Liar's Dividend
Der Liar's Dividend beschreibt den Vorteil, den Lügner daraus ziehen, dass sich Fotos, Videos und Tonaufnahmen heute täuschend echt fälschen lassen. Wer mit einer echten Aufnahme konfrontiert wird, kann einfach behaupten, sie sei künstlich erzeugt — und wird damit oft geglaubt.
Seit einigen Jahren lassen sich Videos, Fotos und Stimmen am Computer so überzeugend nachbauen, dass man sie mit bloßem Auge kaum noch von echten Aufnahmen unterscheidet. Das hat eine Nebenwirkung, die auf den ersten Blick überrascht. Nicht nur Fälschungen werden gefährlich, sondern auch der bloße Verdacht auf eine Fälschung. Wer bei etwas Peinlichem oder Strafbarem gefilmt wurde, kann jetzt sagen: Das Video ist am Rechner gemacht, ich war das nicht. Dieser Ausweg ist gemeint, wenn von einem Liar’s Dividend die Rede ist — wörtlich der Gewinn, den ein Lügner einstreicht. Der Begriff stammt von den Rechtswissenschaftlern Bobby Chesney und Danielle Citron, die ihn 2018 in einem Aufsatz geprägt haben.
Wenn echte Beweise ihre Beweiskraft verlieren
Bisher galt eine Videoaufnahme als sehr starker Beleg. Ein Foto oder ein Mitschnitt beendete Diskussionen oft sofort. Genau diese Wirkung bröckelt, wenn jeder weiß, dass Fälschungen möglich sind. Der Schaden entsteht dann nicht durch eine konkrete Fälschung, sondern durch das allgemeine Wissen, dass es sie gibt.
Für Journalismus und Justiz ist das ein ernstes Problem. Recherchen stützen sich häufig auf Videos aus Kriegsgebieten oder auf heimlich mitgeschnittene Gespräche. Wenn Beschuldigte solche Belege pauschal als künstlich erzeugt abtun können, wird Aufklärung teurer und langsamer. Es braucht dann technische Gutachten, Zeugen und Herkunftsnachweise, wo früher das Material selbst reichte.
Besonders wirksam ist der Trick bei Menschen, die ohnehin auf der Seite des Beschuldigten stehen. Sie bekommen eine bequeme Erklärung geliefert und müssen ihre Meinung nicht ändern. Fachleute nennen das Ergebnis manchmal epistemische Erosion: Nicht eine bestimmte Lüge setzt sich durch, sondern der allgemeine Zweifel daran, dass irgendetwas belegbar ist.
Warum die Ausrede so oft funktioniert
Die Grundlage ist eine technische Entwicklung. Programme, die aus Beispieldaten lernen, können Gesichter, Mimik und Stimmen realistisch nachbilden. Solche künstlich erzeugten Aufnahmen heißen Deepfakes. Sie brauchen heute keine Spezialisten mehr, sondern laufen als App auf einem normalen Rechner.
Der zweite Baustein ist die Beweislast. Um zu zeigen, dass ein Video echt ist, braucht man aufwendige Prüfungen: Metadaten, Kameraspuren, Vergleichsaufnahmen, manchmal forensische Labore. Um Zweifel zu säen, genügt ein Satz in einem sozialen Netzwerk. Aufwand und Wirkung stehen also in einem sehr ungleichen Verhältnis, und davon profitiert die lügende Seite.
Wichtig ist die Abgrenzung zum Deepfake selbst. Ein Deepfake ist eine gefälschte Aufnahme, die als echt verkauft wird. Der Liar’s Dividend ist der umgekehrte Fall: eine echte Aufnahme, die als Fälschung verkauft wird. Beide Phänomene hängen zusammen, sind aber nicht dasselbe — und der zweite Fall funktioniert sogar ohne dass je eine Fälschung existiert hat.
Von Wahlkämpfen bis zum Gerichtssaal
Am sichtbarsten ist der Effekt in der Politik. In mehreren Wahlkämpfen erklärten Kandidaten belastende Mitschnitte kurzerhand zu KI-Produkten. In Indien und in den USA gab es Fälle, in denen echtes Material öffentlich als Deepfake bezeichnet wurde. Manchmal ließ sich das widerlegen, manchmal blieb ein Rest Unsicherheit hängen — und der reicht politisch oft schon aus.
Auch vor Gericht taucht das Muster auf. Anwälte in den USA haben versucht, Videobeweise mit dem Hinweis auf mögliche KI-Manipulation zu entwerten. Richter müssen deshalb zunehmend klären, wie die Echtheit digitaler Beweise belegt wird. Die Technikbranche reagiert mit Herkunftsnachweisen: Standards wie C2PA hängen an ein Foto eine fälschungssichere Notiz, welche Kamera es aufgenommen und wer es später bearbeitet hat.
In Nachrichtentexten begegnet dir der Begriff meist dann, wenn es um Desinformation, Wahlen oder Regulierung von KI geht. Er erklärt, warum reine Erkennungssoftware für Fälschungen das Problem nicht löst. Solange Zweifel billiger sind als Nachweise, bleibt die Ausrede attraktiv. Deshalb setzen Fachleute stärker darauf, die Echtheit von Anfang an zu dokumentieren, statt Fälschungen im Nachhinein zu enttarnen.