DFKI-Studie: Schönere KI-Bilder sind schlechtere Trainingsdaten

Wer viel mit Illustrationen zu tun hat, kennt das Gefühl: KI-Bilder sehen inzwischen oft verblüffend gut aus, aber auch verdächtig gleich. Eine neue Studie aus Kaiserslautern liefert dazu einen handfesten Befund.

Was das DFKI untersucht hat

Ein Team aus dem Forschungsbereich Smarte Daten und Wissensdienste am Deutschen Forschungszentrum für Künstliche Intelligenz hat Bildgeneratoren aus den Jahren 2022 bis 2025 verglichen. Mit jedem Modell entstanden große Sammlungen synthetischer Bilder. Damit wurden Klassifikationssysteme trainiert, die nie ein echtes Foto gesehen haben. Getestet wurden sie danach an echten Bildern.

Das überraschende Ergebnis

Die neueren Generatoren wirken realistischer und setzen Textvorgaben genauer um. Trotzdem erkannten die damit trainierten Systeme echte Bilder schlechter statt besser. Laut DFKI liegt das daran, dass moderne Modelle zu einem engen, auf Ästhetik getrimmten Bildstil neigen. Dabei gehen Vielfalt und die saubere Zuordnung von Bildinhalt und Bezeichnung verloren. Die Arbeit mit dem treffenden Titel „When Pretty Isn’t Useful“ wurde auf der Fachkonferenz CVPR 2026 vorgestellt. Das DFKI betont, dass es um einen Vergleich mehrerer veröffentlichter Modelle geht und nicht um die Bewertung eines einzelnen Produkts.

Warum mich das interessiert

Synthetische Daten gelten vielen als bequemer Ersatz für teure echte Datensätze. Die Studie zeigt, dass Hochglanz allein nicht reicht. Für mich passt das zu dem, was man bei generierten Bildern im Alltag sieht: alles hübsch ausgeleuchtet, aber selten überraschend. Echte Bilder sind eben chaotischer, und genau dieses Chaos braucht ein System, das die echte Welt verstehen soll.

Die Zusammenfassung gibt es in der Meldung des DFKI.