Ist künstliche Intelligenz ein Fotografen-Jobkiller?

Man kann den Kopf in den Sand stecken und fordern, KI dürfe nie dazu eingesetzt werden, unsere Jobs überflüssig zu machen, sei es als Fotograf oder als Texter. Nützen wird das allerdings wenig – die Katze ist aus dem Sack und will nicht wieder rein. Ohnehin seien KI-generierte Bilder viel schlechter als echte Fotos. Wenn das so ist, lassen sie sich in diesem Beitrag ja leicht auseinanderhalten – oder? | Doc Baumann Müssen Kreative Angst davor haben, Künstliche-Intelligenz-Systeme könnten sie arbeitslos machen? Beschränken wir uns auf Fotografen, da die Bedingungen in verschiedenen Berufsfeldern spezifischen Anforderungen unterliegen. (Wobei alles hier Gesagte für Grafiker und Illustratoren im selben Maße zutrifft, womöglich sogar noch ausgeprägter.) Die Antwort hängt sowohl vom konkreten Tätigkeitsbereich ab als auch von der individuellen Kompetenz. Wer etwas produziert, das Tausende andere ebenso können – Stichwort Stock-Fotografie –, wird bald von der digitalen Konkurrenz abgehängt werden. Was in der Praxis weniger bedeutsam ist, als es sich anhört: In der Regel werden solche Fotos so schlecht honoriert, dass man von diesen Lizenzen ohnehin nicht leben könnte. Ob es noch relevante, visuell feststellbare Qualitätsunterschiede zwischen fotografierten und KI-generierten Bildern gibt, soll hier mit Beispielpaaren getestet werden. Ich habe dafür Bernd Lammel, den Bildchef des Journalisten-Magazins „Nitro“, um eigenes Material gebeten. Welche Fotos von ihm stammen und welche von einer KI, lesen Sie auf Seite 57. Die Zubereitung von Speisen im Berliner Asia-Imbiss zeigt eines dieser Bilder, das andere ist mit Adobe Firefly KI-generiert. Dazu wurde das von Bernd Lammel aufgenommene Foto möglichst exakt sprachlich beschrieben und dann diese Beschreibung als Prompt für die KI verwendet. Historisch betrachtet sollte man dabei nicht übersehen, dass sich Fotografen heute in derselben Rolle wiederfinden, die vor anderthalb Jahrhunderten Maler und Zeichner hatten – im Kampf gegen die neue Fotografie. Sie beklagten damals vehement die neuen seelenlosen Bilder, die in kurzer Zeit entstanden, billig waren, bei Porträts den Auftraggebern meist ähnlicher als die mittelmäßiger Künstler … und diesen natürlich die Aufträge wegnahmen. Aber alles Lamentieren nützte nichts. Die Fotografie setzte sich schnell durch, auch wenn es noch Jahrzehnte dauern sollte, bis diese Bilder die Holzstiche in den Massenmedien der damaligen Zeit ablösen konnten, weil geeignete Reproduktionstechniken fehlten. Die Bedenken ästhetischer und wirtschaftlicher Art sind bei solchen Neuerungen seit Jahrhunderten dieselben: bei den grafischen Vervielfältigungen durch Holzschnitt und Kupferstich, bei der Camera obscura, bis hin zur digitalen Bildbearbeitung und Digitalfotografie. Auch da beklagte man die angebliche Seelenlosigkeit der digitalen Fotos. Heute kräht kein Hahn mehr danach. Schnell stellten die Fotografen fest, wie praktisch es ist, nicht jedes Mal nach 36 Aufnahmen den Film wechseln und auf ISO-Zahlen achten zu müssen, immer mangels direkter Kontrolle im Zweifel, ob die Aufnahmen gut geworden sind, und später nicht in der Rotlichtdämmerung mit stinkenden Chemikalien hantieren zu müssen, die nicht zu kurz und nicht zu lang einwirken durften, sondern schnell und elegant bei Tageslicht mit zunehmend ausgefeilteren Methoden das Beste aus den Fotos herauszuholen, bis hin zu HDR-Verfahren. Möchte jemand dahin zurück? Und nun also der nächste Schritt: Bildergebnisse, für die man nicht mal mehr das Haus verlassen muss und die allein auf der Basis einer detaillierten Texteingabe entstehen. Hier wurde ein Bild nicht komplett per KI generiert, sondern ein Foto von Bernd Lammel mit der Photoshop-Funktion des generativen Füllens von Auswahlbereichen verändert. Dazu wurden die drei Gesichter zunächst selektiert, danach, ohne Vorgabe eines Prompts, neu gerechnet. Die Brille der mittleren Frau hatte ich von dieser Auswahl ausgenommen, sie bleibt also im Vergleichsbild erhalten. Für dokumentarische Fotos kommen solche Eingriffe natürlich nicht in Frage – bei Symbolfotos dagegen lassen sich so Probleme mit Persönlichkeitsrechten einfach umgehen. KI: Feind oder Werkzeug? Natürlich darf man mit guten Gründen alles das aufzählen, was an künstlicher Intelligenz bedrohlich erscheint, und es gibt viele kluge Menschen, die solche Bedenken teilen. Dabei ist vielen gar nicht bewusst, wie stark KI bereits heute unser Leben bestimmt, ohne dass wir es mitbekommen. Zweifellos gibt es diese Bedrohungen also, und es ist sinnvoll und notwendig, dagegen frühzeitig praktikable Maßnahmen zu planen. Die EU-Gesetzesinitiative zur KI ist ein Beispiel. Allerdings stellt sich umgehend die Frage, welchen praktischen Nutzen solche Gesetze haben, wenn man mit gezieltem Hintergrundwissen eine Chat-KI dazu bringen kann, ausgeklügelte Rezepte zum Bombenbauen zu erklären. Diese Entwicklung schreitet rasend schnell voran: Open AI deutet mit Q eine neue Stufe der KI in Richtung Allgemeine KI an. Ein damit verknüpftes US-Unternehmen präsentiert Neuro-Chips auf Analogbasis, die 10000 mal schneller sein sollen als herkömmliche (was theoretisch bedeutet, dass ein KI-Training von einem Jahr auf unter eine Stunde reduziert würde). Doch darf angesichts möglicher Bedrohungen nicht aus dem Blick geraten, dass KI auch ein ungeheures Potenzial hat, bisher unlösbare Probleme in verschiedensten Wissenschaftsbereichen erfolgreich anzugehen – die Behandlung von Krankheiten, verbesserte Energieeffizienz, Synthese von Lebensmitteln, bis hin zur automatischen Transkription alter Handschriften, um nur ein paar wenige Beispiele zu nennen. Es ist ethisch also sehr schwierig, die Möglichkeiten zum Schlechten gegen die zum Guten abzuwägen. Beides wird wohl kommen und wir werden damit leben müssen und dürfen. Ende Februar 2022 demonstrierte in Berlin ein Bündnis aus Gewerkschaften, Kirchen, Initiativen, Umweltschutzorganisationen und Friedensgruppen gegen den Angriff Russlands auf die Ukraine. Auch hier – wie bei allen anderen Bildern – wurde die Beschreibung des Originalfotos als Prompt verwendet, um die KI eine entsprechende Szene generieren zu lassen. Lediglich die Aufschrift wurde kopiert und manuell eingefügt. Doch zurück zur Fotografie. Es geht nicht allein um die Synthese von Bildern, sondern auch um Bildbearbeitung: Neben verlustarmem Skalieren, Einfärben oder der Zuweisung von Tiefenunschärfe stehen Inpainting und Outpainting im Vordergrund: der Ersatz von ausgewählten Bildbereichen durch neue Inhalte (Abb. 5 und 6) sowie die Bilderweiterung. Während es sich dabei um KI-Werkzeuge handelt, die ein echtes Foto schnell auf eine Art und Weise verändern, die mit „manueller“ digitaler Bildbearbeitung möglich, aber sehr aufwendig wäre, geht es hier vor allem um Bilder, die gar keine Fotovorlage mehr benötigen, sondern lediglich aufgrund von Prompts zustande kommen. Trotz eindrucksvoller Ergebnisse bleibt die KI dabei Werkzeug. Ein Mensch mit einer Absicht formuliert den Prompt, erhält auf dessen Basis Bildergebnisse, erkennt meistens, dass die KI sein Anliegen noch nicht in seinem Sinne „verstanden“ hat, und konkretisiert seinen Prompt immer wieder, bis irgendwann etwas Brauchbares entsteht. (Brauchbar sind dabei sehr viele Bilder, nur entsprechen sie oft nicht dem, was man im Kopf hatte.) Welche Unterschiede gibt es zur Fotografie? Was die urheberrechtliche Würdigung angeht, gar nicht so viele. Die Absicht, ein bestimmtes Motiv darzustellen, eine Maschine, an der bestimmte Einstellungen vorgenommen werden, die Erzeugung der gewünschten Bilder und schließlich die Auswahl der am besten geeigneten. Während KI-unterstützte Eingriffe in bestehende Fotos ein effizientes Werkzeug für Fotografen sein können, ist die Generierung komplett neuer Bilder durch die KI – man muss es so klar sagen – auch ein Werkzeug für jene, die bisher als Abnehmer und Auftraggeber fungierten. Es gehört nicht viel Phantasie dazu sich vorzustellen, wie die künftig handeln: In der Zeit, die sie brauchen würden, einem Fotografen oder Illustrator zu erläutern, wie das von ihnen gewünschte Bild aussehen soll, haben sie es nach vergleichsweise kurzer Einarbeitung in die Systeme schneller selbst generieren lassen, und das für einen geringen Abo-Betrag, für den sie monatlich Hunderte Bilder entstehen lassen können. Und dazu oft sogar noch besser. In den 1980er Jahren bewarb Apple das neue Verfahren des Desktop-Publishing mit dem Slogan, nun könne auch die Firmen-Sekretärin Drucksachen fix (am winzigen Mac-Monitor) gestalten. Nun ja … so sahen die Seiten dann auch aus. Heute machen das in der Tat zwar auch Laien und Redakteure von Schülerzeitungen – aber professionelle Drucksachen, Bücher, Zeitschriften oder Geschäftsberichte, werden nach wie vor von (mehr oder weniger) ausgebildeten Profis gestaltet. Kein Grund also, vor bildergenerierender KI Angst zu haben, wenn nach wie vor die Kompetenz der Profis gefragt ist, um geeignete Prompts zu formulieren und die besten Ergebnisse mit geschultem Auge auszuwählen? Nun, eine KI ist etwas anderes als ein Programm, das man bedient, nachdem man sich in seine Funktionen eingearbeitet hat. Da weiß man genau: Ich klicke diese Zeile im Menü an, und dann passiert genau das. Der Unterschied ähnelt dem zwischen einem Passbild aus dem Foto-Automaten (gibt’s die überhaupt noch?) und dem Porträtauftrag an einen eigenwilligen Maler. Vielleicht blicken einen die Leute in ein paar Jahren erstaunt an, wenn man sie daran erinnert, dass es früher mal andere Verfahren gab als KI, um Bilder zu machen. Lächerlich, völlig übertrieben? Im 19. Jahrhundert war es noch üblich, im Familienkreis gemeinsam Hausmusik zu machen – Radio, Schallplatten, CDs oder Streaming hätte sich damals niemand vorstellen können. Auch im Bereich von Food-Aufnahmen wird es für Fotografen, von Ausnahmen abgesehen, deutlich schwieriger werden. Spezielle Kreationen ausgenommen, lassen sich, etwa für Speisekarten, KI-Bilder sehr schnell erzeugen, die die Gäste dennoch visuell überzeugen. Unterschiedliche Fotosparten – unterschiedliche Chancen Doch neben den zahllosen Bereichen, in denen KI-Bilder bisherige Fotos problemlos ersetzen werden, gibt es andere, bei denen das nicht der Fall sein wird. Wenn Sie sich die Beispiele in diesem Beitrag anschauen, so werden all jene durch KI-Bilder ersetzt werden (können), bei denen es um nichts Bestimmtes geht: (Irgendein) China-Imbiss, ein Wald im Winter, ein Vogel, ein Kornfeld vor einem Windrad, Food-Produkte – kurzum das, was man als Symbolfotografie bezeichnet. Als textbegleitende Visualisierung erwarten Mediennutzer dabei kontextbedingt nicht, dass die wiedergegebenen Objekte oder Szenen einen konkreten Sachverhalt repräsentieren, den es genau so einmal gegeben hat, sondern es geht um Beispiele, Gattungen, Klassen – wenn man so will, um die Entsprechung der platonischen Ideen, der „Dinge an sich“, unabhängig von ihrer jeweils konkreten und individuellen Ausgestaltung. KI ist – noch – schlecht darin, etwas ganz Bestimmtes darzustellen, selbst wenn dieses zu ihrem Trainingsmaterial gehört hat. Aus dem Prompt „das Brandenburger Tor“ werden viele, gut wiedererkennbare Bilder generiert, aber sie entsprechen bisher in den Details fast nie dem realen Objekt. Umgekehrt ist KI sehr gut darin, irgendwelche mit Prompt beschriebenen Objekte oder Szenen zu präsentieren: „das“ Weinglas, „der“ Winterwald. Und genau daraus leiten sich die Zukunftsperspektiven für Fotografen ab. Sie liegen dort, wo etwas ganz Bestimmtes wiedergegeben werden soll – nicht irgendein Haus, sondern genau das, in dem XY wohnt. Nun könnte man einwenden: Es gibt doch noch weit mehr Fotosparten im professionellen Bereich, etwa „die vielfältigen und unterschiedlichen Spielarten von Werbefotografie, außerdem Studioporträts, Events, Hochzeiten, Reisefotografie, Industrie, Still, Food, Architektur, Sport und vieles mehr“, wie mir ein Kollege auflistete; zudem die Kompetenzen zur Prompt-Formulierung sowie den riesigen Bereich der nichtprofessionellen Fotografie. Klar, man kann sich darauf ausruhen, sie alle seien von der KI-Konkurrenz nicht gefährdet. Auch ich kann nicht in die Zukunft blicken (auch wenn ich die Einführung des Desktop Publishing entgegen der Einschätzungen der Verlags-Profis vorausgesagt habe), ich bin aber angesichts der exponentiellen KI-Entwicklung weniger optimistisch (oder pessimistisch, je nachdem). So teile ich nicht die Annahme, die Zukunft liege darin, spezifische und zielgenaue Prompts zu formulieren. Ich halte es für wahrscheinlicher, dass die Bildgenerierung bald sehr viel einfacher interaktiv ablaufen wird: „Mach den Baum links etwas niedriger und die Blätter dunkler, ein paar mehr Wolken am Himmel, und die Frau sollte längere Haare haben und ein bisschen spöttisch lächeln.“ Und Porträts, Hochzeiten, Reise … Schaut man sich die digital geschönten Porträts im Web an, vermute ich eher, dass das ähnlich wie bei Liebhabern von Schallplatten und Analogkameras laufen wird: Ja, ein paar Fotografen dafür wird es noch geben – ansonsten hat jeder vielleicht seinen Datensatz von Gesicht und Körper, optimiert den noch ein wenig (Nase bitte ein bisschen kürzer, die kleine Warze auf der Stirn und die grauen Haarsträhnen weg), und dann gibt man vor, welche Kleidung man trägt, den gewünschten Hintergrund, Beleuchtung und so weiter. Für die Hochzeitsfotos braucht man dann eben zwei Datensätze (plus gegebenenfalls den des Pfarrers) und kann sich das teure Hochzeitskleid und die Flugreise nach Bali ersparen. Und Werbefotografie … das macht doch heute schon zum großen Teil 3D. Nicht mal bei den privaten Reise-Erinnerungsfotos bin ich ganz sicher. Klar – warum sollte man sich nach einer Venedig-Reise ein paar Hundert KI-„Fotos“ der Stadt generieren, wenn die Szenen gar nicht der eigenen Erinnerung entsprechen? Aber wer weiß? Wir sollten nicht von den heutigen KI-Bildern ausgehen, sondern die Entwicklung der letzten zwei Jahre exponentiell in die Zukunft verlängern. Dann sieht das vielleicht ganz anders aus. „Mach mal ein paar Fotos von mir auf dem Markus-Platz, wie ich die Tauben füttere, mit der blauen Jacke und Sonnenbrille, und dann noch ein paar in einer Gondel unter der Seufzerbrücke“. Der Druck auf den Auslöseknopf wird überflüssig. Bei dokumentarischen Fotos und individuellen Porträts wird KI – einstweilen – keine ernsthafte Konkurrenz für Fotografen werden. So lässt sich Bernd Lammels Foto oben links zwar beschreiben und neu berechnen, und das Ergebnis ist eine durchaus ansehnliche Szene eines Mannes mit kurzem, grauen Bart am Schreibtisch, der sein Kinn auf die Hand stützt. Aber gewiss ist es kein Porträt des im deutschen Exil lebenden türkischen Journalisten Can Dündar, dazu reicht auch eine noch so differenzierte Beschreibung nicht aus. Je komplexer die Szene wird, um so ungenauer ist die Umsetzung – das Gespräch mit der „Nitro“-Herausgeberin wird durch die KI nur sehr rudimentär wiedergegeben. Letztlich bleibt also neben dem weiterhin unverzichtbaren fotografierten Trainingsmaterial der KIs nur das ganz Konkrete und Besondere, wozu etwa die Sparten Reportage, Dokumentation oder Sport zählen. Dort haben KI-Bilder nichts zu suchen! KI kann zwar einen bärtigen Mann mit Brille an seinem Schreibtisch darstellen, allein oder im Gespräch – aber nicht Can Dündar in dieser speziellen und unwiederholbaren Situation. Die Zukunft professioneller Fotografen wird in der Dokumentation des Konkreten und Einmaligen liegen. Welche Fotos dieses Beitrages sind nun echt und welche mittels KI generiert? Von Bernd Lammel stammen die Abbildungen 1, 4, 6, 8, 9, 11, 14, 15, 17, 20, 21 und 23. Alle KI-Bilder wurden nicht nachbearbeitet und sind unretuschiert abgedruckt. KI-generiert (Adobe Firefly) sind dagegen die Bilder 2, 3, 7, 10, 12, 13, 16, 19, 20, 23 und 24. Die neuen Gesichter in Bild 5 und das Windrad in Bild 13 wurden mit der Inpainting-Funktion von Photoshop ergänzt, auch die Plakatschrift in Bild 7 wurde mit dieser Software einkopiert.