
doi: 10.34657/38717
Das Projekt Aletheia erforschte und entwickelte Ansätze zur robusten und erklärbaren Erkennung von KI-generierten Inhalten (Deepfakes) in Bildern und Videos. Im Projektverlauf wurden zahlreiche bestehende Deepfake-Detektoren aus der Forschung reproduziert und systematisch analysiert. Eine zentrale Erkenntnis war, dass robuste Erkennung wesentlich stärker von der Qualität und Diversität der Trainingsdaten abhängt als von der Modellarchitektur. Auf Basis eigener Datensätze und gezieltem Finetuning von Foundation-Modellen (z.B. CLIP) wurden starke Erkennungsergebnisse erzielt. Erste Erklärbarkeitskonzepte wurden erarbeitet und intern getestet. Eine prototypische Infrastruktur einschließlich On-Premise-fähiger Architektur wurde aufgebaut. Am Ende der Förderphase wurde TRL 5 erreicht. Die Detesia GmbH wurde im August 2025 gegründet.
Medienforensik, erklärbare Künstliche Intelligenz, Datenzentrischer Ansatz, 000 | Informatik, Information und Wissen, allgemeine Werke, Foundation-Modelle, Deepfake-Erkennung, IT-Sicherheit, StartUpSecure
Medienforensik, erklärbare Künstliche Intelligenz, Datenzentrischer Ansatz, 000 | Informatik, Information und Wissen, allgemeine Werke, Foundation-Modelle, Deepfake-Erkennung, IT-Sicherheit, StartUpSecure
| selected citations These citations are derived from selected sources. This is an alternative to the "Influence" indicator, which also reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically). | 0 | |
| popularity This indicator reflects the "current" impact/attention (the "hype") of an article in the research community at large, based on the underlying citation network. | Average | |
| influence This indicator reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically). | Average | |
| impulse This indicator reflects the initial momentum of an article directly after its publication, based on the underlying citation network. | Average |
