Deep Fake Geography: eine neue Herausforderung

Deep fake ist ein Kofferwort der beiden Begriffe „deep learning“ (mehrschichtiges Lernen) und „fake“ (Fälschung). Bei dieser Technik werden bestehende Bild-, Audio- oder Videodaten mit anderen Daten ergänzt bzw. ersetzt. Das gelingt durch die Anwendung leistungsstarker Techniken maschinellen Lernens und künstlicher Intelligenz, die Daten manipulieren oder auch neue, täuschend echte generieren. So lassen sich Bilder, Stimmen und Videos fälschen, die kaum noch als Fälschung zu entlarven sind – zumindest nicht mit dem bloßem Auge. Gefährlich könnte das werden, wenn diese Technik genutzt wird, um Menschen zu beeinflussen.

Bildquelle: news.artnet.com/art-world/mona-lisa-deepfake-video-1561600

Hier sehen Sie ein Deep Fake, bei dem die Gesichtszüge des bekannten Gemäldes von Mona Lisa manipuliert wurden. [1]

Neben Bild-, Audio- oder Videodaten können auch Satellitenaufnahmen oder Karten verfälscht werden. Das ist kein neues Phänomen. Kartenfälschungen wurden beispielsweise auch vor Kriegen verwendet, um die Gegner zu täuschen. „Paper towns“ sind ein Beispiel für geringfügige Kartenfälschungen. Sie bezeichnen das Einbauen kleiner Abweichungen von der Realität in Karten, um das Urheberrecht sicherzustellen.

Um die abstrakte Thematik gefälschter Karten oder Satellitenaufnahmen etwas verständlicher zu machen, betrachten wir einmal ein Beispiel. Die Weltkarte, wie sie den meisten von uns seit der Schulzeit bekannt ist, basiert auf der Mercator-Projektion. Sie ist zwar nicht gefälscht, aber in ihrer Darstellung nicht maßstabsgetreu, denn sie zeigt eine Welt mit stark verzerrten Größenverhältnissen. Genutzt wurde diese Technik, um die Herausforderung zu meistern, eine Welt in Form einer Kugel auf eine 2D Karte zu übertragen. Bei der Entstehung der Karte lag das Hauptaugenmerk darauf, dass die Karte für die Seefahrt geeignet ist – damals das Reisemittel der Wahl. Allerdings erscheinen hier Europa und Nordamerika viel größer als in der Realität und Grönland erreicht quasi die Größe von ganz Afrika, ist aber in Wahrheit nur in etwa so groß wie Algerien. Diese Darstellung beeinflusst die Eigen- und Fremdwahrnehmung der Menschen nachhaltig. Alternativen wie beispielsweise die Gall-Peters-Projektion nähern sich zutreffenderen Größenverhältnissen an. Hierbei sind Nordamerika oder auch Europa deutlich kleiner, Afrika hingegen wesentlich größer.

Bildquelle: reddit.com/r/MapPorn/comments/3ol0wu/peters_vs_mercator_projection_comparison_1229x782/

Bildquelle: businessbarbados.com/trending/social-progress-index-map-social-investors/attachment/mercator-vs-gall-peters/

Fälschungen von Bildern stellen meist Menschen dar, Fälschungen von Karten allerdings ganze Länder oder Regierungen. Schwierig wird es, wenn falsche Informationen verbreitet werden und beispielsweise Regierungen daraufhin agieren oder auch nicht agieren. Wird die Darstellung von Naturkatastrophen wie Waldbränden oder Überflutungen gefälscht, könnte das die (Nicht-)Handlung von Regierungen provozieren, was fatale Folgen haben kann. Und auch Regierungen selbst können gefälschte Karten nutzen, um Taten zu verschleiern oder etwas hervorzuheben, was nicht zwangsweise stattgefunden hat. So nutzen beispielsweise Menschenrechtsaktivisten Satellitenaufnahmen, um die Lage in gewissen Gegenden zu beobachten. Hierbei wird zum Beispiel auf die Zerstörung der Umwelt oder politische Gewalt geachtet. [2]

Was aber, wenn diese Daten nun nicht mehr zuverlässig sind?

Forschende der Universität Washington haben sich mit dieser Problematik auseinandergesetzt und in einem Beispiel auf eine Karte von Tacoma Satellitenbilder von Peking und Seattle übertragen. Sie wollten dabei herausfinden, wie genau Satellitenbilder gefälscht werden können. Sie nutzten eine Technologie aus dem Bereich der Künstlichen Intelligenz, die auch eingesetzt wird, um andere Arten von Bildmaterial zu verfälschen. Der Algorithmus eignet sich die Merkmale in einem Gebiet an und überträgt die erlernten Muster auf eine andere Basiskarte –so entsteht das Deep Fake Bild. Dieses „Location Spoofing“, also die Manipulation des Standortes, wurde von anderen genutzt, um einen Brand im Central Park oder das Diwali Lichterfest in Indien zu simulieren. Die so entstandenen Bilder sind für den Laien nicht als Fälschung zu erkennen. Die Forschenden wollten nicht herausstellen, dass Fälschung möglich ist, sondern auf die Gefahren und Herausforderungen hinweisen. Gleichzeitig wollten sie herausfinden, wie diese Deep Fake Bilder aufgespürt und als Fälschungen entlarvt werden können. Sie hoffen auf die Entwicklung von Data Literacy Tools, die dabei helfen werden. Da sich die Technologien stets weiterentwickeln und die Techniken zur Erstellung gefälschten Bildmaterials immer ausgefeilter werden, müssen auch die Methoden der Enttarnung stets weiterentwickelt werden. [3]

Bildquelle: Zhao et al. (2021)

Es handelt sich um echte und gefälschte Karten und Satellitenbilder eines Viertels in Tacoma. Oben links ist ein Bild aus einer Kartierungssoftware zu sehen und oben rechts ein Satellitenbild des Viertels. Die unteren beiden Darstellungen sind simulierte Satellitenbilder des Viertels, die aus Geodaten von Seattle (unten links) und Peking (unten rechts) erstellt wurden. [3]

Gesicherte Datenqualität statt Deep Fake Geography

Wir legen Wert auf eine hohe Datenqualität. Diese stellen wir sicher, indem wir auf vertrauenswürdige Quellen wie OpenStreetMap, den Zensus oder auf Daten des Bundeskriminalamts, der Bundesnetzagentur oder des Kraftfahrt-Bundesamts setzen. Beispielsweise müssen die Ergebnisse des Zensus höchsten Qualitätsansprüchen genügen, da sie für Politik, Verwaltung und Wirtschaft als verlässliche Entscheidungsgrundlage dienen. Auch bei den Daten der Bundesnetzagentur kann davon ausgegangen werden, dass es sich nicht um gefälschte Geodaten handelt, da die Standorte öffentlicher Ladesäulen von den Betreibern selbst angezeigt werden. Gewissermaßen kann unsere Filterfunktion zu einer verzerrten Wahrnehmung der Wirklichkeit führen, da durch die Farbanpassung kleine Unterschiede in den Daten als größer wahrgenommen werden können, als sie es in der Realität sind. Das ermöglicht Ihnen hingegen, Nuancen auf der Karte besser zu erkennen. Mithilfe zuverlässiger Bezugsquellen und gründlicher Datenprüfung geben wir unser Bestes, um Deep Fake Geography zu vermeiden. 

Nutzen Sie unser Portal, ohne sich Sorgen um Deep Fake Geography machen zu müssen.

Quellen:
[1] Dafoe, Taylor (2019): Russian Researchers Used AI to Bring the Mona Lisa to Life and It Freaked Everyone Out. URL: https://news.artnet.com/art-world/mona-lisa-deepfake-video-1561600
[2] Rothe, D., & Shim, D. (2018): Sensing the ground: On the global politics of satellite-based activism. Review of International Studies, 44(3), 414-437.
[3] Bo Zhao, Shaozeng Zhang, Chunxue Xu, Yifan Sun & Chengbin Deng (2021): Deep fake geography? When geospatial data encounter Artificial Intelligence, Cartography and Geographic Information Science, 48:4, 338-352.