KI-Hype oder Substanz?

KI-Kennzeichnungspflicht: Transparenz braucht mehr als Wasserzeichen

Autor: Prof. Dr. Sebastian P. Bayerl, Technische Hochschule Rosenheim

Stand: 24.08.2026
 

Kurzfassung

Die Kennzeichnungspflicht ist ein Signal für mehr Transparenz, aber kein Qualitätssiegel. Die neue Transparenzlogik des EU AI Act ist sinnvoll, weil Menschen erkennen können sollen, wann sie mit KI interagieren oder KI-generierten Inhalten ausgesetzt sind.

Artikel 50 gilt seit dem 2. August 2026 und verpflichtet Anbieter unter anderem dazu, synthetische Inhalte maschinenlesbar zu markieren, soweit dies technisch machbar ist [EU-Kommission], [AI Act Service Desk].

Für Unternehmen ist es wichtig, die technische Markierung nicht mit organisatorischer Verantwortlichkeit zu verwechseln. Text-Wasserzeichen können zwar helfen, sind aber technisch fragil und organisatorisch missverständlich. Ein Wasserzeichen kann ein Hinweis sein, aber es beantwortet nicht, ob ein Text korrekt, zulässig, vertraulich, fair oder intern freigegeben ist. Robuster sind klare interne KI-Regeln, dokumentierte Freigaben, Datenklassifikation und eine ehrliche Kommunikation gegenüber Kunden, Mitarbeitenden und Partnern.

Was sich geändert hat

Die EU-Kommission beschreibt die Transparenzpflichten als Regeln für Anbieter und Anwender bestimmter KI-Systeme, darunter Chatbots, synthetische Inhalte, Deepfakes und öffentlich relevante KI-Texte ohne menschliche redaktionelle Kontrolle [EU-Kommission]. Anbieter generativer KI-Systeme müssen nach Artikel 50 Absatz 2 grundsätzlich sicherstellen, dass KI-generierte oder manipulierte Audio-, Bild-, Video- oder Textausgaben maschinenlesbar markiert und als künstlich erzeugt erkennbar sind [AI Act Service Desk].

Die EU-Kommission weist zugleich auf Ausnahmen hin, etwa für reine Standardbearbeitung oder Fälle, in denen Eingabedaten und Semantik nicht wesentlich verändert werden [EU-Kommission FAQ]. Das ist für Unternehmen zentral, weil nicht jede Rechtschreibkorrektur oder Formatierung automatisch dieselbe Transparenzfrage aufwirft wie ein vollständig generierter Fachbeitrag.

Claudes Wasserzeichen als aktuelles Beispiel

Anthropic hat im August 2026 erklärt, künftige Claude-Modelle mit einem Text-Wasserzeichen auszustatten, um die Anforderungen des EU AI Act zu erfüllen [Anthropic via Public].
Das Verfahren beruht nach Anthropics Darstellung nicht auf versteckten Zeichen, sondern auf statistischen Mustern in der Wortwahl [Anthropic via Public].

The Decoder ordnet die Debatte kritisch ein und verweist auf die Sorge, dass eine Wasserzeichenlogik die Wortwahl beeinflussen kann, selbst wenn der Unterschied für viele Leser nicht direkt sichtbar ist [The Decoder].
Der gleiche Beitrag zeigt auch die praktische Grenze solcher Verfahren: Paraphrasieren, Übersetzen oder erneutes Generieren kann die Erkennbarkeit abschwächen oder entfernen [The Decoder].
 

Grenzen von Text-Wasserzeichen

Text-Wasserzeichen sind besonders dort plausibel, wo ein Modell längere Passagen frei formuliert und bei vielen Wortentscheidungen zwischen mehreren sinnvollen Alternativen wählen kann [mehr zu Wasserzeichen]^. Bei kurzen Texten, stark faktischen Passagen, Formeln, Code oder Sätzen mit nur wenigen sinnvollen Fortsetzungen wird das Verfahren schwächer. Wenn die nächste richtige Antwort praktisch feststeht, gibt es kaum Spielraum, die Wortwahl statistisch zu markieren, ohne Qualität oder Bedeutung zu verschieben.

Genau deshalb ist semantische Schärfe wichtig. Zwischen zwei scheinbar ähnlichen Formulierungen können Ton, Präzision und fachliche Bedeutung liegen. John Gruber kritisiert auf Daring Fireball entsprechend, dass textbasierte Wasserzeichen nicht in Metadaten stecken, sondern direkt in die Wortwahl eingreifen [Daring Fireball].

Der Nature-Artikel zu SynthID-Text berichtet zwar von keinen statistisch signifikanten Qualitätsverlusten in großen Tests, aber das beantwortet nicht jede redaktionelle Frage [Nature]. Ein Text kann für Menschen insgesamt brauchbar bleiben und trotzdem an einzelnen Stellen weniger präzise formuliert sein. Umgekehrt ist die Markierung gegen gezielte Umgehung begrenzt. Wer sie entfernen möchte, kann Texte paraphrasieren, übersetzen und zurückübersetzen oder spezialisierte Werkzeuge wie Declaude nutzen, die KI-typische Prosa glätten [Declaude].

Solche Verfahren erhöhen vor allem Aufwand und Energieverbrauch, verhindern gezielte Verschleierung aber nicht zuverlässig.
Besonders unbefriedigend ist der Umgang mit Übersetzungen. Bei reinen Korrekturen, bei denen fast alle Wörter vom Menschen stammen, greift ein Text-Wasserzeichen typischerweise kaum. Bei Übersetzungen wählt dagegen das Modell den gesamten Zieltext, obwohl der Inhalt nicht originär vom Modell stammt.

Für Unternehmen ist das praktisch relevant, weil Übersetzungen, Zusammenfassungen und sprachliche Glättungen zu den häufigsten KI-Anwendungen gehören. Eine pauschale Markierungslogik kann hier leicht mehr Verwirrung als Transparenz erzeugen.
 

Was Unternehmen daraus ableiten sollten

Erstens braucht es eine klare interne Regel, wann KI-Nutzung offengelegt werden muss. Diese Regel sollte nicht nur von der technischen Erkennbarkeit eines Textes abhängen.

Zweitens sollte zwischen Assistenz, redaktioneller Mitwirkung und inhaltlicher Autorenschaft unterschieden werden. Ein KI-gestützter Entwurf für eine interne Checkliste ist anders zu behandeln als eine öffentliche Stellungnahme, ein Kundenangebot oder ein rechtlich sensibler Bescheid.

Drittens sollten Unternehmen festlegen, welche Inhalte nicht in externe Modelle eingegeben werden dürfen. Das betrifft personenbezogene Daten, Betriebsgeheimnisse, Kundendokumente, Vertragsdetails und sicherheitsrelevante Informationen.

Viertens sollte jede relevante Veröffentlichung eine menschliche Verantwortung tragen. Der AI Act entlastet Unternehmen nicht von der Pflicht, Inhalte fachlich zu prüfen, nur weil ein Tool eine Markierung setzt.

Fünftens sollten Unternehmen Übersetzungen, Korrekturen, Zusammenfassungen und vollständig generierte Texte getrennt behandeln.

Diese Nutzungsarten unterscheiden sich in Autorschaft, Risiko und Kennzeichnungsbedarf. Eine interne Richtlinie sollte deshalb nicht nur fragen, ob KI beteiligt war, sondern wie stark sie in Inhalt, Wortwahl und Veröffentlichungskontext eingegriffen hat.
 

Hintergrund & Begriffe

Wie Text-Wasserzeichen funktionieren

Dieser Abschnitt erklärt vereinfacht, warum Text-Wasserzeichen in die Wortwahl eingreifen und warum sie bei kurzen oder stark festgelegten Texten weniger robust sind.

Google DeepMind beschreibt SynthID-Text technisch als Verfahren, das Token-Wahrscheinlichkeiten während der Generierung anpasst, um später ein statistisches Signal nachweisen zu können [Google DeepMind SynthID-Text], [Nature].

Wenn eine KI einen Text schreibt, wählt sie Wort für Wort aus vielen möglichen Kandidaten aus. Man kann sich das wie einen Würfel mit sehr vielen Seiten vorstellen, bei dem manche Wörter deutlich wahrscheinlicher sind als andere. Normalerweise folgt das Modell diesen Wahrscheinlichkeiten, ohne später eine erkennbare Spur der Auswahlregel zu hinterlassen. Bei einem Wasserzeichen-Verfahren wie SynthID-Text wird diese Auswahl leicht beeinflusst. Mehrere mögliche nächste Wörter treten gegeneinander an, und ein geheimer Schlüssel legt fest, welche Kandidaten statistisch etwas bevorzugt werden. Für Leserinnen und Leser soll der Text dadurch weiterhin normal und flüssig wirken. Dies soll dadurch erreicht werden, dass alle Kandidaten ja ohnehin vom Modell kommen, auch wenn danach ein weiterer leicht veränderter Auswahlalgorithmus steht. Wer den geheimen Schlüssel kennt, kann später aber prüfen, ob die gewählten Wörter auffällig oft dem erwarteten Muster folgen.

Ein einzelnes Wort beweist dabei nichts. Erst über viele Wortentscheidungen hinweg entsteht ein statistisches Signal. Deshalb funktionieren solche Verfahren bei längeren frei formulierten Texten besser als bei kurzen Antworten, Zahlen, Code oder stark faktischen Aussagen. Der Nachweis ist also probabilistisch und sagt nicht klar: Dieser Text wurde sicher von Claude geschrieben, sondern diese Wortfolge passt auffällig gut zu einem bestimmten Wasserzeichen-Verfahren.

-------

Nächster Artikel: Nachrichten aus der Hochschule

Zurück zur Übersicht KI-Kompass Ausgabe 1