Bei der Restauration von Multimedia-Daten geht es idR. um die Verbesserung der Verständlichkeit des Gesprochenen und der Erkennbarkeit von Details in Bildern oder Videos, oftmals Gesichtserkennung.
Selbst wenn die Authentizität und Integrität nicht angezweifelt wird, gilt dennoch ein forensischer Rahmen auch für die Verbesserung. Die Restauration sollte behutsam, umsichtig und minimal-invasiv so erfolgen, wie für den beabsichtigten Zweck erforderlich und vertretbar.
Dies betrifft insbesondere Interpolationen von Lücken, Extrapolationen und “Auffüllen” bzw. Anreichern mit zusätzlichen Daten durch AI oder spezifische Plugins. Was an Informationen im Signal nicht vorhanden ist bzw. durch Mängel und Umstände der Aufnahme verloren gegangen ist, kann nicht magisch herbeigezaubert werden, nicht mal in Hogwarts.
Das Hinzufügen von Daten entfernt das Ergebnis von der Originalfiktion und ist problematisch hinsichtlich des forensischen Paradigmas unveränderter Beweismittel. Insbesondere beim Einsatz von ML/AI ist die Nachvollziehbarkeit und auch “legal explainability” wesentlich, jedoch im Falle von Machine Learning ungleich schwieriger.
Fazit: Deswegen ist es auch bei Restauration wesentlich, die gesamte Kette an Verfahren und Werkzeugen zu dokumentieren und dort zu stoppen, wo das Risiko einer Verfremdung zu groß wird, beispielsweise wenn Gesprochenes eine andere Bedeutung bekommt.
