KURZMELDUNG · INTERNATIONAL
Ein echtes Foto zeigt ein Ereignis, der Text daneben erzählt eine andere Geschichte. Eine am 2. Oktober 2026 in Scientific Reports veröffentlichte Studie stellt eine KI-Methode vor, die solche Widersprüche besser erkennen soll. In zwei Testdatensätzen schnitt sie besser ab – ein zuverlässiger Praxiseinsatz ist damit nicht belegt.
Jun Li, Linghao Yan, Qingxue Liu und Suli Zhang nennen ihr Verfahren MLCL. Die Abkürzung steht für „LVLM-Guided Multi-Level Contrastive Learning“. Das System prüft nicht nur Text und Bild getrennt. Es lernt auf mehreren Ebenen, ob beide Bestandteile dieselbe Geschichte erzählen oder einander widersprechen.
Dafür verwendet MLCL BERT und CLIP zur Verarbeitung von Sprache sowie ResNet und CLIP zur Bildanalyse. Ein großes Bild-Sprach-Modell erzeugt zusätzlich Beschreibungen einzelner Details und des gesamten Bildes. Diese Informationen werden miteinander abgeglichen. So soll das System etwa erkennen, wenn ein echtes Foto mit einer unpassenden Behauptung verbunden wird.
Getestet wurde MLCL mit den bestehenden Datensätzen Weibo und GossipCop. Gegenüber den von den Forschenden ausgewählten Vergleichsverfahren stieg die Gesamtgenauigkeit laut Studie bei Weibo um 2,2 Prozent und bei GossipCop um 1,5 Prozent. Diese Werte gelten nur für die verwendeten Datensätze und sind keine allgemeine Trefferquote für Falschmeldungen.
Die Arbeit wurde wissenschaftlich begutachtet und von Scientific Reports, einer Zeitschrift von Nature Portfolio, angenommen. Die derzeit veröffentlichte frühe Fassung kann bis zur endgültigen Version noch redaktionell geändert werden. Den Quellcode hat das Forschungsteam auf GitHub veröffentlicht, damit andere Teams das Verfahren prüfen können.
Wie gut MLCL neue Ereignisse oder deutschsprachige Inhalte aus Österreich, Deutschland und der Schweiz beurteilt, bleibt offen. Für Faktenchecks liegt der mögliche Nutzen solcher Systeme vorerst beim Vorsortieren: Sie können auffällige Bild-Text-Kombinationen markieren. Ob ein Foto tatsächlich zum behaupteten Ort, Zeitpunkt und Ereignis gehört, muss weiterhin anhand der Originalquelle und unabhängiger Belege geprüft werden.
Quellen
Über dieses Format: Für unsere Kurzmeldungen sammeln und prüfen wir aktuelle Entwicklungen aus verlässlichen Quellen. Nach der redaktionellen Bearbeitung werden die Meldungen über unser eigenes Mimikama-Kurzmeldungs-System veröffentlicht. Daher können mehrere Beiträge denselben Veröffentlichungszeitpunkt tragen.
