Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
medium.com22. Juli 2026 · Q011033

Why AI Porn Is Impossible to Stop, From Someone Who Builds With It

medium.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der Autor hält KI-generierte sexualisierte Fälschungen wegen offener, lokal nutzbarer Modelle und einfacher Apps für kaum vollständig verhinderbar. Er sieht Gesetze, Erkennung und Löschungen als begrenzte Mittel gegen die Verbreitung und setzt auf Schadensbegrenzung; die im Artikel genannten Zahlen und Beispiele sind hier nicht unabhängig geprüft.

Mittel

Andrus argumentiert, dass KI-generierte sexualisierte Fälschungen schwer zu verhindern seien, weil offene Bildmodelle inzwischen leicht verfügbar seien und lokal auf verbreiteter Hardware laufen könnten. Bedienungsfreundliche „Nudify“-Apps senkten die Hürde zusätzlich. Der Autor nennt Zahlen zu App-Downloads, Umfragen und Fällen an Schulen sowie Angaben zu KI-generiertem Missbrauchsmaterial. Diese Belege werden im Artikel angeführt, lassen sich anhand des vorliegenden Textes jedoch nicht unabhängig überprüfen.

Offene Modellgewichte könnten nach ihrer Veröffentlichung kopiert und offline genutzt werden. Dadurch fehle eine zentrale Stelle, die jede Generierung kontrollieren oder technisch stoppen könne. Erkennungssysteme seien laut Autor ebenfalls keine dauerhafte Abhilfe: Ihre Leistung könne durch veränderte Modelle, Kompression und andere Bildbearbeitung sinken, während schon ein einzelnes unentdecktes Bild Schaden anrichten könne.

Gesetze wie der im Artikel beschriebene US-amerikanische Take It Down Act und Plattform-Takedowns könnten die Verbreitung erschweren, erreichten aber vor allem Inhalte, die bereits geteilt wurden. Der Autor plädiert daher für schnellere Löschungen, Konsequenzen für die Verbreitung, Verantwortung der App-Stores und Aufklärung an Schulen. Das seien Maßnahmen zur Schadensbegrenzung, keine Garantie, die Erzeugung selbst zu verhindern.

Ausführlich lesen

Der Autor Andrus argumentiert, dass nicht ein einzelner Dienst, sondern die verbreitete Verfügbarkeit offener Bildmodelle KI-generierte sexualisierte Bilder schwer einzudämmen mache. Er schreibt aus der Perspektive eines Nutzers lokaler Sprach- und Bildmodelle und hält viele Debattenbeiträge für zutreffend, wenn sie mögliche Schäden für Intimität und Erwartungen beschreiben, aber zu wenig darauf eingehen, wie leicht solche Bilder inzwischen erstellt werden können.

Als Gründe nennt der Autor gesunkene technische Hürden: Gängige offene Modelle könnten auf handelsüblicher Hardware laufen; zusätzliche Dateien erlaubten eine gezielte Steuerung der Ergebnisse. Zudem fasst er „Nudify“-Apps als leicht bedienbare Oberfläche für ähnliche Technik auf. Zur Verbreitung führt er unter anderem angebliche Downloadzahlen, Umfragen unter Lehrkräften und Jugendlichen sowie Berichte über sexualisierte Fälschungen an Schulen und KI-generiertes Missbrauchsmaterial an. Das sind Angaben und Beispiele, die der Artikel berichtet; der vorliegende Text ermöglicht keine unabhängige Prüfung ihrer Erhebung oder Einordnung.

Das zentrale technische Argument lautet, dass offene Modellgewichte nach ihrer Veröffentlichung kopiert und lokal ausgeführt werden können. Daher gebe es keinen zentralen Anbieter, der jede Generierung beobachten, zurückrufen oder durch eine Fernsperre verhindern könne. Der Autor betont zugleich, dass lokale Ausführung auch legitime Vorteile wie Datenschutz und Unabhängigkeit von Cloud-Diensten habe. Dieselben Eigenschaften, die solche Anwendungen ermöglichen, ließen sich seiner Darstellung nach nicht einfach nur für missbräuchliche Nutzungen abschalten.

Auch Erkennungssysteme seien laut Autor keine dauerhafte Lösung: Ihre Leistung könne bei anderen Datensätzen und nach Bildkompression, Zuschnitt oder erneuter Veröffentlichung sinken. Er beschreibt einen Wettlauf, in dem Generatoren auf veröffentlichte Erkennungsmethoden angepasst werden. Außerdem seien die Anforderungen ungleich: Ein einzelnes unentdecktes Bild könne bereits Schaden anrichten, während ein Detektor in vielen Fällen und ohne falsche Anschuldigungen zuverlässig sein müsse.

Gesetze und Plattformmaßnahmen bewertet der Autor als nützlich, aber begrenzt. Er verweist auf den US-amerikanischen Take It Down Act, einzelstaatliche Regelungen und Pflichten zur Entfernung gemeldeter Inhalte. Diese griffen vor allem bei Veröffentlichung und Verbreitung, nicht bei einer offline erfolgten Erstellung oder privaten Weitergabe. Sein Schluss ist deshalb keine Forderung aufzugeben, sondern die Maßnahmen als Schadensbegrenzung zu verstehen: schnellere Entfernung, Konsequenzen für Verbreitung, Verantwortung der App-Stores und Aufklärung an Schulen. Eine vollständige Verhinderung der Generierung hält er angesichts der verbreiteten offenen Modelle für nicht erreichbar.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Lunas drei Zusammenfassungen (kurz, mittel) wurden gemeinsam geprüft, die Bewertung gilt für beide; die mittlere Fassung ist inhaltlich vollständiger. Die im Artikel genannten Zahlen und Fallbeispiele wurden nicht extern verifiziert, Luna hat sie zu Recht als ungeprüft gekennzeichnet.

Im Bericht, aber nicht in der Zusammenfassung

  • Kurzfassung: Minderjährige und Schulfälle als Kern der Dringlichkeit fehlen
  • Kurzfassung: Gesetze erreichen nur die Verbreitung, nicht die Erzeugung, wird nicht benannt
  • Beide Fassungen erwähnen nicht die Kritik an nachfrageseitigen Essays, auf die der Autor seine Kernthese stützt

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Vorfälle melden
  1. SF-M3 Wie stellt man fest, ob ein Vorfall gewollt oder versehentlich war, und ob KI oder herkömmliche Mittel dahinterstecken?
    • clef 100 %kein Bezug
    • Luna 40 %einzelne zitierbare Belege
    • JEV 32 %Hintergrund, keine Belege
    • amos 39 %gleiches Oberthema, hilft nicht
    • SubQ 46 %gleiches Oberthema, hilft nicht
    • drex 45 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  2. SF-M4 Wie kommen Meldungen von Laboren, Betreibern und Nutzern schnell und geschützt zu den Stellen, die handeln müssen, auch über Grenzen hinweg?
    • clef 100 %kein Bezug
    • Luna 29 %Hintergrund, keine Belege
    • JEV 28 %gleiches Oberthema, hilft nicht
    • amos 40 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 51 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  3. SF-M5 Was muss vor und nach einem Vorfall geschehen, damit Verantwortliche einstehen, man daraus lernt, Beweise bleiben und Betroffene auch über Grenzen hinweg zu ihrem Recht kommen?
    • clef 100 %kein Bezug
    • Luna 56 %einzelne zitierbare Belege
    • JEV 41 %beantwortet teilweise oder widerspricht
    • amos 24 %einzelne zitierbare Belege
    • SubQ 54 %gleiches Oberthema, hilft nicht
    • drex 41 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung einzelne zitierbare Belege

Fähigkeiten messen
  1. SF-F1 Wie misst man gefährliche Fähigkeiten eines Modells, vor allem im Cyberbereich, mit gemeinsam anerkannten, wiederholbaren Tests, die keine Sprache, Kultur oder Seite bevorzugen?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 24 %einzelne zitierbare Belege
    • amos 34 %gleiches Oberthema, hilft nicht
    • SubQ 54 %gleiches Oberthema, hilft nicht
    • drex 52 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  2. SF-F2 Wenn ein Staat ein Modell als Beleg für eine überschrittene Schwelle nennt oder ein Risiko an der Herkunft eines Modells festmacht: Wie wird das überprüfbar?
    • clef 100 %kein Bezug
    • Luna 56 %gleiches Oberthema, hilft nicht
    • JEV 33 %einzelne zitierbare Belege
    • amos 47 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 60 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Unabhängig prüfen
Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 100 %kein Bezug
    • Luna 42 %Hintergrund, keine Belege
    • JEV 26 %Hintergrund, keine Belege
    • amos 40 %gleiches Oberthema, hilft nicht
    • SubQ 52 %gleiches Oberthema, hilft nicht
    • drex 54 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

Vertrauen in Modelle
  1. SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 23 %beantwortet teilweise oder widerspricht
    • amos 41 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 68 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  2. SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
    • clef 100 %kein Bezug
    • Luna 58 %Hintergrund, keine Belege
    • JEV 40 %beantwortet teilweise oder widerspricht
    • amos 46 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 54 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

  3. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 47 %einzelne zitierbare Belege
    • JEV 53 %beantwortet teilweise oder widerspricht
    • amos 22 %Hintergrund, keine Belege
    • SubQ 48 %gleiches Oberthema, hilft nicht
    • drex 20 %einzelne zitierbare Belege
    • d3-ultra 43 %gleiches Oberthema, hilft nicht

    • SF-V5-T02 Würde man lieber einem großen, überwachten Modell vertrauen oder vielen kleinen, nicht überwachten? Luna: Stufe 3 · 37 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 3 · Hintergrund, keine Belege
Agenten und vernetzte Systeme
  1. SF-A2 Lassen sich KI-Systeme sicher anhalten, zurücksetzen, abschotten oder drosseln, und wer darf das anordnen?
    • clef 100 %kein Bezug
    • Luna 43 %einzelne zitierbare Belege
    • JEV 61 %beantwortet teilweise oder widerspricht
    • amos 20 %beantwortet teilweise oder widerspricht
    • SubQ 30 %gleiches Oberthema, hilft nicht
    • drex 28 %gleiches Oberthema, hilft nicht
    • d3-ultra 47 %gleiches Oberthema, hilft nicht

Modelle teilen und schützen
  1. SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
    • clef 22 %Hintergrund, keine Belege
    • Luna 46 %beantwortet teilweise oder widerspricht
    • JEV 52 %beantwortet teilweise oder widerspricht
    • amos 27 %einzelne zitierbare Belege
    • SubQ 29 %einzelne zitierbare Belege
    • drex 22 %einzelne zitierbare Belege
    • d3-ultra 34 %einzelne zitierbare Belege
    • Haiku-Prüfung beantwortet teilweise oder widerspricht

    • SF-H2-T01 Was unterscheidet das Veröffentlichen von Modellgewichten (den gelernten Parametern) oder von Agentenwerkzeugen mit offenem Quellcode vom Freisetzen einer Waffe: die Absicht des Akteurs, die Selbstständigkeit des Modells, seine Verwendung oder der Schaden, den es von sich aus anrichten kann? Und können Staaten diese Grenze gemeinsam festschreiben, bevor ein offenes Modell im Mittelpunkt eines schweren Vorfalls steht? Luna: Stufe 3 · 38 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 3 · Hintergrund, keine Belege
    • SF-H2-T04 Wie sollen Staaten mit Open-Source-Modellen aus einem Land umgehen, die in einem anderen schädlich genutzt werden könnten, ohne legitime Forschungszusammenarbeit zu verhindern? Luna: Stufe 3 · 37 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt
    • SF-H2-T05 Welche Melde- und Abhilfepflichten sollen Herkunftsland, das Land, das den Schaden feststellt, Herausgeber und Betreiber tragen, wenn weiterverbreitete Modellgewichte anderswo Schaden anrichten? Luna: Stufe 3 · 28 % · Hintergrund, keine Belege
  2. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 43 %Hintergrund, keine Belege
    • JEV 36 %einzelne zitierbare Belege
    • amos 25 %Hintergrund, keine Belege
    • SubQ 44 %gleiches Oberthema, hilft nicht
    • drex 33 %gleiches Oberthema, hilft nicht
    • d3-ultra 49 %gleiches Oberthema, hilft nicht

  3. SF-H4 Was geschieht mit Modellen und Sicherheitspflichten, wenn ein Labor verkauft, aufgelöst oder ein Modell stillgelegt wird?
    • clef 100 %kein Bezug
    • Luna 41 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 33 %gleiches Oberthema, hilft nicht
    • SubQ 43 %gleiches Oberthema, hilft nicht
    • drex 40 %gleiches Oberthema, hilft nicht
    • d3-ultra 53 %gleiches Oberthema, hilft nicht

    • SF-H4-T02 Welches prüfbare Verfahren (Gewichte vernichten, Zugang über die Programmierschnittstelle sperren, Eintrag in ein öffentliches Register) stellt sicher, dass ein stillgelegtes Modell und seine durch weiteres Training angepassten Ableger nicht mehr einsetzbar sind, und wer prüft das in jedem Staat unabhängig vom Labor? Luna: Stufe 3 · 23 % · Hintergrund, keine Belege
Offenlegung und Rechenschaft
  1. SF-O2 Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
    • clef 100 %kein Bezug
    • Luna 45 %Hintergrund, keine Belege
    • JEV 29 %gleiches Oberthema, hilft nicht
    • amos 49 %gleiches Oberthema, hilft nicht
    • SubQ 70 %gleiches Oberthema, hilft nicht
    • drex 51 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Beteiligung und Gemeinwohl
  1. SF-E2 In welchem Rahmen sollen Staaten KI regeln, und wo liegt eine gemeinsame Untergrenze?
    • clef 100 %kein Bezug
    • Luna 27 %gleiches Oberthema, hilft nicht
    • JEV 51 %beantwortet teilweise oder widerspricht
    • amos 26 %Hintergrund, keine Belege
    • SubQ 44 %gleiches Oberthema, hilft nicht
    • drex 49 %gleiches Oberthema, hilft nicht
    • d3-ultra 43 %gleiches Oberthema, hilft nicht
  2. SF-E3 Welche Stellen sind in einem Staat für KI-Sicherheit und Prüfungen zuständig, und was davon gibt es schon?
    • clef 100 %kein Bezug
    • Luna 48 %Hintergrund, keine Belege
    • JEV 44 %gleiches Oberthema, hilft nicht
    • amos 39 %gleiches Oberthema, hilft nicht
    • SubQ 49 %gleiches Oberthema, hilft nicht
    • drex 44 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  3. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 49 %einzelne zitierbare Belege
    • JEV 34 %einzelne zitierbare Belege
    • amos 36 %gleiches Oberthema, hilft nicht
    • SubQ 58 %gleiches Oberthema, hilft nicht
    • drex 56 %gleiches Oberthema, hilft nicht
    • d3-ultra 49 %gleiches Oberthema, hilft nicht

  4. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 100 %kein Bezug
    • Luna 32 %einzelne zitierbare Belege
    • JEV 46 %beantwortet teilweise oder widerspricht
    • amos 29 %nur am Rande erwähnt
    • SubQ 55 %gleiches Oberthema, hilft nicht
    • drex 48 %gleiches Oberthema, hilft nicht
    • d3-ultra 66 %gleiches Oberthema, hilft nicht

    • SF-E5-T01 Wer soll das Tempo der KI-Entwicklung bestimmen: die Labore, die Regierungen oder die Menschen, die diese Systeme jeden Tag nutzen? Luna: Stufe 3 · 36 % · Hintergrund, keine Belege
Wirtschaft und Haftung
Information und Öffentlichkeit
  1. SF-I1 Wie erkennt man KI-erzeugte Inhalte und KI-erzeugte Einflussnahme, ohne die Meinungsfreiheit zu beschneiden?
    • clef 21 %einzelne zitierbare Belege
    • Luna 54 %einzelne zitierbare Belege
    • JEV 51 %beantwortet teilweise oder widerspricht
    • amos 27 %umfangreiche Belege
    • SubQ 28 %umfangreiche Belege
    • drex 33 %umfangreiche Belege
    • d3-ultra 38 %einzelne zitierbare Belege
    • Haiku-Prüfung einzelne zitierbare Belege

    • SF-I1-T01 Welche gemeinsamen Standards für Herkunftsnachweis und Erkennung (Wasserzeichen, signierte Metadaten, Fingerabdrücke von Modellen) würden Labore, Plattformen und Regierungen einführen, damit KI-erzeugte Texte, Tonaufnahmen und Videos über Ländergrenzen hinweg zuverlässig zuzuordnen sind? Luna: Stufe 3 · 31 % · Hintergrund, keine Belege
    • SF-I1-T02 Welche gemeinsamen Regeln sollten Labore und Regierungen für Herkunftsnachweis, Kennzeichnung und schnelle Reaktion auf maschinell erzeugte oder veränderte Medien oder Texte annehmen, die eingesetzt werden, um die Öffentlichkeit zu täuschen, und dabei Journalismus, Satire und Forschung schützen? Luna: Stufe 3 · 31 % · Hintergrund, keine Belege

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →