Content Credentials (C2PA)

Inhaltsnachweise sind manipulationssichere Aufzeichnungen, die Herkunft, Urheberschaft und Änderungshistorie eines digitalen Objekts beschreiben. Sie setzen den C2PA-Standard um, der von der Koalition für Herkunft und Authentizität von Inhalten entwickelt wurde, und können Bilder, Videos, Audiodateien und Dokumente begleiten. In der KI und im Bereich Computer Vision bieten sie überprüfbare Kontextinformationen, etwa dazu, ob Medien mit einer Kamera aufgenommen, mit Software bearbeitet oder teilweise oder vollständig von einem generativen Modell erstellt wurden.

So funktionieren Inhaltsnachweise#

Die C2PA-Spezifikation definiert einen strukturierten Herkunftsnachweis, das sogenannte C2PA-Manifest. Seine Aussagen, sogenannte Assertions, können das Erstellungstool, Bearbeitungsschritte, den Einsatz von KI, Zeitstempel, für die Erstellung des Objekts verwendete Elemente oder Angaben zur signierenden Stelle benennen.

Ein typischer Arbeitsablauf umfasst vier Schritte:

1. Eine kompatible Kamera, Anwendung oder ein kompatibler KI-Dienst erstellt oder verändert ein Objekt.
2. Das Tool erfasst ausgewählte Herkunftsinformationen in einem Manifest.
3. Kryptografische Hashes verknüpfen das Manifest mit dem Objekt, und eine digitale Signatur identifiziert die Stelle, die den Nachweis ausstellt.
4. Ein kompatibles Prüfwerkzeug überprüft, ob Signatur und Hashes weiterhin gültig sind.

Änderungen am verknüpften Inhalt oder Manifest lassen die Validierung fehlschlagen und machen so unbefugte Änderungen erkennbar. Nachweise können in die Datei eingebettet oder extern gespeichert und mithilfe sogenannter weicher Verknüpfungen, etwa durch Fingerabgleich, wiedergefunden werden. Die offizielle C2PA-Implementierungsleitlinie erläutert, warum Treffer bei weichen Verknüpfungen zusätzliche Überprüfungen erfordern.

Dieses Verfahren unterstützt die Datenherkunft, beweist aber nicht, dass ein Bild ein tatsächliches Ereignis zeigt. Es belegt, dass bestimmte Herkunftsangaben signiert wurden, mit dem Objekt verknüpft bleiben und seit der Signierung nicht verändert wurden.

C2PA und verwandte Vertrauenssignale#

Inhaltsnachweise überschneiden sich mit mehreren Konzepten zur Authentizität von Medien, erfüllen jedoch einen anderen Zweck:

• C2PA im Vergleich zu Metadaten: Gewöhnliche EXIF- oder beschreibende Metadaten können ein Kameramodell oder einen Zeitstempel erfassen, lassen sich aber in der Regel unbemerkt ändern. C2PA verknüpft signierte Aussagen kryptografisch mit dem Objekt.
• C2PA im Vergleich zu KI-Wasserzeichen: Ein Wasserzeichen fügt dem Inhalt ein sichtbares oder verborgenes Signal hinzu. C2PA übermittelt in erster Linie strukturierte Herkunftsinformationen, auch wenn bei weichen Verknüpfungen Wasserzeichen dazu beitragen können, abgetrennte Nachweise wiederzufinden.
• C2PA im Vergleich zur Deepfake-Erkennung: Die Erkennung untersucht Medien nach ihrer Erstellung auf verdächtige Artefakte. Inhaltsnachweise halten erklärte Ursprünge und Änderungen proaktiv fest.
• C2PA im Vergleich zu Authentizität: Ein gültiger Nachweis bestätigt eine intakte, signierte Herkunft, nicht aber sachliche Richtigkeit, künstlerische Originalität oder die Vertrauenswürdigkeit der signierenden Stelle.

Ein Objekt ohne Nachweise ist nicht automatisch synthetisch oder irreführend. Nachweise sind optional, und Plattformen können eingebettete Informationen bei der Transkodierung, beim Erstellen von Screenshots oder bei der erneuten Komprimierung entfernen.

KI- und Bildverarbeitungsanwendungen aus der Praxis#

• Offenlegung KI-generierter Medien: Ein Dienst zur Bilderzeugung kann einen Nachweis hinzufügen, der angibt, dass eine Ausgabe von einem trainierten Algorithmus erstellt wurde. Wird das Bild auf einer unterstützenden Plattform angezeigt, können Betrachtende seine Herkunft prüfen, statt sich nur auf visuelle Hinweise zu verlassen. Beispielsweise können LinkedIn-Inhaltsnachweise verfügbare C2PA-Informationen zu signierten Bildern und Videos anzeigen, darunter Angaben zum KI-Einsatz und zur ausstellenden Stelle.

• Governance von Trainingsdatensätzen: Ein Computer-Vision-Team erhält möglicherweise Bilder von Kameras, Partnern und Generatoren synthetischer Daten. Gültige Nachweise können dabei helfen, aufgenommene Beispiele von KI-generierten oder bearbeiteten Objekten zu unterscheiden und unerwartete Änderungen vor dem Training zu erkennen. Dies ergänzt die Versionierung von Datensätzen, die Überprüfung von Annotationen und den Datenschutz; es stellt jedoch weder fest, ob die Labels korrekt sind, noch, ob die Organisation die Inhalte für das Training verwenden darf.

Nachweise auf Ergebnisse der Computer Vision anwenden#

Ein Arbeitsablauf mit Ultralytics YOLO26 kann über den Vorhersagemodus ein annotiertes Inferenzbild erstellen und speichern:

from ultralytics import YOLO

# Ein vortrainiertes Objekterkennungsmodell laden
model = YOLO("yolo26n.pt")
source = "https://ultralytics.com/images/bus.jpg"

# Inferenz ausführen und das erste Ergebnis auswählen
results = model(source)
result = results[0]

# Die annotierte Ausgabe für die spätere Erstellung von Nachweisen speichern
output_path = result.save(filename="annotated_bus.jpg")
print(output_path)

Dadurch wird das Ausgabeobjekt erstellt, aber kein C2PA-Nachweis angehängt. Ein Tool zum Veröffentlichen oder Bearbeiten, das Nachweise unterstützt, kann die gespeicherte Datei anschließend signieren. Beispielsweise kann der Export von Photoshop-Inhaltsnachweisen Angaben zur Urheberschaft und zum Bearbeitungsverlauf hinzufügen, während der öffentliche Prüfer für Inhaltsnachweise unterstützte Dateien überprüfen kann.

Für die verwaltete Annotation von Datensätzen, das Training und die Bereitstellung verbindet die Ultralytics Platform den Arbeitsablauf für Computer Vision in einer Umgebung. Teams sollten Nachweise beim Import von Quellmedien bewahren, Änderungen separat erfassen und neue Nachweise hinzufügen, wenn sie wesentlich veränderte Ausgaben veröffentlichen.

Einschränkungen und bewährte Vorgehensweisen#

Inhaltsnachweise sind besonders wirksam in Verbindung mit Transparenz bei KI, sicherer Schlüsselverwaltung, Faktenprüfung und Inhaltsanalyse. Überprüfe sowohl die Gültigkeit des Nachweises als auch die Identität der signierenden Stelle, lege den KI-Einsatz präzise offen, vermeide sensible personenbezogene Metadaten und bewahre nach Möglichkeit die Originaldateien auf.

Organisationen sollten außerdem testen, ob Nachweise die gesamte Auslieferungskette überstehen, einschließlich Optimierung, Uploads in soziale Netzwerke und Export. Die Überwachung der Bereitstellung kann das Systemverhalten nachverfolgen, während C2PA-Aufzeichnungen dabei helfen, Herkunft und Änderungen einzelner Medienobjekte zu erklären.