Die Zusammenfassung der Ergebnisse

Hypothese₁ :  Die Mehrheit der TeilnehmerInnen wird bei der Unterscheidung zwischen KI-Bildern und echten Fotografien falsch liegen, was auf die verbesserte Qualität und Authentizität von KI-generierten Bildern hinweist.

Ergebnis: Die Studie ergab, dass die Mehrheit der TeilnehmerInnen Schwierigkeiten hatte, KI-generierte Bilder von menschengemachten Fotografien zu unterscheiden, mit einem durchschnittlichen Erkennungswert über 20.

Hypothese₂: Personen, die in der Kreativbranche arbeiten, haben eine höhere Fähigkeit, KI-Bilder von menschengemachten Fotografien zu unterscheiden, im Vergleich zu Personen aus anderen Branchen.

Ergebnis: Es gab keinen konsistenten Unterschied in der Erkennungsleistung zwischen Branchen, obwohl die Kreativbranche bei zwei Bildern signifikante Unterschiede zeigte. Die Datenbasis ist jedoch nicht ausreichend repräsentativ, da 66 TeilnehmerInnen aus der Kreativbranche stammen, während aus einigen Branchen keine TeilnehmerInnen vertreten sind.

Hypothese₃:  Personen, die selbst schon einmal ein KI-generiertes Bild erstellt haben, tendieren dazu, eine höhere Erkennungsrate bei solchen Bildern zu haben.

Ergebnis: TeilnehmerInnen, die bereits KI-Bilder erstellt hatten, wiesen eine bessere Erkennungsleistung auf, was die Bedeutung praktischer Erfahrung unterstreicht.

Hypothese₄:  Personen, die KI-Bildern positiv gegenüberstehen, werden wahrscheinlich eine höhere Genauigkeit bei der Unterscheidung zwischen KI-generierten Bildern und von menschengemachten Fotografien aufweisen im Vergleich zu Personen ohne dieses Interesse.

Ergebnis: Die Ergebnisse deuten darauf hin, dass die Einstellung gegenüber KI-generierten Bildern die Erkennungsleistung beeinflussen könnte, wobei TeilnehmerInnen mit einer positiven Einstellung bessere Ergebnisse erzielten. Jedoch sollte beachtet werden, dass die Fragenkonstruktion ohne eine Likert-Skala die präzise Beantwortung der Hypothese erschwert. Weitere Untersuchungen mit differenzierterer Fragestellung könnten zu klareren Ergebnissen führen. Aus meiner Sicht kann die Hypothese deswegen nur bedingt bestätigt werden.

Das Forschungsdesign

Um dieser Frage nachzugehen, wurde in einer Online-Umfrage ein experimentelles Design integriert, bei dem die Befragten unterschiedliche Abbildungen bewerten und einschätzen mussten, ob es sich um KI-generierte oder menschlich erstellte Fotografien handelt. Zur Vergleichbarkeit der Einschätzungen wird ein Erkennwert verwendet, der sich aus einer Summe von Punkten ergibt, die bei den richtigen oder falschen Angaben vergeben werden.

Die Umfrage wurde vom 10. April bis zum 25. April 2024 mittels Google Forms durchgeführt. Insgesamt nahmen 154 Personen daran teil. Der Link zur Umfrage wurde über Social Media Plattformen wie LinkedIn und Instagram geteilt. Zusätzlich wurde Werbung auf Instagram geschaltet, um die Reichweite zu erhöhen. Die Umfrageergebnisse wurden anschließend als Excel-Dokument heruntergeladen und mittels JASP ausgewertet. Für die ProbandInnen wurde im Anschluss an den Fragebogen ein PDF mit den richtigen Antworten zur Verfügung gestellt.

Die Daten wurden mit JASP analysiert und mit Hilfe von ChatGPT ausgewertet. Sehen Sie dazu hier diesen Blogbeitrag.

KI Bilder erforschen: Der Ausblick

Es bleiben mehrere offene Fragen, die zukünftige Untersuchungen adressieren könnten:

• Haben die ProbandInnen ihre Entscheidungen auf Bauchgefühl oder spezifischem Wissen basierend getroffen, beispielsweise durch das Erkennen von Fehlern oder unrealistischen Szenarien?
• Hat die Reihenfolge der Testbilder einen Einfluss auf die Entscheidungsfindung?
• Beeinflusst die zur Verfügung stehende Zeit die Genauigkeit der Entscheidungen?
• Was definiert ein „echtes“ im Gegensatz zu einem „unechten“ Bild, und ab welchem Grad der Bearbeitung gilt ein Bild als künstlich?
• In welchem Umfang dominiert der menschliche Beitrag bei der Erstellung eines KI-generierten Bildes und wie kann dieser quantifiziert werden?
• Könnten sich Bilder von Lebensmitteln besonders gut für die Generierung durch Künstliche Intelligenz eignen und wie könnte dies empirisch geprüft werden?

Weiterhin sollte eine intensivere Auseinandersetzung mit dem Thema Einstellungen gegenüber KI-generiertem Bildmaterial erfolgen. Hierbei wäre es wichtig, eine Likert-Skala für die Bewertung heranzuziehen, da diese differenziertere Bewertungen ermöglichen würde. Zudem könnte ein Einstellungsindex entwickelt werden.

Zu guter Letzt: Natürlich ist es interessant zu beobachten, wie sich das Erkennungsvermögen von Menschen bei KI-generiertem Bildmaterial über einen längeren Zeitraum verbessert. Doch es stellt sich die Frage, wie lange dies noch sinnvoll überprüfbar bleibt. Die rasante Entwicklung von KI-Bildgenerierungstechnologien, wie sie beispielsweise an den Qualitätssprüngen bei Midjourney zu beobachten ist, stellt eine Herausforderung dar.