KI-Geolokalisierung: Treffer, Fehler und Metadaten

Die KI, die den Fotoaufnahmeort errät: Treffer, Fehler und Metadaten

Ein KI-basiertes Geolokalisierungs-Tool verspricht, den genauen Ort zu identifizieren, an dem ein Foto aufgenommen wurde. Man lädt einfach ein Bild hoch, und innerhalb von Sekunden liefert es Land, Stadt und Koordinaten. Das Angebot hat eine Welle von Heimtests mit unterschiedlichen Ergebnissen ausgelöst: von Treffern, die selbst Skeptiker sprachlos machen, bis hin zu Fehlern über Tausende von Kilometern, die das Tool zu einem Unsinnsgenerator mit Orakel-Anspruch degradieren.

Die tatsächliche Funktionsweise ist weit entfernt von Magie. Das Tool analysiert das Bild auf visuelle Hinweise – Architektur, Vegetation, Schilder, Nummernschilder – und gleicht sie mit seiner Datenbank ab. Wenn es nicht genügend Informationen findet, bleibt es nicht still: es erfindet einen plausiblen Standort. Das ist die Sünde vieler generativer KIs, die Priorität darauf legen, eine Antwort zu geben, statt Unwissenheit zuzugeben. Und dort beginnt das Problem.

Überraschende Treffer und empörende Fehler

Erfolgsgeschichten gibt es. Ein Foto einer Straßenansicht im Viertel mit einem seltsamen Winkel und einem Baum, der das Gebäude verdeckt, wurde korrekt identifiziert, zur Überraschung des Uploaders. Ein anderes Bild einer Terrasse mit Blick auf die Straße traf ebenfalls ins Schwarze. In diesen Fällen zeigt die KI, dass sie subtile Muster erkennen kann, die Menschen entgehen.

Aber die andere Seite der Waage ist ebenso schwer. Ein in Lugo (Spanien) aufgenommenes Foto wurde in Frankreich lokalisiert. Ein anderes einer Kirche in Madrid erschien vier Kilometer vom tatsächlichen Ort entfernt. Ein Bild eines spanischen Feldes wurde 250 Kilometer weit weg platziert. Und ein Foto eines lokalen Parks landete in Kalifornien. Wenn die Präzision scheitert, dann groß.

Manche behaupten, viele dieser Fehler seien durch etwas so unspektakuläres wie EXIF-Metadaten erklärbar. Handyfotos enthalten oft eingebettete GPS-Koordinaten. Wenn das Tool diese liest, liegt es richtig, ohne ein einziges Pixel zu analysieren. Wenn der Nutzer jedoch einen Screenshot oder einen Filmframe ohne Metadaten hochlädt, steht die KI bloß da und fängt an zu schwafeln. Ein auffälliger Fall: Ein Foto der Startbahn am Flughafen Barajas mit einem Flugzeug von Aeroméxico wurde als Benito-Juárez-Flughafen in Mexiko-Stadt identifiziert. Das Flugzeug täuschte die KI, aber die Metadaten enthielten den echten Standort. Das Tool ignorierte sie lieber und ging ein Risiko ein.

Der Verbindungs-Bias: Wenn die KI rät, wo du bist, nicht wo das Foto entstand

Eine weitere kursierende Hypothese besagt, dass das Tool die IP-Adresse des Nutzers als Abkürzung nutzt. Wenn es erkennt, dass die Verbindung aus Spanien kommt, neigt es dazu, spanische Standorte vorzuschlagen. Surft der Nutzer per VPN, kann das Ergebnis überall auf der Welt landen. Das würde erklären, warum viele Fotos desselben Nutzers konsistente, aber realitätsferne Antworten erhalten.

Die Konsequenz ist, dass das Tool genauer ist, wenn der Nutzer in der Nähe des fotografierten Ortes ist, und spektakulär versagt, wenn das Bild von einem anderen Kontinent stammt. Es ist keine universelle Geolokalisierungsmaschine; bestenfalls ein Detektor für lokale Zufälle.

Das Kernproblem: Eine KI, die nicht „Ich weiß es nicht“ sagen kann

Der häufigste Fehler ist nicht mangelnde Präzision, sondern die Unfähigkeit, Unsicherheit zuzugeben. Das Tool antwortet immer. Auch wenn die Antwort Unsinn ist. Dieses Verhalten ist typisch für Systeme, die darauf trainiert sind, die Nutzerzufriedenheit zu maximieren, nicht die Wahrheit. Wenn Daten fehlen, generiert das Modell eine plausible Hypothese und präsentiert sie mit gespielter Sicherheit.

Einige weisen darauf hin, dass das Tool durch Feedback verbessert werden könnte: Wenn Nutzer Fehler korrigierten, würde das System lernen. Aber es ist unklar, ob ein solcher Mechanismus existiert. Ohne ihn wird die KI dieselben Fehler endlos wiederholen. Unterdessen ist jedes hochgeladene Foto mehr Daten, die eine fremde Datenbank füllen.

Datenschutz: Der versteckte Preis des Ratespiels

Jenseits der Genauigkeit wächst die Besorgnis darüber, was das Hochladen privater Fotos an ein solches Tool bedeutet. Jedes Bild liefert Informationen über Routinen, Wohnorte, Arbeitsumgebungen und Beziehungen. Selbst wenn das Foto keine Metadaten hat, kann der visuelle Inhalt ausreichen, um Muster abzuleiten. Und wenn Metadaten vorhanden sind, desto besser für jene, die sie ausbeuten.

Die Empfehlung der Vorsichtigen ist simpel: Laden Sie keine eigenen Fotos oder die von Bekannten bei Diensten hoch, die nicht spezifizieren, was sie damit tun. Der Spaß, ob es richtig liegt, kompensiert nicht das Risiko, eine Karte Ihres Lebens zu verschenken.

Ist diese Technologie nützlich?

Abseits des Spiels hat die automatische Geolokalisierung ernsthafte Anwendungen: Verifizierung journalistischer Bilder, Analyse historischer Archive, Betrugsuntersuchungen bei Versicherungen oder Ortsidentifikation in alten Dokumenten. Dafür braucht es jedoch Präzision und Transparenz darüber, wie das Ergebnis zustande kommt. Ein Tool, das über Metadaten trifft und ohne sie versagt, ist für professionelle Nutzung nicht zuverlässig.

Der anfängliche Enthusiasmus prallt auf die Realität: KI ist nicht allmächtig. Sie erkennt, was sie zuvor unter ähnlichen Bedingungen gesehen hat. Außerhalb ihrer Komfortzone improvisiert sie. Und in der Geolokalisierung bedeutet Improvisieren, jemanden mit vollster Überzeugung 20.000 Kilometer weit weg zu schicken. Lohnt es sich, ein System weiter zu füttern, das einen lokalen Park mit Kalifornien verwechselt?