Kann ChatGPT den Aufnahmeort eines Fotos erkennen?

Im April 2025 verbreitete sich auf X ein neuer Trend. Menschen luden Fotos bei ChatGPT hoch, von Speisekarten über Straßenecken bis zu Selfies, und fragten, wo sie aufgenommen worden waren. OpenAI hatte gerade o3 und o4-mini veröffentlicht, Modelle, die ein Bild zuschneiden, drehen und in Details hineinzoomen können, während sie darüber nachdenken. TechCrunch berichtete, dass vor allem o3 aus kleinen visuellen Hinweisen Städte, Sehenswürdigkeiten und sogar Restaurants und Bars ableiten konnte, und nannte den Trend „reverse location search“ (umgekehrte Ortssuche).

Seitdem wurde der Trick sorgfältiger getestet, am aufschlussreichsten von Bellingcat, der Open-Source-Recherchegruppe, die 500 Tests mit Fotos durchführte, die nie online gewesen waren. Dieser Ratgeber fasst zusammen, was diese Tests ergeben haben: wie nah ChatGPT herankommt, wie es im Vergleich zu Google Lens und anderen Chatbots abschneidet, wann es etwas anderes liest als die Pixel und wo es danebenliegt.

Das Modell liest eine Szene wie ein geschulter Geolokalisierer: die Schrift auf Schildern, Fahrbahnmarkierungen, Gebäude, Pflanzen, die Form der Hügel. Wie KI-Geolokalisierung funktioniert erklärt diesen Vorgang allgemein. Neu bei Chatbots ist, dass sie laut denken, in Details hineinzoomen und dabei im Web suchen können.

Der Entwickler Simon Willison gab o3 ein Foto, das er an einer Bar im Freien in der Nähe seines Wohnorts El Granada in Kalifornien aufgenommen hatte: eine Straße, ein unscheinbares Haus und ein paar Hügel. Das Modell verbrachte fast sieben Minuten mit Zuschneiden und Zoomen, entdeckte ein kalifornisches Kfz-Kennzeichen und tippte zuerst auf Cambria, etwa 200 Meilen entfernt. Der zweite Tipp, Half Moon Bay oder El Granada, war richtig.

Die eigenen Tests von TechCrunch fielen gemischter aus. Bei einem violetten Nashornkopf als Wandtrophäe in einer schwach beleuchteten Bar verortete o3 die Bar richtig in einer Speakeasy-Bar in Williamsburg, während das ältere GPT-4o auf einen Pub in Großbritannien tippte. Dennoch kam GPT-4o meist ebenfalls zu der richtigen Antwort von o3, und zwar schneller, und mehrere Tests schlugen völlig fehl.

Bellingcat gab jedem Modell denselben Prompt, „Where was this photo taken?“ (Wo wurde dieses Foto aufgenommen?), mit Fotos ohne Metadaten und bewertete jede Antwort von 0 bis 10. Eine 10 stand für eine zutreffende, konkrete Identifikation, etwa eines Viertels, eines Wanderwegs oder einer Sehenswürdigkeit. Die Tabelle zeigt fünf der veröffentlichten Tests.

Das typische Ergebnis ist also eine Region oder eine Stadt, und der genaue Ort, wenn das Foto einen Namen oder eine Adresse preisgibt. Das ist die Obergrenze jeder visuellen Methode: Eine Szene trägt eine Region, und für einen Punkt braucht es lesbaren Text oder GPS-Daten.

Sie erfüllen unterschiedliche Aufgaben. Google Lens ist ein Abgleich: Es sucht online nach gleichen oder ähnlichen Bildern und glänzt deshalb, wenn ein Ort schon oft fotografiert wurde. Beim Schluchsee, einem See im Schwarzwald, lieferte Lens ihn als ersten Treffer, und ChatGPT war der einzige Chatbot, der ihn nannte. In Städten neigte Lens dazu, sich auf große, verbreitete Bauwerke wie Gebäude und Riesenräder zu fixieren. Wie die Abgleichsuche funktioniert, behandelt Google Lens und Yandex im Vergleich.

Längeres Nachdenken half nicht immer. ChatGPT Deep Research brauchte fast 13 Minuten für eine Küstenlinie und landete etwa 50 km nördlich davon, während o4-mini-high in 39 Sekunden antwortete und 15 km näher herankam. Auch neuer hieß nicht automatisch besser: Im erneuten Test im August schnitt GPT-5 Pro, für 200 Euro im Monat, nicht besser ab als das ältere o4-mini-high. Ein Benchmark von 2026 fand dasselbe Muster bei späteren Modellen.

EXIF sind die versteckten Daten, die eine Kamera oder ein Smartphone in eine Fotodatei schreibt, darunter GPS-Koordinaten, wenn die Ortung eingeschaltet ist (was EXIF-Daten festhalten). Ob sie den Upload überstehen, war unterschiedlich. In Pattersons Browser-Tests vom April 2025 fand o3 die Tags leer, bis er das Foto in einer ZIP-Datei hochlud. Willison erwähnte später den Bericht eines Hacker-News-Nutzers, o3 habe per Code die EXIF-Tags eines Fotos ausgelesen, ohne es zuzugeben, obwohl der Schritt in seiner Argumentation sichtbar war.

Entscheiden Sie also, was Sie wissen wollen. Um herauszufinden, wo ein Foto aufgenommen wurde, lesen Sie zuerst die GPS-Koordinaten selbst aus, denn eine gemessene Position schlägt jede Schätzung. Um zu sehen, was allein die Pixel verraten, testen Sie stattdessen einen Screenshot, der den Ort des Originals nicht mitführt (warum Screenshots keine GPS-Daten haben).

Willison stieß auf beides. Er stellte fest, dass er „zuerst alle Gedächtnisfunktionen von ChatGPT ausschalten musste, sonst würde es schummeln und Kontext aus meinen früheren Gesprächen nutzen“, und später, dass o3 eine ungefähre Vorstellung hatte, wo er sich befand: „Es weiß, dass ich in Half Moon Bay bin.“ Der Trick funktionierte trotzdem bei seinen Fotos aus dem ländlichen Madagaskar und aus Buenos Aires, Tausende Meilen von zu Hause entfernt. Als er Gemini ausprobierte, begann dessen Antwort mit: „Angesichts dessen, dass mein aktueller Standortkontext El Granada, Kalifornien ist...“

Für eine faire Antwort starten Sie einen temporären Chat und wählen vor dem Senden des Fotos „Unpersonalized“ (nicht personalisiert). Laut OpenAI nutzt diese Option weder Memory noch benutzerdefinierte Anweisungen oder Plugins. Es ist eine Einstellung für das Gedächtnis, nicht für den Standort: ChatGPT kann Ihren Aufenthaltsort weiterhin aus Ihrer IP-Adresse schätzen. Landet eine Vermutung also in Ihrer eigenen Stadt, fragen Sie, was im Bild darauf hinweist.

Ein Foto von Bellingcat zeigte einen Strand mit einem großen Hotel und einem vorübergehend aufgestellten Riesenrad, das 2024 errichtet und für den Winter abgebaut wurde. Viele Modelle tippten auf Scheveningen, einen bekannteren niederländischen Badeort mit einem eigenen Riesenrad. Im erneuten Test im August verorteten GPT-5 Pro und GPT-5 Thinking den Strand in Frankreich. Google AI Mode war das erste Modell, das den richtigen Ort nannte: Noordwijk in den Niederlanden.

• Koordinaten. Bellingcat stellte fest, dass die Modelle oft ungefähre oder schlicht falsche Koordinaten lieferten. Ein genannter Ort lässt sich leichter prüfen als eine Markierung auf der Karte.
• Merkmalslose Fotos oder Innenaufnahmen. Wenn wenig im Bild ist, ist eine selbstsichere Antwort eine Vermutung mit angehängter Zahl. Einen Standort ohne GPS-Daten finden zeigt, was eine Szene enthalten muss.
• Orte, die sich verändert haben. Saisonale Fahrgeschäfte, neue Gebäude und geschlossene Läden können ein Modell zu einem bekannteren Doppelgänger führen.
• Video. Die meisten Chatbots können keine Videos ansehen, wie Bellingcat anmerkte. Einen Clip zu verorten beginnt deshalb weiterhin mit Standbildern.

TechCrunch sagte es 2025 unverblümt: Nichts hindere jemanden daran, die Instagram-Story einer Person als Screenshot zu sichern und mit ChatGPT zu versuchen, sie zu doxxen, und gegen diese Art der „umgekehrten Ortsabfrage“ schienen kaum Schutzmaßnahmen zu bestehen. Wenige Stunden später antwortete OpenAI, die Modelle seien in Bereichen wie Barrierefreiheit, Forschung und bei der „Identifizierung von Orten bei Noteinsätzen“ hilfreich, und man überwache Verstöße gegen die Nutzungsrichtlinien zum Datenschutz.

Modelle unterscheiden sich darin, wie bereitwillig sie antworten. In einer wissenschaftlichen Studie mit 500 Fotos aus Kalifornien nannte OpenAIs o3 bei 81 % einen konkreten, überprüfbaren Ort und Gemini 2.5 Pro bei 85 %, während Claude-Modelle das bei etwa einem Viertel oder weniger taten. Dieselbe Studie hat gemessen, wie oft diese Antworten in der Nähe des echten Orts landeten, und was das für zu Hause aufgenommene Fotos bedeutet, behandelt ein eigener Ratgeber.

GeoSpy schätzt anhand dessen, was im Bild zu sehen ist, die Stadt und das Land, die ein Foto zeigt; enthält die Datei noch GPS-Daten, liest es diese aus und zeigt den aufgezeichneten Ort. Es liefert nie eine Straßenadresse, und hochgeladene Fotos werden nicht gespeichert. Auf geospys.com gibt es das mit GeoSpy Premium, einem Abonnement für 7,99 US-Dollar pro Woche oder 29,99 US-Dollar pro Jahr (₺389 oder ₺1.460 in der Türkei), unbegrenzt im Rahmen fairer Nutzung und jederzeit kündbar. Starten Sie den Jahrestarif oder probieren Sie die GeoSpy-iPhone-App aus, die eine kostenlose Testphase hat.