KI-generierte Medien in Form von Texten, Bilder, Videos und Dateien werden im Jahr 2026 zunehmend Teils unseres Alltags und dürften in Zukunft noch deutlich stärker an Bedeutung gewinnen. Dadurch verschiebt sich die zentrale Fragestellung:
Im Mittelpunkt steht zunehmend die Frage, ob sich technisch nachvollziehen lässt, in welchem Umfang KI an der Erstellung eines Inhalts beteiligt war. Bisher standen sichtbare Labels, Metadaten und klassische KI-Scanner im Fokus. Mit den Transparenzanforderungen des EU AI Act (Artikel 50) sollen Anbieter KI-generierte Inhalte nun, soweit technisch möglich, maschinenlesbar markieren. Genau hier kommen Textwasserzeichen ins Spiel.
Was ist ein KI-Wasserzeichen – und was ist keines?
Ein KI-Wasserzeichen ist ein gezielt eingebrachtes Herkunftssignal für künstlich erzeugte oder veränderte Inhalte.
Es soll später erkennbar machen, dass ein Inhalt wahrscheinlich von einem bestimmten Modell oder Anbieter stammt. Dabei muss das Wasserzeichen weder sichtbar noch Teil von Metadaten sein. Zudem enthält es nicht automatisch personenbezogene Informationen.
Für die Einordnung lohnt es sich, vier Formen der KI-Kennzeichnung klar zu trennen:
- Sichtbares Label: Hinweise wie „AI generated", Logos oder KI-Icons. Sie sind direkt für Menschen sichtbar und dienen der transparenten Kennzeichnung.
- Metadaten / Content Credentials: Herkunftsinformationen werden an eine Datei angehängt, etwa über C2PA. Sie können die Entstehung und Bearbeitung dokumentieren, sind aber vom eigentlichen Inhalt getrennt und gehen bei Konvertierung, Screenshots oder Plattformverarbeitung oft verloren. Bei Claude erhalten unterstützte Bilddateien solche C2PA-Content-Credentials.
- Statistisches Textwasserzeichen: Dieses Signal entsteht bereits während der Textgenerierung. Die Auswahl der nächsten Tokens wird leicht beeinflusst, sodass über viele Wörter hinweg ein statistisch erkennbares Muster entsteht. Zusätzliche oder sichtbare Zeichen sind dafür nicht nötig.
- KI-Detektor / KI-Scanner: Scanner arbeiten anders. Sie untersuchen einen fertigen Text nach typischen statistischen oder stilistischen Merkmalen und schätzen daraus, ob er von einer KI stammen könnte. Sie erkennen also kein hinterlegtes Wasserzeichen und liefern eine grundsätzlich andere Aussage.
Wichtig: Ein statistisches Textwasserzeichen ist kein verstecktes Sonderzeichen, das man aus dem Text löschen kann. Es entsteht durch die Wort- und Token-Auswahl während der Generierung. Typische KI-Merkmale wie viele Gedankenstriche, Dreiergruppen oder Formulierungen nach dem Muster „nicht X, sondern Y" sind dagegen bloße Stilmerkmale und kein technisches Wasserzeichen.
Welche KI-Plattformen nutzen aktuell KI-Wasserzeichen?
Bei den drei großen Anbietern sieht es sehr unterschiedlich aus: Google und Anthropic markieren Text bereits, OpenAI bisher nicht. Und selbst dort, wo markiert wird, kommen verschiedene Verfahren zum Einsatz.
Wasserzeichen bei Google (Gemini)
Google setzt mit SynthID-Text bereits ein statistisches Wasserzeichen ein. Das Signal entsteht direkt während der Generierung, indem die Token-Auswahl leicht beeinflusst wird. Das Verfahren ist seit 2024 im Einsatz.
Wasserzeichen bei Claude (Anthropic)
Anthropic bettet seit August 2026 ein statistisches Textwasserzeichen ein, das auf dem SynthID-Text-Verfahren von Google DeepMind basiert. Claude-Modelle, die ab dem 2. August 2026 erschienen sind, tragen die Markierung von Anfang an; ältere Modelle werden schrittweise nachgezogen. Da das Wasserzeichen auf Modellebene wirkt, ist es weltweit aktiv, nicht nur in der EU. Für unterstützte Bilddateien nutzt Claude zusätzlich signierte C2PA-Metadaten. Eine Detection-API befindet sich in einer geschlossenen Vorschau.
Wasserzeichen bei ChatGPT (OpenAI)
Bei ChatGPT sollte man derzeit nicht pauschal behaupten, dass Texte standardmäßig statistisch markiert werden. OpenAI setzt Herkunftssignale bislang vor allem bei Bildern und Audio ein und hat angekündigt, Provenance-Verfahren auf Text auszuweiten. Bemerkenswert: OpenAI hatte bereits 2024 einen funktionierenden Text-Watermarker entwickelt, ihn aber nicht ausgeliefert, unter anderem wegen der leichten Umgehbarkeit und der Gefahr, Nicht-Muttersprachler systematisch zu benachteiligen.
„KI-Wasserzeichen" ist damit ein Oberbegriff. Je nach Anbieter und Inhalt kommen unterschiedliche Verfahren zum Einsatz, und nicht jedes Modell markiert Text heute auf dieselbe Weise.
Wie funktioniert ein statistisches KI-Wasserzeichen technisch?
Der Schlüssel liegt darin, wie ein Sprachmodell Text überhaupt erzeugt. Ein Modell schreibt Text Token für Token. Für jeden nächsten Schritt berechnet es, welche Fortsetzungen wahrscheinlich sind. Auf „Das Wetter war kalt und …" könnten mehrere plausible Wörter folgen, etwa „grau", „bewölkt" oder „nass".
Genau hier greift das Wasserzeichen ein. Ein geheimer Schlüssel beeinflusst die Auswahl zwischen mehreren plausiblen Tokens leicht. Das Modell fügt keine künstlichen Wörter oder versteckten Zeichen ein, sondern bevorzugt bestimmte Fortsetzungen, die ohnehin möglich gewesen wären. Bei SynthID kommt dafür ein spezielles Sampling-Verfahren zum Einsatz (das sogenannte Tournament Sampling), bei dem mehrere plausible Kandidaten-Wörter in kurzen Runden gegeneinander antreten und der geheime Schlüssel jeweils entscheidet, welches gewinnt.
Eine einzelne Token-Entscheidung sagt dabei fast nichts aus. Über viele Dutzend oder Hunderte Tokens entsteht jedoch ein statistisches Muster. Für den Leser bleibt dieses Muster unsichtbar, kann jedoch von einem geeigneten Detektor erkannt werden. Da das Signal direkt in der Wortwahl beziehungsweise Token-Struktur verankert ist, bleibt es beim Kopieren und Einfügen sowie teilweise auch bei kleineren sprachlichen Änderungen erhalten. Erst eine umfassende Neuformulierung, bei der große Teile des Textes ersetzt werden, kann das Wasserzeichen zuverlässig abschwächen oder entfernen.
KI Wasserzeichen für SEO & GEO im Ausblick
Bisher kann nur der Anbieter selbst prüfen, ob ein Text markiert ist. Der Schlüssel bleibt geheim, und Anthropic stellt die Erkennung derzeit nur über eine geschlossene API bereit. Denkbar ist aber, dass diese Erkennung künftig breiter verfügbar wird, etwa für Plattformen oder Suchmaschinen. Sollte das kommen, würde Herkunft zu einem messbaren Signal. In der Search Engine Optimization diskutiert man bereits, ob generative Systeme transparent gekennzeichnete oder nachweislich redaktionell bearbeitete Inhalte anders gewichten als anonyme Massentexte. Bestätigt ist das nicht, und keiner der großen Anbieter hat ein solches Ranking angekündigt. Wer heute auf Sichtbarkeit setzt, sollte die Entwicklung aber im Blick behalten: Ein Herkunftsnachweis könnte mittelfristig zum Baustein von Relevanz- und Autoritätsbewertung werden. Zum aktuellen Zeitpunkt bestraft Google keine KI-generierten Inhalte, wenn diese nicht in Masse generiert und rein zur Manipulation der Suchergebnisse erstellt wurden (Quelle: Google Search Central, 2026).
Probleme mit KI-Wasserzeichen: Erkennbarkeit, Unsichtbarkeit und Robustheit
Ein gutes Textwasserzeichen muss drei Ziele gleichzeitig erfüllen, die sich gegenseitig im Weg stehen.
Es soll zuverlässig erkennbar sein, ohne die Qualität oder Natürlichkeit des Textes sichtbar zu verändern. Gleichzeitig soll das Signal kleinere Bearbeitungen überstehen und dabei möglichst wenige Fehlalarme oder übersehene Treffer produzieren.
Daraus entsteht ein technisches Spannungsfeld. Je stärker das Wasserzeichen in die Token-Auswahl eingreift, desto leichter lässt es sich später erkennen. Ein schwächerer Eingriff beeinflusst die Textgenerierung weniger, kann aber auch schneller durch Bearbeitung verloren gehen. SynthID unterscheidet deshalb zwischen verschiedenen Konfigurationen, die diesen Kompromiss unterschiedlich gewichten, von einer die Verteilung erhaltenden bis zu einer stärker eingreifenden Variante.
So entwickelt sich ein Katz-und-Maus-Spiel: Anbieter verbessern Wasserzeichen und Detektoren, während neue Paraphrasierungs- und Bearbeitungsverfahren entstehen. In der Praxis werden deshalb zunehmend mehrere Herkunftssignale kombiniert, etwa statistische Wasserzeichen und Metadaten. Ein Wasserzeichen lässt sich daher am besten als Hinweis auf die Herkunft eines Inhalts verstehen, dessen Aussagekraft begrenzt ist.
Einordnung: Herkunftssignal, kein Beweis
Zum Schluss lohnt der Blick darauf, was ein Wasserzeichen aussagt und was nicht.
Ein statistisches Textwasserzeichen liefert Hinweise auf die mögliche Herkunft eines Inhalts, ohne dabei Rückschlüsse auf die Identität einer Person zu ermöglichen. Beim von Anthropic beschriebenen Claude-Wasserzeichen werden weder Nutzername noch Organisation oder Chat-ID im Text hinterlegt. Ein Detektor kann also erkennen, dass Claude wahrscheinlich beteiligt war, aber nicht, wer den Text in welchem Chat erzeugt hat. Davon getrennt sind Account- und Serverlogs, Dateimetadaten oder Plattformdaten. Sie können zusätzliche Informationen enthalten, gehören aber nicht zum statistischen Textwasserzeichen selbst.
Auch rechtlich ist die Trennung wichtig. Der EU AI Act unterscheidet zwischen der maschinenlesbaren Kennzeichnung durch Anbieter und der sichtbaren Offenlegung bestimmter KI-Inhalte durch professionelle Anwender. Ein technisches Wasserzeichen ersetzt daher kein sichtbares Label. Was Marketing-Teams bei der Veröffentlichung selbst kennzeichnen müssen, erklären wir im Beitrag zur KI-Kennzeichnungspflicht.
In der Praxis können solche Herkunftssignale für Journalismus, Hochschulen, Unternehmen oder soziale Netzwerke hilfreich sein. Sie bleiben aber ein zusätzliches Indiz, kein endgültiger Beweis. Besonders schwierig sind Mischformen: ein KI-Entwurf mit menschlicher Redaktion oder ein menschlicher Text mit einzelnen KI-Überarbeitungen. Genau deshalb ist ein Wasserzeichen ein nützliches Werkzeug zur Einordnung, aber keines, auf das sich allein eine Entscheidung stützen lässt.
Quellen
- Anthropic: How Claude marks AI-generated content (support.claude.com)
- Anthropic: How Claude's text watermarking works (anthropic.com)
- Google DeepMind: SynthID-Text (Nature, 2024)
- EU AI Act, Artikel 50(2), gültig seit 02.08.2026 (https://artificialintelligenceact.eu/)
