Sehvermögen: KI scheitert beim Erkennen einfacher Umrisse
Veröffentlicht am: 20.09.2026 um 05:33 Uhr | Redaktion boerse-global.de
Künstliche Intelligenz gilt in vielen Bereichen der Bildverarbeitung als hochentwickelt, offenbart bei grundlegenden Aufgaben des Sehens jedoch erhebliche Defizite. Eine im Fachjournal iScience erschienene Untersuchung verdeutlicht, dass KI-Systeme gravierende Schwächen beim Erkennen von Formen aufweisen.
Bei der reinen Identifikation von Silhouetten schnitten maschinelle Lernmodelle im direkten Vergleich durchweg schlechter ab als menschliche Probanden. Geleitet wurde das Forschungsprojekt von einem Team um Biyu He an der NYU Grossman School of Medicine mit Mugihiko Kato als Erstautor.
Umfassender Vergleich mit tiefen neuronalen Netzen
Für die Analyse untersuchten die Wissenschaftler die Leistungsfähigkeit visueller Algorithmen im Detail. Die Studie verglich über 200 tiefe neuronale Netze mit menschlichen Testpersonen. Als Basis dienten dabei 240 Abbildungen, die aus 48 Alltagskategorien stammten.
Die Auswertung zeigte deutliche Unterschiede in der visuellen Informationsverarbeitung: Kein einziges der getesteten KI-Modelle konnte das menschliche Erkennungsmuster über alle Versuchsbedingungen hinweg erreichen. Während menschliche Beobachter Schattenrisse und reine Umrisslinien zuverlässig erkennen und zuordnen können, stießen die künstlichen Systeme bei solchen reduzierten Darstellungen regelmäßig an ihre Grenzen.
Während die Forschung die technischen Grenzen der Bilderkennung analysiert, schafft der Gesetzgeber bereits verbindliche Rahmenbedingungen für den Einsatz solcher Technologien. Dieser kostenlose Download verschafft Ihnen den Überblick über Fristen und Pflichten, den Ihre Rechts- und IT-Abteilung jetzt dringend braucht. EU AI Act in 5 Schritten verstehen
Fehlinterpretationen durch Füllmuster und Texturen
Die Experimente legten offen, wie anfällig moderne Bilderkennungssysteme für irreführende Texturen sind. Wurden Umrisse von Objekten beispielsweise mit kleinen Kreuzchen gefüllt, verloren die Modelle die eigentliche Gesamtform aus dem Blick. Katzen und Schmetterlinge wurden unter diesen Bedingungen von den Systemen als Kreuzworträtsel, Fenstergitter, Kettenhemd oder Fadenwurm fehlinterpretiert.
Diese Fehlklassifikationen unterstreichen eine fundamentale Differenz in der visuellen Wahrnehmung: Während das menschliche Gehirn globale Umrisse und Formen mühelos von internen Oberflächenstrukturen trennt, verlassen sich viele neuronale Netze primär auf lokale Texturen und feinteilige Muster. Fällt diese Texturinformation weg oder widerspricht sie der Form, versagt die maschinelle Erkennung.
Wer sich mit der Entwicklung oder dem Einsatz von KI-Systemen befasst, muss neben technischen Hürden auch die neuen rechtlichen Risikoklassen genau kennen. Die EU-KI-Verordnung stellt neue Regeln auf, die viele noch nicht kennen – dieser kostenlose Report klärt auf. Welche KI-Systeme gelten als Hochrisiko?
Konsequenzen für Praxisanwendungen von Sensortechnik bis Robotik
Die beobachteten Defizite sind nicht nur für die Grundlagenforschung von Bedeutung, sondern berühren auch konkrete technologische Einsatzfelder. Die Ergebnisse der Arbeitsgruppe sind direkt relevant für das autonome Fahren, die Robotik sowie für die Entwicklung von Sehprothesen.
In allen drei Bereichen müssen Systeme Objekte auch bei schwierigen Lichtverhältnissen, Verdeckungen oder stark reduzierten visuellen Reizen präzise identifizieren. Um in diesen sicherheitskritischen Umgebungen ein vergleichbares Niveau wie das menschliche Sehvermögen zu erreichen, bedarf es grundlegender Weiterentwicklungen in den Architekturen künstlicher Sehsysteme.
