Unser Maskottchen sah einer Disney-Figur zu ähnlich

Vor kurzem haben wir hier aufgeschrieben, warum wir alle KI-Fotos von dieser Website gelöscht haben. An ihre Stelle kamen Szenen mit unserem Maskottchen, dem Nighthog. Ein Igel im grünen Arbeits-T-Shirt, gezeichnet wie in einem Animationsfilm.

Danach kam die Frage, die wir uns vorher hätten stellen sollen: Sieht der eigentlich einer bekannten Figur zu ähnlich?

Die Antwort war unangenehm.

Was die Bildsuche sagt

Eine Rückwärtsbildsuche über Yandex ordnet unseren Igel Mr. Pricklepants zu. Das ist der Igel aus Toy Story 3, gesprochen von Timothy Dalton. Eine Disney/Pixar-Figur also.

Bei einem der Motive schlug die Suchmaschine als passenden Suchbegriff wörtlich „toy story mr pricklepants” vor. Die Liste ähnlicher Bilder bestand fast nur aus Pricklepants-Renderings. Sonic tauchte genau einmal auf, weit unten. Der naheliegende Verdacht war also der falsche.

Keine Kopie, trotzdem zu nah

Ein einzelnes bestehendes Bild wurde nicht nachgebaut. Die Suche fand keine identische Vorlage, weder zu der Figur noch zu den Szenen. Es ist kein geklautes Motiv.

Die Nähe liegt woanders. Gleiche Gattung, gleiche braun-hellbraune Färbung, gleiche rundliche Statur, gleicher 3D-Look. Und vor allem: grüne Oberbekleidung. Grün ist bei einem Igel keine naheliegende Wahl. Es ist das Erkennungsmerkmal von Pricklepants.

Was uns unterscheidet, sind seine Lederhose mit Trägern und der grüne Tirolerhut mit Feder. Beides fehlt bei uns. Genau daran hängt bei Figuren normalerweise die Identität, insofern war der Abstand nie null. Er war nur kleiner, als er sein sollte.

Die Ursache ist banal. Wer ein Bildmodell nach einem Igel-Maskottchen im Pixar-Stil fragt, bekommt Zug in Richtung des Pixar-Igels. Das Modell hat nichts kopiert. Es hat gemittelt, und in diesem Mittel sitzt eine Disney-Figur.

Das ist eine Fehlerklasse, die man dem Bild nicht ansieht. Beim letzten Mal war der Fehler im Bild: ein Patchfeld ohne Ports, erfundene Beschriftungen. Diesmal ist im Bild nichts falsch. Der Igel ist korrekt gezeichnet, die Werkstatt stimmt, die Kabel gehen in Buchsen. Das Problem steht nicht im Bild, sondern in seiner Herkunft. Dafür braucht es eine andere Prüfung, und die dauert fünf Minuten: Bild in eine Rückwärtssuche werfen und lesen, was die Maschine darin erkennt.

Der Igel trägt jetzt Blau

Der stärkste einzelne Hinweis war die Shirt-Farbe. Also haben wir sie geändert, auf ein entsättigtes Arbeitsblau. Blaumann statt Grün, was zu einem Betrieb, der sich als Werkstatt versteht, ohnehin besser passt.

Die Gegenprobe haben wir gemacht, bevor wir achtundzwanzig Motive umgebaut haben: blaues Shirt, sonst alles gleich, dann noch einmal durch dieselbe Suche. Null Treffer auf Pricklepants, Toy Story, Disney und Pixar. Die Farbe allein trug den Unterschied.

Ein Nebeneffekt, mit dem wir nicht gerechnet hatten: Unser Markengrün ist auf dieser Seite dafür reserviert, Aktionen und Zustände zu markieren. Solange der Igel es trug, war es auf jedem Bild verbraucht. Jetzt steht es wieder zur Verfügung.

Die Brille, die nicht zu bauen war

Ein zweites Unterscheidungsmerkmal sollte eine runde Messingbrille werden. Sie wurde nichts.

Erster Versuch: Brille mit Bügeln. Die Bügel liefen unter den Ohren durch statt darüber. Zweiter Versuch, eine Korrektur genau dieser Stelle: Das Modell zeichnete den richtigen Bügel zusätzlich ein, statt den falschen zu ersetzen. Ergebnis waren zwei Bügel pro Seite. Dritter Versuch, ein Zwicker ganz ohne Bügel. In der Referenz sah er sauber aus. Über die achtundzwanzig Folgebilder riss er in der Mehrzahl wieder ein, in drei verschiedenen Formen: ein einzelner Bügel, zwei Bügel unter den Ohren, und bei einem Motiv eine vom Glas herabhängende Kette.

An diesem Punkt haben wir die Brille gestrichen.

Das ist die unspektakulärste und vielleicht nützlichste Erkenntnis aus der ganzen Sache. Ein Bildmodell hat sehr starke Erwartungen darüber, wie die Welt aussieht. Eine Brille hat Bügel. Gegen so eine Erwartung kommt man mit Formulierungen nicht an, auch nicht mit ausdrücklichen Verboten im Auftrag. Wenn eine Anforderung nach drei Versuchen in drei verschiedenen Formen wieder einreißt, ist das kein Formulierungsproblem mehr. Dann ist die Anforderung dran, nicht der Prompt.

Der Fehler saß in der Prüfung

Geprüft haben wir. Nur falsch.

Nach jedem Durchlauf sind die Bilder auf Kontaktblättern nebeneinander gelegt worden, sechshundert Pixel breit pro Bild. Requisiten, Beschriftungen, Bildaufbau ließen sich so gut abgleichen. Ein Drahtbügel von wenigen Pixeln Stärke nicht. Der ist auf einem Kontaktblatt schlicht unsichtbar.

Aufgefallen ist es erst, als jemand die Bilder einzeln am großen Bildschirm ansah.

Seitdem gilt bei uns eine zusätzliche Regel: Was fragil ist, wird am Einzelbild im Zoom geprüft, nie in der Übersicht. Beim Nachziehen dieser Regel sind gleich drei weitere Bilder aufgefallen, bei denen sich ein Logo auf dem T-Shirt zurückgeschlichen hatte. Auch das hätte kein Kontaktblatt gezeigt.

Der Punkt, den viele übersehen

Zum Schluss etwas, das über unseren Igel hinausgeht und für jeden Betrieb gilt, der sich ein Logo, ein Maskottchen oder eine Bildmarke generieren lässt.

Rein KI-erzeugte Gestaltungen genießen in Deutschland und der EU nach herrschender Auffassung keinen urheberrechtlichen Schutz. Es fehlt die persönliche geistige Schöpfung eines Menschen. Im Klartext heißt das: Wer sich eine Figur generieren lässt und sie zum Gesicht seiner Firma macht, kann einem Wettbewerber, der sie eins zu eins übernimmt, urheberrechtlich nichts entgegensetzen.

Der Weg, der trotzdem schützt, ist die Marke. Eine Bildmarke beim DPMA kostet elektronisch 290 Euro für drei Klassen und schützt unabhängig davon, wer oder was die Grafik gezeichnet hat.

Das ist unsere Einschätzung und keine Rechtsberatung. Aber es ist die Frage, die in Gesprächen über KI im Marketing fast nie gestellt wird, und sie kostet nichts außer dem Gedanken.

Wie wir das machen

Wir beraten Unternehmen im Großraum München beim datenschutzkonformen KI-Einsatz. Dazu gehört die Werkzeugauswahl und die Datengrenze, aber eben auch die unbequemere Hälfte: An welcher Stelle kann ein generiertes Ergebnis falsch sein, ohne dass es jemand merkt, und wie prüft man genau diese Stelle.

Manchmal ist die Antwort, dass eine Anforderung fallen muss. Auch das gehört ins Gespräch.

Wenn Sie gerade überlegen, wo KI in Ihrem Betrieb trägt und wo nicht: Sprechen Sie uns an.