Netzwerke standardmäßig anwenden oder die Betrüger gezielt hinzufügen, um Erkennungssysteme zu täuschen.
Video, Chrome-Erweiterung und API
Image Flash 1.0 analysiert Videos Bild für Bild, um generierte Passagen zu markieren. Die Webanwendung akzeptiert mittlerweile das Hochladen von Videos, die API deckt beide Medienformate ab, und Image 1.0 ist in die Chrome-Erweiterung von Pangram integriert, die generierte Inhalte beim Surfen in sozialen Netzwerken, auf Marktplätzen oder in Kleinanzeigen kennzeichnet.
Zahlen, die mit Vorsicht zu bewerten sind
Pangram gibt eine Genauigkeit von 99,96 Prozent bei einem Satz von 1.200 Bildern an, die von 12 aktuellen Generatoren anhand von Prompts auf Basis von 100 echten Fotos erstellt wurden, sowie 98,7 Prozent für Image Flash auf DF26, einem akademischen Datensatz von Videos sprechender Personen. Die Produktseite beansprucht 99,5 Prozent bei 1.130 Bildern im Vergleich zu fünf kommerziellen Detektoren. Laut The Next Web erklärt Pangram, 99,2 Prozent der KI-Bilder zu erkennen, während nur 0,27 Prozent der echten Bilder fälschlicherweise beanstandet würden. Diese Testsätze wurden jedoch zum Teil von Pangram selbst zusammengestellt, und zu dieser Version liegt bislang keine unabhängige Untersuchung vor.
Unsere Einschätzung
Die Heatmap stellt im praktischen Einsatz einen echten Fortschritt dar: Für Journalisten, Moderatoren oder Käufer, die eine Kleinanzeige prüfen, ist das Wissen darum, wo ein Bild verändert wurde, deutlich nützlicher als ein pauschaler Prozentwert. Dennoch bleibt ein Detektor stets ein Indiz und kein Beweis. Selbst 0,27 Prozent an falsch-positiven Ergebnissen bedeuten im Maßstab von Milliarden Bildern auf sozialen Plattformen eine große Menge fälschlich markierter authentischer Aufnahmen, und jeder neue Generator heizt das Wettrüsten zwischen Erstellung und Entdeckung weiter an. Die Quoten nahe der 100-Prozent-Marke beruhen vor allem auf vom Anbieter ausgewählten Testreihen. Das Auslesen von C2PA-Metadaten bleibt, sofern vorhanden, das belastbarste Signal; die Pixelanalyse dient dazu, jene Lücken zu schließen, über die die Herkunftsnachweise schweigen.
Quellen
- Pangram — Introducing Pangram Image 1.0 (4. November 2026) Primärquelle
- Pangram — API-Dokumentation, Bilderkennung Primärquelle
- Pangram — AI Image Detector Produktseite Primärquelle
- The Next Web — Pangram's new models spot AI fakes in images and video, it says Sekundärquelle
Eine Primärquelle stammt direkt von dem betreffenden Unternehmen, Labor oder der Organisation. Eine Sekundärquelle gibt die Information wieder, ohne ihr Urheber zu sein: Wir kennzeichnen sie als solche. Einen Fehler entdeckt? Lesen Sie unsere Korrekturrichtlinie.
