Claimscan
API OPERATIONALAnmeldenKostenlos testen
Zurück zur Übersicht
Foto-Forensik2 Min. LesezeitAktualisiert am 2. Juni 2026

Wie erkenne ich manipulierte Retouren-Fotos?

In sechs Schritten manipulierte oder KI-generierte Schadensfotos in Retouren erkennen — mit forensischen Indizien statt Schnellurteilen.

Eine Lupe untersucht ein gedrucktes Foto auf einem dunklen Schreibtisch

Ein bearbeitetes Schadensfoto kostet Sie eine Erstattung, die nie fällig war. Diese Anleitung zeigt, wie Sie ein verdächtiges Reklamationsfoto in wenigen Minuten prüfen — ohne forensisches Vorwissen und ohne jemandem vorschnell etwas zu unterstellen. Den ganzen Mechanismus dahinter beschreibt unsere Seite zur Erkennung manipulierter Schadensfotos.

Die sechs Sicht-Checks am Bildschirm

Schritt-für-Schritt

Verdächtiges Schadensfoto prüfen

Sechs Checks in dieser Reihenfolge. Stoppen Sie, sobald zwei auffällig sind.

  1. Lichtquelle bestimmen
    Woher fällt das Licht? In einer Ein-Quellen-Szene müssen alle Schatten in dieselbe Richtung fallen, mit gleicher Weichheit. Zwei Schattenrichtungen deuten auf eine Montage.
  2. Schattenhärte zum Umgebungslicht vergleichen
    Ein Kratzer auf einem schwach beleuchteten Tisch hat eine weiche Schattenkante. Ein messerscharfer Schatten um den „Schaden“ verrät eine andere Beleuchtung beim Rendern.
  3. Spiegelungen auf glänzenden Flächen prüfen
    Kunststoff, Glas und Lack spiegeln die Umgebung. Passt das Spiegelbild nicht zum Rest, wurde dieser Bereich hineingemalt.
  4. Kanten des Schadens auf 400 % zoomen
    Bearbeitete Bereiche zeigen an den Rändern Artefakte: Halos, wiederholte Mikro-Texturen (Content-Aware-Fill) oder zu harte Übergänge.
  5. JPEG-Rauschmuster ansehen
    Sensorrauschen ist über eine Aufnahme statistisch gleichmäßig. Bereiche mit auffällig saubererem oder unruhigerem Rauschen wurden nachbearbeitet.
  6. Perspektive abgleichen
    Ein eingefügter Defekt respektiert selten die Fluchtlinien der Oberfläche. Ziehen Sie zwei Fluchtlinien — der Schaden sollte ihnen folgen.

Sie brauchen kein geschultes Auge. Zwei Auffälligkeiten von sechs reichen, um genauer hinzusehen.

Die technische Ebene: Metadaten und ELA

Was das Auge nicht sieht, steht oft in den Metadaten: Tags einer Bild­bearbeitungs- Suite oder ein komplett fehlender Kamera-Datensatz sind starke Erstindizien. Eine Error-Level-Analyse (ELA) macht zusätzlich Bereiche sichtbar, die abweichend komprimiert wurden. Wie Claimscan diese Stufen kaskadiert, ohne bei jedem Bild teure Modelle zu rufen, erklärt unsere REST-API-Übersicht.

Häufige Fragen

Kann man sicher beweisen, dass ein Foto bearbeitet wurde?
Nein, und kein seriöses Tool behauptet das. Sie kombinieren mehrere unabhängige Indizien zu einer Wahrscheinlichkeit. Die Entscheidung über die Retoure bleibt immer beim Menschen.
Reicht ein einziges verdächtiges Signal aus?
Nein. Ein fehlender Metadatensatz oder ein hartes Schattenbild allein ist kein Hinweis auf Manipulation. Erst die Kombination von zwei oder mehr unabhängigen Signalen ist belastbar.
Erkennt Claimscan auch KI-generierte Schadensfotos?
Ja. Neben Pixel- und Metadaten-Forensik läuft ein spezialisierter KI-Bild-Detektor sowie eine Provenienz-Prüfung (C2PA) — das Ergebnis stützt sich auf mehrere unabhängige Signale statt auf die Einschätzung eines einzelnen Modells.
Early Bird · €19/mo

Bereit, Retourenbetrug zu stoppen?

Early Bird: 50 Plätze, 19 €/Monat, 12 Monate Preisgarantie. Seien Sie eine/r der Ersten, die forensische Analyse in Ihren Retouren-Workflow integrieren.

0/5050 left
  • 12-month price guarantee
  • Unlimited analyses
  • DE + EN support
  • Cancel anytime