Fotorealistische Games oder KI-Slop-Pfuscherei? Streit um das Spiele-KI-Grafikmodell DLSS 5

Das für seine Grafikkarten bekannte Unternehmen Nvidia hat mit DLSS 5 ein KI-System vorgestellt, das die Grafik von Videospielen in Echtzeit überarbeiten und in Richtung fotorealistischer Beleuchtung und Materialien verschieben soll. Erste Videos und Screenshots sind beeindruckend – aber wecken auch Skepsis und Widerstand.

Eine Analyse von Michael Förtsch

Der Nvidia-Chef Jensen Huang bezeichnet es als eine „Neuerfindung der Computergrafik“. Auf seiner GTC-Konferenz hat das vor allem für seine Geforce-Grafikkarten bekannte Unternehmen mit DLSS 5 die neueste Version seines Deep Learning Super Sampling vorgestellt: ein KI-System, das Videospiele selbst auf schwächerer Rechenhardware flüssiger und detaillierter darstellen soll. Es wertet Details durch einen schnellen KI-Prozess auf und liefert zusätzliche Bilder zwischen den Einzelbildern, die der Grafikprozessor sonst generiert. Ich halte KI-Verbesserungen wie DLSS grundsätzlich nicht für keine schlechte Idee. Im Gegenteil. Als technische Lösung ist das Konzept vollkommen sinnvoll.

Ich nutze DLSS selbst in Cyberpunk 2077 und anderen Spielen, da es ein deutlich geschmeidigeres Spielerlebnis ermöglicht und die KI-generierten Zusatzbilder heute qualitativ kaum noch zu bemerken sind. Das war vor einigen Jahren noch anders, als sie im Spielverlauf immer wieder als sehr verschmiert oder undetailliert auffielen. Verfahren wie DLSS sind also durchaus effektiv und sinnig, wenn sie gezielt eingesetzt werden, um Limitierungen von Hardware, Auflösung oder Framerate auszugleichen.

Genau da beginnt für mich – und offenbar viele andere – das Problem mit DLSS 5. Denn hier geht es nicht mehr nur um klassisches Upscaling, Rekonstruktion oder Frame Generation. DLSS 5 greift tiefer ein. Es ist invasiv. Es arbeitet als generatives Verfahren, das Beleuchtung, Materialien und somit die gesamte Bildanmutung in Echtzeit neu interpretiert. Nvidia spricht selbst von einem Neural Rendering Model, das Farb- und Bewegungsvektordaten verarbeitet und Pixel mit „photoreal lighting and materials“ anreichert.

Warum das kritisch zu sehen ist

DLSS 5 klingt zunächst nach einem technischen Fortschritt – und ist ohne Zweifel eine imposante Leistung. Tatsächlich markiert es aber auch einen ästhetischen und kulturellen Wendepunkt. Denn es gleicht es nicht mehr bloß durch Hard- und Software bedingte Schwächen der visuellen Darstellung aus, sondern beginnt, die Optik eines Spiels aktiv umzuformen. Der naheliegende Vergleich ist der Image-to-Image-Prozess aus der KI-Bildbearbeitung und KI-Bildgenerierung: ein Verfahren, bei dem ein bestehendes Bild als Vorlage dient, vom Modell aber nicht neutral verarbeitet, sondern auf Basis gelernter Muster neu interpretiert wird.

Bei einem solchen Prozess bleiben Formen und Grundmotive im Kern erkennbar, werden aber verändert, mit zusätzlichen visuellen Informationen angereichert, geglättet, verschoben oder ästhetisch aufgeladen. Etwa, um niedrig aufgelöste Bilder hochzurechnen, unscharfe Bilder zu schärfen, beschädigte Bilder zu restaurieren, detailarme Bilder mit weiteren Details anzureichern oder Figuren und Hintergründe gezielt zu überschreiben und zu modifizieren.

Wer mal etwas mit Text- oder Image-to-Image-Modellen wie Stable Diffusion, Flux und anderen experimentiert hat, weiß, wie solche Systeme arbeiten: Was man hineingibt, kommt in der Regel nicht unverändert wieder heraus, sondern in irgendeiner Weise verändert oder verfremdet. Immer. Genau das ist ja auch der Zweck. Diese Modelle ergänzen nicht nur fehlende Informationen, sondern interpretieren und halluzinieren zusätzliche visuelle Details hinein. Das kann dazu führen, dass Originalgesichter regelrecht entfremdet werden, die Malerei im Hintergrund eines Bildes stilistisch zerfällt oder das Modell vermeintliche Muster erkennt, wo gar keine sind – und daraufhin zusätzliche Finger, Objekte oder Schriftzeichen hinzuerfindet.

Wie stark dieser Eingriff ausfällt, hängt vom Modell, seiner Parametrisierung und auch Stellschrauben zu dessen Anwendung ab: Die CFG scale bei Stable Diffusion bestimmt etwa, wie sehr das Modell entlang der Muster des Originalbildes arbeitet, wie stark es kreativ frei drehen darf. Aber dennoch ist es immer so: Das Ergebnis ist nicht identisch mit dem Ausgangsbild, sondern eine modellierte und interpretierte Version davon. Eine Approximation, keine reine Rekonstruktion.

Und genau darin liegt auch das Problem von DLSS 5.

Die Sloppification von Videospielen?

Zwar verspricht Nvidia, dass Entwickler, die DLSS 5 in ihre Spiele integrieren wollen – das sind bisher Capcom, Ubisoft und Warner Bros. Games –, steuern können, wie stark das KI-System eingreift. Aber was solche Modelle erzeugen, ist dennoch nie einfach nur das eingegebene Bild in besserer Form, sondern immer auch ein Kompromiss. Denn Image-Modelle – und in gewisser Weise auch generative Upscaling-Modelle wie DLSS 5 – werden mit gewaltigen Datensätzen trainiert. Sie lernen keine einzelne Wahrheit eines Bildes oder Spiels, sondern eine Wahrscheinlichkeitsverteilung darüber, wie Gesichter, Materialien, Licht, Schatten oder Kontraste typischerweise aussehen.

Was in diesen Datensätzen nicht oder nur unzureichend enthalten ist, können sie oft auch nicht oder nur verzerrt darstellen. Sie neigen daher dazu, Ausgaben mit geringerer Varianz zu produzieren – also eine Art statistischen Mittelwertlook. Die Gefahr ist, dass solche Modelle eine homogene Durchschnittsoptik erzeugen, die die Bildästhetik des Originals sichtbar überschreibt. Ein Modell erkennt keine gewollt finstere Lichtstimmung in einem Horror-Videospiel oder einen ganz bewusst hässlichen, rauen oder nivellierten Charakter. Es berechnet lediglich, welche Pixel-, Material- und Beleuchtungsmuster statistisch plausibel sind, und überschreibt damit das Original. Solche Modelle optimieren also nicht nur Bildqualität, sie normieren auch Bildästhetik auf das, was sie gelernt haben.

Genau das lässt sich inzwischen in mehreren Vergleichsbildern beobachten. Figuren wirken geglättet, Gesichter idealisiert, Materialien sauberer, Kontraste definierter. Aus manchen Charakteren werden fast schon parodistisch wirkende Hochglanzfassungen ihrer selbst, wie auf Reddit und X – ehemals Twitter – gespottet wird. Ein besonders markantes Beispiel ist Grace Ashcroft in Resident Evil: Requiem, die durch den DLSS-5-Look sichtbar in Richtung eines Instagram-Models mit Beauty-Filter verschoben wirkt – und so gar nicht ausschaut wie die reale Schauspielerin, nach deren Vorbild sie modelliert wurde.

Aber es geht nicht nur um Gesichter. Auch die Atmosphäre ganzer Szenen verändert sich mit DLSS 5. Schatten werden aufgehellt, Lichtstimmungen neu akzentuiert, Farbwerte verschoben. Räume, die ursprünglich düster, rau oder bewusst diffus ausgeleuchtet waren, wirken plötzlich klarer, heller und gefälliger. In Starfield etwa kippt dadurch die Bildwirkung des Startareals in der Halle einer Mine auf einem kargen Planeten spürbar. Aus einer harschen, bedrückenden Sci-Fi-Stimmung wird eine geglättete, fast showroomartige HDR-Ästhetik. Was – zugegeben – definitiv imposant und gut aussieht, sind wiederum Wälder, Wiesen und einzelne Pflanzen.

Alles in allem vergleichen viele Spieler die Optik kritisch mit jenen KI-Videos und Bildern, die seit einigen Jahren das Internet überschwemmen: KI-Slop. Sie beschreiben DLSS 5 als eine Art von Filter, der Games mit einem zwar technisch aufwendigen, aber ästhetisch minderwertigen und synthetischen Aussehen überzieht.

KI-Technologien wie DLSS 5 werfen daher die Frage auf, wo technische Verbesserung endet und wo künstlerische und ästhetische Verfälschung beginnt. Denn Videospielentwickler entwerfen Charaktere und Umgebungen, setzen Licht und Schatten und wählen Texturen mit einer Intention. Wenn KI-Modelle anfangen, Gesichter zu verschönern, Lichtstimmungen umzuschreiben und Materialien neu zu interpretieren, dann greifen sie in die visuelle Autorschaft eines Spiels ein. Und dass dies für jetzt Kontroverse und Kritik sorgt, ist nur verständlich – insbesondere dann, wenn die Eingriffe ein Videospiel aussehen lassen wie einen billig generierten KI-Schnipsel.