Trust & Safety
Communities, Foren, Dating-Apps und Creator-Plattformen erhalten laufend Fotos und Clips von ihren Nutzern. Ein Teil davon ist generiert. Unsere API versieht jeden Upload mit einem KI-Score, sodass Ihre Moderationsregeln darauf reagieren können und sich Ihr Team auf die schwierigen Fälle konzentriert.
99,5 %
der KI-Bilder erkannt, bei nur 1 % markierten echten Fotos, über 19 aktuelle Generatoren
96,2 %
noch erkannt nach Kompression durch WhatsApp, Instagram und erneutes Teilen
0,987
AUROC bei KI-Videos aus 12 Videomodellen
Verdeckter Teil unseres Benchmarks vom Oktober 2026, nie für das Training verwendet. Methode und vollständige ErgebnisseEN
Ein Fake-Profil mit generiertem Gesicht sieht aus wie jedes andere Mitglied. Auf Dating- und Community-Plattformen ziehen sich Nutzer zurück, sobald sie nicht mehr davon ausgehen können, dass die Person hinter einem Foto existiert.
Viele Plattformen verlangen inzwischen eine Kennzeichnung von KI-Inhalten oder schränken sie in bestimmten Bereichen ein. Eine solche Regel funktioniert nur, wenn Sie überhaupt erkennen können, welche Uploads synthetisch sind.
Jeder Upload ist ein potenzieller Prüffall. Moderatoren können sich nicht jeden einzelnen genau ansehen, also rutschen synthetische Medien durch oder der Rückstau wächst immer weiter.
Jedes Bild erhält eine Wahrscheinlichkeit, dass es generiert oder synthetisch verändert wurde. Das Modell ist auf aktuelle Generatoren trainiert und auf Dateien, die komprimiert und weitergeteilt wurden, bevor sie bei Ihnen ankamen.
Über den gesamten Clip werden Frames ausgewählt und von einem eigenen Videomodell bewertet. Die Antwort zeigt, wie viele Frames analysiert und wie viele markiert wurden.
Ein Coverbild oder ein einzelner Frame lässt sich mit dem Videomodell separat bewerten. Das hilft, wenn Sie nur eine Vorschau speichern.
Enthält ein Upload ein C2PA-Manifest, wird es ausgelesen und seine Signatur verifiziert. Eine gültige KI-Deklaration des Signierenden wird als sicher gemeldet und ist damit eine saubere Grundlage für eine automatische Kennzeichnung.
Rufen Sie die REST API aus Ihrer Upload-Pipeline mit der Datei auf oder, bei Clips in Ihrem eigenen Bucket, mit einer URL.
Sie legen die Schwellenwerte fest. Hohe Scores automatisch kennzeichnen oder zurückhalten, den mittleren Bereich an die Moderation geben und den Rest wie gewohnt veröffentlichen.
Versehen Sie Inhalte mit einem KI-Hinweis, wo Ihre Richtlinie oder die Transparenzpflichten nach Artikel 50 der EU-KI-Verordnung (AI Act) dies verlangen, und speichern Sie den Score mit der Moderationsentscheidung für Einsprüche und Audits.
Bild aus der Upload-Warteschlange bewerten
curl -X POST https://www.wasitaigenerated.com/api/v1/detect/image \
-H "Authorization: Bearer YOUR_API_KEY" \
-F "file=@upload.jpg"Bilder, Einzelframes und ganze Clips. Antworten, Limits und Preise finden Sie in der API-Dokumentation.
Davon raten wir ab. Ein Erkennungs-Score ist eine Wahrscheinlichkeit, kein Beweis. Nutzen Sie ihn, um Inhalte zu kennzeichnen, Prüfungen zu priorisieren oder einen Upload zurückzuhalten, und lassen Sie eine Moderatorin oder einen Moderator bestätigen, bevor Sie gegen eine Person oder einen Account vorgehen.
Das hängt vom gewählten Schwellenwert ab. In unserem Benchmark vom Oktober 2026 mit 19 aktuellen Bildgeneratoren erkannte das Modell 99,5 % der KI-Bilder und markierte dabei 1 % der echten Fotos. Mit einem höheren Schwellenwert werden weniger echte Fotos markiert, dafür rutschen mehr KI-Bilder durch.
Die API ist für automatisierte Pipelines ausgelegt. Für hohes, gleichmäßiges Volumen umfassen Enterprise-Pläne dedizierte Kapazität und ein SLA, damit die Moderationslatenz planbar bleibt.
Hochgeladene Dateien werden nach der Analyse gelöscht; die API speichert das Ergebnis, nicht die Datei. Für Enterprise-Kunden sind ein Auftragsverarbeitungsvertrag (AVV) sowie Self-Hosting auf Ihren eigenen GPUs und Servern verfügbar.
Wir führen bezahlte Pilotprojekte mit einer Stichprobe Ihrer Bilder und Clips durch, kalibrieren den Schwellenwert auf Ihre Toleranz für Fehlalarme und melden Ihnen Erkennungs- und Fehlerraten, bevor Sie sich festlegen. Für den Produktivbetrieb gibt es Mengenpreise und ein SLA, und die Modelle können auf Ihren eigenen GPUs und Servern laufen.
Pilotprojekt anfragen