Ja – und mit weniger Daten, als die meisten annehmen. Moderne Bildgenerierungsmodelle können aus einer Handvoll öffentlicher Fotos überzeugende Darstellungen einer bestimmten Person erzeugen. Manche Methoden brauchen für eine „Personalisierung“ nur ein oder zwei Bilder. Die technische Asymmetrie ist groß – und die Entwicklung verlangsamt sich nicht.
Wie Gesichtsgenerierung tatsächlich funktioniert
Moderne Bildmodelle basieren auf Diffusions- oder Transformer-Architekturen. Über Milliarden von Trainingsbeispielen lernen sie eine statistische Zuordnung von Textbeschreibungen zu Bildausschnitten. Wenn du per Prompt ein Gesicht anforderst, zieht das Modell eine Stichprobe aus einer gelernten Verteilung, konditioniert auf den Prompt – es ruft kein bestimmtes Bild ab, es rekonstruiert ein plausibles.
Deshalb ist „das Modell generiert nur, es kopiert nicht“ technisch korrekt, aber rechtlich irrelevant. Der Output ist neu; die zugrunde liegende Repräsentation ist aus echten Gesichtern gelernt – auch aus deinem, wenn du öffentlich präsent bist. Der Output kann dir statistisch nahekommen, weil dein Gesicht ein Trainingssignal war.
Warum wenige Fotos genügen
Personalisierungstechniken wie LoRA, DreamBooth oder Textual Inversion können ein Basismodell mit nur 5 bis 20 Bildern auf eine bestimmte Identität feinabstimmen. Das Basismodell kennt bereits „menschliches Gesicht“. Das Fine-Tuning bringt ihm „genau diese Ausprägung eines menschlichen Gesichts“ bei. Einmal abgestimmt, erzeugt das Modell beliebige neue Posen, Gesichtsausdrücke und Kontexte – nichts davon existierte im Trainingsmaterial.
Die Konsequenz: Wenn du ein öffentliches LinkedIn-Profil, ein paar Presseartikel und markierte Social-Media-Fotos hast, hast du bereits genug Signal für eine Personalisierung geliefert. Die Verteidigung ist nicht mehr Informationskontrolle (dafür sind heute alle zu öffentlich präsent). Die Verteidigung ist Rechtekontrolle: unautorisierte kommerzielle Nutzung rechtlich teuer zu machen.
Was du nicht tun kannst
Du kannst dein Gesicht nicht aus bereits trainierten Modellen entfernen. „Machine Unlearning“ ist ein aktives Forschungsfeld, im Produktiveinsatz aber selten und unvollständig. Sobald dein Gesicht in den Modellgewichten steckt, ist es statistisch präsent.
Du kannst dich auch nicht auf die Durchsetzung durch Plattformen verlassen. Große Modellanbieter haben Content-Richtlinien, die das Generieren echter Personen ohne Einwilligung verbieten – durchgesetzt werden sie lückenhaft und meist reaktiv. Das Modell selbst kann es; die Richtlinie ist freiwillig.
Was du tun kannst
Reduziere deine laufende Sichtbarkeit: Prüfe öffentliche Fotos und entferne, was nicht öffentlich sein muss. Rückwirkend hilft das nicht, aber es bremst künftige Fine-Tunings.
Nutze Opt-out-Signale, wo es sie gibt: Manche Trainingsdatensätze respektieren robots-artige Ausschlüsse, Opt-out-Register oder Metadaten auf Bildebene. Die Einhaltung ist freiwillig – aber regelkonforme Betreiber (die risikoaverseren) halten sich in der Regel daran.
Lizenziere proaktiv: Registriere deine Identität zu definierten Bedingungen – und mach jede kommerzielle Nutzung deines Gesichts, die nicht zu deinen Bedingungen erfolgt, eindeutig unautorisiert. Das verwandelt offene Exponierung in einen Vertrag. Und ein Vertrag ist die Grundlage jeder erfolgreichen Rechtsdurchsetzung.
Die technische Fähigkeit kannst du nicht verhindern. Das rechtliche Kalkül ihrer Nutzung kannst du verändern.
Jedes KI-generierte Gesicht ist ein Rechtsrisiko. Es sei denn, es ist lizenziert.
Schütze deine Identität