Upscaling

Jedes digitale Bild besteht aus einem Raster winziger farbiger Punkte, den Pixeln. Ein kleines Bild hat wenige davon, ein großes viele. Upscaling heißt: aus einem Bild mit wenigen Punkten ein Bild mit vielen Punkten machen. Das Problem dabei ist offensichtlich. Die zusätzlichen Punkte müssen irgendwoher kommen, denn im Original stehen sie nicht drin. Ein Upscaling-Verfahren muss sie also erfinden – und zwar so, dass das Ergebnis natürlich aussieht und nicht verschmiert oder klotzig wirkt.

Warum aus verwaschen wieder scharf werden soll

Bildschirme sind in den letzten Jahren stark gewachsen. Ein moderner Fernseher hat rund 8 Millionen Pixel, ein alter Fernsehmitschnitt liefert vielleicht 400.000. Wenn man dieses alte Material auf dem großen Gerät zeigt, muss die Lücke gefüllt werden. Gutes Upscaling entscheidet darüber, ob ein Film von 1995 auf einem neuen Fernseher ansehnlich wirkt oder wie ein grober Klotzhaufen.

Der zweite große Grund ist Rechenleistung bei Computerspielen. Ein Spiel in voller Auflösung zu berechnen kostet die Grafikkarte sehr viel Arbeit. Rechnet sie das Bild stattdessen in halber Breite und Höhe und skaliert es anschließend hoch, muss sie nur noch etwa ein Viertel der Bildpunkte erzeugen. Das kann die Bildrate verdoppeln. Genau deshalb ist Upscaling heute in fast jedem großen Spieletitel eingebaut.

Dazu kommen Anwendungen, bei denen es nicht um Schönheit geht. Satellitenaufnahmen, medizinische Scans oder Überwachungsvideos werden hochskaliert, um Strukturen besser erkennbar zu machen. Hier lauert allerdings ein ernstes Risiko, auf das weiter unten noch einzugehen ist.

Vom Pixelverdoppeln zum gelernten Raten

Die einfachste Methode kopiert jeden Punkt mehrfach. Das Bild wird größer, aber auch treppig und grob. Etwas besser sind Verfahren, die zwischen benachbarten Punkten Mittelwerte bilden. Die Treppen verschwinden, dafür wird alles leicht unscharf. Beide Verfahren erzeugen keine neuen Informationen, sie verteilen nur die alten.

KI-Upscaler gehen anders vor. Man zeigt einem neuronalen Netz – einem Programm, das aus Beispielen Muster lernt – Millionen von Bildpaaren. Jedes Paar besteht aus einem scharfen Foto und derselben Aufnahme künstlich verkleinert. Das Netz lernt dabei, wie eine unscharfe Kante typischerweise scharf aussieht, wie Haut, Haare oder Ziegelmauern in echt strukturiert sind. Später bekommt es ein unbekanntes kleines Bild und wendet dieses Wissen an.

Bei Videos kommt ein Trick dazu. Aufeinanderfolgende Einzelbilder zeigen fast dasselbe Motiv, nur minimal verschoben. Aus mehreren solchen Bildern lässt sich mehr Detail zusammensetzen als aus einem allein. Spiele-Upscaler wie DLSS von Nvidia oder FSR von AMD nutzen zusätzlich Daten aus der Spiel-Engine, etwa in welche Richtung sich Objekte bewegen. Wichtig ist der Kern der Sache: Das Ergebnis ist eine gut begründete Vermutung, keine Rekonstruktion der Wahrheit.

Zwischen Fernsehmenü, Grafikkarte und Gerichtssaal

Im Alltag begegnet dir Upscaling meist unbemerkt. Fast jeder Fernseher hat es fest eingebaut und wirbt mit Begriffen wie « KI-Bildoptimierung ». Streaming-Dienste skalieren ältere Serien hoch, bevor sie sie als « remastered » anbieten. Smartphones nutzen es beim digitalen Zoom, damit ein herangeholtes Motiv nicht sofort matschig wird. Auch Bildbearbeitungsprogramme bieten inzwischen einen Upscaling-Knopf an.

In Tech-News taucht der Begriff vor allem rund um Grafikkarten auf. Wenn ein Hersteller eine neue Generation vorstellt, sind die genannten Bildraten oft mit eingeschaltetem Upscaling gemessen. Wer Testberichte liest, sollte also darauf achten, ob eine Zahl mit oder ohne diese Technik zustande kam. Der Unterschied kann leicht bei 50 Prozent liegen.

Ein verbreiteter Irrtum ist die Vorstellung aus Krimiserien, man könne ein verpixeltes Nummernschild « scharf rechnen » und damit lesen. Das funktioniert nicht. Der Upscaler erfindet eine Ziffer, die zu dem Fleck passen könnte – sie kann komplett falsch sein. Solche Bilder sind deshalb kein Beweismittel. Upscaling verbessert den Eindruck, nicht den Informationsgehalt.