This Person Does Not Exist

This Person Does Not Exist sollte heute als historisches Webexperiment für synthetische Gesichter verstanden werden, nicht als verlässlich verfügbarer Dienst für neue Produktionen. Bei der Prüfung am 20. September 2026 enthielt die Startseite ein Angebot zum Verkauf der Domain, während der frühere Pfad /image eine 404-Antwort lieferte. Ein wechselndes Hintergrundbild war weiterhin zu beobachten. Das beweist weder eine neue Generierung noch ein bestimmtes Modell oder Nutzungsrechte am Bild.

Für Designer, Redaktionen und Forschende ist die Seite deshalb vor allem ein Fall für Quellenprüfung. Wer ein Bild erneut verwenden möchte, braucht einen nachvollziehbaren Betreiber, datierte Bedingungen und eine Erlaubnis für genau dieses Bild. Diese quellenbasierte Bewertung hat den historischen Generator nicht ausgeführt und keine Ausgabe für eine Veröffentlichung heruntergeladen.

Was der Name historisch bezeichnet

Der Name wurde 2019 durch eine Website bekannt, die beim Laden oder Aktualisieren ein synthetisches Porträt zeigte. Ein Ausstellungseintrag des Design Museum nennt Phil Wang als Urheber der Website. Eine erhaltene Primärquelle von Wang zu Arbeitgeber, genauer Rolle und Startdatum lag für diese Prüfung nicht vor. Diese Einzelheiten bleiben daher historische Angaben aus Sekundärquellen.

Wichtig ist die Trennung der Entitäten. Die Website war eine Demonstration und keine von NVIDIA entwickelte Modellfamilie. Zeitgenössische Berichte verbanden sie mit StyleGAN, doch die primären NVIDIA-Quellen dokumentieren nicht den damaligen oder heutigen Server der Website. Philip Wang darf deshalb nicht als NVIDIA-Forscher beschrieben werden.

Der am 20. September 2026 abgerufene HTML-Code enthielt die Verkaufsnachricht und verwies auf random-person.jpeg als Hintergrund. Drei Abrufe dieses Hintergrunds ergaben unterschiedliche Byte-Hashes. Das zeigt nur, dass sich die Antworten änderten. Es verrät nicht, ob ein Bild neu erzeugt, aus einer Sammlung gewählt oder mit einem bestimmten Modell erstellt wurde, und es gewährt kein Wiederverwendungsrecht. Damit bleibt die Seite ein historischer Fall, aber ohne erneut identifizierten Betreiber, Ablauf und Bedingungen kein Ausgangspunkt für neue Produktion.

Wie die ursprüngliche Demonstration einzuordnen ist

Das offizielle StyleGAN-Repository dokumentiert einen Generator für den Datensatz Flickr-Faces-HQ, kurz FFHQ, mit 1024 mal 1024 Pixeln. Ein Generator bildet einen gezogenen latenten Vektor auf ein Bild ab. Die StyleGAN-Arbeit von 2018 beschreibt, wie Merkmale auf verschiedenen Ebenen der Synthese beeinflusst werden können.

Das erklärt den historischen Kontext, aber nicht den aktuellen Server. Die bekannte Oberfläche bot weder einen Texteingabebereich noch die Bearbeitung einer vorhandenen Identität. Das Erlebnis bestand im Wesentlichen darin, eine Seite zu laden und ein weiteres Beispiel durch Aktualisieren anzufordern. Für jedes Bild fehlten öffentlich sichtbare Angaben zu Seed, Datensatzzeile, Modellrevision und Erzeugungsereignis. Diese schwache Provenienz ist für einen Produktionsprozess ein erhebliches Risiko.

Die Ausgabe war ein Bild, kein wiederverwendbarer Checkpoint und keine bearbeitbare Identität. Bei der aktuellen Prüfung wurde kein Bedienelement beobachtet, das ein neu erzeugtes Gesicht versprach; Servercode wurde nicht eingesehen und keine Ausgabe unter datierten Bedingungen bezogen. Gegenwärtige Aussagen zu Geschwindigkeit, GPU-Inferenz, Zufälligkeit oder Einzigartigkeit würden deshalb über die Belege hinausgehen.

StyleGAN und StyleGAN2 nicht vermischen

NVIDIA reichte die ursprüngliche StyleGAN-Arbeit im Dezember 2018 ein. Die eigenständige StyleGAN2-Arbeit folgte im Dezember 2019. Die zeitliche Reihenfolge belegt, dass es verschiedene Forschungsstände sind. Sie belegt nicht, welche Version auf der historischen Website lief oder ob der Betreiber die Implementierung später änderte.

Ein StyleGAN2-Messwert darf daher nicht als Leistung der Website ausgegeben werden. Forschungswerte gelten für die im Paper beschriebenen Daten, Gewichte, Einstellungen und Messverfahren. Ohne site-spezifische Implementierungsbelege sind Aussagen zu Modellversion, Geschwindigkeit, Zufälligkeit oder Einzigartigkeit nicht abgesichert.

Das gilt auch für den StyleGAN2-FID-Wert 2,84 und für Messwerte des ursprünglichen StyleGAN-Repositorys. Die Website könnte andere Gewichte, Truncation-Einstellungen, Sampling-Verfahren, Bildverarbeitung oder Infrastruktur verwendet haben. Eine Anleitung mit der Bezeichnung „StyleGAN2“ kann einen späteren lokalen Ablauf statt der historischen Website meinen. Prüfe daher Repository, Checkpoint, Lizenz, Umgebung und Datum, bevor du ihr folgst.

Was die FFHQ-Quelle tatsächlich belegt

Das offizielle FFHQ-Repository beschreibt 70.000 aus Flickr stammende, ausgerichtete PNG-Bilder mit 1024 mal 1024 Pixeln. Es weist zugleich auf die vom Ursprungsmaterial übernommenen Verzerrungen hin. Das stützt Aussagen zum Forschungsdatensatz, aber keine Garantie für demografische Ausgewogenheit oder unbegrenzte Vielfalt synthetischer Ergebnisse.

FFHQ wurde als GAN-Benchmark erstellt und ist laut Repository nicht zur Entwicklung oder Verbesserung von Gesichtserkennung vorgesehen. Bewirb eine synthetische Porträtseite deshalb nicht als datenschutzsicheren Forschungsdatensatz, ohne Aufgabe, Risiken, Lizenz und Prüfverfahren festzulegen. Synthetische Daten können Muster und Verzerrungen ihrer Trainingsquelle übernehmen; auch ohne direktes Teilnehmerfoto bleiben Fragen zu Datenschutz und Ethik bestehen.

Die Rechte sind geschichtet. Das FFHQ-Paket steht unter CC BY-NC-SA 4.0; einzelne Flickr-Bilder können eigene Bedingungen tragen. Die ursprünglichen StyleGAN-Materialien außerhalb von FFHQ nennt das Repository unter CC BY-NC 4.0. Diese nicht kommerziellen Grenzen sind weder eine Lizenz für eine unabhängige Website noch eine Freigabe für deren JPEG-Ausgaben.

Vier getrennte Rechteobjekte prüfen

Vor der Nutzung eines synthetischen Gesichts müssen vier Objekte getrennt werden: der Dienst, Code und Gewichte, der Trainingsdatensatz und das konkrete Bild. Die Erlaubnis für ein Objekt lässt sich nicht auf die anderen übertragen. Ein öffentliches Repository beantwortet nicht automatisch, wer eine Domain betreibt oder ob ein dort angezeigtes Bild in einer Kampagne verwendet werden darf.

Die Dienstebene klärt Betreiber, Vertrag und Verfügbarkeit. Code und Gewichte bestimmen Ausführung, Änderung und Weitergabe. Die Datensatzebene umfasst Quellenlizenzen und ausgeschlossene Zwecke. Die Ausgabebene regelt die konkrete Bildnutzung und kann zusätzlich Persönlichkeits-, Ähnlichkeits-, Täuschungs- und Plattformfragen auslösen.

Bei This Person Does Not Exist bleiben Betreiberkontinuität und aktuelle Ausgaberechte ungeklärt. Bezahlung, historisch kostenloser Zugriff oder die Bezeichnung als KI-generiert ersetzen keine Nutzungserlaubnis. Auch Ähnlichkeit, Persönlichkeitsrechte, Täuschung und Plattformregeln müssen passend zum Einsatz geprüft werden.

Ein synthetischer Platzhalter kann täuschen, wenn er neben einem Testimonial, Mitarbeitendennamen, Kundenbericht, medizinischen Fall oder Profil erscheint. Fehlen für die konkrete Ausgabe dokumentierte Herkunft und Rechte, behandle sie nicht als wiederverwendbares Stockmaterial. Wähle eine Quelle mit archivierter Lizenz und Erzeugungsmethode oder erstelle das Bild unter Bedingungen, die du sichern und prüfen kannst.

Eine Entscheidung mit fünf Prüftoren treffen

Die folgende Tabelle ist eine redaktionelle Entscheidungshilfe, kein Rechtsgutachten und kein ausgeführter Test.

Ein interner Wireframe und ein öffentliches Kundenverzeichnis sind nicht dieselbe Aufgabe. Selbst wenn dieselben Pixel verwendet werden, ändern sich Publikum, Darstellung und erforderliche Rechte. Ein ungeklärtes Prüftor reicht aus, um ein anderes Asset zu wählen.

Typische Fehler vor der Wiederverwendung

Der erste Fehler ist eine veraltete Identität: Ein vertrauter Domainname kann Besitzer oder Zweck wechseln. Der zweite ist Architekturdrift: Spätere Bekanntheit von StyleGAN2 beweist keinen Einsatz auf der alten Website. Der dritte ist eine Rechteableitung aus offen zugänglichem Code. Der vierte ist die falsche Zusicherung, ein zufälliges synthetisches Gesicht könne keiner realen Person ähneln.

Auch alte Listen visueller GAN-Artefakte sind kein zuverlässiger Echtheitsnachweis. Ohrringe, Haare oder Hintergründe können Hinweise liefern, aber Modellfehler verändern sich. Wenn Authentizität wichtig ist, zählen Provenienz, Erzeugungsprotokoll, vertrauenswürdiger Kontext und eine angemessene forensische Prüfung.

Prüfe bei jeder Entscheidung die gerenderte Seite und wichtige Endpunkte zeitnah und protokolliere den zurückgegebenen Inhalt, nicht nur den HTTP-Status. Architekturdrift verändert Annahmen über Benchmarks, Code, Lizenzen und erwartete Artefakte. Suche für Ausgaberechte die konkrete Klausel, den ausstellenden Betreiber, die Bedingungen und das Datum; fehlt sie, lautet das Ergebnis „ungeklärt“ statt „wahrscheinlich erlaubt“.

Ein zufälliges synthetisches Gesicht ist weder garantiert einzigartig noch frei von Ähnlichkeit. Nutze es nie, um reale Mitarbeitende, Kundinnen, Wähler, Patienten, Zeuginnen oder Bewertende vorzutäuschen. Bei einer öffentlichen fiktiven Figur müssen Kennzeichnung und Risikoprüfung zur Reichweite passen.

Wann ein anderer Ablauf sinnvoller ist

Für Werbung, redaktionelle Inhalte und Produktoberflächen ist ein lizenziertes Stockbild oder ein beauftragtes Porträt sinnvoller, wenn das Bild eine Person darstellen soll. Eine klar fiktionale Illustration passt besser, wenn Fotorealismus nicht nötig ist. Ein aktueller Dienst für synthetische Medien kommt erst infrage, nachdem Betreiber, Bedingungen, Ausgaberechte, Kontrollen und Offenlegungspflichten für den konkreten Einsatz geprüft wurden.

Für Forschung zu StyleGAN sollten das offizielle Repository, der genaue Checkpoint, die Umgebung, der Seed, die Einstellungen und die Lizenz dokumentiert werden. Das verbessert die Reproduzierbarkeit, beseitigt aber nicht die nicht kommerziellen Grenzen der ursprünglichen StyleGAN- und FFHQ-Materialien.

Ein neueres Modell kann eine andere Lizenz und anderes Verhalten haben und benötigt deshalb ein eigenes Quellenpaket. Für Medienkompetenz lässt sich die historische Seite besprechen, ohne ihre Bilder als wiederverwendbare Assets zu verteilen: Vergleiche die Arbeit von 2018, die öffentliche Demonstration von 2019 und den heutigen Domainstatus und frage, wer das Bild erzeugte, welche Herkunft belegt ist und was unbekannt bleibt. Eine passende Suchphrase oder ein kostenloser Button macht eine aktuelle Alternative noch nicht geeignet.

Methode, Grenzen und nächste Entscheidung

Diese Bewertung nutzt primäre NVIDIA-Quellen, den Design-Museum-Eintrag und direkte HTTP-Beobachtungen der Domain vom 20. September 2026. Die Beobachtung ist volatil und muss vor einer darauf gestützten Entscheidung erneut geprüft werden. Eine 200-Antwort kann eine Verkaufsseite oder einen anderen Ersatzinhalt enthalten.

Die HTTP-Prüfung wurde am 20. September 2026 wiederholt: zuerst Startseite und /image, anschließend drei aufeinanderfolgende Abrufe derselben URL /random-person.jpeg. Für jede Antwort wurden UTC-Zeit, Status, Inhaltstyp, Größe und SHA-256 der empfangenen Bytes protokolliert. Die Anfragen enthielten Cache-Control: no-cache; die URL erhielt keinen wechselnden Parameter. Die drei JPEG-Antworten hatten unterschiedliche Hashes. Das belegt veränderte Antworten, keine Generierung. Browserinteraktionen und Modellausführung gehörten nicht zu dieser Prüfung.

Nicht geprüft wurden ein laufender historischer Generator, Modellgewichte des Websitebetreibers, demografische Leistung, Geschwindigkeit, Identitätsähnlichkeit und aktuelle Ausgaberechte. Der konservative Schluss lautet deshalb: Die Website ist ein wichtiges historisches Beispiel, aber keine belastbare Grundlage für einen neuen Bildproduktionsprozess. Benötigst du ein aktuelles System, beginne im Modellverzeichnis und wende dieselben Herkunfts- und Rechteprüfungen an.

Diese Bewertung ist keine Rechtsberatung. Eine erhaltene Primärquelle von Philip Wang wurde ebenfalls nicht gefunden; seine historische Zuordnung bleibt entsprechend begrenzt.