FACS: Gesichtsbewegungen erkennen und richtig einordnen

TL;DR

FACS zerlegt sichtbare Gesichtsbewegungen in Aktionseinheiten, kurz AU. Das System kann beschreiben, welche Partie sich verändert und wie eine Bewegung abläuft. Es stellt damit weder ein Gefühl noch den Grund eines Gefühls oder eine Lüge fest.

Du kannst unten Brauen, Lider, zwei Varianten des Lächelns und sechs gestellte Ausdrücke vergleichen. Dazu kommen Zahlen aus Studien und Beispiele dafür, warum Bewegung, Eindruck und überprüfbare Aussage getrennte Fragen bleiben. Die Gesichter sind KI-Lehrillustrationen, keine Aufnahmen aus den Untersuchungen und keine zertifizierten FACS-Prüfungsbilder.

Das angehaltene Bild sieht wütend aus

Eine Person senkt die Brauen, während im Interview eine Rechnung zur Sprache kommt. Das Standbild wirkt wie Ärger über die Frage. Im nächsten Moment blickt die Person aber auf eine winzig gedruckte Zahl. Was gehört zur Gesichtsbewegung, was zur Situation und was nur zu unserer ersten Erklärung?

Bei der Erkennung von Lügen wird diese Trennung schnell übersprungen. Aus einem angespannten Gesicht wird Angst, aus Angst die Furcht vor Entdeckung. Die erste Beobachtung könnte stimmen, während die folgenden Behauptungen unbelegt bleiben.

Ein genaueres Vokabular hilft, diesen Sprung zu bemerken. Es macht aus einem Eindruck eine Beschreibung, die andere an derselben Aufnahme prüfen können. Ob jemand die Rechnung bezahlt hat, beantwortet das Gesicht trotzdem nicht. Dafür brauchst du Informationen über die Zahlung.

Die hier besprochenen Quellen haben wir zuletzt am 20. Oktober 2026 geprüft.

Warum die Reihenfolge der Bilder etwas verändert

Die Max-Planck-Gesellschaft berichtete 2009 über Versuche von Cunningham und Wallraven, in denen bewegte Gesprächsausdrücke besser erkannt wurden als einzelne Fotos. Auch Fotocollagen, durcheinandergebrachte Bildfolgen und rückwärts laufende Sequenzen lieferten nicht dieselbe Information wie der ursprüngliche Ablauf.

Es ging um das Zuordnen von Ausdrücken in einer bestimmten Aufgabe. Die dort besprochenen 100 Millisekunden sind kein allgemeiner Grenzwert dafür, ab wann du zuverlässig Gefühle oder gar Lügen erkennst. Interessant ist hier etwas Konkreteres: Mehr Einzelbilder ersetzen nicht unbedingt die richtige zeitliche Folge.

Wenn du ein Video anhältst, hebst du einen Moment hervor und nimmst ihm zugleich einen Teil seines Zusammenhangs. Das kann beim Betrachten eines Details helfen. Es kann aber auch verschleiern, ob die Reaktion schon vor dem Satz begonnen hatte, dem sie später zugeschrieben wird.

Was FACS überhaupt aufzeichnet

Das Facial Action Coding System erschien zuerst 1978; 2002 wurde das Handbuch überarbeitet. Aktionseinheiten beschreiben sichtbare Veränderungen. Ihre Nummern sind weder Gefühlsstärken noch eine Reihenfolge von Verdachtsmomenten.

Wie solche Bewegungen für Forschung festgehalten werden, zeigt der DISFA-Datensatz von Mavadati und Kollegen: Dort wurden zwölf ausgewählte Aktionen bildweise nach Intensität annotiert. Zwölf ist die Auswahl dieses Datensatzes und nicht die Gesamtzahl dessen, was FACS beschreiben kann.

Die Ausgangslage gehört dazu. Bereits sichtbare Bewegungen und Veränderungen während des Sprechens brauchen die passenden Kodierregeln. Eine offene Mundform mitten in einem Wort wird nicht allein dadurch zu einem überraschten Gefühlsausdruck, dass sie auf einem Standbild ähnlich aussieht.

Brauen und Lider bewegen sich nicht als ein einziges Signal

AU1 hebt den inneren, AU2 den äußeren Teil der Augenbrauen. AU4 senkt die Brauen und zieht sie zusammen. Bei AU5 hebt sich das obere Augenlid. Ein weiter geöffnetes Auge und eine höhere Braue sind also nicht dieselbe Beobachtung.

Vergleiche jeweils dieselbe Stelle mit dem Ausgangsgesicht. Dann lässt sich genauer sagen, ob die Innenseite zur Nase hin oder der äußere Bogen zur Schläfe hin wandert. Mehrere Aktionen können gleichzeitig vorkommen; eine Lehrillustration garantiert nicht, dass alle anderen fehlen.

Im unteren Gesicht gilt dasselbe Prinzip. AU25 bezeichnet das Öffnen der Lippen, AU26 das Senken des Kiefers. AU20 zieht die Lippen seitlich auseinander; AU15 senkt die Mundwinkel. Diese Unterschiede sind nützlich, bevor ein ganzer Gesichtsausdruck einen Gefühlsnamen erhält.

Zwei Lächeln, mehrere mögliche Gründe

Bei AU12 ziehen sich die Mundwinkel nach oben und außen. AU6 hebt die Wangen und verändert die Partie unter und neben den Augen. Die Kombination wird häufig mit dem Duchenne-Lächeln verbunden. Sie ist keine Bescheinigung für unwillkürliche Freude.

Krumhuber und Manstead verglichen 2009 Reaktionen auf unterhaltsames Material mit aufgeforderten Posen. Im ersten Experiment traten Duchenne- und andere Lächeln in ähnlichen Anteilen in beiden Bedingungen auf. Wer eine solche Kombination absichtlich zeigt, hat damit nicht automatisch eine falsche Tatsachenbehauptung abgegeben.

Ein freundliches Begrüßungslächeln kann ebenso wenig die Wahrheit einer späteren Antwort beweisen. Zuerst ist zu klären, worauf die Bewegung überhaupt folgte. Das Gefühl und dessen möglicher Anlass bleiben eigene Fragen.

Wie aus einer Aufgabe sechs bekannte Posen werden

Du und Kollegen ließen 2014 230 Personen Ausdrücke zu vorgegebenen Situationen zeigen. Die Untersuchung unterschied sechs einfache und fünfzehn zusammengesetzte Kategorien sowie eine neutrale Kategorie: 22 Bedingungen. In diesen gestellten Fotos fanden sich wiederkehrende Bewegungsmuster.

Die folgende Darstellung zeigt sechs angenäherte Posen: 1 Freude, 2 Trauer, 3 Angst, 4 Ärger, 5 Überraschung, 6 Ekel. Bei Angst und Überraschung können die Lippen geöffnet sein. Zusammengezogene Brauen und ein seitlich gespannter Mund verändern die Konfiguration gegenüber dem überraschten Beispiel.

In einer Fallanalyse muss die nächste Frage zur strittigen Handlung passen. Eine erkennbare Pose kann erklären, wie Forschende Kategorien unterscheiden. Sie klärt nicht, ob eine Überweisung am behaupteten Tag ausgelöst wurde. Die Abbildung zeigt Bewegungen; der Zahlungsnachweis betrifft den Vorgang.

Nicht jede Versuchsperson macht dieselbe Bewegung

In den Daten von Du enthielten die wiederkehrenden Muster etwa 12 + 25 bei Freude, 4 + 15 bei Trauer, 4 + 7 + 24 bei Ärger sowie 9 + 10 + 17 bei Ekel. AU7 spannt die Lider an, AU24 presst die Lippen; AU9 runzelt die Nase, AU10 hebt die Oberlippe und AU17 das Kinn.

Die Varianten sind ebenso lehrreich. AU6 kam bei 51% der freudigen Posen vor, AU1 bei 60% der traurigen und AU5 bei 66% der überraschten. Für die wiederkehrenden Aktionen verwendeten die Autoren eine Schwelle von mehr als 70%. Diese Häufigkeiten gelten für die jeweilige aufgeforderte Darstellung im ausgewählten Material.

Aus „bei vielen traurigen Posen vorhanden“ wird nicht „bei dieser Bewegung ist Trauer bewiesen“. Dafür müssten auch andere Entstehungssituationen berücksichtigt werden. Umgekehrt ist das Fehlen eines Merkmals, das schon in der Aufgabe nicht bei allen vorkam, kein Nachweis einer Täuschung.

27 Menschen und mehr als 130 000 Bilder

DISFA umfasste 27 Erwachsene, von denen jeweils 4 845 Bilder aufgenommen wurden. Multipliziert ergibt das 130 815 Bilder. Die Personen sahen Videomaterial im Labor; zwölf Aktionen wurden auf einer geordneten Skala von 0 bis 5 annotiert.

Ein zweiter Kodierer beurteilte Aufnahmen von zehn Personen. Die Übereinstimmung der Intensitätsbewertungen lag je nach Aktion bei ICC 0,80–0,94. Das sind Korrelationskoeffizienten zur Kodierung und keine 80–94% entdeckten Lügen.

Der Nutzen ist trotzdem klar: Vergleichbare Beschreibungen schaffen eine Grundlage, um Bewegungen systematisch zu untersuchen. Die Zahl der Bilder ersetzt dabei nicht die Zahl unabhängiger Personen. Tausend benachbarte Bilder eines Gesichts sind keine tausend verschiedenen Gesichter. Bei einem Modelltest ist deshalb wichtig, ob die getesteten Personen bereits im Lernmaterial vorkamen.

A bis E beschreibt die Stärke einer Aktion

FACS kann eine sichtbare Intensität mit A–E festhalten. Die Stufen sind geordnet. E bedeutet weder fünfmal so viel Gefühl wie A noch eine entsprechend stärkere Absicht. Eine nicht beobachtete Aktion ist außerdem von einer schwachen beobachteten Aktion zu unterscheiden.

Die GFT-Datenbank von 2017 enthält 96 Personen in 32 Dreiergruppen und 172 800 Bilder. Zwanzig Aktionen erhielten Auftretensannotation, fünf zusätzlich Intensitätsannotation. Im dafür kodierten Material entfielen 42%, 39%, 15%, 3% und 1% auf A bis E; A und B zusammen machten 81% aus.

Das war eine ausgewählte Stichprobe junger Erwachsener mit Alkohol-, Placebo- und Kontrollbedingungen. Die Verteilung ist keine allgemeine Statistik aller menschlichen Gesichter. Sie zeigt aber, warum besonders ausgeprägte Lehrposen nicht das ganze Spektrum einer Beobachtungsaufgabe abbilden.

Was Kodierende tatsächlich miteinander vergleichen

Zwei Personen können unabhängig dieselbe Wangenbewegung markieren. Ihre Übereinstimmung ist ein gutes Ergebnis für die Beschreibung dieser Bewegung. Beide können dennoch mit derselben Vermutung über Freude falschliegen.

Barrett und Kollegen diskutierten 2019, was für den Schluss von Bewegung auf Gefühl zusätzlich nötig ist: Ein Muster muss nicht nur wiederkehren, sondern für die behauptete Deutung ausreichend spezifisch sein und sich über Bedingungen hinweg bewähren. Ein Gefühl kann mit einer Bewegung einhergehen, ohne dass diese Bewegung nur bei diesem Gefühl vorkommt.

Das ist kein Grund, auf FACS zu verzichten. Es hält die Untersuchungsfragen auseinander. Erst wenn klar ist, was kodiert wurde, lässt sich prüfen, welche Situationen damit zusammenhängen. Ein reproduzierbarer Befund über die Gesichtspartie darf nicht stillschweigend einen anderen Befund über die innere Absicht ersetzen.

Gemeinsame Muster und kulturelle Unterschiede

Ein positives Ergebnis für gemeinsame Muster stammt aus der Arbeit von Cowen und Kollegen: sechs Millionen Internetvideos aus 144 Ländern, sechzehn Ausdruckstypen und ein Vergleich von zwölf Weltregionen. Die berichteten 70% erhaltenen Kontext-Ausdruck-Zusammenhänge sind kein Maß für die Genauigkeit individueller Gefühlsurteile.

Jack und Kollegen untersuchten 2012 etwas anderes. Je fünfzehn westeuropäische und ostasiatisch-chinesische Beobachtende kategorisierten jeweils 4 800 Animationen. Die rekonstruierten Vorstellungen unterschieden sich zwischen diesen Gruppen. Daraus folgt keine Leseregel für jede Person aus einer bestimmten Region.

Die größere Datenzahl entscheidet den Vergleich nicht allein. Einmal geht es um Zusammenhänge in ausgewählten Videos, einmal um die Interpretation erzeugter Bewegungen. Beide Ergebnisse können etwas beitragen, ohne den Grund einer einzelnen Reaktion im Interview festzulegen.

Wie lang waren die beobachteten Bewegungen?

Bei einem beispielhaften Video mit 50 Bildern pro Sekunde entsprechen zehn Bildintervallen 200 Millisekunden. Zwischen den Zeitpunkten des ersten und des zehnten Bildes liegen dagegen neun Intervalle, also 180 Millisekunden. Das ist eine Rechnung zur Abtastung und kein Grenzwert für eine bestimmte Emotion.

Der tatsächliche Beginn kann zwischen zwei Aufnahmen liegen. Kompression, ausgelassene Bilder oder ein Schnitt begrenzen zusätzlich, was zu erkennen ist. Langsames Abspielen hilft beim Beobachten; es misst kein verborgenes Gefühl nachträglich.

Achte auch darauf, ob eine Bewegung neu einsetzt oder aus der vorherigen Situation weiterbesteht. Ein noch sichtbares Lächeln kann zeitlich zur Begrüßung gehören, obwohl inzwischen eine andere Frage gestellt wird.

Welche Frage ein automatischer Wert beantwortet

Bei einer automatischen Auswertung solltest du zuerst nach der Referenz fragen. Wurde das System mit menschlichen AU-Markierungen verglichen, mit aufgeforderten Posen oder mit unabhängig erhobenen Gefühlsangaben? Das sind verschiedene Aufgaben.

Ein Wert von 0,8 kann ein Modellwert sein und muss keine überprüfte Wahrscheinlichkeit von 80% für Angst darstellen. Selbst eine gut kalibrierte Gefühlswahrscheinlichkeit würde keine bestimmte Aussage als falsch identifizieren.

Ein verdeckter Bereich darf auch nicht einfach als unbewegt gelten. GFT ließ 22% der Bilder wegen Verdeckung unkodiert. Für ein Interview bedeutet das: Wenn Hand oder Mikrofon die Mundwinkel verdecken, bleibt möglicherweise offen, was dort geschah. Diese Lücke muss eine Beschreibung aushalten.

Die Stirnfalte auf der Werkstattaufnahme

In einem erfundenen Beispiel erklärt eine Person eine strittige Werkstattrechnung. Beim Blick auf den Betrag ziehen sich die Brauen zusammen. Ein kurzer Ausschnitt wird als Ärger darüber gedeutet, dass eine Unwahrheit aufgefallen sei.

Die längere Aufnahme zeigt die Person beim Lesen der kleinen Schrift ohne ihre Lesebrille. Das liefert einen weiteren möglichen Grund für die Bewegung, aber keinen Zahlungsbeweis. Auftragserteilung, Rechnungsausstellung, Überweisungsauftrag und Geldeingang können unterschiedliche Zeitpunkte haben.

Ein Kontoauszug kann einer behaupteten Zahlung widersprechen, unabhängig vom Gesichtsausdruck. Dann ist die Abweichung zu erklären. Umgekehrt widerlegt ein unangenehm wirkender Blick keinen passenden Beleg. Das Beispiel trennt eine beobachtete Veränderung von der Frage, was mit dem Geld geschehen ist.

Was eine faire Beschreibung offenlassen darf

Nenne die sichtbare Partie, den Zeitpunkt und die Situation. Sage dazu, wenn die Aufnahme für eine genaue Unterscheidung nicht reicht. Begründe eine mögliche Gefühlsdeutung gesondert, statt sie als Bestandteil des Codes auszugeben.

Die Stärke von FACS liegt in einer überprüfbaren Beschreibung. Je schwerer eine Behauptung über eine Person wiegt, desto genauer sollte die Prüfung zum behaupteten Gefühl, Wissen oder Handeln passen. Eine sauber beobachtete Stirnfalte kann diese Prüfung verbessern; sie kann sie nicht ersetzen.