Warum das anders ist

Es gibt ein Dutzend KI-Bilddetektoren. Die meisten arbeiten gleich: Sie laden Ihr Bild auf deren Server, ein Modell betrachtet die Pixel, Sie bekommen eine Zahl. Hier läuft es anders — und weiter unten steht, wo dieser Weg schlechter ist.

	Die meisten Detektoren	SynthCheck
Wohin geht Ihr Bild?	Auf deren Server zur Verarbeitung	Nirgendwohin. Es wird auf Ihrem Gerät gelesen
Was kommt zurück?	Ein Prozentwert	Die gefundenen Belege, nach Gewicht sortiert
Ist nachvollziehbar, wie entschieden wird?	Nein — das Modell gehört ihnen	Ja. Alles ist offen, und es ist derselbe Code, den Ihr Browser ausführt
Signierte Content Credentials	Werden gelesen und wiedergegeben oder an einen Upload-Dienst übergeben	Signatur und Bildbindung werden auf Ihrem Gerät geprüft
Kosten und Grenzen	Ein paar kostenlose Prüfungen pro Tag, dann ein Abo	Kostenlos, ohne Konto, ohne Limit — auf unserer Seite wird nichts verarbeitet, was bezahlt werden müsste
Funktioniert ohne Internet?	Nein	Ja, und das ist der einfachste Beweis, dass nichts hochgeladen wird

Wo ein Klassifikator besser ist

Ein Machine-Learning-Detektor betrachtet die Pixel. Wir nicht. Bei einem vollständig bereinigten Bild — Screenshot, erneut hochgeladen, neu gespeichert — kann ein guter Klassifikator noch Spuren im Bild selbst sehen, die wir nicht auslesen können. Wir weichen auf die Form der Datei aus, was sehr viel findet, aber nicht alles. Kommt hier „nicht erkennbar“ heraus, ist ein pixelbasiertes Werkzeug eine sinnvolle Zweitmeinung. Das sagen wir lieber, als die Lücke zu verschweigen.

Warum es keinen Prozentwert gibt

Eine Zahl fühlt sich wie eine Antwort an, und genau das ist das Problem. Derselbe Detektor, der auf einem einfachen Testsatz über neunzig Prozent erreicht, fällt bei gezielt auf Echtheit getrimmten Bildern Richtung Münzwurf — und die angezeigte Zahl sieht in beiden Fällen gleich aus. Belege haben diese Eigenschaft nicht: Sie sehen, was gefunden wurde, und Sie sehen, wenn nichts gefunden wurde.