Ein KI-gesteuertes konzeptionelles Rahmenwerk zur Erkennung von Fake News und Deepfake-Inhalten: eine systematische Übersicht

Der rasche Fortschritt der generativen künstlichen Intelligenz (KI) hat die Erstellung hochrealistischer synthetischer Medien ermöglicht, die gemeinhin als Deepfakes bezeichnet werden und zunehmend multimodal sowie schwer zu erkennen sind. Während diese Technologien kreatives und kommerzielles Potenzial bieten, stellen sie auch kritische Herausforderungen im Zusammenhang mit Fehlinformationen, Medienvertrauen und gesellschaftlichem Schaden dar. Trotz der wachsenden Forschungsmenge bleiben bestehende Übersichten fragmentiert und trennen oft technische Fortschritte in der Erkennung von sozialen und Governance-Aspekten. Diese Studie schließt diese Lücke durch eine systematische Überprüfung gemäß PRISMA-Richtlinien in IEEE Xplore, Scopus, ACM Digital Library und Web of Science. Aus einem anfänglichen Satz von 120 Datenbankeinträgen, ergänzt durch Zitationsketten, wurden 34 Studien aus den Jahren 2014 bis 2025 zur Analyse ausgewählt. Achtzehn Studien konzentrierten sich auf Deepfake-Erzeugungs- und Erkennungsmodelle, acht untersuchten soziale und verhaltensbezogene Auswirkungen, und acht befassten sich mit ethischen und regulatorischen Rahmenwerken. Die thematische Synthese zeigt eine klare methodologische Verschiebung von Convolutional Neural Networks hin zu transformer- und CLIP-basierten Architekturen sowie das Auftreten groß angelegter Benchmark-Datensätze. Dennoch bestehen weiterhin Herausforderungen bei multimodaler Erkennung, generalisierter Erkennung über verschiedene Datensätze, Erklärbarkeit-Robustheit-Kompromissen und der Umsetzung von Governance-Prinzipien in einsetzbare Systeme. Diese Übersicht trägt ein integriertes konzeptionelles Rahmenwerk bei, das Erkennungstechnologien, erklärbare KI (XAI) und Governance-Mechanismen durch explizite Rückkopplungsschleifen operativ verbindet. Zukünftige Forschungsrichtungen betonen robuste multimodale Benchmarks, retrieval-unterstützte Erkennungssysteme und interdisziplinäre Ansätze, die technische Innovation mit ethischen und politischen Schutzmaßnahmen in Einklang bringen.