Was hinter jedem Verdikt steckt — die komplette Pipeline, ohne Black-Box.
Claimscan gibt nie ein „Fraud“-Urteil ab. Statt dessen läuft jedes Bild durch fünf forensische Ebenen mit zwölf Live-Detektoren. Jeder Befund hat eine Quelle, eine Confidence und eine Richtung. Diese Seite dokumentiert, was Sie im PDF-Report bereits sehen — vollständig und verlinkbar.
Vier Stufen, keine Schwarz-Weiß-Welt.
Jedes Verdikt ist an einen Confidence-Wert (0–100) gebunden. Die Bänder sind so gewählt, dass die Mitte (SUSPICIOUS) eine echte Aufforderung zur Prüfung ist, nicht eine bequeme Vermeidungs-Antwort.
LIKELY_AUTHENTICniedrigBefunde überwiegend authentizitätsstützend (intakte MakerNote, konsistente Sensor-Spuren, plausible Timestamps). Manuelle Prüfung optional.
SUSPICIOUSerhöhtMindestens ein verdächtiges Signal, aber nicht eindeutig. Manuelle Prüfung empfohlen — das Verdikt ist explizit eine Aufforderung, hinzuschauen, kein Ablehnungs-Signal.
LIKELY_MANIPULATEDhochPixel-, Metadaten- oder Cross-Reference-Spuren weisen auf nachträgliche Bearbeitung hin.
LIKELY_AI_GENERATEDsehr hochMehrere unabhängige Signale deuten übereinstimmend auf rein synthetische Generierung hin.
Fünf Forensik-Ebenen.
Lokal beginnt die Analyse, externe APIs feuern erst, wenn die schnellen Detektoren noch nichts entscheiden konnten. Diese Reihenfolge liefert die meisten Ergebnisse in Sekunden und macht den Single-Signal-Bias unmöglich.
- 01
Metadaten-Forensik
EXIF-, MakerNote- und IPTC-Spuren, die ein Bild bei der Aufnahme oder Bearbeitung hinterlässt.
EXIF-ForensikExifToolLiest Kamera-Metadaten, Software-Tags, GPS und Timestamps. Erkennt Inkonsistenzen zwischen behaupteter Aufnahmesituation und tatsächlichen Sensorspuren.
iPhone-MakerNote-AnalyseApple MakerNoteWertet Apple-spezifische Metadatenfelder aus (Live Photo, HEIC-Pipeline, Lens-ID). Eine valide MakerNote in voller Tiefe ist ein starkes Authentizitätssignal.
IPTC Digital-Source-TypeIPTC NewsCodesLiest den offiziellen IPTC-NewsCodes-Tag XMP-iptcExt:DigitalSourceType. Bearbeitende Software schreibt hier selbst hinein, ob ein Bild rein aufgenommen, algorithmisch ergänzt oder vollständig generiert wurde.
AI-Editor-FingerprintsClaimScanEigene Mustererkennung für editor-spezifische Spuren im XMP-Credit/CreatorTool-Feld: Apple Photos Clean Up, Adobe Firefly, Google Magic Eraser, Samsung Object Eraser.
- 02
Bildebenen-Forensik
Pixel- und Kompressionsspuren, die nachträgliche Bearbeitung sichtbar machen.
ELA-KompressionsanalyseError Level AnalysisVergleicht Kompressionsstufen über Bildregionen. Eingefügte oder bearbeitete Areale weisen oft abweichende Fehlerlevel auf.
Sensor-Rausch-ProfilsharpMisst das Sensor-Rauschen über Bildregionen. Originalbilder zeigen ein in sich konsistentes Rauschmuster, Composites tun das selten.
- 03
AI-Generations-Erkennung
Drei unabhängige Detektoren auf der Suche nach Diffusion-, GAN- und LLM-Vision-Mustern.
Spezialisierter AI-DetektorSpezialisierter Klassifikator auf Diffusion- und GAN-Generations-Fingerprints aus großem Trainings-Korpus.
Unabhängige AI-ForensikZweiter Multi-Modal-Klassifikator mit eigenständiger Trainingsbasis. Wird parallel geführt, weil unterschiedliche Modelle unterschiedliche Generatoren sehen.
Vision-Konsistenz-ModellBeurteilt physikalische Plausibilität, Schatten- und Material-Konsistenz auf Bildebene und liefert eine begründete Zweitmeinung.
- 04
Bildabgleich
Findet wiederverwendete und web-bekannte Bilder über Hashing- und Reverse-Search.
Perceptual Hash Matching64-bit DCT pHashErzeugt einen 64-bit DCT-Hash pro Bild und findet damit identische oder leicht modifizierte Wiederverwendungen.
Wiederverwendungs-AnalyseClaimScanGleicht den pHash datenschutzkonform gegen einen breiten Referenzbestand ab — ohne Bildaustausch. Taucht dasselbe Bild andernorts auf, ist das ein starkes Wiederverwendungs-Signal.
Reverse-BildsucheWeb-weite Reverse-Bildsuche. Trifft das Bild im offenen Web auf, deutet das auf Stockfoto-Klau oder Wiederverwendung hin.
- 05
Verhaltens- und Kontextanalyse
Fall-Ebene: Mehrere Bilder, mehrere Vorgänge, dieselbe Person — Muster, die ein Einzelbild nicht zeigt.
Aufnahme-Timeline-AnalyseVergleicht Aufnahmezeiten mehrerer Bilder eines Cases auf Plausibilität.
GPS-PlausibilitätsprüfungPrüft GPS-Koordinaten gegen behaupteten Aufnahmeort, Höhe und Reichweite.
Geräte-Chain-AnalyseErkennt wechselnde Geräte innerhalb eines Cases (etwa Mix aus iPhone und Android in derselben Reklamation).
Visuelle ÄhnlichkeitsclusterBildet Cluster ähnlicher Bilder über mehrere Cases hinweg, um Wiederverwendungs-Muster sichtbar zu machen.
Hit-&-Run-MustererkennungFindet wiederholte Schadenmuster derselben Person über mehrere Reklamationen — auch in kurzem zeitlichen Abstand.
Datenquelle: config/forensicStack.json — dieselbe Datei, die das Stack-Diagramm auf der Startseite und den Marketing-Audit der Claims speist. Visualisierung auf der Startseite.
Wie aus Befunden ein Verdikt wird.
Jeder Detektor liefert keine Wahrheit, sondern eine Wahrscheinlichkeit. Die Aggregations-Logik kombiniert sie über drei Achsen — Severity, Confidence, Richtung — und ist im PDF-Report Schritt für Schritt nachvollziehbar.
Severity
CRITICAL / HIGH / MEDIUM / LOW / INFO. Die Severity gewichtet den Beitrag eines Befunds — ein einzelnes kritisches Signal kann mehrere geringfügige überwiegen.
Confidence
0–100 pro Detektor. Befunde werden nicht-linear kombiniert, damit ein einziger lauter Detektor das Verdikt nicht alleine kippt.
Direction
TOWARD_AUTHENTIC, TOWARD_FRAUD, NEUTRAL. Authentizitäts-Indizien (intakte MakerNote, plausible GPS, konsistente Timestamps) ziehen den Score aktiv runter — sie sind nicht nur „fehlende negative Signale“.
Korroboration
Bestätigen sich unabhängige Ebenen gegenseitig, steigt die Gesamt-Confidence. Anti-Spoofing-Regel: Mehrere Detektoren müssen sich bestätigen, ein einziger user-kontrollierbarer Input genügt nie.
Die exakte Formel pro Aggregationsschritt steht in jedem PDF-Report. Sie wollen sie ohne Beispiel-Case nachlesen? Per Mail bekommen Sie die Spec auf Anfrage.
Was wir nicht können.
Forensik-Tools, die behaupten, jeden Fake zu erkennen, lügen. Diese Liste sagt offen, wo Claimscan an seine Grenzen stösst — damit Sie das Verdikt richtig einordnen.
Keine Garantie pro Einzelbild
Kein forensisches System der Welt kann jedes manipulierte Bild erkennen. Wir liefern Wahrscheinlichkeiten und Indizien, keine Beweise. Die finale Entscheidung trifft Ihr Team.
Stripped-Metadata-Limit
Wenn ein Bild über Messenger oder Social Media verschickt wurde, ist die EXIF/MakerNote oft entfernt. Das Fehlen wird selbst als Signal gewertet — die Pixel- und Cross-Reference-Analysen arbeiten unverändert weiter.
Kein Schadens-Klassifizierer
Wir bewerten Authentizität, nicht Schadensausmass. „Ist der Riss echt?“ können wir beantworten. „Ist der Riss reklamationswürdig?“ bleibt eine Geschäftsentscheidung.
Wo Ihre Bilder liegen — und wie lange.
Hetzner Cloud Nürnberg, eigene Postgres-, Redis- und MinIO-Instanzen — keine US-Hyperscaler. Auto-Lösch-Fristen je nach Plan: 30 Tage (Free), 90 (Starter), 180 (Growth), 365 (Enterprise). Perceptual Hashes bleiben dauerhaft — sie ermöglichen die datenschutzkonforme Wiederverwendungs-Erkennung und lassen sich nicht in ein Bild zurückrechnen.
GPS-Daten werden nur für die Plausibilitätsprüfung gegen die Versandadresse genutzt — sie wandern nie in eine persistente Tabelle. AVV als PDF in der App, signiert von der Einzelfirma Piyal Ranasinghe.
Pipeline live ausprobieren.
Free-Plan: 10 Bilder pro Monat, kein Kreditkarten-Zwang. Erstes Ergebnis in unter 3 Sekunden — mit allen sichtbaren Befunden, Confidence-Werten und PDF-Report.