Seit kurzem bietet Facebook auch außerhalb der USA das Feature der Gesichtserkennung an. Wer will, kann "Freunden" auf Fotos Namen zuweisen. Das erscheint Datenschützern nicht unproblematisch. Doch selbst wenn die Betreiber in den USA manchen Bedenken europäischer Kritiker folgen und die Funktionalität beschränkt bleibt, es birgt bereits künftige Missbrauchsmöglichkeiten. Das kritische Element ist weniger die automatische Gesichtserkennung, sondern das attraktive Konzept, das Web an einer Personenidentifikation mitwirken zu lassen.

Eigentlich war es überfällig, dass die Gesichtserkennung nun auch die Featureliste der großen Social-Network-Plattformen Facebook und Google+ erweitert. Den Probelauf hatte Google schon 2008 mit seiner Bildverwaltungssoftware Picasa gestartet. Dass erst jetzt intensiver über das Angebot und dessen Folgen diskutiert wird, liegt an der Masse der Bilder, die sich auf den Facebook-Servern anhäuft. Bei Picasa sind es derzeit insgesamt 7 Mrd., bei Facebook aber 100 Mrd. - und jeden Monat kommen nach Angaben von pixable, Anbieter einer Bildersuch-App für Apple, weitere 6 Mrd. Bilder dazu.

Die technische Basis

Prinzipiell haben sich bis heute zwei Lösungsansätze heraus kristallisiert, mit denen sich eine Computer-gesteuerte Gesichtserkennung realisieren lässt, entweder über eine Vektor-gestützte Bildauswertung oder über die Mustererkennung (pattern recognition). Die Vektor-Methode arbeitet ähnlich der Fingerabdruck-Analyse: In einem Gesicht werden relevante Punkte markiert, die Größe des Vektornetzes und die Relationen der verbindenden Vektoren zueinander wird dann diesem Gesicht zugeordnet. Die Generierung der Vektor-Meta-Daten hat den Vorteil, dass vergleichsweise sehr geringe Datenmengen anfallen. Der entscheidende Nachteil ist, dass sie unter natürlich anzutreffenden, nicht kontrollierten Rahmenbedingungen bislang nicht automatisiert gemessen werden können. Die Position der Person im Raum, wechselnde Beleuchtung, Umwelteinflüsse oder andere Bildhintergründe sind Faktoren, die das Wiedererkennen einer Person meist vereiteln.
In der Praxis haben deshalb mustergestützte Bildvergleichsverfahren die Nase vorn. Bei diesen werden zur Reduktion der Datenmengen aus Referenzbildern erzeugte, flexible Template-Masken mit eingetragenen, nicht wechselbaren persönlichen Merkmalen verwendet. Beim Vergleich werden die zu untersuchenden Bilder dann mit einem vorliegenden Referenzbild auf Übereinstimmung bei markanten Bereichen, wie Augen, Ohren, Nase, Leberflecke, Narben, etc. geprüft. Das Verfahren ist auch als "lokale Fourier Analyse" bekannt oder als Filterbank-Analyse mittels Wavelet-Transformation. Ähnlichkeiten können errechnet werden, die genannten Störfaktoren ausgefiltert werden.
Prinzipiell gilt, je mehr Bilder es von einer Person in der Datenbank gibt, desto höher ist die Wahrscheinlichkeit einer Erkennung. Umgekehrt wächst mit der Zahl der unterschiedlicher Personenbilder in der Datenbank - neben der Rechenzeit - auch die Fehlerträchtigkeit: Die Zahl der ähnlichen aber nicht identischen Personen nimmt zu. Bei derzeit rund 750 Mio. aktiven Facebook-Nutzern ist es heute unvorstellbar, einen Abgleich gegen die Datenbank durchzuführen. Die durchschnittlich 130 "Freunde" eines Facebook-Nutzers sind dagegen unkritisch - professionelle Gesichtsvergleichs-Software in der Zutrittskontrolle kann mit vertretbaren Antwortzeiten etwa 4.000 bis 5.000 Templates abgleichen.
Auch die Bildqualität spielt eine Rolle für die Trefferwahrscheinlichkeit, optimal wären 5 Megapixel. Per Digital-Fotokamera oder Handy lässt sich dies inzwischen erreichen und auch für niedriger aufgelöste Videoaufnahmen soll es Lösungen geben. Eine Handy-App, die Google für Android-Smartphones in der Pipeline hat, wurde nur mit Blick auf die laufende Datenschutzdiskussion zurückgestellt.
Die Vorschläge, die die Rechner der Betreiber der Social Networks zurückliefern, sind nicht immer besonders treffend. Teilweise sind sie kaum besser als eine Ähnlichkeitssuche in Googles Bilderseite, bei dem das Gesamtbild auf optische Ähnlichkeit (zum Beispiel Farbe, Umrisse, Hintergrund) untersucht wird. Von der Bildanalyse "as a service" der Social-Network-Plattformen werden aber ohnehin keine exorbitant hohe Trefferquoten erwartet. Hier geht es ja bisher nicht um eine sichere Identifikation, sondern nur um möglichst gute Annäherung. Die Folgen, wenn ein Brillenträger, der auf Kontaktlinsen umsteigt, nicht automatisch, sondern erst durch andere Nutzer seinen Namen zugeordnet bekommt, sind marginal.
"Eine wirklich funktionierende Gesichtserkennung wird es die nächsten 30 Jahre nicht geben!", prognostiziert auch Dr. Rolf Würtz, Institut für Neuroinformatik an der Ruhr Uni Bochum. "Funktionieren", das wäre eine maschinelle Erkennungsrate von 100% unter Alltagsbedingungen. Doch im Alltag, unter nicht kontrollierten Bedingungen und bei nicht zwingend kooperativen Passanten liegt die effektive Erfolgsquote derzeit nur bei 30 bis 60%, wobei die 60% auch nur unter optimierten Beleuchtungsbedingungen erzielt werden. Für forensische Anwendungen ist das noch viel zu niedrig. "Die Beleuchtung", so Dr. Rolf Würtz, "stellt in der Realität bislang die größten Hürden auf, sowohl für die Kamera-Hardware wie auch für die Auswertesoftware."

Tagging-Folgen

Noch geht es nicht per Knopfdruck, doch Firmen und Dienste mit Investigations-Aufgaben, Paparazzi oder Skandalmedien aller Art dürften den mit den neuen Features verbundenen Möglichkeiten zur Suche nach Kompromaten aller Art große Aufmerksamkeit widmen. Dass das Spiel »Wer kennt wen?« der Web-Community Spaß macht, zeigte beispielsweise das Projekt "Glastotag" nach einem Musikfestival im südenglischen Glastonbury. Hier ordneten die Facebook-Fans auf einem hochauflösenden Panoramafoto 9.000 Personen Namen zu. Auch in Deutschland wurde kürzlich ein ähnliches Projekt gestartet (www.rheinkulturpanorama.de).
Ein - theoretisches - Missbrauchsbeispiel dazu: Wenn Politiker X oder Manager Y inkognito im Rotlichtviertel unterwegs sind, wird dies bisher nur durch Zufall, gezielte Indiskretion oder aufwendige Beschattung bekannt. Wie viel einfacher wäre hier eine hinreichend gut platzierte Kamera im Dauerbetrieb und der Upload der Bilder - ohne sichtbaren Rotlichtbezug - ins Web. Der Fleiß der Millionen Nutzer könnte dann helfen, den bisher anonymen Gesichtern Namen zuzuordnen. Beim anschließenden Scan mit einer Namensliste von Prominenten wird irgendwann jemand passendes im Raster hängen bleiben - vermutlich auch Politiker X und Manager Y.
Weder solche Bildaufnahmen noch die Speicherung und das Hochladen zum Taggen sind legal, doch Hemmungen vor Grenzüberschreitungen im Datenschutz gibt es, wie auch die Praktiken in den englischen Boulevardmedien zeigten, nicht überall. Allerdings ist es wohl nicht trivial, die aktuellen Social-Networks entsprechend zu manipulieren. Hier existieren im Moment ohnehin noch andere Problemfelder. So ist die korrekte Datenverwendung bei Facebook und anderen US-Social-Networks für Außenstehende nicht nachzuvollziehen. Facebook steht gerade auch als Medium der arabischen Unruhen des Frühjahrs unter besonderer Beobachtung der Sicherheitsdienste, zumindest der US-Geheimdienste, die qua Gesetz über eine Backdoor verfügen sollten.
sob

Facebooks-Personen-Tagging in Kürze Facebook erlaubt seinen Mitgliedern, Personen auf Fotos mit Namen zu kennzeichnen (taggen). Lädt ein Mitglied neue Bilder in Facebook, werden diese von Facebook automatisch per "Gesichtserkennung" mit zuvor von diesem Mitglied hochgeladenen Bildern abgeglichen. Bei einer gewissen Ähnlichkeit wird ein Name vorgeschlagen, der bestätigt oder ergänzt werden kann. Taggen lassen sich nur "Freunde", also Namen, die mit dem Profil des Nutzers verknüpft wurden. Das können unter Umständen auch Nichtmitglieder sein, deren E-Mail-Daten der Profilinhaber in Facebook hochgeladen hat. Wer getaggt wurde, kann die Zuordnung nachträglich löschen. Der Abgebildete kann aber auch generell untersagen, dass andere Nutzer Bilder mit seinem Profil verknüpfen können. Die Gesichtserkennung ist allerdings per default eingestellt.