Ein KI-generiertes Bild erkennen Sie nicht mehr zuverlässig, indem Sie es einfach ansehen. Die bessere Frage lautet 2026 deshalb: Woher stammt die Datei? Provenance-Daten, Quellenrecherche und ein paar kostenlose Checks bringen mehr, als Händen und Schatten hinterherzuschauen.
Die Belege dafür sind eindeutig. Im Online-Quiz „Real or Not" trafen rund 12.500 Spieler etwa 287.000 Urteile und erreichten im Schnitt 62 % Treffsicherheit, was die Autoren als „bescheidene Fähigkeit, knapp über dem Zufall" bezeichnen (arXiv). Ein Münzwurf kommt auf 50 %.
Dieser Leitfaden behandelt, was noch funktioniert: Content Credentials, Googles SynthID-Wasserzeichen, Plattform-Labels, umgekehrte Bildersuche und Detektor-Tools samt ihren realen Grenzen. Am Ende steht eine Routine, die Sie in wenigen Minuten auf jeden verdächtigen viralen Clip anwenden können, dazu ein Konfidenz-Rechner und ein Entscheidungsbaum, der Ihnen den nächsten Check vorschlägt.
Warum die visuellen Merkmale nicht mehr verlässlich sind
Die klassische Checkliste lautete: zu viele Finger, wirre Schilder, nicht zusammenpassende Ohrringe und wachsartige Haut. Das waren Artefakte älterer Generatoren, und neuere werden immer besser. Das Feld ist zudem dicht besetzt, wie unser Ranking der KI-Bildgeneratoren zeigt.
Die Autoren des Quiz stellten fest, dass Menschen am meisten bei Bildern „ohne offensichtliche Artefakte oder stilistische Hinweise" Probleme hatten. Am besten schnitten die Spieler bei menschlichen Porträts ab, am schlechtesten bei Natur- und Stadtlandschaften (arXiv). Ein malerisches Straßenfoto ohne Gesichter zum Prüfen ist also der schwierigste Fall – und genau die Art Bild, mit der sich ein Nachrichtenereignis vortäuschen lässt.
Porträts sind leichter, aber nicht leicht. Eine separate Studie von 2026 mit 1.664 Teilnehmenden, die nur Porträts aus zwei Generatoren beurteilten, ermittelte eine durchschnittliche Treffsicherheit von 85,2 %. Auch dort sank die Genauigkeit mit dem Alter und war auf Smartphones niedriger als am PC, und Porträts von ChatGPT-4o waren schwerer und langsamer einzuordnen als die von Imagen 3 (arXiv). Auf dem Smartphone begegnen die meisten Menschen einer Fälschung.
Selbstvertrauen ist ein unsicherer Ratgeber. In der Porträtstudie schnitten Personen besser ab, die sich selbst als sicherer und KI-erfahrener einstuften. Es war aber ein freiwilliges Web-Experiment und kein Maßstab dafür, wie Sie heute Abend bei einem kniffligen Bild abschneiden. Betrachten Sie Ihr Bauchgefühl als Anlass zum Prüfen, nicht als Ergebnis.
Das heißt nicht, dass Sie das genaue Hinsehen aufgeben sollten. Text, der nicht zum Ort passt, widersprüchliches Licht und eine Szene, die der Bildunterschrift widerspricht, sind allesamt ein Warnsignal wert. Nutzen Sie sie, um Verdacht zu schöpfen, nicht um die Frage in die eine oder andere Richtung zu entscheiden.
Beginnen Sie mit der Herkunft, nicht mit den Pixeln
Der C2PA-Standard, vermarktet als Content Credentials, ist „ein offener technischer Standard für Verlage, Kreative und Nutzer, um Ursprung und Bearbeitungen digitaler Inhalte festzustellen" (C2PA). Signiert eine Kamera oder ein KI-Tool eine Datei, wandert die Aufzeichnung über Entstehung und Bearbeitungen mit ihr mit. Um diese Aufzeichnung zu lesen, ziehen Sie die Datei in das offizielle Content-Credentials-Prüftool. Es akzeptiert JPEG, PNG, WebP, HEIC, MP4, MOV und weitere Formate und zeigt, wie sich der Inhalt im Lauf der Zeit verändert hat. Seinen eigenen Hinweis sollten Sie ernst nehmen: Content Credentials werden noch ausgerollt, die meisten Dateien, die Sie prüfen, tragen also keine. Unser Verzeichnis hat außerdem eine Seite zum Tool Content Credentials.
Signiert werden kann im Moment der Aufnahme ebenso wie in einer Bearbeitungs-App oder einem Bildgenerator. Das dreht die übliche Frage um: Nicht Sie müssen beweisen, dass ein Foto gefälscht ist, sondern die Quelle kann belegen, dass es echt ist. Das hilft aber nur, wenn die Credential den Weg bis auf Ihren Bildschirm übersteht – und genau dort bricht der unten gezeigte Ablauf auf.
Der Haken ist Schritt vier. Die eigene Erläuterung des Standards räumt offen ein, dass Provenance-Metadaten entfernt werden können – auf die Frage antwortet sie mit „Yes it can" – und sie nennt Credentials optional (C2PA explainer). Ein Screenshot, erneutes Speichern oder die Neukodierung durch eine Plattform kann den Eintrag verlieren. Die Antwort der Spezifikation sind dauerhafte Credentials, die ein Wasserzeichen oder eine Fingerprint-Suche ergänzen, damit der Eintrag im Cloud-Speicher wiedergefunden werden kann.
Zwei weitere Warnungen aus demselben Dokument: Niemand sollte ein Asset „allein aufgrund seiner Nutzung von Content Credentials" für vertrauenswürdig halten. Und Provenance „kann Ihnen nicht sagen, ob der digitale Inhalt wahr, korrekt oder sachlich ist". Ein signiertes Foto einer gestellten Szene bleibt ein signiertes Foto einer gestellten Szene.
Die zweite Art von Provenance ist ein in den Pixeln verstecktes Wasserzeichen. Google DeepMind zufolge bettet SynthID nicht wahrnehmbare Wasserzeichen in Bilder, Audio, Text und Video ein, und die Marken für Bild und Video sind darauf ausgelegt, Zuschneiden, Filter, geänderte Bildraten und verlustbehaftete Kompression zu überstehen (Google DeepMind). Google gibt an, inzwischen über 180 Milliarden Bilder und Videos sowie 240.000 Jahre Audio mit Wasserzeichen versehen zu haben. Mit derselben Ankündigung wurde das Portal Google SynthID Detector für alle geöffnet, auf Englisch, für Inhalte von Google oder Partnern wie OpenAI, NVIDIA und Kakao (Google).
Am einfachsten geht der Check über Gemini. Laut Googles Hilfeseite laden Sie eine Datei auf gemini.google.com (oder in der Android-App) hoch und fragen, ob sie von Google AI erstellt oder bearbeitet wurde. Videos müssen kürzer als 90 Sekunden sein, das Kontingent liegt bei rund 10 Bild- und 10 Video-Prüfungen in einem gleitenden 24-Stunden-Fenster, und Screenshots sollten eng zugeschnitten sein (Gemini Help). Dasselbe Tool fasst Content Credentials zusammen, wenn eine Datei welche enthält.
Das Ergebnis ist unausgewogen zu lesen. Ein Treffer bedeutet, dass die Datei ganz oder teilweise von Googles KI erstellt oder bearbeitet wurde. Ein Nicht-Treffer bedeutet fast nichts, denn Gemini „kann derzeit nur Inhalte erkennen, die mit Google-AI-Tools erstellt wurden", und ein anderes System könnte das Bild trotzdem erzeugt haben.
Positive Provenance ist ein starker Beleg. Fehlende Provenance ist ein Achselzucken, und die meisten Fälschungen in der Praxis kommen ohne sie. Diese Asymmetrie ist die nützlichste Gewohnheit in diesem Leitfaden.
Was Plattform-Labels verraten und was nicht
Labels sehen die meisten Nutzer tatsächlich, und sie sind schwächer, als sie wirken, weil sie davon abhängen, dass Urheber ehrlich sind oder Metadaten den Upload überstehen.
- YouTube verlangt von Urhebern, realistisch veränderte oder synthetische Inhalte über die Einstellung „AI use" in YouTube Studio offenzulegen. Es kann auch selbst ein Label setzen, wenn Inhalte mit eigenen KI-Tools entstanden sind oder C2PA-Metadaten tragen, und das Label kann im Player oder nur in der aufgeklappten Beschreibung stehen (YouTube Help).
- Meta zeigt auf Facebook, Instagram und Threads ein Label „AI info", wenn es branchenübliche KI-Indikatoren erkennt oder wenn jemand selbst offenlegt. Im Update von 2024 erklärte Meta, dass Inhalte, die nur mit KI bearbeitet wurden, das Label stattdessen im Beitragsmenü tragen, weil der ursprüngliche Wortlaut „Made with AI" auf Fotos mit kleinen Retuschen gelandet war (Meta).
- TikTok verlangt von Urhebern, realistische KI-Inhalte zu kennzeichnen, und versieht Inhalte automatisch mit einem Label, wenn sie mit seinen KI-Effekten erstellt oder mit angehängten Content Credentials hochgeladen wurden. Ist ein automatisches Label gesetzt, kann der Urheber es nicht entfernen (TikTok Support).
Das Muster ist klar. Alle drei stützen sich auf C2PA-Metadaten oder Selbstauskunft: Ein ehrlicher Urheber oder ein Generator eines großen Labs wird gekennzeichnet, wer dagegen die Metadaten entfernt und schweigt, meist nicht. YouTube sagt, dass Urhebern, die die Offenlegung konsequent auslassen, die Entfernung von Inhalten oder der Ausschluss aus dem Partnerprogramm drohen kann, doch das ist Durchsetzung im Nachhinein.
Ein Label ist nützlich, wenn es da ist, und stumm, wenn es fehlt. Dieselbe Logik ordnet jede Art von Beleg, der Ihnen begegnet.
Verfolgen Sie die Quelle, bevor Sie der Datei trauen
Die meisten viralen Fälschungen fliegen am Kontext auf, nicht an der Forensik. Fragen Sie, wer das zuerst gepostet hat, wann und mit welcher Bildunterschrift. Ein dramatischer Clip ohne ursprünglichen Uploader, ohne Ortsangabe und mit tausend Reposts ist eine schwache Behauptung, egal was die Pixel sagen.
Die umgekehrte Bildersuche ist hier das Arbeitspferd. TinEye durchsucht nach eigenen Angaben über 86 Milliarden Bilder und bietet Browser-Erweiterungen für die Suche per Rechtsklick. Google Lens nimmt ein Foto, ein Bild oder einen Screenshot. Lenso.ai hat getrennte Suchmodi für Orte, Personen, Duplikate und ähnliche Bilder. Copyseeker bietet eine kostenlose Websuche und eine Chrome-Erweiterung. Nutzen Sie mindestens zwei, denn ihre Indizes unterscheiden sich.
Sie suchen die früheste Kopie. Taucht ein Foto „vom gestrigen Sturm" vor zwei Jahren auf einer Stock-Seite auf, sind Sie fertig. Erscheint es vor diesem Post nirgends, ist das ein leichtes Warnsignal und kein Beweis, denn ein wirklich neues Foto hat ebenfalls keine Vorgeschichte. Bei Videos nehmen Sie drei oder vier Schlüsselbilder und suchen jedes einzeln.
Prüfen Sie dann die Behauptung selbst. Berichtet eine Nachrichtenredaktion oder ein Faktencheck-Team über dasselbe Ereignis mit eigenem Material? Passen Wetter, Beschilderung, Sprache und Wahrzeichen zum genannten Ort? Ist das Konto neu, oder postet es auffällig viele dramatische Clips? Zehn Minuten mit der Historie des Absenders sagen oft mehr als jeder Detektor.
Was Detektor-Tools können und was nicht
Ein Detektor ist ein Modell, das auf bekannten Generatoren trainiert wurde und eine Wahrscheinlichkeit ausgibt. Ein Labortest ist das nicht. Unser Verzeichnis listet jede Menge davon, darunter die kostenlose Chrome-Erweiterung Hive AI Detector für Text, Bilder, Audio und Video, die Erweiterung UncovAI, DeepfakeDetection.io und Sealed Rose, das Videos Bild für Bild analysiert. Das weitere Feld finden Sie in unserem Ranking der KI-Content-Detektoren, und die Übersichtsseite dieser Kategorie enthält die vollständige Liste.
Anbieter veröffentlichen große Zahlen. BitMind gibt auf seiner Website an, bei realen Deepfakes 95 % Genauigkeit zu erreichen (BitMind). Sensity beschreibt ein mehrschichtiges System, das Bildinhalt, Dateistruktur, Metadaten und Audio prüft, und sagt, dass seine Berichte Konfidenzwerte enthalten. Behandeln Sie jede Herstellerangabe als Behauptung. Eine einzelne Schlagzeilenzahl verrät nicht, wie sich das Tool bei Ihrem komprimierten Screenshot verhält oder wie oft es echte Fotos markiert.
Unabhängige Arbeiten zeichnen ein härteres Bild. Der Benchmark Deepfake-Eval-2024 testete Detektoren an Medien, die tatsächlich online kursierten, und stellte fest, dass quelloffene State-of-the-art-Modelle im Vergleich zu früheren Benchmarks etwa 50 % ihres AUC bei Video, 48 % bei Audio und 45 % bei Bildern einbüßten. Kommerzielle und feinjustierte Modelle schnitten besser ab, blieben aber hinter menschlichen forensischen Analysten zurück (arXiv). Eine weitere Untersuchung von 2025 fand, dass weniger als die Hälfte der getesteten Detektoren über 60 % AUC erreichte, der schlechteste auf Zufallsniveau lag, und dass einfache Bearbeitungen wie JPEG-Kompression oder Bildverbesserung die Leistung deutlich senken können (arXiv).
Fehler gibt es in beide Richtungen. Ein stark komprimiertes, hochskaliertes oder retuschiertes echtes Foto kann für einen Klassifikator seltsam aussehen, so wie eine Fälschung sauber wirken kann. Metas eigene Labels lagen bei echten Fotos mit kleinen KI-Retuschen falsch.
Auch der Kontext verändert die Antwort. Ein auf Face-Swaps getrimmtes Tool übersieht womöglich eine vollständig synthetische Landschaft, und eines für die Identitätsprüfung, etwa ein Liveness-Check bei einem Selfie, löst ein anderes Problem als eines, das ein virales Meme scannt. Lesen Sie die Seite jedes Tools, um zu wissen, was es abdeckt, bevor Sie einem Ergebnis trauen, und rechnen Sie damit, dass neue Generatoren ältere Detektoren schlagen, bis der Anbieter nachzieht.
Richtig eingesetzt sind Detektoren Tie-Breaker. Lassen Sie zwei laufen. Gewichten Sie ein Ergebnis geringer, wenn Ihre Datei ein Screenshot oder ein neu kodierter Clip ist. Beschuldigen Sie niemals eine Person, etwas gefälscht zu haben, nur weil ein Score 87 % anzeigte, und gewichten Sie die Ausgabe jedes Detektors geringer als eine Credential oder einen Wasserzeichen-Treffer.
Eine Routine für ein verdächtiges virales Bild oder Video
Wählen Sie den Pfad, der zu dem passt, was Sie vor sich haben, und arbeiten Sie die Schritte der Reihe nach ab. Hören Sie auf, sobald Sie eine eindeutige Antwort haben, etwa eine verifizierte Credential oder ein früheres Original.
- Innehalten, bevor Sie reagieren. Fälschungen sind auf schnelles Teilen gebaut, und Dringlichkeit ist das Signal, langsamer zu werden.
- Die beste Kopie besorgen, die Sie bekommen können. Ein Screenshot hat seine Metadaten verloren, suchen Sie also nach dem ursprünglichen Beitrag oder der Originaldatei und notieren Sie Konto, Link und Uhrzeit.
- Das Label lesen. Prüfen Sie Player, Beschreibung und Beitragsmenü auf ein KI-Label bei YouTube, den Meta-Apps oder TikTok.
- Die Datei durch ein Content-Credentials-Prüftool laufen lassen und Signierer und Bearbeitungsverlauf notieren, falls vorhanden.
- Einen SynthID-Check in Gemini ausführen, für Bilder oder für Videos unter 90 Sekunden.
- Das Bild oder vier Schlüsselbilder per umgekehrter Bildersuche prüfen und die früheste Kopie finden.
- Die Behauptung prüfen. Suchen Sie nach einem seriösen Medium oder Faktenchecker mit eigenem Material desselben Ereignisses und testen Sie Ort, Datum und Wetter.
- Zwei Detektoren laufen lassen und die Antwort als Tie-Breaker behandeln.
- Entscheiden, wie Sie es beschreiben: verifiziert, wahrscheinlich gefälscht oder unbestätigt. So teilen Sie es – oder gar nicht.
Der Rechner unten macht aus dieser Routine eine grobe Konfidenzzahl. Provenance und Quellenrecherche bringen die meisten Punkte, Detektoren die wenigsten. Ein hoher Wert ist trotzdem keine Garantie, denn Provenance lässt sich fälschen, und eine gut aussehende Quelle kann falsch liegen.
Drei Situationen im Durchgang
Das sind anschauliche Beispiele, keine Berichte über reale Vorfälle, aber jedes spiegelt wider, wie Fälschungen auftauchen.
Ein Sturmfoto im Familienchat. Es zeigt eine überflutete Hauptstraße in der Dämmerung, und die Bildunterschrift nennt Ihre Stadt. Pixel können Sie nicht verifizieren, also gehen Sie zum Kontext. Eine umgekehrte Suche findet dieselbe Straße in einem Reiseblog von vor zwei Jahren, mit trockenem Pflaster und derselben Beschilderung. Das ist entscheidend: Das Foto ist alt oder die Szene gestellt, und in beiden Fällen stimmt die Bildunterschrift nicht. Der Zeitaufwand liegt bei etwa zwei Minuten, und ein Detektor war nicht nötig.
Ein Video, in dem ein Politiker etwas Ungeheuerliches sagt. Der Clip ist 40 Sekunden lang, im Hochformat, mit eingebrannten Untertiteln, und wurde überall repostet. Suchen Sie nach einem Label und prüfen Sie dann, ob irgendein Medium dieselbe Aussage aus einer längeren, weiteren Aufnahme bringt. Echte Aussagen von Personen des öffentlichen Lebens haben fast immer ein längeres Original und mehrere Zeugen. Wenn die einzigen Kopien zugeschnittene Reposts sind, nennen Sie es unbestätigt. Brauchen Sie einen technischen Check, schneiden Sie auf das Gesicht zu und führen einen SynthID-Check plus zwei Detektoren aus, und beachten Sie, dass ein negatives Ergebnis den Clip trotzdem nicht entlastet.
Ein Profilfoto von einem Fremden, der um Geld bittet. Suchen Sie zuerst per umgekehrter Bildersuche nach dem Foto. Gestohlene Fotos echter Konten sind eine verbreitete Alternative zu generierten Gesichtern, und ein Treffer mit einem anderen Namen klärt die Sache. Ist das Foto unauffällig, bitten Sie um einen Videoanruf live und um eine nicht abgesprochene Handlung, etwa einen handgeschriebenen Zettel in die Kamera zu halten. Ein Deepfake-Detektor kann ein weiterer Baustein sein, und der Anruf ist aussagekräftiger als alle anderen.
Was Sie tun, wenn Sie sich entschieden haben
Wenn Sie sicher sind, dass es gefälscht ist und sich verbreitet, ist Melden besser als Zitieren. TikTok hat einen Melde-Ablauf in der App und im Web, und seine Hilfeseite weist darauf hin, dass nicht gekennzeichnete realistische KI-Inhalte und KI-Identitätsmissbrauch unter die Community-Richtlinien fallen (TikTok Support). Eine Fälschung zitierend zu posten, um sie zu widerlegen, verschafft ihr oft mehr Reichweite, als die Richtigstellung bekommt.
Wenn Sie nicht sicher sind, sagen Sie das klar. „Ich kann nicht bestätigen, dass das echt ist" ist eine völlig gute Bildunterschrift und erspart Ihnen die peinliche Lage, sich später korrigieren zu müssen. Wenn Sie selbst KI-Bilder veröffentlichen, kennzeichnen Sie sie und lassen Sie die Credentials aktiviert. Ob ein bestimmter Generator sie anhängt, ist unterschiedlich, prüfen Sie also seine Dokumentation, bevor Sie sich darauf verlassen.
Video und Audio erfordern besondere Sorgfalt
Ein kurzer Clip ist das Format, das sich in Eile am schwersten prüfen lässt. Plattformen komprimieren Uploads neu, Urheber schneiden zu und fügen Untertitel hinzu, und die Version, die Sie erreicht, kann die zehnte Kopie von etwas sein. Neukodierung entfernt Metadaten und kann laut den oben genannten Untersuchungen die Detektor-Genauigkeit verschlechtern. Gemini nimmt nur Clips unter 90 Sekunden an, schneiden Sie bei einem längeren Video also auf den verdächtigen Moment zu oder fragen Sie nach dem vollständigen Original.
Fragen Sie nach der längsten Version in der höchsten Qualität, die Sie bekommen können. Eine Fälschung, die im Hochformat sechs Sekunden lang überzeugt, hat oft ein längeres Original, das eine andere Geschichte erzählt, und ein echtes Ereignis hat meist mehrere Blickwinkel von verschiedenen Personen.
Verlangsamen Sie den Clip. Achten Sie auf Mund und Ton, das Blinzelmuster, die Kanten, wo Haare oder Brillen auf den Hintergrund treffen, und auf Text, der zwischen Bildern flackert. Diese Checks entlarven schlampige Fälschungen weiterhin und ergeben aus denselben Gründen wie bei Standbildern ein Warnsignal, kein Urteil.
Stimmklonen ist ein Problem für sich. Pindrop zielt auf Deepfake-Stimmen in Kundendaten und Betrugsszenarien, und Facia kombiniert Deepfake-Erkennung mit Liveness-Checks zur Identitätsprüfung. Für die persönliche Sicherheit zählt der menschliche Schritt mehr als jedes Tool. Wenn ein Videoanruf oder eine Sprachnachricht Geld verlangt, legen Sie auf und rufen Sie unter einer Nummer zurück, der Sie bereits vertrauen.
Wenn Sie den größeren Zusammenhang interessiert, warum das wichtig ist: Nina Schicks Deepfakes: The Coming Infocalypse beleuchtet den Aufstieg der Technologie und ihre gesellschaftlichen Folgen. Was die Generatoren können, zeigen unsere Ratgeber KI-Bildgeneratoren im Vergleich und die besten KI-Bildgeneratoren sowie unsere Übersicht der Content-Detektoren.
Häufig gestellte Fragen
Kann man ein KI-generiertes Bild zuverlässig erkennen, indem man es ansieht?
Nein. Im Quiz „Real or Not" erreichten die Spieler bei etwa 287.000 Urteilen im Schnitt 62 % Treffsicherheit (arXiv). Visuelle Hinweise können Verdacht wecken, bestätigen lässt es sich aber nur über Provenance-Daten und Quellenrecherche.
Bedeutet ein fehlendes Wasserzeichen oder Content Credential, dass ein Bild echt ist?
Nein. Credentials sind optional und lassen sich entfernen, und Geminis SynthID-Check erkennt nur Inhalte von Google AI. Ein fehlender Marker sagt in keine Richtung etwas aus.
Sind kostenlose KI-Bilddetektoren genau?
Manchmal, und Sie können nicht wissen, wann. Anbieter nennen Zahlen wie 95 %, während unabhängige Tests mit realen Medien starke Einbrüche bei der Genauigkeit und eine Empfindlichkeit gegenüber Kompression gezeigt haben. Nutzen Sie zwei Tools und behandeln Sie das Ergebnis als Tie-Breaker.
Zeigt die umgekehrte Bildersuche, ob ein Bild KI-generiert ist?
Nicht direkt. Sie zeigt, wo das Bild sonst noch auftaucht und wie früh. Ein Foto, das lange vor dem Ereignis auftaucht, das es angeblich zeigt, ist gefälscht, und eines ganz ohne Vorgeschichte ist lediglich unbewiesen.
Lässt sich ein Screenshot eines KI-Bildes noch prüfen?
Kaum. Ein Screenshot hat keine eingebetteten Credentials, und Detektoren verlieren nach Zuschneiden und Neukodierung an Stärke. SynthID ist darauf ausgelegt, viele solcher Änderungen zu überstehen, doch Googles Hilfeseite rät trotzdem, eng zuzuschneiden und Collagen zu vermeiden. Am besten finden Sie den ursprünglichen Beitrag und gehen von dort aus weiter.
Was soll ich tun, wenn ich es trotzdem nicht beurteilen kann?
Nennen Sie es unbestätigt und verstärken Sie es nicht. Warten Sie auf ein Medium oder einen Faktenchecker mit unabhängigem Material. Warten kostet Sie ein wenig Tempo, und eine Fälschung zu teilen kostet jemanden seinen Ruf.