Nvidia: Deepfake-Detektor erreicht Genauigkeit von bis zu 94%

Falschmeldungen lassen sich zunehmend schwerer erkennen. Besonders KI-generierte Videos machen es nahezu unmöglich, reale Ereignisse von erfundenen Darstellungen zu unterscheiden. Nvidia bietet nun ein speziell für Medienunternehmen entwickeltes Werkzeug an, mit dem sich Inhalte vor der Ausstrahlung überprüfen lassen.

Nvidia hat den neuen Synthetic Video Detector auf der SIGGRAPH 2026 vorgestellt. Der NIM-Microservice analysiert jedes Einzelbild eines Videos oder vermeintlich authentischen Videomaterials und ermittelt anschließend einen Wert beziehungsweise eine Prognose, ob die Aufnahme KI-generiert ist. Mit dem Dienst will Nvidia seine Präsenz in der Medienbranche ausbauen. Redaktionen sollen damit Meldungen schneller prüfen und Falschinformationen kennzeichnen können, bevor diese landesweit im Fernsehen ausgestrahlt werden.

Rev Lebaredian, Nvidias Vizepräsident für Simulationstechnologien im Bereich Physical AI, hat die Entwicklung des Synthetic Video Detector in einer Pressemitteilung damit begründet, dass sich dieselbe Technik sowohl zur Erzeugung als auch zur Erkennung generativer KI-Videos einsetzen lasse.

Nvidia stellt die Technik bereits Wowza zur Verfügung, einer Serverlösung für Live-Videos und Medieninhalte, die von mehreren Nachrichtennetzwerken eingesetzt wird. Wowza-CEO Krish Kumar hat die Integration des Synthetic Video Detector in die Infrastruktur des Unternehmens bestätigt. Wowza arbeitet daran, KI in Echtzeitübertragungen und Livestreams einzubinden. Kumar zufolge "entwickelt sich der Markt hin zu Live-Videosystemen, die bereits während der laufenden Übertragung einen Mehrwert schaffen können".

Genauigkeit sinkt bei Kompression nicht linear

Laut Nvidia erkennt der Synthetic Video Detector KI-generierte Inhalte in unkomprimierten Videos mit einer Genauigkeit von 92 Prozent. Bei einer Kompression um 15 Prozent sinkt der Wert auf 87 Prozent. Selbst bei einer Kompression um 50 Prozent beträgt die Genauigkeit noch 82 Prozent.

Schnelle Analyse und höhere Genauigkeit durch Anpassungen

Für Mediennetzwerke ist vor allem die Analysegeschwindigkeit des NIM-Microservice relevant. Auf RTX-Systemen benötigt die Erkennung 22 ms pro 1080p-Videodatei, auf L40-GPUs sind es 30 ms.

In internen Tests hat Nvidia mit dem neuesten Modell einen AUC-Wert von 0,9614 und eine Genauigkeit von 94 Prozent erreicht. Nachrichtennetzwerke und andere Organisationen können die Schwellenwerte an ihre jeweiligen Anforderungen anpassen.

Wowza integriert den NIM-Dienst bereits in sein Video Intelligence Framework, das bei 35.000 Installationen in fast 170 Ländern zum Einsatz kommt. Dadurch könnte die Echtzeitkennzeichnung verdächtiger Videos künftig auch bei Livestreaming-Diensten außerhalb klassischer Nachrichtenredaktionen eingesetzt werden.