KI-Text-Wasserzeichen: Wer sie lesen kann – und wo ihre Grenzen liegen
Claude kann Texte mit einem unsichtbaren statistischen Wasserzeichen markieren. Wie die Erkennung funktioniert, wo ihre Grenzen liegen und weshalb mich die Codierung trotzdem beschäftigt.
Das Wichtigste in Kürze
- Anthropic markiert Text von Claude-Modellen, die ab dem 2. August 2026 in der EU starten, mit einem unsichtbaren Wasserzeichen direkt im Text.
- Das Wasserzeichen verändert laut Anthropic weder Bedeutung noch Qualität noch Lesbarkeit des Textes, es reist beim Kopieren mit und übersteht teilweise auch Bearbeitung.
- Wer das Wasserzeichen auslesen kann, ist streng begrenzt: aktuell nur Regulierungsbehörden, Strafverfolgung, Medien, Forschende, Bildungseinrichtungen, zivilgesellschaftliche Organisationen und compliance-pflichtige Unternehmen, über eine private Vorschau.
- Grundlage ist Artikel 50(2) des EU AI Act: Anbieter generativer KI-Systeme müssen ihre synthetischen Inhalte maschinenlesbar und erkennbar kennzeichnen. Verstösse können bis zu 15 Millionen Euro oder 3 Prozent des weltweiten Jahresumsatzes kosten.
- Die Erkennung ist statistisch: Textlänge und Bearbeitungen beeinflussen das Ergebnis. Ein fehlendes Signal beweist deshalb nicht, dass keine KI beteiligt war.
Ein Text von Claude trägt kein sichtbares Etikett. Unterstützte Modelle können trotzdem ein statistisches Wasserzeichen in der Wortwahl hinterlassen. Das soll bei der Herkunftsprüfung helfen, ist aber kein lückenloser Nachweis für jeden Text. Der rechtliche Hintergrund ist die Kennzeichnungspflicht für KI-Inhalte, die ich im Juli 2026 bereits beschrieben habe. Mich beschäftigt daran inzwischen auch eine persönliche Frage: Wie viel Kontrolle habe ich über einen Text, wenn schon seine Entstehung von einem unsichtbaren Kennzeichnungssystem beeinflusst wird?
Wie funktioniert die Codierung eines KI-Text-Wasserzeichens technisch?
Ein Sprachmodell wählt schrittweise zwischen möglichen nächsten Texteinheiten, den Tokens. Ein Textwasserzeichen nutzt diese Auswahl, um über viele Entscheidungen hinweg ein statistisch erkennbares Muster zu hinterlassen. Es fügt keine unsichtbaren Zeichen ein. Deshalb verschwindet es auch nicht automatisch, wenn man den Text als reinen Text kopiert. Die technische Grundlage erklärt die SynthID-Text-Veröffentlichung in Nature.
Anthropic hat die Umsetzung am 14. August 2026 technisch beschrieben: Claude verwendet eine Variante von SynthID-Text. Der geheime Schlüssel beeinflusst die Zufallsauswahl unter möglichen Fortsetzungen. Der Wortlaut kann dadurch anders ausfallen; gleich bleiben soll die Qualität. Ein passender Detektor prüft das Muster. Er liest dabei keine versteckte Personen- oder Gesprächskennung aus.
Markieren auch ChatGPT, Gemini und andere KI-Tools ihre Texte?
Wasserzeichen sind keine Besonderheit von Claude. Google setzt SynthID für Texte aus der Gemini-App und der Weboberfläche ein. Claude nutzt eine Variante desselben technischen Ansatzes: ein statistisches Muster in der Auswahl der Tokens. Die Anbieter verwenden jedoch unterschiedliche Schlüssel; selbst bei verwandten Verfahren erkennt ein Claude-Detektor deshalb nicht automatisch auch Gemini-Texte.
Bei ChatGPT muss man genauer unterscheiden: OpenAI dokumentiert SynthID-Wasserzeichen für Bilder und Audio sowie Herkunftsmetadaten. Eine pauschale Bestätigung, dass sämtliche ChatGPT-Texte ein Wasserzeichen nach Claudes Methode tragen, findet sich dort nicht (abgerufen am 25. September 2026). «Alle KI-Tools markieren jeden Text auf dieselbe Weise» wäre deshalb eine zu weit gehende Aussage. Entscheidend sind der Anbieter, das konkrete Modell und die Art des Inhalts.
Verändert das Wasserzeichen tatsächlich nichts am Inhalt?
Laut Anthropic zeigten die eigenen Tests keine Qualitätseinbusse. Auch die SynthID-Studie untersuchte die Auswirkungen auf die wahrgenommene Textqualität. Das ist eine andere Aussage als eine Garantie für jede einzelne Formulierung. Mein Unbehagen daran lässt sich deshalb nicht einfach mit einem pauschalen «Man merkt nichts» erledigen.
Für die Erkennung zählt, wie viel auswertbarer Text vorliegt und wie viele freie Wortentscheidungen das Modell treffen konnte. Mehr Text liefert meist ein stärkeres Signal; eine feste Zahl von Zeilen wäre irreführend. Bearbeitungen können das Muster schwächen, wobei leichte Korrekturen und eine vollständige Neuformulierung sehr unterschiedliche Eingriffe sind. Weder eine sichere Erkennung jedes kurzen Textes noch eine garantierte Entfernung durch einmaliges Umformulieren lässt sich daraus ableiten.
Wer kann das Muster tatsächlich lesen?
Der Claude-Textdetektor ist noch kein öffentlich zugängliches Werkzeug. Anthropic erprobt ihn in einem geschlossenen Testprogramm und entscheidet, welche berechtigten Organisationen Zugang erhalten. Die folgende Übersicht zeigt, wer laut Anthropics Angaben vom September 2026 dafür infrage kommt:
| Nutzergruppe | Wie erhält man Zugang? |
|---|---|
| Regulierungsbehörden und Strafverfolgungsbehörden | Über Anthropics geschlossenes Testprogramm für berechtigte Organisationen. |
| Medien, Faktenprüfer, unabhängige Forschende, Bildungseinrichtungen und zivilgesellschaftliche Organisationen in der EU | Zugang kann bei Anthropic angefragt werden. Eine Anfrage allein bedeutet noch keine Freischaltung. |
| Unternehmen, die Wasserzeichen für ihre eigenen Pflichten nach dem AI Act prüfen müssen | Zugang kann im Rahmen des geschlossenen Testprogramms angefragt werden. |
| Privatpersonen und allgemeine Öffentlichkeit | Noch kein frei zugänglicher Textdetektor. Anthropic will den Zugang später ausweiten. |
Ein öffentlich zugängliches Tool gibt es bereits, aber nur für einen Teil des Problems: Der kostenlose Claude Content Checker prüft signierte C2PA-Metadaten in Bild-Dateien wie PNG oder JPEG, die Claude erzeugt hat. Für Text existiert dieses öffentliche Pendant noch nicht. Wer heute im Netz kursierende „KI-Detektoren“ wie GPTZero, Pangram oder Originality.ai nutzt, liest damit nicht Anthropics kryptografisches Wasserzeichen aus, sondern verwendet einen davon unabhängigen statistischen Klassifizierer, der Schreibstil-Muster schätzt. Ein Chicago-Booth-Benchmark aus dem Jahr 2026 attestiert GPTZero dabei 99,5 Prozent, Pangram 99,1 Prozent und Originality.ai 85,0 Prozent Trefferquote, allerdings mit messbaren Fehlerraten in beide Richtungen und teils deutlicher Kritik von Nutzenden an Fehlalarmen bei nicht-muttersprachlichen Texten.
Grosse Social-Media-Plattformen setzen bislang überwiegend auf eine andere Schiene: das C2PA-Standardformat für Bild-, Video- und Audiodateien, nicht auf Textwasserzeichen. TikTok ist seit Juli 2026 Mitglied im C2PA-Steering-Committee und kombiniert automatische Erkennung mit sichtbaren Labels bei realistischen KI-Inhalten, schliesst KI-generierte Skripte, Untertitel oder Hashtags davon aber ausdrücklich aus. Meta nutzt C2PA-Provenienzsignale zusammen mit eigenen Klassifizierern für ein „AI Info“-Label auf Instagram, Facebook, Threads und WhatsApp Channels. YouTube verlässt sich beim Hochladen weiterhin auf eine Selbstauskunft der Creator statt auf automatische Erkennung. Wer als Marketing- oder Kommunikationsteam plant, wie Video- und Textinhalte mit KI-Anteil künftig gekennzeichnet werden müssen, findet diesen strategischen Rahmen ausführlicher im CAS Business Communication und Video-Marketing, das genau diese Schnittstelle aus KI-Einsatz, Recht und Content-Strategie behandelt.
Was will die EU mit der Kennzeichnungspflicht erreichen?
Artikel 50 Absatz 2 des EU AI Act verlangt von Anbietern generativer Systeme eine maschinenlesbare Kennzeichnung synthetischer Ausgaben und deren Erkennbarkeit. Die Umsetzung muss technisch machbar sein; Art und Grenzen der Inhalte spielen dabei ausdrücklich eine Rolle. Ein bestimmtes Verfahren wie SynthID schreibt diese Vorschrift nicht vor. Ziel ist, die Herkunft künstlich erzeugter Inhalte nachvollziehbarer zu machen.
Davon zu unterscheiden ist die Offenlegung durch diejenigen, die KI-Texte zu Themen von öffentlichem Interesse veröffentlichen: Absatz 4 sieht eine Ausnahme bei menschlicher Überprüfung oder redaktioneller Kontrolle vor, wenn eine Person oder Organisation die redaktionelle Verantwortung trägt. Diese Ausnahme hebt die technische Anbieterpflicht aus Absatz 2 nicht pauschal auf. Für Systeme, die nur bei Standardbearbeitungen helfen oder Eingaben und deren Bedeutung nicht wesentlich verändern, enthält Absatz 2 eine eigene Ausnahme.
Erreicht die EU ihr Ziel damit tatsächlich?
Ein Wasserzeichen kann bei der Herkunftsprüfung helfen. Es kann aber keine vollständige Kontrolle darüber liefern, wie ein Text entstanden ist. Schon deshalb sollte ein Detektorergebnis immer zusammen mit seinem Geltungsbereich und seinen Unsicherheiten gelesen werden. Aus einem fehlenden Claude-Signal folgt beispielsweise nicht, dass ein Mensch den Text geschrieben hat: Der Text könnte verändert worden sein oder aus einem anderen System stammen.
Auch ein lokal betriebenes Modell kann technisch Texte ohne Wasserzeichen ausgeben. Daraus folgt jedoch keine pauschale rechtliche Ausnahme für alle offenen Modelle. Technische Erkennbarkeit und gesetzliche Pflichten sind zwei verschiedene Fragen.
Meine Meinung: Die unsichtbare Codierung macht mir auch Angst
Ich verstehe, dass Menschen bei dieser Entwicklung ein ungutes Gefühl bekommen. Mir geht es ähnlich. Wenn ein Text schon beim Schreiben so angepasst wird, dass später ein Muster darin erkannt werden kann, fühlt sich das für mich nach einem Stück Kontrollverlust an. Entscheidet das System noch ausschliesslich danach, welche Formulierung am besten passt? Oder bezahlt die Qualität am Ende doch einen Preis für die Kennzeichnung? Das sind meine Sorgen, kein Nachweis dafür, dass Wasserzeichen Texte tatsächlich schlechter machen.
Meine Recherche hat dieses erste Gefühl allerdings relativiert. Das Verfahren ist nicht sakrosankt. Es braucht genügend auswertbare Wortentscheidungen, damit ein statistisches Signal belastbar wird. «Viele Zeilen» beschreibt die Richtung, ist aber keine feste technische Schwelle. Es lässt sich nicht bei jedem beliebigen Text eins zu eins und zweifelsfrei nachweisen, ob irgendwann KI an seiner Entstehung beteiligt war.
Ausserdem ist der Text nach seiner Erzeugung nicht eingefroren. Programmatische Bearbeitung oder eine weitere KI können ihn mit entsprechendem Aufwand umformulieren und die Erkennbarkeit des ursprünglichen Musters verringern. Wie stark, hängt vom Verfahren und vom Eingriff ab. Ein garantierter Trick, der jedes Wasserzeichen beseitigt, ist das nicht.
Für mich bleibt deshalb eine Spannung: Ich kann den Wunsch nach Transparenz nachvollziehen und möchte trotzdem die Kontrolle über meinen Text behalten. Ein Wasserzeichen darf in der Diskussion nicht plötzlich als unfehlbares Urteil darüber gelten, wer einen Text geschrieben hat. Genau diese Grenzen müssen ebenso verständlich erklärt werden wie die Kennzeichnung selbst.
FAQ
Kann ich als Privatperson selbst prüfen, ob ein Text von Claude stammt?
Aktuell nein. Die Watermark-Detektion befindet sich in einer privaten Vorschau, die nur Behörden, Medien, Forschenden, Bildungseinrichtungen und compliance-pflichtigen Unternehmen offensteht. Anthropic plant, den Zugang schrittweise zu erweitern, ein Termin dafür ist nicht genannt.
Funktioniert das Wasserzeichen auch bei übersetztem oder stark umgeschriebenem Text?
Die Erkennung kann durch Übersetzungen und umfangreiche Neuformulierungen schwächer werden. Kleine Korrekturen müssen das Muster dagegen nicht beseitigen. Eine pauschale Erfolgsquote für jede Bearbeitung gibt es nicht.
Gilt die Kennzeichnungspflicht auch für Texte, die ich mit Claude nur überarbeite?
Das hängt davon ab, welche Pflicht gemeint ist. Absatz 2 enthält eine Ausnahme für bestimmte unterstützende Standardbearbeitungen. Absatz 4 regelt die Offenlegung veröffentlichter Texte zu Themen von öffentlichem Interesse und eine Ausnahme bei menschlicher Überprüfung oder redaktioneller Kontrolle mit klarer redaktioneller Verantwortung. Eigene Prüfung allein lässt nicht jede Anbieterpflicht entfallen.
Erkennt der Claude-Detektor auch Texte anderer KI-Systeme?
Er sucht nach Claudes Wasserzeichen. Ein fehlender Treffer ist deshalb kein allgemeiner Nachweis für menschliche Urheberschaft. Welche Claude-Modelle die Markierung unterstützen und wer Zugang zur Prüfung bekommt, beschreibt Anthropic in seiner Dokumentation.
Willst du ein KI-Videoprofi werden?
Unsere KI-Kurse zeigen dir die neusten Tools, von Recherche über Schnitt bis Generierung, die du direkt im Workflow einsetzen kannst.
Roman ist seit über 20 Jahren im Video-, Film- und TV-Business tätig. Der ausgebildete Sportlehrer ETH hat in Los Angeles Film studiert und dort auch im Bereich Visual Effects bei namhaften Hollywood-Produktionen mitgewirkt (u.a. Green Zone mit Matt Damon). Danach arbeitete er sieben Jahre bei SRF als Multimedia- und Videoproduzent. 2014 gründete er ident pictures, eine Videoagentur in Zürich, wo er als Produzent, Kameramann, Editor und Motion-Designer tätig ist. Sein breites Wissen in Film, TV und Corporate Video vermittelt Roman schon seit 2013. Als offizieller Adobe Instruktor unterrichtet er Premiere Pro, After Effects, Photoshop und Illustrator an diversen Hochschulen (u.a. FHGR, Universität Freiburg, FHNW, Universität Bern) und berät zahlreiche Firmen (u.a. Swisscom, SRF, CH Media, Ringier, REGA, MeteoSwiss, ZKB). Ende 2017 kam er zu Studio 1 und ist heute dessen Inhaber und verantwortlich für das Kurswesen.
Kommentare