How accurate is SUS IT at detecting AI content?

SUS IT uses advanced forensic analysis with Chain-of-Thought reasoning across all content types -- audio, video, images, and text. Accuracy depends on file quality; uncompressed files provide the best results. The system provides confidence levels (Low, Medium, High) for every analysis.

Can I analyze screen recordings?

We advise against it. Screen recording re-encodes the video, blending frames and adding compression artifacts that destroy the specific digital fingerprints our AI looks for, often causing false positives.

How does the forensic analysis work?

SUS IT uses a 'Chain-of-Thought' process with advanced reasoning models. Instead of a simple guess, the system debates evidence (e.g., 'Is this a compression error or a generative flaw?') before delivering a verdict. This takes about 30-60 seconds but ensures high accuracy.

What is the 'Humanizer Report'?

If content is flagged as AI, the Humanizer Report analyzes the specific artifacts detected and generates a custom guide on how to fix them (e.g., mixing changes for audio, rewriting advice for text) to make the content appear more natural.

Is SUS IT free to use?

Yes! Every new user gets 1 free scan on signup -- no credit card required. You can analyze audio, video, text, and images. Additional credits can be purchased or earned through referrals.

How accurate is the AI detection?

SUS IT uses advanced forensic analysis with Chain-of-Thought reasoning. Accuracy depends on file quality - uncompressed files (WAV, FLAC) provide the most accurate results. The system provides confidence levels (Low, Medium, High) for each analysis.

Can I check my homework for AI?

Yes! SUS IT is designed for students to check essays and homework for AI-generated content. Upload your document and get a detailed analysis with a Humanize Report to improve your writing if needed.

What AI models can SUS IT detect?

SUS IT can detect content from ChatGPT, Gemini, Claude, Suno, Udio, Sora, Kling, Runway, DALL-E, Midjourney, Stable Diffusion, and other major AI generation tools.

Can SUS IT detect bot accounts on social media?

Yes! SUS IT's BOT or NOT feature analyzes Instagram, TikTok, Twitter, LinkedIn, YouTube, and Facebook profiles to detect bot accounts, fake followers, shadow bans, and AI-generated posts. Get detailed reports on account authenticity.

Redaktionell12. Mai 2026Aktualisiert Mai 202610 Min. Lesezeit

Der Journalisten-Leitfaden zur Verifikation KI-generierter Medien

SJ · Redaktion SUS IT

SJ ist Musikproduzent und Audio-Forensik-Forscher mit 12 Jahren Branchenerfahrung.

Verifikationsrahmen für Journalistinnen angesichts KI-Bilder, -Video, -Audio und -Text – mit Tool- und Workflow-Empfehlungen für Newsrooms.

Die redaktionelle Verifikationsherausforderung 2026 ist ohne historisches Pendant: nicht nur überzeugender Fake, sondern Volumen erzwingt systematische Workflows. Newsrooms ohne eingebettete KI-Verifikationsprotokolle veröffentlichen faktisch ohne ausreichende Sorgfalt. Dieser Leitfaden richtet sich an Reporter, Redakteurinnen und Newsroom-Leitung – umsetzbare Rahmen heute.

Wie KI das Verifikationsproblem verschärft

Vor 2023 dominierten drei Bild-Fake-Typen: echtes Foto, falscher Kontext; digitale Manipulation; inszenierte Echtfotos. Jeder hatte bekannte Checks. KI ergänzt vollständig synthetische Medien ohne Original und menschliche Fingerabdrücke – und macht inszenierte Szenen trivial billig. Neu: KI-Text als Desinformationsvektor – Pressemitteilungen, Zitate, amtlich klingende Statements ohne forensische Ausrüstung.

SIFT angepasst auf KI

SIFT (Stop, Quelle prüfen, bessere Berichterstattung finden, Behauptungen zurückverfolgen) bleibt Basis – mit KI-Zusätzen. Stop: emotionale Inhalte brauchen mehr Prüfung. Quelle: Wer veröffentlichte zuerst? Neue Accounts, anonyme Kanäle, kurze Historien mit außergewöhnlichen Claims = mehr Skepsis – typisch für KI-Kampagnen. Bessere Berichterstattung: echte Großereignisse haben mehrere unabhängige Medien mit unterschiedlichem Material. Zurückverfolgen: früheste Version von Bild/Video finden.

Bild-Workflow

Bei verdächtigen News-Bildern: (1) Reverse Image Search (Google, TinEye) auf Kontextbrüche, Erstveröffentlichung, Stock. (2) EXIF (Jeffrey's Exif Viewer) auf Kamera-Daten, Zeit, GPS-Konsistenz. (3) Visuelle Artefakte – Hände, Text, Licht, Kanten, hoher Zoom. (4) Forensik – SUS IT, Hive Moderation o. Ä. für Pixel-/Frequenzsignale. (5) C2PA-/Credentials, falls vorhanden, Kette prüfen. Newsrooms brauchen Schwellen: welche Konfidenz für Veröffentlichung? Eskalation bei niedriger Konfidenz?

Video-Workflow

Bei Video: (1) Quelle – Erstpublisher, Account-Historie. (2) Frame-für-Frame in Zeitlupe – zeitliche Inkonsistenzen, Physik, Hintergrund (siehe Video-Leitfaden). (3) AV-Sync, Umgebungsaudio passend? (4) Forensik – Kohärenz, Rauschen, Gesichtssignale inkl. rPPG. (5) Geolocation – Landmarken, Architektur, Schatten (SunCalc), Street View.

Audio-Workflow

Leaks, Reden, Statements sind riskant – leicht zu fälschen, hohe Glaubwürdigkeit. (1) Quelle – wer leakt, Track Record, Motivation? (2) Kontext – passt Inhalt zu bekannter Realität (Ort, Zeit)? (3) Akustik – passt Hintergrundgeräusch zur Szene? (4) Stimm-Muster – Wortschatz, Prosodie vs. Archivaufnahmen? (5) Forensik – Spektrum, Phase, Klon-Signaturen.

Text: KI-Pressemitteilungen

Unterschätzte Gefahr: perfekt formatierte Fake-Releases in Sekunden. Checks: (1) Quelle – etablierte Kanäle vs. obskurer Eingang? (2) Abgleich mit bekannter Position der Organisation? (3) Verifikationsanruf auf öffentlich verifizierte Telefonnummer (nicht aus dem Dokument). (4) KI-Text-Detektor als ein Signal. (5) Stilvergleich mit früheren offiziellen Texten.

Quellenprüfung im KI-Zeitalter

KI-Inhalte kommen oft von KI-/Fake-Quellen: synthetische Accounts, erfundene Organisationen, Schein-Expertinnen. Quellen brauchen Cross-Checks: nachweisbare Karriere (LinkedIn, Institution, Publikationen), Mail an Domain der Institution, Telefon zur Organisation, Präsenz, die älter ist als der aktuelle Zyklus. Exklusive Infos von Ein-Kanal-Identitäten mit frischer Historie = extra Skepsis.

Redaktionsrichtlinien großer Medien

AP Stylebook, BBC, Reuters, AFP haben KI-Verifikationsschritte veröffentlicht oder verpflichtend gemacht. Gemeinsam: mindestens zwei unabhängige forensische Tools bei KI-verdächtigen Visuals; Pflicht-Quellencheck bei KI-Text-Claims; Eskalation zu Chefredaktion bei hohem Risiko. Policies dokumentieren und alle Redakteurinnen schulen – nicht nur Digital-Spezialistinnen.

Rolle von KI-Detektoren

Detektoren sind eine Schicht, kein Alleingericht. Richtig genutzt liefern sie quantitative Signale jenseits des Auges, skalieren Triaging und dokumentieren Schritte. Falsch genutzt erzeugen sie falsche Sicherheit. 85 % KI-Wahrscheinlichkeit = weiter untersuchen, nicht automatisch verwerfen. 15 % bei Hochrisiko-Inhalt = trotzdem nicht Verifikation überspringen.

Kultur und Training

Wichtigste Infrastruktur ist Kultur: Newsrooms, die Verifikation schätzen und „konnte nicht rechtzeitig verifizieren“ zulassen, sind genauer als speed-getriebene. Schulungen in Onboarding und CPD für alle. Besonders gefährdet sind erfahrene Journalistinnen, die auf ihr Fake-Gefühl vertrauen und systematische Schritte überspringen. Selbstbewusstsein ohne Prozess ist das höchste Risiko.