KI-Detektor reicht nicht: So kennzeichnen Unternehmen KI-Inhalte

Warum ein KI-Detektor allein nicht reicht: drei Ebenen statt eines Wasserzeichens

Als Denkmodell eignen sich ein Produktetikett, ein Sicherheitsfaden und ein signierter Lieferschein.

1. Der sichtbare Hinweis richtet sich an das Publikum. Er macht kenntlich, dass ein Inhalt mit KI erzeugt oder bearbeitet wurde. Im Rahmen von Artikel 50 der EU liegt diese Verantwortung bei Deepfakes und bestimmten Texten von öffentlichem Interesse beim Betreiber. Google Ads zeigt KI-Hinweise inzwischen weltweit über My Ad Center an. In der Europäischen Union, Indien und New York kommen sichtbare Einblendungen hinzu, wenn Werbetreibende ein Asset als KI-generiert oder KI-bearbeitet kennzeichnen.
2. Ein eingebettetes Wasserzeichen ist für einen Detektor bestimmt. Google SynthID verbirgt in unterstützten Bildern, Audioinhalten, Texten und Videos ein maschinenlesbares Signal. Anthropic zufolge weben unterstützte Claude-Modelle auf Modellebene ein nicht wahrnehmbares Wasserzeichen in generierten Text ein.
3. Signierte Herkunftsmetadaten dokumentieren die Beweiskette. C2PA ist ein offener Standard, mit dem eine Datei signierte Angaben zu ihrer Herkunft und zu nachträglichen Änderungen mitführen kann. Google versieht Bilder und Videos, die in Google-Ads-Tools erzeugt werden, mit C2PA-Markup und SynthID. Anthropic hängt an unterstützte Dateien wie SVG, PNG und JPG signierte C2PA-Metadaten an.

Das Etikett erklärt einem Menschen, was geschehen ist. Der Sicherheitsfaden hilft kompatiblen Scannern, ein beständiges Signal zu finden. Der Lieferschein enthält mehr Kontext, kann jedoch verschwinden, wenn eine Plattform Metadaten entfernt. Ein belastbarer Prozess braucht deshalb alle drei Ebenen.

Im EU-Verhaltenskodex wird diese Trennung inzwischen ausdrücklich festgehalten. Anbieter sind für maschinenlesbare Markierungen und Erkennung zuständig. Betreiber – also Unternehmen, die Inhalte veröffentlichen oder verbreiten – müssen in den gesetzlich erfassten Fällen für die sichtbare Offenlegung sorgen. Der Kodex ist freiwillig, die Transparenzpflichten nach Artikel 50 gelten jedoch seit dem 2. August 2026.

Was Google und Anthropic geändert haben

Google trennt den für das Publikum bestimmten Hinweis vom unsichtbaren Nachweis im Werbemittel.

Über die Einstellung für KI-Hinweise in Google Ads können Werbetreibende ein Asset als mit KI erstellt oder bearbeitet kennzeichnen. Diese Angabe erscheint weltweit im Bereich „So wurde diese Anzeige erstellt“. In der Europäischen Union, Indien und New York kann zusätzlich eine sichtbare Einblendung in der Anzeige erscheinen. Alternativ dürfen Werbetreibende einen eigenen Hinweis in das Werbemittel integrieren. Google zufolge verstößt dieser nicht gegen die üblichen Einschränkungen für Texteinblendungen und Wasserzeichen.

Unter dieser sichtbaren Ebene versieht Google sämtliche Bilder und Videos, die mit Google-Ads-Tools erzeugt werden, mit unsichtbaren SynthID-Wasserzeichen und C2PA-Markup. Genau darin liegt der Unterschied zwischen Offenlegung und Nachweis: Einen Hinweis kann das Publikum sehen, während sich das verborgene Signal und die signierten Metadaten mit kompatiblen Systemen prüfen lassen.

Google weist zugleich darauf hin, dass die Einstellung keine Rechtskonformität garantiert. Ein eigener Hinweis nahe einer Ecke kann beim Ausspielen abgeschnitten werden; auch Bildoptimierungen können ihn wegschneiden. Das ist kein Problem, das sich mit einem Kontrollkästchen lösen lässt, sondern eine Frage des gesamten Workflows.

Anthropic überträgt dieselbe Trennung auf Text. Nach Anthropics Konzept zur Kennzeichnung markieren unterstützte Claude-Modelle, die in der EU am oder nach dem 2. August 2026 eingeführt wurden, Text vom ersten Tag an. Das Wasserzeichen wird auf Modellebene in den Text eingewoben, bleibt beim Kopieren und Einfügen erhalten und kann auch manche Bearbeitungen überstehen. Unterstützte generierte Dateien erhalten signierte C2PA-Metadaten.

Die Markierungen gelten weltweit überall dort, wo ein unterstütztes Modell angeboten wird. Das schließt Claude Platform API, Claude, Claude Code, Claude Cowork, Claude Tag und unterstützte Cloud-Bereitstellungen ein. Die Unterstützung von Dateimetadaten kann je nach Plattform weiterhin variieren.

Eine wichtige Einschränkung wird leicht übersehen: Eine Claude-Markierung bedeutet, dass ein Inhalt möglicherweise mit Claude verarbeitet wurde. Sie besagt nicht, dass die Ideen von Claude stammen oder Claude den ersten Entwurf geschrieben hat. Auch eine von Menschen verfasste Pressemitteilung, die mit Claude Korrektur gelesen wird, kann markiert zurückkommen. Dasselbe gilt für ein übersetztes Dokument oder eine konvertierte Datei. Die Herkunftsangabe protokolliert einen Verarbeitungsschritt, nicht die Urheberschaft.

So funktioniert ein belastbarer Kennzeichnungsprozess

Der sicherste Ablauf beginnt bei der Erstellung und endet erst nach der Auslieferung. Genau dazwischen gehen Metadaten und Hinweise häufig verloren.

Die wirtschaftliche Rechnung verändert sich

Abonnements für KI-Detektoren reichen bei den veröffentlichten Tarifen von Originality.ai derzeit von ungefähr $14.95 bis $179 pro Monat. Copyleaks nennt für die Tarife Personal und Pro monatlich $16.99 beziehungsweise $99.99. Solche Lizenzen beantworten eine nützliche, aber eng begrenzte Frage: Wie stark ähnelt dieser Inhalt einer Modellausgabe?

Herkunftsnachweise der Anbieter beantworten eine andere Frage: Ist tatsächlich ein Signal eines unterstützten Anbieters vorhanden? Bei unterstützten Ausgaben von Google und Claude ist die Kennzeichnung Bestandteil des Erstellungsprozesses. Keiner der beiden Anbieter weist auf den oben genannten Seiten eine separate Gebühr dafür aus. Neu sind stattdessen die operativen Kosten: Masterdatei bewahren, Metadaten durch sämtliche Umwandlungen erhalten, den sichtbaren Hinweis für das Publikum anbringen und den Prüfbeleg archivieren.

Damit verschiebt sich der Budgetposten. Ein Detektor kann als Rückfallebene für Inhalte unbekannter Herkunft sinnvoll bleiben, sollte aber nicht länger als maßgebliche Datenquelle dienen. Diese Rolle übernimmt ein Herkunftsprotokoll. Für einen Vergleich der aktuellen Klassifikatoren ist der Test von KI-Detektoren die passende Ergänzung. Der hier beschriebene Richtlinienprozess beginnt dort, wo ein Prozentwert endet.

Sieben Anwendungsfälle – geordnet nach dem größten Nutzen

1. Paid-Media-Agenturen mit Kampagnen in mehreren Märkten

Eine Performance-Agentur kann aus einem einzigen Produktshooting Dutzende KI-bearbeitete Display- und Video-Assets erstellen. Wirtschaftlich wird der Ablauf, wenn jedes Ausgangsmaterial schon bei der Erstellung gekennzeichnet wird, C2PA- und SynthID-Nachweise aus Google erhalten bleiben, der KI-Einsatz in der Kampagne angegeben und die ausgespielte Anzeige in jedem Zielmarkt kontrolliert wird. Nutzt die Agentur einen eigenen Hinweis, testet sie alle Zuschnitte und deaktiviert Optimierungen, die ihn entfernen würden.

Das Ergebnis sind weniger eilige Neuerstellungen nach einer Compliance-Prüfung und ein belastbarer Nachweis für den Kunden. Ohne Chatverläufe und geteilte Laufwerke durchsuchen zu müssen, kann die Agentur belegen, welches Modell ein Asset bearbeitet hat, welcher Hinweis angezeigt wurde und wer die Veröffentlichung freigegeben hat.

2. Verlage und Texte von öffentlichem Interesse

Ein Verlag, der mit Claude einen Gemeinderatsbericht zusammenfasst oder einen Wahlratgeber übersetzt, muss die Verarbeitung durch ein Modell klar von der redaktionellen Verantwortung trennen. Die Claude-Markierung kann selbst dann vorhanden sein, wenn der Ausgangstext von einem Redakteur stammt. Deshalb dokumentiert der Verlag die Quelle, die KI-Transformation, den zuständigen Redakteur und die abschließende Freigabe.

So entsteht eine präzisere und ehrlichere Richtlinie. Nach den EU-Leitlinien gilt für von Menschen geprüfte Texte von öffentlichem Interesse unter redaktioneller Verantwortung eine Ausnahme von dieser spezifischen Pflicht zur sichtbaren Kennzeichnung. Das Prüfprotokoll gewinnt an Wert, weil das Wasserzeichen allein nicht belegen kann, ob eine solche Prüfung stattgefunden hat.

3. Unternehmenskommunikation mit Claude für Routinebearbeitungen

Ein Kommunikationsteam kann Texte der Geschäftsleitung mit Claude stilistisch überarbeiten, übersetzen oder formatieren. Findet ein späterer Scanner ein Claude-Signal, droht eine Debatte über die Urheberschaft. Verhindern lässt sie sich, indem das menschliche Original gespeichert, die Rolle von Claude als „Verarbeitung“ beschrieben und die freigegebene Endfassung zusammen mit ihrem Prüfprotokoll aufbewahrt wird.

Das verringert falsche Anschuldigungen innerhalb des Unternehmens. Eine erkannte Markierung ist dann ein einzelner Fakt in der Beweiskette und kein Urteil darüber, wer die Nachricht verfasst hat.

4. E-Commerce-Marken mit synthetischen Produktmotiven

Ein Händler kann Hintergründe generieren, Hero-Bilder skalieren oder unbewegte Produktaufnahmen in einer Werbeplattform animieren. Bei jedem Export und Zuschnitt besteht die Gefahr, dass C2PA-Metadaten verschwinden oder ein sichtbarer Hinweis abgeschnitten wird. Die Marke bewahrt eine unveränderte Masterdatei auf, testet die endgültigen Formate und hält fest, ob der Plattformhinweis oder die eigene Kennzeichnung erhalten geblieben ist.

Das ermöglicht Wiederverwendung ohne Herkunftsverlust. Selbst nachdem das Kampagnenteam zahlreiche Kanalvarianten erstellt hat, bleiben die Ursprungsinformationen in der Asset-Bibliothek erhalten.

5. Marktplätze für Bilder und Videos von Verkäufern

Ein Marktplatz kann hochgeladene Medien auf signierte Metadaten und unterstützte Wasserzeichen prüfen, vom Verkäufer eine Angabe zur KI-Bearbeitung verlangen und widersprüchliche Fälle zur Kontrolle weiterleiten. Fehlende Belege sind als unbekannt einzustufen, nicht als authentisch.

Dadurch wird die Moderation gezielter. Prüfer konzentrieren sich auf widersprüchliche Signale und riskante Identitätsnachahmungen, statt jedes Asset manuell zu untersuchen.

6. Redaktionen und Verifikationsteams

Eine Redaktion kann eingesandte Medien auf C2PA-Daten und verfügbare Wasserzeichensignale untersuchen, den ursprünglichen Upload sichern und jede Konvertierung durch die eigenen Systeme dokumentieren. Zerstört ein Screenshot die Metadaten, befinden sich der frühere Nachweis und der Datei-Hash weiterhin in der Fallakte.

So lässt sich Lesern genauer erklären, welcher Hinweis an welcher Stelle gefunden wurde – ohne aus dem Fehlen eines Signals fälschlich Authentizität abzuleiten.

7. Creator-Netzwerke und Produktionsstudios

Ein Studio kann dasselbe Asset nacheinander durch Bilderzeugung, Retusche, Untertitelung, Größenanpassung und Social-Media-Planung führen. Bei jeder Übergabe kann es verlangen, dass die Quellkennung erhalten bleibt; vor der Veröffentlichung folgt eine abschließende Kontrolle der sichtbaren Kennzeichnung.

Das reduziert Streit zwischen Creatorn, Kunden und Plattformen. Das Studio weiß, in welchem Schritt KI hinzugekommen und in welchem die Herkunftsinformation verloren gegangen ist.

Drei Produkte mit echtem Potenzial

1. Ein Gateway für belastbare Herkunftsnachweise

Hier liegt die stärkste Chance. Denkbar ist eine Upload- und API-Schicht, die C2PA prüft, verfügbare Verifikationssysteme der Anbieter aufruft, das Ergebnis protokolliert, den Bediener nach den wenigen Richtlinienfragen fragt, die ein Detektor nicht beantworten kann, und anschließend den passenden sichtbaren Hinweis samt Prüfprotokoll exportiert.

Die Nachfrage ist bereits groß, richtet sich aber an die falsche Produktkategorie. „AI detector“ kommt auf etwa 5,000,000 Google-Suchanfragen pro Monat; in KI-Assistenten wird monatlich etwa 1,995-mal danach gefragt. Der Zitationsendpunkt von ChatGPT lieferte für diese Aufgabe in diesem Durchlauf keine aggregierten zitierten Quellen. Bestehende Detektortarife reichen von $14.95 bis $179 pro Monat – ein klarer Beleg dafür, dass Teams für eine Antwort bereits bezahlen.

Die kleinste verkaufsfähige Version braucht fünf Bestandteile: Datei-Upload, C2PA-Parsing, Adapter für die tatsächlich verfügbaren Verifikationsdienste, ein dreistufiges Ergebnis aus „erkannt“, „nicht erkannt“ oder „nicht unterstützt“ sowie ein herunterladbares Prüfprotokoll. Regeln für Rechtsräume und Kanäle sollten erst hinzukommen, wenn die Belegebene funktioniert.

Der Haken ist der Anbieterzugang. Anthropic zufolge ist der eigene Erkennungsmechanismus noch in Vorbereitung. Googles umfassender SynthID Detector wird weiterhin mit Journalisten und Medienschaffenden getestet, Gemini kann unterstützte Medien allerdings prüfen. Das Produkt muss den Umgang mit Belegen und die Workflow-Steuerung verkaufen, nicht eine universelle Erkennung versprechen.

2. Ein herkunftssicheres DAM mit CDN-Überwachung

Hier bietet sich ein Plugin für Digital-Asset-Management-Systeme und Medienpipelines an, das Herkunftsangaben vor und nach Größenänderungen, Formatkonvertierung, Optimierung und Auslieferung vergleicht. Es warnt beim Verlust von C2PA-Metadaten, bewahrt das Original und bestätigt, ob der sichtbare Hinweis in jeder Variante erhalten bleibt.

Google verzeichnet für „ai image detector“ ungefähr 60,500 monatliche Suchanfragen; in den Vorschlagsdaten liegt der Jahrestrend bei 173%. Diese Nachfrage steht stellvertretend für ein tieferes Bedürfnis: Teams möchten wissen, was mit einem Bild passiert ist, nachdem es mehrere Tools durchlaufen hat.

Das MVP kann zunächst einen einzelnen Storage-Bucket und einen Dienst zur Bildtransformation überwachen. Es bildet einen Hash der Quelle, liest C2PA vor und nach der Umwandlung aus, visualisiert die Unterschiede und blockiert die Veröffentlichung, wenn der erforderliche Hinweis abgeschnitten wurde.

Die Schwierigkeit liegt in der Fragmentierung. Ein Plugin kann nicht jedes proprietäre Wasserzeichen lesen, und manche Transformationen werden Metadaten immer entfernen. Sein Wettbewerbsvorteil liegt im Belegprotokoll und in den Pipeline-Integrationen, nicht im Anspruch auf perfekte Erkennung.

3. Ein Assistent für die Kennzeichnungspflicht von KI-Inhalten

Ein Richtlinienassistent kann abfragen, was ein Inhalt zeigt, wo er veröffentlicht wird, ob KI ihn erzeugt oder verändert hat, ob ein Mensch ihn geprüft hat und wer die redaktionelle Verantwortung trägt. Anschließend erstellt er eine Kennzeichnungsanweisung und speichert die Entscheidung zusammen mit dem Asset.

„AI content detector“ kommt auf rund 18,100 Google-Suchanfragen pro Monat, während „AI checker“ ungefähr 711 monatliche Anfragen in KI-Assistenten erreicht. Viele dieser Nutzer greifen zu einem Klassifikator, obwohl sie eigentlich eine Freigaberegel benötigen.

Das MVP besteht aus einem Formular, einer versionierten Regeltabelle, Links zu offiziellen Richtlinienquellen sowie Integrationen in ein CMS und eine Werbeplattform. Es darf sich niemals als Rechtsberatung darstellen.

Die Herausforderung ist die laufende Pflege. Regeln, Plattformverhalten und Leitlinien zur Durchsetzung ändern sich. Google erklärt ausdrücklich, dass die eigene Einstellung für KI-Hinweise keine Rechtskonformität garantiert. Das Produkt muss daher das Datum seiner Quelle anzeigen und die Entscheidung des Bedieners bewahren.

Was KI-Wasserzeichen und KI-Detektoren nicht leisten

Wasserzeichen beweisen keine Urheberschaft. Anthropic formuliert das ungewöhnlich deutlich: Eine Markierung kann nach dem Korrekturlesen, Übersetzen, Zusammenfassen oder Konvertieren entstehen. Sie besagt lediglich, dass Claude den Inhalt möglicherweise verarbeitet hat.

Fehlende Markierungen beweisen keine menschliche Erstellung. Umfangreiche Bearbeitung, Paraphrasierung, Übersetzung, kurze Textpassagen, Screenshots, Formatwechsel, nicht unterstützte Dateien und ältere Modelle können allesamt dazu führen, dass kein Claude-Signal erkannt wird. OpenAI weist für sein Verifikationstool auf dasselbe praktische Problem hin: Kein Signal ist kein endgültiger negativer Befund.

Metadaten sind aussagekräftiger, aber empfindlicher. C2PA kann signierten Kontext transportieren, doch Uploads, Größenänderungen, Screenshots und Formatkonvertierungen können ihn entfernen. Eingebettete Wasserzeichen sind mitunter beständiger, enthalten im Allgemeinen jedoch weniger Kontext und setzen einen kompatiblen Detektor voraus.

Auch sichtbare Hinweise können falsch oder unvollständig sein. Ein Hinweis kann abgeschnitten, auf einen Inhalt mit nur geringfügiger KI-Bearbeitung angewendet oder in einem Kontext weggelassen werden, in dem das Publikum ihn benötigt. Seine Anwesenheit kommuniziert eine Offenlegung, authentifiziert aber nicht jede zugrunde liegende Aussage.

Eine ehrliche Richtlinie ist deshalb einfach: Für gefundene Belege, abgeschlossene menschliche Prüfung und angebrachte sichtbare Kennzeichnung sind drei getrennte Felder zu führen. Sie dürfen niemals zu einem einzigen Wert „KI oder Mensch“ verschmolzen werden.

Der nächste Schritt am Montag

Nicht gleich das ganze Unternehmen angehen, sondern eine laufende Kampagne auswählen. Ein einziges mit KI bearbeitetes Asset von der Originaldatei bis zur ausgelieferten Anzeige verfolgen. Die Masterdatei sichern, ihre maschinenlesbaren Belege prüfen, die verantwortliche Prüfung dokumentieren, den kanalbezogenen Hinweis anbringen und jede gerenderte Platzierung kontrollieren. Die Lücken in dieser einen Beweiskette liefern die Anforderungen an den eigenen Herkunftsworkflow.

Wenn ein solcher Herkunftsworkflow im eigenen Unternehmen umgesetzt werden soll, finden sich hier die passenden Leistungen.