DARMSTADT / LONDON (IT BOLTWISE) – OpenAI will künftig auch ChatGPT-Texte mit unsichtbaren Wasserzeichen kennzeichnen, ähnlich wie Anthropic es bei Claude seit Anfang August einsetzt. Die Markierung soll in der Wortwahl stecken und auch Kopiervorgänge sowie leichte Veränderungen überstehen. Bei Anthropic basiert sie textseitig auf einem statistischen Muster aus Wortwahrscheinlichkeiten, während bei Bildern der C2PA-Standard mit signierten Herkunftsdaten genutzt wird. Damit rückt allerdings auch die Grenze in den Fokus, dass Detektoren selten mehr als Wahrscheinlichkeiten liefern und damit keinen forensisch eindeutigen Beleg ersetzen.
Wenn KI-Texte künftig zuverlässiger als maschinell erzeugt erkennbar sein sollen, verschiebt sich der Streit nicht nur in die Modellarchitektur, sondern auch in die Ebene dazwischen: in die Art, wie Sprachsysteme „lesbare“ Inhalte in ihren statistischen Eigenschaften formen. Anthropic hat bei neuen Claude-Modellen bereits seit dem 2. August 2026 in der EU entsprechende Markierungen zur Verfügung gestellt, und setzt die Technik zugleich weltweit ein – nicht als reines EU-Feature, sondern als generellen Bestandteil der Modellebene. Damit gilt die Kennzeichnung für die Claude-App ebenso wie für die API und andere Dienste. Auch wenn die Anbieter diese Mechanismen primär zur Erfüllung von Vorgaben rund um maschinenlesbare Kennzeichnungen einführen, entsteht damit ein neues Betriebsregime: Anbieter müssen nicht nur erzeugen, sondern auch zuverlässig nachverfolgen, was erzeugt wurde.
Technisch nutzt Anthropic zwei Verfahren, je nachdem, welches Ausgabemedium im Spiel ist. Für Texten wird ein unsichtbares, direkt eingebettetes Wasserzeichen verwendet, das nicht als zusätzlich sichtbarer Text erscheint. Bei unterstützten Dateiformaten wie Bildern greift der Anbieter dagegen auf signierte Herkunftsinformationen nach dem C2PA-Standard (Content Credentials) zurück, die Auskunft über Herkunft und Verarbeitung geben können – inklusive Hinweisen auf nachträgliche Änderungen. Der Fokus liegt also auf zwei unterschiedlichen „Verpackungen“: textseitig auf einem lern- und sprachmodell-nahen Signal im Wahrscheinlichkeitsraum, medienseitig auf einer dokumentenartigen Signaturkette. Das ist auch deshalb relevant, weil sich Text auch nach gängigen Bearbeitungen häufig noch „inhaltlich gleich“ lesen lässt, während bei Multimodalität schon der Austausch einzelner Bildteile oder Metadaten das Tracking erschweren kann.
Im Textfall basiert die Markierung auf dem Kernprinzip vieler Sprachmodelle: Während der Generierung berechnet das System fortlaufend Wahrscheinlichkeiten für das jeweils nächste Wort. Anthropic führt dabei offenbar ein Bias ein, der einige gleichwertige Formulierungen leicht bevorzugt und andere entsprechend niedriger gewichtet. Über längere Texte hinweg entsteht so ein statistisches Muster, das für Leser unsichtbar bleibt, weil es nicht durch zusätzliche versteckte Zeichen oder Tokens realisiert wird. Laut Darstellung des Anbieters bleiben Inhalt, Qualität und Lesbarkeit unverändert, und Informationen, die eine Zuordnung zu konkreten Personen, Organisationen oder einem bestimmten Gespräch ermöglichen würden, sollen ebenfalls nicht im Wasserzeichen enthalten sein. Praktisch bedeutet das: Das Signal sitzt im sprachlichen Stil und in der Wortwahlverteilung, nicht in einem direkt auslesbaren Payload-Block.
Für OpenAI zeichnet sich parallel ein ähnlicher Kurs ab: Auch für ChatGPT-Texte soll es eine entsprechende Kennzeichnung geben. Laut dem beschriebenen Ansatz basiert die Erkennung demnach auf einem geheimen Schlüssel, der festlegt, wie genau die während der Texterzeugung beeinflussten Wahrscheinlichkeiten interpretiert werden. Genau diese Geheimhaltung ist ein zentraler Unterschied zur idealen „Transparenz“ vieler Signatursysteme: Ein veröffentlichtes Muster würde Angreifern die Möglichkeit geben, Kennzeichnungen gezielt zu entfernen – oder sogar fremden Texten hinzuzufügen. Allerdings verlagert sich damit auch die Sicherheitsdebatte: Wo ein Schlüssel die Erkennung ermöglicht, hängt die Robustheit gegen Manipulation nicht nur von der statistischen Markierung ab, sondern auch davon, wie sicher der Schlüssel bleibt und wie gut Detektoren gegen adaptive Gegenmaßnahmen trainiert sind.
Die Grenzen liegen dabei nicht nur im „Kampf gegen das Entfernen“, sondern auch in der Physik der Sprachverarbeitung. Waldemar Berchtold vom Fraunhofer-Institut für Sichere Informationstechnologie in Darmstadt ordnet ein, dass Einbettung und Erkennung bei Texten erst ab ungefähr 200 bis 300 Wörtern zuverlässig funktionieren. Sobald Texte deutlich länger oder stärker umformuliert werden, verändert sich das statistische Muster so stark, dass die Detektion an Aussagekraft verliert. Zudem soll zwar auch Anthropics Vorgehen Kopiervorgänge und leichte Veränderungen überstehen, einen eindeutigen Nachweis für die konkrete Verwendung eines bestimmten Claude-Modells aber nicht liefern. Entsprechend gilt: Detektoren können letztlich nur Wahrscheinlichkeiten ausgeben – und selbst ein positives Ergebnis bedeutet nicht automatisch, dass ein Text vollständig von einer KI erzeugt wurde. Schon Korrekturen oder stilistische Verbesserungen können ausreichen, um ein Muster zu erzeugen, das einem KI-Effekt ähnelt. Als forensischer Beweis lässt sich so ein System daher nur schwer einsetzen, weil Wahrscheinlichkeiten statistisch sind und nicht wie eine Signatur binär aufgelöst werden.
Für Anbieter hat die Technologie trotzdem einen doppelten Nutzen. Neben der regulatorischen Einordnung schafft sie ein operatives Werkzeug gegen „Trainingseintrag ohne Kontrolle“: Wenn Kennzeichnungen erkennbar sind, können Unternehmen eigene KI-generierte Inhalte besser identifizieren und verhindern, dass sie unbemerkt als vermeintlich menschlich in Trainingsdatensätze zurücklaufen. Das ist vor allem dann wichtig, wenn die Qualität der Trainingsdaten sinkt oder wenn Rückkopplungseffekte entstehen, etwa durch stilistische Verhärtung oder eine zunehmend eingeschränkte Varianz. Perspektivisch sollen Detektoren nicht nur in Anbieterumgebungen funktionieren, sondern auch bei Verbrauchern und Institutionen – also dort, wo die praktische Frage lautet: „Wie hoch ist die Wahrscheinlichkeit, dass dieser Text maschinell erzeugt wurde, und wie gehe ich damit im Kontext von Redaktion, Bildung oder Compliance um?“ Für Unternehmen ist das damit auch ein neues Integrationsfeld: KI-Sicherheit, Content-Governance und QA-Prozesse müssen sich stärker mit Signalverarbeitung und Wahrscheinlichkeitsinterpretation beschäftigen, statt nur auf Herkunftslabels zu setzen.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "ChatGPT-Wasserzeichen: OpenAI folgt Anthropic mit KI-Textsignaturen" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "ChatGPT-Wasserzeichen: OpenAI folgt Anthropic mit KI-Textsignaturen" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »ChatGPT-Wasserzeichen: OpenAI folgt Anthropic mit KI-Textsignaturen« bei Google Deutschland suchen, bei Bing oder Google News!