In Reacher, Staffel 4, Folge 7, hängt plötzlich ziemlich viel von einem alten Foto ab.
Im Hintergrund des Bildes befindet sich eine Tafel mit einer chemischen Formel. Das Problem: Die Aufnahme ist zu unscharf, um die Formel lesen zu können. Die Lösung der Serie: KI.
Das Foto wird digital bearbeitet, die verschwommenen Details werden rekonstruiert und am Ende lässt sich die Formel entziffern.
Wer schon einmal einen Krimi gesehen hat, kennt das Prinzip. Früher hieß der Befehl einfach „Enhance“. Heute übernimmt KI den Job, bis zu einem gewissen Punkt. Denn „schärfer“ bedeutet bei moderner KI nicht automatisch „richtiger“.
Was KI aus einem unscharfen Bild tatsächlich herausholen kann
Bildbearbeitung kann erstaunlich viel leisten.
Kontrast lässt sich erhöhen, Rauschen reduzieren, Verwacklung teilweise korrigieren und die Kantendarstellung verbessern. Moderne Verfahren zur sogenannten Super Resolution können Bilder zudem auf eine höhere Auflösung hochrechnen.
Deep Learning hat diese Verfahren erheblich verbessert. Aktuelle Modelle erkennen typische Strukturen in Bildern und können daraus hochauflösende Varianten erzeugen. Die Ergebnisse sehen teilweise spektakulär aus. Die Forschung beschäftigt sich seit Jahren intensiv mit solchen Verfahren.
Entscheidend ist allerdings, welche Information im Ausgangsmaterial überhaupt vorhanden ist.
Ein analoges Foto enthält schließlich keine geheime zweite Auflösung, die man mit dem richtigen Algorithmus einfach freischalten könnte.
Verlorene Information bleibt verloren
Stellen wir uns vor, auf einem alten Foto steht im Hintergrund eine Zahlenfolge.
Auf der Aufnahme sind einige Zeichen noch schwach erkennbar. Dann können Bildverarbeitung und KI helfen, diese Strukturen deutlicher herauszuarbeiten.
Sind die Zeichen jedoch durch Unschärfe so stark verloren gegangen, dass beispielsweise eine 3, 5 und 8 im Bild praktisch identisch aussehen, entsteht ein grundsätzliches Problem.
Mehrere unterschiedliche Originale könnten genau dasselbe unscharfe Bild erzeugt haben.
Der Algorithmus kann dann nicht wissen, welches Original tatsächlich fotografiert wurde.
Das ist keine Frage mangelnder Rechenleistung. Die benötigte Information ist schlicht nicht mehr eindeutig vorhanden.
Diese Mehrdeutigkeit gehört zu den grundlegenden Problemen der Super Resolution. Bei sehr niedriger Ausgangsauflösung können viele verschiedene hochauflösende Bilder zum gleichen niedrig aufgelösten Ausgangsbild passen.
Was generative KI dann macht
Moderne KI-Systeme können solche fehlenden Details ergänzen.
Das Ergebnis sieht dann möglicherweise so aus, als hätte die KI etwas sichtbar gemacht, das vorher verborgen war.
Tatsächlich hat das Modell teilweise neue Bildinformation erzeugt.
In der Forschung wird dieser Effekt als Halluzination bezeichnet. Verfahren zur Super Resolution erzeugen hochfrequente Details, die aufgrund des Bildes und gelernter Muster plausibel erscheinen.
Bei einem Landschaftsfoto kann das völlig in Ordnung sein.
Wenn eine KI aus einer matschigen Baumkrone überzeugend aussehende Blätter macht, interessiert normalerweise niemanden, ob genau diese Blätter dort tatsächlich vorhanden waren.
Bei einer chemischen Formel sieht die Sache anders aus.
Warum die Reacher-Szene besonders problematisch ist
In der Serie steht auf der Tafel offenbar die vollständige Formel einer chemischen Massenvernichtungswaffe. Es ist nicht, wie man zunächst vermuten könnte, die Formel eines Gegenmittels: Ein Gegenmittel gibt es in der Handlung gar nicht, weil das Forschungsprojekt, das eines hätte entwickeln sollen, gestoppt wurde, bevor es so weit kam. Deshalb ist die fotografierte Formel selbst brisant, und ein einziges falsch rekonstruiertes Zeichen kann bereits entscheidend sein.
Eine andere Zahl, ein anderes Elementsymbol oder eine falsch interpretierte chemische Bindung kann eine andere Verbindung ergeben.
Eine generative KI könnte also eine Formel erzeugen, die:
- chemisch plausibel ist
- zum sichtbaren Teil des Fotos passt
- zum Kontext der Aufnahme passt
- optisch überzeugend aussieht
und trotzdem nicht die Formel ist, die ursprünglich auf der Tafel stand.
Forensisch betrachtet wäre das Ergebnis damit zunächst eine Hypothese und kein Beweis.
Ganz erfunden ist die Idee aus Reacher trotzdem nicht
Zusätzliche Informationen können den möglichen Lösungsraum stark verkleinern.
Angenommen, die Ermittler wissen bereits:
- welche chemische Substanz oder Stoffklasse grundsätzlich untersucht wird
- welche Teile der Formel auf dem Foto noch lesbar sind
- aus welchem Forschungsprojekt oder Kontext die Aufnahme stammt
- welche chemischen Verbindungen in diesem Rahmen überhaupt realistisch sind
Dann könnte ein KI-System verschiedene plausible Rekonstruktionen erzeugen und diese mit chemischem Fachwissen oder Datenbanken abgleichen.
Das wäre durchaus sinnvoll.
Die Aufgabe lautete dann allerdings nicht mehr: „Mach dieses Bild scharf.“
Sondern eher: „Welche bekannten chemischen Strukturen könnten mit den noch sichtbaren Informationen auf diesem Foto übereinstimmen?“
Das ist ein erheblicher Unterschied. Die KI rekonstruiert dann keine verlorene Vergangenheit. Sie hilft dabei, aus vorhandenen Hinweisen mögliche Erklärungen abzuleiten.
Super Resolution ist kein digitaler Zeitreise-Knopf
Hier entsteht ein verbreitetes Missverständnis über moderne Bild-KI.
Generative Modelle sind hervorragend darin, plausible Details zu erzeugen. Plausibilität und Wahrheit sind jedoch zwei verschiedene Dinge.
Das lässt sich bei aktuellen Super-Resolution-Verfahren sogar wissenschaftlich beobachten. Forschende beschäftigen sich ausdrücklich mit dem Problem sogenannter semantischer Halluzinationen. Stark beschädigte oder niedrig aufgelöste Eingangsbilder können dazu führen, dass generative Modelle Strukturen rekonstruieren, die semantisch falsch sind.
Ein Bild kann nach der Bearbeitung also objektiv besser aussehen und gleichzeitig weniger zuverlässig als Beweismittel sein.
Ein einfaches Gedankenexperiment
Nehmen wir zwei verschiedene chemische Formeln und verkleinern sie so stark, dass nur noch ein paar verschwommene Pixel übrig bleiben.
Wenn beide verkleinerten Bilder praktisch identisch aussehen, besitzt der Algorithmus keine Information mehr darüber, welche der beiden Formeln ursprünglich fotografiert wurde.
Eine KI kann Wahrscheinlichkeiten berechnen, Kontext berücksichtigen und ähnliche Strukturen aus ihren Trainingsdaten kennen. Sie kann einen sehr überzeugenden Vorschlag machen. Nur nachträglich Photonen messen, die beim Fotografieren nie auf dem Film gelandet sind, kann sie nicht.
Reacher liegt also nur halb daneben
ScreenRant greift die Szene ebenfalls auf und bezeichnet KI hier ziemlich treffend als bequemen erzählerischen Ausweg. Die Vorlage für Staffel 4 basiert auf Lee Childs Roman Gone Tomorrow von 2009. Für die Serie wurde die Geschichte auf heutige Technologien übertragen.
Das funktioniert dramaturgisch hervorragend. Technisch wäre eine realistischere Version allerdings weniger spektakulär.
Die Figuren würden mehrere mögliche Rekonstruktionen erhalten, diese mit chemischem Fachwissen vergleichen und anschließend versuchen, die wahrscheinlichste Variante anderweitig zu bestätigen. Für eine Actionserie ist das vermutlich etwas mühsam.
Also klickt jemand auf KI und die Formel erscheint. Der gute alte „Enhance“-Button ist damit offenbar doch nicht ausgestorben. Er hat nur ein neues Label bekommen.
Was das für den Marketingalltag bedeutet
Diese Unterscheidung ist keine reine Serien-Trivia. Wer mit KI-Bildbearbeitung arbeitet, etwa beim Aufwerten von Produktfotos, beim Wiederherstellen alter Kampagnenmaterialien oder beim Einsatz von Upscaling-Tools in der Content-Produktion, trifft laufend dieselbe Entscheidung: Wird hier vorhandene Information sichtbar gemacht, oder wird eine plausible Lücke gefüllt? Bei einem Foto für Social Media ist das meist unkritisch. Bei einem Dokument, einem Preisschild oder einem Vertragsausschnitt kann derselbe Halluzinations-Effekt, der in Reacher die Formel liefert, im Arbeitsalltag zu einer falschen Aussage führen, die niemand beabsichtigt hat. Genau um solche Grenzen von KI in der praktischen Anwendung geht es auch in meinem Artikel zu KI im Marketing.
Fazit: KI kann Bilder verbessern. Sie kann keine fehlende Realität zurückholen
KI-gestützte Bildrekonstruktion ist beeindruckend und entwickelt sich schnell weiter. Besonders bei Rauschen, niedriger Auflösung und teilweise vorhandenen Strukturen können heutige Verfahren deutlich mehr herausholen als klassische Bildbearbeitung.
Die Grenze bleibt jedoch bestehen: Wo eindeutige Bildinformation verloren gegangen ist, kann KI sie nicht zuverlässig wiederherstellen. Sie kann rekonstruieren, ergänzen und Wahrscheinlichkeiten nutzen.
Gerade bei Text, Nummernschildern, Gesichtern, wissenschaftlichen Daten oder chemischen Formeln muss deshalb klar sein, was das Ergebnis eigentlich zeigt: vorhandene Information oder eine plausible Ergänzung.
Bei Reacher sieht beides ziemlich gleich aus. In der Realität sollte man den Unterschied kennen.
Wer nach so viel Theorie noch Lust auf ein paar schön absurde „Enhance“-Momente aus Film und Fernsehen hat: „Let’s Enhance HD“ von Duncan Robson zeigt eine ziemlich amüsante Sammlung davon.