Ein Klick – und schon erscheint ein lächelndes Gesicht, das täuschend echt aussieht. Doch dieser Mensch existiert nicht. Die Website thispersondoesnotexist.com zeigt, wie weit KI-generierte Porträts heute sind. Dahinter steckt NVIDIAs StyleGAN, ein Verfahren, das täglich Millionen neuer, nicht existierender Menschen erschafft. Wer versteht, wie diese Technik arbeitet, kann KI-Gesichter künftig besser einordnen.

Diese Beitrage nicht verpassen

4 verwandte Artikel

Erstellte Gesichter pro Sekunde: ca. 1 ·
Bildauflösung (Standard): 1024×1024 Pixel ·
Trainingsdatensatz (FFHQ): 70.000 Fotos ·
Verwendetes KI-Modell: StyleGAN (NVIDIA) ·
Start der Website: Februar 2019

Kurzüberblick

1Bestätigte Fakten
2Was unklar ist
  • Genaue Serverinfrastruktur der Website.
  • Aktuelle Anzahl täglicher Besucher.
  • Ob das Modell nach dem Start aktualisiert wurde.
3Zeitleisten-Signal
  • Februar 2019: Start von thispersondoesnotexist.com. (The Verge – Berichterstattung)
4Wie es weitergeht

Die wichtigsten Eckdaten zu thispersondoesnotexist.com auf einen Blick:

Eigenschaft Wert
Erstveröffentlichung Februar 2019
Entwickler Philip Wang (Softwareingenieur bei Uber)
Basistechnologie StyleGAN von NVIDIA
Trainingsdatensatz Flickr-Faces-HQ (FFHQ) mit 70.000 Bildern
Bildauflösung 1024×1024 Pixel (Standard)
Tägliche Schätzung generierter Gesichter Millionen

Wie funktioniert This Person Does Not Exist?

Die Rolle von StyleGAN

  • StyleGAN ist ein Generative Adversarial Network (GAN), das von NVIDIA-Forschern entwickelt wurde. Das Prinzip: Zwei neuronale Netze – Generator und Diskriminator – konkurrieren miteinander. (Wikipedia – StyleGAN)
  • Der Generator erzeugt aus Zufallsrauschen ein Bild, der Diskriminator prüft, ob es echt oder fake ist. Mit der Zeit lernt der Generator, den Diskriminator zu täuschen. (arXiv – Original StyleGAN-Paper (2018))

Training mit echten Gesichtern

  • Das Modell wurde mit 70.000 hochauflösenden Porträts aus dem Flickr-Faces-HQ-Datensatz trainiert. (Wikipedia – StyleGAN)
  • Die Bilder decken eine breite Vielfalt an Ethnien, Altersgruppen und Frisuren ab – die Grundlage für die späteren realistischen Ausgaben.

Schritt-für-Schritt: So entsteht ein neues Gesicht

  1. Ein zufälliger Vektor im latenten Raum wird erzeugt.
  2. Dieser Vektor wird durch das Mapping-Netzwerk in einen Style-Latent-Vektor umgewandelt. (Wikipedia – StyleGAN)
  3. Der Generator startet mit einem konstanten 4×4×512-Array und wendet nacheinander Style-Blocks an. Jeder Block fügt Stilinformationen und Rauschen hinzu.
  4. Nach mehreren Stufen entsteht ein 1024×1024 Pixel großes Porträt. Der Diskriminator vergleicht es mit echten Fotos – ist er überzeugt, gilt das Bild als „echt“. (The Verge – Technische Erklärung)
Fazit: StyleGAN erzeugt täuschend echte Gesichter durch einen Wettkampf zweier Netze. Für Nutzer ist das System eine Blackbox – der Klick startet einen vollautomatischen Prozess, der kein menschliches Eingreifen braucht.
Der Kern

Die Stärke von StyleGAN liegt in der separaten Kontrolle von groben und feinen Bildmerkmalen. Frühe Schichten bestimmen Pose und Gesichtsform, spätere Schichten Hauttextur und Accessoires – ein Prinzip, das die außergewöhnliche Vielfalt der Ausgaben erklärt. (Wikipedia – StyleGAN)

Warum gibt es nur Gesichter und keine Ganzkörperbilder?

Einschränkungen von StyleGAN

  • StyleGAN wurde ausschließlich auf quadratische Porträts trainiert. Der FFHQ-Datensatz enthält keine Ganzkörperaufnahmen.
  • Das Modell kann daher keine Proportionen oder Hintergründe außerhalb des Gesichtsbereichs konsistent darstellen. (Wikipedia – StyleGAN)

Projekte für Ganzkörpergenerierung

  • Für Ganzkörperbilder werden andere Architekturen benötigt, z. B. GauGAN oder Stable Diffusion. Diese sind aber nicht auf thispersondoesnotexist.com verfügbar.
  • Spezielle Generatoren wie „This Person Does Not Exist Full Body“ existieren, sind aber weniger bekannt und oft minderwertig.

Die Konsequenz: Wer ein komplettes Personenbild sucht, muss auf andere KI-Tools ausweichen – die Qualität bleibt dort oft hinter den Porträts von StyleGAN zurück.

Welche Fehler zeigt der Generator und warum?

Typische Artefakte

Warum das Modell manchmal scheitert

  • Der Diskriminator unterdrückt nicht jedes Rauschen zuverlässig – insbesondere bei hohen Auflösungen treten lokale Verzerrungen auf. (Wikipedia – StyleGAN)
  • Je höher die Auflösung, desto anfälliger wird das Modell für Artefakte. StyleGAN2 und StyleGAN3 adressieren diese Probleme gezielt. (Wikipedia – StyleGAN)
Was das bedeutet

Trotz aller Fortschritte sind KI-generierte Gesichter noch nicht perfekt. Wer genau hinsieht, erkennt die typischen Fehler – und kann Deepfakes so leichter enttarnen.

Das Erkennen dieser Muster ist ein wichtiger Schritt zur digitalen Medienkompetenz.

Wie erkennt man ein Bild von This Person Does Not Exist?

Visuelle Hinweise

  • Unnatürlich symmetrische Hauttexturen: Echte Menschen haben selten perfekt gleichmäßige Poren.
  • Augenspiegelungen fehlen oft oder sind inkonsistent. (YouTube – StyleGAN2: Near-Perfect Human Face Synthesis)
  • Ohrgeometrie: Ohrknorpel wirkt oft formlos oder wiederholt sich.

Tool: whichfaceisreal.com zum Üben

Die Website whichfaceisreal.com bietet ein Quiz, bei dem Nutzer zwischen echten und KI-generierten Fotos unterscheiden müssen. Das Training schärft den Blick für die genannten Merkmale.

Metadaten-Check

  • KI-generierte Bilder enthalten meist keine EXIF-Daten oder nur minimale Metadaten. Ein fehlender Kamera-Eintrag ist ein Indiz.

Die Praxis: Wer regelmäßig übt, erkennt KI-Gesichter nach wenigen Sekunden. Der Lerneffekt ist hoch – und hilft, sich vor Täuschung zu schützen.

Klarheit: Was wir wissen – und was nicht

Bestätigte Fakten

  • StyleGAN wurde von NVIDIA im Dezember 2018 veröffentlicht. (Wikipedia)
  • Die Website startete im Februar 2019. (The Verge)
  • Das Modell wurde mit 70.000 FFHQ-Bildern trainiert. (Wikipedia)

Was unklar ist

  • Genaue Serverinfrastruktur der Website.
  • Aktuelle Anzahl täglicher Besucher.
  • Ob das Modell nach dem Start noch aktualisiert wurde.

„Mit StyleGAN2 erreichen wir eine nahezu perfekte Gesichtssynthese, aber die Bilder werden dadurch leichter erkennbar.“
YouTube – NVIDIA Forschungspräsentation zu StyleGAN2

„Deepfakes werden zunehmend für Identitätsbetrug und Cybercrime genutzt. Verbraucher sollten lernen, KI-generierte Bilder zu identifizieren.“
Bundeskriminalamt – Warnung vor Deepfakes

Die Technologie hinter thispersondoesnotexist.com ist ein eindrucksvoller, aber ambivalenter Meilenstein. Sie zeigt das Potenzial generativer KI – und die Risiken, die mit täuschend echten Inhalten einhergehen. Für Verbraucher in Deutschland wird die Fähigkeit, KI-Gesichter zu erkennen, zur Grundlage der digitalen Selbstverteidigung: Wer die Muster kennt, lässt sich nicht täuschen.

Weitere Quellen

youtube.com, youtube.com, youtube.com

Wer tiefer in die technischen Hintergründe eintauchen möchte, findet in diesen ausführlichen Leitfaden eine detaillierte Erklärung der Funktionsweise von StyleGAN und hilfreiche Tipps zur Erkennung synthetischer Gesichter.

Häufig gestellte Fragen

Wie oft wird ein neues Gesicht generiert?

Bei jedem Seitenaufruf oder Klick wird sofort ein neues Bild erzeugt. Man kann beliebig oft aktualisieren.

Kann ich das Bild kommerziell nutzen?

Die Nutzungsrechte sind nicht eindeutig geklärt. Da die Bilder automatisch generiert werden, gibt es keinen Urheber – eine kommerzielle Nutzung ist rechtlich riskant.

Gibt es eine API für Entwickler?

Nein, die Website bietet keine öffentliche API an.

Ist die Seite kostenlos?

Ja, die Nutzung ist vollständig kostenlos und ohne Registrierung möglich.

Warum sind manche Gesichter gruselig?

Weil das Modell bei ungünstigen Zufallsvektoren Artefakte produziert, die den „Uncanny Valley“-Effekt auslösen. (Wikipedia – StyleGAN)

Wer hat die Technologie erfunden?

StyleGAN wurde von Tero Karras und anderen NVIDIA-Forschern entwickelt. (arXiv – Original StyleGAN-Paper (2018))

Verwandte Beiträge