Dass Restaurants, Cafés und Marken bei der Präsentation von Lebensmitteln KI-generierte Bilder verwenden, führt zu appetitverderbenden Ergebnissen wie donutförmigen Garnelen, wurmartigen Nudeln, fadenförmigem Hähnchen, steinähnlichen Burgern und mit Löchern übersäten Burritos. Die Verzerrungen in diesen Bildern offenbaren die technischen Grenzen von KI-Systemen bei der Bilderzeugung sowie Probleme in den Trainingsdaten.
Die meisten führenden Bildgeneratoren verwenden Diffusionsmodelle. Diese Systeme beginnen mit reinem Rauschen und erzeugen ein Bild, indem sie das Rauschen schrittweise reduzieren; zuerst entsteht die grobe Struktur, anschließend die feinen Details. Chris Russell von der University of Oxford zufolge kann das Modell, wenn es die grundlegende Form eines Objekts in einer frühen Phase falsch anlegt, später lebensechte Texturdetails auf die fehlerhafte Struktur setzen. Dies lässt sich damit vergleichen, dass ein Mensch mit sechs Fingern dargestellt wird.
Giovanbattista Califano von der University of Naples Federico II erklärt, dass Diffusionsmodelle Schwierigkeiten damit haben, dünne, durchgehende und an einem Punkt endende Strukturen zu erzeugen. Nudeln, Fasern und geschwungene Fortsätze können deshalb an falsche Stellen geraten; wiederkehrende Texturen wie Blasen und Samen können sich zudem über sinnvolle Grenzen hinaus ausbreiten. Die extrem nudelartigen Formen und die Ansammlungen von Löchern in den Bildern können die als trypophobia bekannte Angst vor Löchern auslösen.
Experten zufolge weiß KI nicht wirklich, was ein Sandwich, eine Nudel oder ein Burrito ist. Sie lernt lediglich statistisch, wie diese Objekte im Internet typischerweise aussehen; ihre Funktionen und ihr Verhalten in der physischen Welt erfasst sie nicht. Roland Meyer von der University of Zurich sagt, dass die Systeme das Aussehen eines Fotos nachahmen, den Kontext hinter der Ästhetik professioneller Fotografie jedoch nicht verstehen. Deshalb kann Eis wie Beton und ein Burger wie ein Stein aussehen.
Auch die Trainingsdaten können das Problem verschärfen. Das helle Licht, die intensiven Farben und die übertriebenen Formen auf Essensfotos werden manchmal zusammen mit nicht real existierenden Lebensmitteln an das Modell weitergegeben. Simon Colton von der Queen Mary University of London weist darauf hin, dass seltsame und virale Inhalte im Internet mehr Aufmerksamkeit erhalten als gewöhnliche Bilder. Zudem kann die Verwendung von KI-generierten Inhalten zum Training neuer Modelle über den sogenannten „model collapse“ zu visuellen Verzerrungen und einer zunehmenden Ähnlichkeit führen.
Unklare Eingaben, die Vergrößerung niedrig aufgelöster Bilder und unzureichende Systemanweisungen machen die Fehler sichtbarer. Menschen erkennen Anomalien bei Lebensmitteln dagegen schnell, weil sie aufgrund des entwickelten Ekelgefühls gegenüber Gefahren wie Parasiten, Kontamination und Verderb besonders sensibel darauf reagieren. Deshalb wirken von KI erzeugte Lebensmittel nicht nur unrealistisch, sondern auch instinktiv falsch.
Warum das wichtig ist
Dieses Problem zeigt, dass die mit KI erstellte Präsentation von Lebensmitteln nicht nur eine ästhetische Frage ist; Verformungen im Bild können direkt beeinflussen, ob Zuschauer das Produkt appetitlich oder vertrauenswürdig finden. Für Restaurants, Cafés und Marken besteht die Herausforderung darin, die Ergebnisse einer menschlichen Kontrolle zu unterziehen, da das Modell lediglich ähnliche Bilder miteinander kombiniert, ohne die physische Struktur des Objekts zu erfassen. Insbesondere Details wie Nudeln, Fasern, Blasen und Löcher machen sowohl technische Fehler sichtbar als auch bei einigen Zuschauern Ekelreaktionen auslösen können. Dass seltsame und künstlich erzeugte Bilder aus dem Internet erneut in die Trainingsdaten gelangen, lässt zudem die Frage offen, ob sich die Verzerrungen wiederholen werden.