Wenn Pixel lügen: Das Gorilla-Bild und die Fabrik der Emotion

Innerhalb weniger Stunden wandert das Bild durch Feeds, Gruppen und Nachrichtenkanäle. Jeder Klick eine kleine Bestätigung, jeder geteilte Screenshot ein weiterer Knoten im Netz. Die Geschichte ist einfach, die Emotion zuverlässig: Ein Pfleger kollabiert, ein Tier reagiert. Wer würde das nicht teilen?

Das Problem: Das Bild wurde nicht aufgenommen. Es wurde erzeugt.

Snopes, das Referenzwerk für Faktenprüfung im englischsprachigen Raum, hat die Aufnahme seziert. Das Ergebnis: digitaler Artefakt. Leserinnen und Leser hatten sich gemeldet und gefragt, ob es sich um ein authentisches Bild eines Gorillas und seines Pflegers handelt oder um eine digitale Schöpfung. Snopes antwortete: Letzteres. Sichtbar werden die Spuren an zwei Stellen — ein verschwommener Bereich um die Achselhöhle des abgebildeten Mannes, markiert mit einem gelben Kreis, und ein verzerrter Fuß des Gorillas, ebenfalls eingekreist. Beides sind typische Merkmale generativer Bildverarbeitung. Kein Fotoapparat hat dieses Bild gemacht. Kein Tier hat in dieser Pose gestanden. Kein Pfleger ist in diesem Winkel gestürzt.

Die Frage ist nicht, ob das Bild wirkt. Es wirkt. Es wirkt, weil es genau das bedient, was Aufmerksamkeitsökonomien füttern: das sofortige Mitgefühl, der schnelle Klick, das warme Gefühl, das Richtige geteilt zu haben.

Die Frage ist, wie es wirkt.

Generative Werkzeuge — gemeinhin als KI-Bildgeneratoren bekannt — arbeiten mit Wahrscheinlichkeiten. Sie kennen keine Fakten, nur Muster. Ein "schreiender Gorilla" ist für ein solches System kein dokumentierter Vorfall, sondern eine Kombination aus bekannten visuellen Elementen: Fell, Gesichtsausdruck, offenes Maul, bedrohliche oder traurige Geste. Der Text, der das Bild begleitet — "nachdem sein Pfleger kollabierte" — liefert den narrativen Anker. Erst Bild und Text zusammen ergeben die Geschichte, die geteilt wird.

Hier liegt die Mechanik der Täuschung, und sie ist altbekannt: Ein emotional aufgeladenes Motiv wird mit einer einfachen, plausibel klingenden Behauptung verknüpft. Die Behauptung muss nicht wahr sein. Sie muss nur wahr klingen. Ein kollabierender Pfleger in einem Zoo ist vorstellbar. Das genügt.

Dann beginnt die Vervielfältigung. Plattformen belohnen Geschwindigkeit. Wer zuerst teilt, bekommt Reichweite. Wer Reichweite bekommt, bekommt Reaktionen. Wer Reaktionen bekommt, teilt erneut. Die Korrektur — sofern sie überhaupt eintrifft — erreicht selten dieselbe Geschwindigkeit. Dass Leserinnen und Leser bei Snopes anfragen, ob das Bild echt sei, ist der beste Beweis dafür, dass die Täuschung funktioniert hat.

Drei Werkzeuge stehen jedem zur Hand, der ein solches Bild erhält. Erstens: das Bild selbst auf Spuren der Bearbeitung prüfen — verzerrte Gliedmaßen, unscharfe Übergänge, unnatürliche Schatten, fehlende Finger oder verformte Proportionen. Zweitens: den Kontext suchen — gibt es eine offizielle Quelle, einen Zoo, eine Pressemitteilung, eine Bestätigung durch den Betreiber? Drittens: die Quelle prüfen, bevor geteilt wird. Wer hat das Bild zuerst veröffentlicht? Handelt es sich um einen verifizierten Account? Ist ein Datum erkennbar?

Was bleibt, ist eine nüchterne Bilanz. Ein gefälschtes Bild, eine starke Emotion, eine breite Verteilung. Die Werkzeuge, die solche Bilder herstellen, sind mittlerweile frei verfügbar. Die Werkzeuge, sie zu enttarnen, ebenfalls. Nur die Bereitschaft, sie einzusetzen, entscheidet, ob die nächste Welle solcher Bilder wieder ungeprüft durchs Netz rauscht.

Die Drähte summen. Aber sie lügen auch.