Kann eine KI wirklich sehen?

Eine Kartoffel wird aus vielen kleinen Farbfeldern zusammengesetzt – und vom System beinahe für einen Mond mit Schnurrbart gehalten. Kevin und Funke vergleichen Bilderkennung mit menschlichem Sehen.

Neuer Begriff: Pixel – ein einzelnes kleines Farbfeld in einem digitalen Bild.
Mission ohne Bildschirm: Aus Papierquadraten ein Pixelmosaik bauen und es aus verschiedenen Entfernungen betrachten.

Zum Weiterfunken
- Was erkennt ihr aus der Nähe, was erst mit Abstand?
- Warum kann eine undeutliche Aufnahme ein Ergebnis verändern?

Mini-Tipp für Erwachsene: Prüft bei wichtigen Bildern sowohl das Ergebnis als auch Bildausschnitt, Schärfe und mögliche Alternativen.

Für Erwachsene: Bilderkennung berechnet Muster und mögliche Kategorien; sie erlebt oder versteht ein Bild nicht wie ein Mensch. Auch hohe Vertrauenswerte garantieren keine richtige Einordnung. Faktencheck: 23.08.2026.

Quellen: Google Cloud Vision – Detect Labels: https://cloud.google.com/vision/docs/labels, NIST – AI Test, Evaluation, Validation and Verification: https://www.nist.gov/ai-test-evaluation-validation-and-verification-tevv

Transparenz: Skript, Faktencheck, Auswahl und Freigabe liegen bei Kevin und Pia. Für einzelne Produktionsschritte werden freigegebene KI-Werkzeuge eingesetzt. Die Stimmen beruhen auf den mit Zustimmung erstellten Stimmenmodellen von Kevin und Pia. Funke ist eine gespielte Podcastfigur, kein Chatbot und kein privater Gesprächsdienst.

Wenn euch die Folge geholfen hat, gebt sie gern an andere vertraute Erwachsene weiter – in Familie, Kindertagespflege, Betreuung, Nachbarschaft, Verein, Bibliothek oder Schule. Eine Kinderfrage könnt ihr als erwachsene Begleitperson über die offizielle Kontaktmöglichkeit schicken – bitte anonym und ohne Fotos, Sprachaufnahmen, Schulnamen oder andere persönliche Daten von Kindern.

Mehr KI für Erwachsene

Wer aktuelle KI-Themen ausführlicher einordnen möchte, findet „KI für Dich – der Podcast“ hier:
Spotify: https://open.spotify.com/show/50JoOAsHTSj9LLpeXPvIGd
YouTube: https://www.youtube.com/playlist?list=PLCgFvxwtJ0Xn-NwSvI84Q0VKqzlWV3-bQ

Transcript

Copy Transcript Copied

SPEAKER_01 0:04

Die Bilderkennung behauptet, meine Kartoffel sei Mond, Wahrscheinlichkeit 78%. Sie trägt allerdings einen aufgemalten Schnurrbart.

SPEAKER_00 0:16

Vielleicht hat der Schnurbart die Forschung verwirrt. Was sieht ein Computer überhaupt, wenn er ein Foto bekommt?

SPEAKER_01 0:21

Kartoffel, Schnurbart, innere Größe.

SPEAKER_00 0:25

Zuerst bekommt er Zahlen. Ein digitales Bild besteht aus sehr vielen winzigen Bildpunkten. Jeder heißt Pixel und speichert Farb- und Helligkeitswerte.

SPEAKER_01 0:34

Wenn ich weit genug hineinzoome, wird das Foto zu einem Mosaik aus kleinen Kästchen.

SPEAKER_00 0:40

Genau. Ein Bilderkennungsmodell untersucht Muster in diesen Zahlen. Kanten, Farben, Form und kompliziertere Kombinationen. Beim Training hat es viele Bilder mit Beschriftungen verglichen.

SPEAKER_01 0:54

Aus der Nähe sieht es nur bunte Zahlenkästchen. Zusammen ergeben sie vielleicht ein Ohr und eine Pfote. Daraus entsteht die Vermutung Katze. Zum Beispiel tausend Bilder mit dem Schild Kartoffel und tausend mit Mond.

SPEAKER_00 1:12

Vereinfacht gesagt. Daraus lernt es, welche Muster häufig zu einer Beschriftung passen. Bei einem neuen Bild berechnet es mögliche Kategorien und oft einen Wert dafür, wie gut sie passen.

SPEAKER_01 1:24

Aspensezi Prozentmond heißt also fast drei Viertel echter Mond.

SPEAKER_00 1:29

Nein, die Zahl beschreibt eine Berechnung des Systems, nicht den Anteil Mond in deiner Kartoffel. Solche Werte werden außerdem nicht von jedem System gleichberechnet und könnten selbst unzuverlässig sein.

SPEAKER_01 1:42

Dann ist 78% kein Messbecher. Es sagt nur, wie stark dieses System unter seinen eigenen Regeln geradezu Mond neigt. Warum irrt die Erkennung?

SPEAKER_00 1:56

Vielleicht ist das Foto dunkel, unscharf oder ungewöhnlich zugeschnitten. Vielleicht ähneln Formen und Flecken einem Mondbild. Oder im Training fehlten Kartoffeln mit Schnurrbart.

SPEAKER_01 2:08

Eine schreckliche Lücke im Datensatz.

SPEAKER_00 2:10

Für manche Aufgaben ist sie lustig. Bei wichtigen Anwendungen können Fehler ernste Folgen haben. Darum werden Systeme mit unterschiedlichen Bildern, Kameras, Lichtverhältnissen und Personengruppen getestet. Ein gutes Testbild allein reicht nicht. Entscheidend ist, ob das System auch mit neuen und schwierigen Aufnahmen zuverlässig genug arbeitet.

SPEAKER_01 2:32

Wie unser Schnurrbartest. Nur zusätzlich bei Nacht und von der Seite. Auch die Kartoffel liegt einmal nicht ordentlich in der Bildmitte. Kann die KI dann wirklich sehen?

SPEAKER_00 2:44

Im Alltag sagen Menschen oft, die KI sieht eine Katze. Genauer wäre, das System verarbeitet Bilddaten. Es ordnet ihnen das Schild Katze zu. Es erlebt kein weiches Fell. Auch die ganze Situation versteht es nicht automatisch.

SPEAKER_01 3:01

Wenn auf dem Bild ein Kind neben einem umgekippten Fahrrad steht, kann Kind, Fahrradstraße, erkannt werden. Ob das Kind Hilfe braucht, weiß das System dadurch noch nicht.

SPEAKER_00 3:14

Sehr gutes Beispiel. Die Beschriftungen sind nur Teile. Zusammenhang, Absicht und Folgen brauchen, oft menschliches Wissen und Nachfragen.

SPEAKER_01 3:24

Wofür ist Bilderkennung nützlich?

SPEAKER_00 3:26

Sie kann Texte in Fotos finden. Sie kann Gegenstände für blinde Menschen beschreiben. Auch Tierbilder kann sie vorsortieren. Fachleute nutzen sie manchmal bei medizinischen Aufnahmen. Jede Aufgabe braucht eigene Tests und Regeln.

SPEAKER_01 3:40

Und bevor ich ein Bild hochlade, denke ich an persönliche Daten und andere Menschen darauf.

SPEAKER_00 3:47

Richtig. Ein Bild kann Gesichter, Orte, Namen oder private Situationen verraten. Technikneugier ist kein Freibrief für fremde Fotos.

unknown 3:58

Huch!

SPEAKER_01 3:59

Ein Prüffunke, da gibt's was zu checken.

SPEAKER_00 4:02

KI-Check, stimmt das wirklich?

SPEAKER_01 4:04

Wenn die Bilderkennung 99% Katze anzeigt, ist das Ergebnis garantiert richtig.

SPEAKER_00 4:11

Was denkst du? Nein. Auch ein hoher berechneter Wert kann bei einem ungewöhnlichen oder schlechten Bild falsch sein. Für wichtige Zwecke werden Bild, System und Situation menschlich geprüft.

SPEAKER_01 4:27

Pixel plus Muster plus Beschriftung ergeben eine Vermutung. Kein menschliches Auge mit eingebauter Lebenserfahrung?

SPEAKER_00 4:36

Genau. Und manchmal lautet die klügste Antwort. Das Bild reicht nicht, um das sicher zu entscheiden.

SPEAKER_01 4:42

Bei meiner Kartoffel reicht es immerhin für außergewöhnlich stattlich.

SPEAKER_00 4:53

Für deine Mission schneidet ihr gleich große Papierquadrate in fünf Farben aus. Legt daraus ein kleines Mosaik, zum Beispiel eine Blume oder ein Tier. Eine Person geht einige Schritte zurück und rät, was es ist, verändert danach nur vier Pixel, wird aus dem Gesicht plötzlich ein anderes Gefühl, verschwindet ein wichtiges Merkmal. So erlebt ihr, wie viele einzelne Bildpunkte und ihre Anordnung ausmachen können.

SPEAKER_01 5:21

Meine vier Pixel verwandeln den Mond in eine Kartoffel. Der Schnurrbart bleibt selbstverständlich.

SPEAKER_00 5:28

Heute hast du entdeckt, Pixelspeichern Bildwerte. KI kann darin gelernte Muster berechnen, aber das ist nicht dasselbe wie menschliches Sehen und Verstehen.