Claude versieht jetzt seine Ausgaben mit Wasserzeichen. Das kostet Sie aber nicht das Placement.

Ein Kunde hat uns kürzlich eine Frage gestellt, die Sie vielleicht auch bald Ihrem eigenen Content-Anbieter stellen: Anthropic hat begonnen, Claudes Ausgaben zu markieren – überwachen Sie das, und ändert das etwas an dem, was Sie für unsere Platzierungen liefern?

Die richtige Frage – und die meisten Anbieter werden ins Schleudern geraten. Hier ist unsere öffentliche Antwort, geschrieben für alle, die sich dieselbe Frage stellen.

Kurzfassung: Das Wasserzeichen ist echt, es ist relevant, aber es ist immer noch nicht das, was Ihnen eine Platzierung kostet.

Das entscheidende Detail steckt in einer Formulierung von Anthropics Richtlinie zur Markierung KI-generierter Inhalte¹: Seit August 2026 ist der Auslöser für die Markierung „von Claude verarbeitet“ – nicht „von Claude generiert“. Die Frage, die alle stellen – „ist das KI-geschrieben?“ – ist schon die falsche.

Aber Auslöser und Signal sind zwei verschiedene Dinge, und das zweite entscheidet. Ein Wasserzeichen wird nicht auf den Text gestempelt; es verteilt sich auf die Wortwahl, die Claude selbst trifft. Je mehr vom Text Claude geschrieben hat, desto mehr gibt es zu finden. Genau diese Unterscheidung wird in den meisten Berichten übersehen – und hier liegen die praktischen Antworten. Der Rest dieses Beitrags dreht sich um die richtigen Fragen.

Stand August 2026: Was hat sich geändert, wie steht es um die Erkennung?

Alles in diesem Abschnitt ist bewusst datiert: Die Richtlinie ist neu, und die Fakten werden sich ändern.

Was Anthropic angekündigt hat

Seit August 2026 beschreibt Anthropics Seite zwei komplementäre Techniken: ein nicht wahrnehmbares Wasserzeichen, das in generierten Text eingebettet ist, und C2PA-signierte Herkunfts-Metadaten für generierte Dateien wie Bilder. Die gleiche Seite stellt klar: Das Text-Wasserzeichen wird auf Modellebene angewendet – unabhängig davon, welches Claude-Produkt oder welche Oberfläche den Text erzeugt hat – und die Markierung gilt überall, wo Claude angeboten wird, weltweit, nicht nur in der EU. Anthropic nennt als Grund für den globalen Ansatz, dass es „noch keinen dauerhaften Weg gibt, die Markierung regional zu begrenzen“ und will die Ansätze weiter evaluieren.

Einen Tag später veröffentlichte Anthropic ein zweites, deutlich spezifischeres Dokument, das erklärt, wie das Text-Wasserzeichen funktioniert², und das ändert, was man hier ehrlich sagen kann. Die Methode wird benannt: Es handelt sich um eine Variante von SynthID-Text, der Technik, die Google DeepMind 2024 in Nature³ veröffentlicht hat, aus einer Familie von Ansätzen, die auf einen Vorschlag von Scott Aaronson aus 2022 zurückgeht. Es wird nichts in den Text eingefügt, keine versteckten Zeichen. Stattdessen wird, wo das nächste Wort wirklich offen ist – Anthropics Beispiel: „Das Wetter heute war kalt und…“, wo „bedeckt“ und „grau“ gleichwertig sind – nur die Quelle des Zufalls geändert, aus der die Auswahl getroffen wird: abgeleitet aus einem geheimen Schlüssel und den vorhergehenden Wörtern. Liest man die Sequenz mit dem Schlüssel zurück, kann man eine Wahrscheinlichkeit zuordnen, dass Claude sie erzeugt hat. Zwei Folgen, die Kunden sofort interessieren: Das Wasserzeichen enthält keine identifizierenden Informationen und kann laut Anthropic keiner Person, Organisation oder Unterhaltung zugeordnet werden; und es verursacht keine Zusatzkosten, da keine zusätzlichen Tokens entstehen.

Der Auslöser ist ab demselben Datum: Inhalt, der von Claude verarbeitet wurde, nicht nur Inhalt, der von Claude verfasst wurde. Die Seite nennt Korrekturlesen, Übersetzung, Zusammenfassung und Dateikonvertierung als Beispiele. Aber das zweite Dokument gibt offen zu, dass diese Fälle nicht gleichwertig sind, und der Unterschied ist wichtiger als der Auslöser – die Einschränkungen am Ende dieses Beitrags greifen das auf, inklusive eines Fazits, das wir beim ersten Mal falsch gezogen haben.

Der regulatorische Hintergrund erklärt das Datum. Nach dem EU AI Act⁴ müssen Anbieter generativer KI-Systeme sicherstellen, dass Ausgaben maschinenlesbar markiert und als künstlich erzeugt erkennbar sind; Anthropic hat den Verhaltenskodex nach Artikel 50(2) unterzeichnet. Die Europäische Kommission⁵ bestätigt, dass diese Transparenzpflichten ab 2. August 2026 gelten – das Datum, das Anthropic für die Markierungsumstellung verwendet – und dass die jüngste „AI Omnibus“-Vereinfachung die Fristen für Hochrisiko-Anwendungen verschoben hat, nicht diese.

Ein Detail, das man richtigstellen sollte: Modelle, die vor dem 2. August 2026 gestartet wurden, sind nicht ausgenommen. Stand August 2026 erklärt Anthropic, dass das Gesetz diesen Modellen eine Übergangsfrist gewährt und dass man daran arbeitet, auch dort die Markierung zu integrieren – noch nicht markiert, aber kein sicherer Hafen.

Stand der Erkennung

Stand 17. August 2026: Die technische Beschreibung existiert, das Tool nicht. Anthropics zweites Dokument sagt, eine Wasserzeichenerkennung-API sei in Arbeit – „Wir werden bald eine Wasserzeichenerkennung-API anbieten. Wir arbeiten gerade die Details der Implementierung aus“ – das ist eine Zusage, kein ausgeliefertes Produkt, und es ist das einzige Tool, das ein Claude-Wasserzeichen erkennen kann.

Anthropic ist direkt, was so ein Check beweisen kann – und das ist weniger, als viele annehmen. Mit dem Schlüssel „kann man nur beantworten: ‚Wie wahrscheinlich ist es, dass dieser Text teilweise von Claude stammt?‘“ Es kann nicht bestätigen, dass ein Text von Menschen stammt, nicht sagen, ob eine andere KI ihn geschrieben hat, und es „kann nicht unterscheiden zwischen ‚Claude hat das geschrieben‘ und ‚Claude hat das stark bearbeitet‘“. Das Fehlen eines Wasserzeichens beweist ebenfalls nichts: Die Erkennung „funktioniert bei kleinen Textproben nicht gut“, und eine vollständige Überarbeitung, bei der jedes Wort ersetzt wird, entfernt das Wasserzeichen komplett.

Die Regulierung setzt die Untergrenze. Nach dem finalen Verhaltenskodex, laut Bird & Bird⁶, ist ein nicht wahrnehmbares Wasserzeichen für jeden Freitext mit mehr als 200 Tokens – etwa 150 Wörter – erforderlich, mit der einzigen Ausnahme „sehr kurzer Texte“ darunter. Freitext ist auch der einzige Fall, in dem eine einzige Markierungsschicht erlaubt ist, da keine Metadaten möglich sind. Und die Erkennungspflicht ist hier schwächer als anderswo: Anbieter müssen die Erkennung in der Regel kostenlos anbieten, dürfen sie aber für Freitext-Wasserzeichen – „weil sie von Natur aus weniger zuverlässig sind“ – auf verifizierte Expertennutzer beschränken. Die Pflicht zur Interoperabilität der Wasserzeichenerkennung zwischen Anbietern greift erst ab dem 2. Februar 2027.

Das nächste vergleichbare öffentliche Tool hilft für Text ebenfalls nicht: Stand heute akzeptiert Googles SynthID Detector-Portal⁷ Bilder, Videos und Audio – keinen Text – und befindet sich weiterhin im begrenzten Testbetrieb.

Und die Frage, die für Platzierungskäufer wirklich zählt: Stand 16. August 2026 konnten wir keine Aussage von Suchmaschinen oder KI-Plattformen finden – in keine Richtung –, dass Herkunftssignale das Ranking, die Indexierung oder Filterung beeinflussen. Das ist ein bewusst datiertes „nichts gefunden“, kein Versprechen für das nächste Jahr.

Herkunft und Qualität sind verschiedene Achsen

Hier die notwendige Perspektivverschiebung: Herkunft – welches Tool den Text berührt hat – und Qualität – ob der Text es verdient, zu existieren – sind verschiedene Achsen. Suchmaschinen haben immer nur zur zweiten Achse Stellung bezogen.

Google hat Herkunft nie als Rankingfaktor beschrieben. Das ist nicht dasselbe wie ein explizites Dementi; es gibt keine öffentliche Aussage in die eine oder andere Richtung. Aber die von Google beschriebenen Verwendungen sind genau zwei: Im Blogpost zur C2PA-Integration⁸ von 2024 liefert Herkunfts-Metadaten das Label „Über dieses Bild“ in der Suche und in Ads das Ziel, „C2PA-Signale zur Durchsetzung wichtiger Richtlinien zu nutzen“. Labeling und Anzeigenkontrolle – und die Suchintegration betrifft nur Bilder. Stand jetzt gibt es in der Suche keine Oberfläche für Text-Herkunft.

Was Google durchsetzt, liegt auf der Qualitätsachse – und ist tool-agnostisch formuliert. Googles Spam-Richtlinien⁹ definieren „scaled content abuse“ als viele Seiten, die „primär zur Manipulation von Suchrankings und nicht zur Nutzerhilfe erstellt werden“ – „unabhängig davon, wie sie erstellt wurden“. Das erste Beispiel: „Generative KI-Tools oder ähnliche Tools, um viele Seiten zu erstellen, ohne Mehrwert für Nutzer zu bieten“, und Googles Leitfaden zum Einsatz generativer KI-Inhalte¹⁰ wiederholt diesen Satz als Kernaussage.

Der Google Search Central Blog 2023¹¹ – „Hochwertige Inhalte werden belohnt, egal wie sie produziert wurden“ – zog die Grenze schon bei der Intention („Automatisierung – einschließlich KI – zur Generierung von Inhalten mit dem primären Ziel, das Ranking zu manipulieren, verstößt gegen unsere Spam-Richtlinien“), das war die Position 2023; die aktuelle Richtlinie ist enger gefasst. Und in Googles Ankündigung des Spam-Updates vom März 2024¹² wurde das Tool ganz aus der Richtlinie gestrichen: „scaled content abuse“ gilt „egal ob Automatisierung, Menschen oder eine Kombination beteiligt sind“.

Das Ausmaß KI-gestützter Veröffentlichungen macht denselben Punkt von der anderen Seite. Graphites Web-Studie¹³ fand, dass KI-generierte Artikel im November 2024 erstmals menschlich geschriebene überholten und seither etwa gleichauf liegen – und laut derselben Seite „tauchen diese Artikel größtenteils nicht in Google und ChatGPT auf“. Rund die Hälfte neuer Artikel ist KI-generiert, und die minderwertigen schaffen es trotzdem nicht nach oben. Das ist Qualitätsauswahl, keine Herkunftserkennung – und Qualität ist die Achse, die Sie tatsächlich steuern können. Wir haben wie wir Inhalte im Gen-AI-Zeitalter produzieren ausführlich beschrieben – die Produktionsseite genau dieses Arguments.

Was Ihnen tatsächlich eine Platzierung kostet

Wenn Herkunft nicht das operative Risiko ist – was dann? Zwei Dinge, beide älter als Wasserzeichen.

Redaktionelle Ablehnung kam zuerst

Verlage haben KI-Inhalte schon vor Wasserzeichen redaktionell geregelt. WIREDs Generative-AI-Richtlinie¹⁴, aktualisiert im Mai 2023, sagt: „Wir veröffentlichen keine Artikel mit KI-generiertem Text, außer wenn genau das Thema ist“ – und behandelt nicht offengelegte KI-Texte als „gleichbedeutend mit Plagiat“. Clarkesworld Magazines aktuelle Einreichungsrichtlinien¹⁵ lehnen Arbeiten schon beim Eingang ab: „Wir berücksichtigen keine Beiträge, die übersetzt, geschrieben, entwickelt oder mit Hilfe dieser Tools erstellt wurden“, und warnen, dass der Versuch, solche Arbeiten einzureichen, „dazu führen kann, dass Sie künftig keine Beiträge mehr einreichen dürfen“.

Wo KI-Inhalte trotzdem durchkamen, waren die Konsequenzen redaktionell, nicht algorithmisch. Futurisms Recherche¹⁶ deckte auf, dass Sports Illustrated Produktbewertungen unter falschen Autoren mit KI-generierten Profilbildern veröffentlichte – eine Quelle sagte: „Der Inhalt ist definitiv KI-generiert“ – woraufhin der Verlag The Arena Group erklärte, man „entferne die Inhalte während der internen Untersuchung und habe die Zusammenarbeit mit dem verantwortlichen Dienstleister beendet“. CNETs eigener Editor’s Note zum KI-Experiment¹⁷ Anfang 2023 dokumentiert 77 KI-Entwürfe, ein vollständiges Audit nach Faktenfehlern, Korrekturen und einen Stopp – „Wir haben pausiert“, so der Verlag. Entfernung, Korrektur, Pause, Vertragsbeendigung: Das lief alles über redaktionelles Urteil, und das gilt bis heute.

Das Urteil ist nicht gegen Tools gerichtet. Muck Racks State of Journalism Report 2026¹⁸ fand, dass 82% der Journalistinnen und Journalisten mindestens ein KI-Tool nutzen – während 88% „Pitches, die ihr Ressort verfehlen, sofort aussortieren“. Die Leute, die Ihren Text durch einen Detector laufen lassen würden, sind selbst KI-Nutzer. Ihr Filter ist Ressort, Relevanz und Qualität; das war schon immer so.

Die False-Positive-Falle

Die Detectoren, die heute tatsächlich eingesetzt werden, sind keine Wasserzeichentests. Es sind nachträgliche Klassifizierer – statistische Schätzungen allein auf Basis des Texts, ohne Schlüssel, ohne Markierung – und sie schlagen bei echten Menschen fehl. Anthropic zieht die gleiche Unterscheidung und nennt Pangram als Beispiel: Solche Dienste erkennen die „typischen“ KI-Formulierungen, was „grundlegend anders ist als die Prüfung auf ein Wasserzeichen“. Was ein Detector meldet, ist also nicht das, worum es in diesem Beitrag geht. Eine Stanford-nahe Studie auf arXiv¹⁹ aus 2023 testete sieben weit verbreitete GPT-Detectoren an Essays nicht-muttersprachlicher Englischsprecher und stellte fest, dass „über die Hälfte der TOEFL-Essays als KI-generiert eingestuft wurden (durchschnittliche False-Positive-Rate: 61,22%)“, mit 97,80% der Essays, die von mindestens einem Detector markiert wurden.

Die Anbieter wissen das. OpenAI zog seinen eigenen Detector nach sechs Monaten zurück; die Abschaltmeldung, zitiert von Ars Technica²⁰, lautete: „Ab dem 20. Juli 2023 ist der AI-Classifier wegen zu geringer Genauigkeit nicht mehr verfügbar.“ Bei Einführung hatte OpenAI offengelegt, dass nur 26% der KI-Texte erkannt wurden, während „9 Prozent der menschlichen Texte falsch markiert wurden“. Die Vanderbilt University²¹ deaktivierte Turnitins AI-Detector 2023 und rechnete öffentlich nach: Bei der von Turnitin behaupteten 1%-False-Positive-Rate wären von 75.000 eingereichten Arbeiten 2022 „rund 750 studentische Arbeiten falsch markiert worden“.

Graphites Studie, oben zitiert, validierte den gewählten Detector an Artikeln, die vor ChatGPT veröffentlicht wurden – und fand, dass „4,2% dieser Artikel als überwiegend KI-generiert eingestuft wurden“. Selbst Googles SynthID-Paper in Nature³ merkt an, dass „nachträgliche Erkennungssysteme selbst rechenintensiv sein können und ihre praktische Nutzung durch inkonsistente Leistung begrenzt ist“.

Für Platzierungen trifft der False-Positive-Kostenpunkt am härtesten, wo echte Expertenstimmen das Produkt sind – ghostgeschriebene Expertenkommentare, bei denen ein Detector die echten Worte eines Experten fälschlich als KI markiert und so eine reale Chance zerstört. Ein Anbieter, der verspricht, „Detection zu bestehen“, verspricht, Tools zu bedienen, deren dokumentierter Fehler darin besteht, Menschen zu beschuldigen.

Warum es keinen universellen AI-Detector geben wird

Die Lücken im datierten Abschnitt sind kein vorübergehendes Problem, das sich mit besserem Tooling schließt. Sie sind strukturell.

Ein statistisches Wasserzeichen zu prüfen, erfordert den privaten Schlüssel des Generators. Googles SynthID-Dokumentation²² rät Entwicklern, jede Wasserzeichen-Konfiguration „sicher und privat zu speichern, sonst kann Ihr Wasserzeichen leicht von anderen repliziert werden“, und bietet Detector-Deployments von komplett privat bis öffentlich an. Das Hindernis ist nicht der Aufwand – das Nature-Paper sagt explizit, dass die Erkennung „keine rechenintensiven Operationen oder Zugriff auf das zugrundeliegende LLM erfordert“. Das Hindernis sind die Schlüssel. Jeder Anbieter kann maximal seine eigenen Markierungen erkennen. Ein universeller Detector bräuchte die Kooperation aller Generatoren – und die Anreize laufen in die andere Richtung.

Es gibt Lücken, die keine Kooperation schließt. Ein Frontier-Lab hat ein Text-Wasserzeichen gebaut und sich entschieden, es nicht auszurollen: In einer 2024 von Language Log²³ zitierten Stellungnahme sagt OpenAI, man habe „eine Text-Wasserzeichen-Methode entwickelt, die wir weiterhin prüfen“, halte sie aber für „weniger robust gegen globale Manipulation“ – Übersetzung, Umformulierung mit einem anderen Modell – „und damit leicht von böswilligen Akteuren zu umgehen“. Open-Weight-Modelle liegen komplett außerhalb der Reichweite jeglicher Markierung; das Nature-Paper selbst merkt an, dass Wasserzeichen bei dezentralem Einsatz schwer durchsetzbar sind. Und selbst ein ausgerolltes Wasserzeichen verliert an Erkennbarkeit: Google dokumentiert, dass die Detector-Confidence „bei gründlich umgeschriebenen oder übersetzten Texten stark sinkt“.

Anthropic sagt inzwischen dasselbe über die eigene Reichweite und bestätigt, wie es weitergeht. Der Schlüssel gilt nur für Claude: Ein Wasserzeichen „kann nicht feststellen, ob der Text von einer anderen KI stammt (selbst wenn diese auch Wasserzeichen nutzt, hätte sie einen anderen Schlüssel; sie könnte auch eine andere Methode verwenden)“. Und das ist kein Anthropic-Projekt. Rund 190 Unterzeichner haben im Juli 2026 den EU-Kodex zur Transparenz KI-generierter Inhalte unterschrieben, und Anthropic sagt offen, dass andere große Modellentwickler „ihre eigenen Wasserzeichen implementieren werden“. Viele Schlüssel, viele Methoden, jeweils ein Silo.

Ein Aspekt läuft in die andere Richtung und verdient Erwähnung: Der Kodex verlangt von Unterzeichnern, bis zum 2. Februar 2027 eine Lösung für die Interoperabilität der Wasserzeichenerkennung zu schaffen – ein öffentliches Zugangsgateway, einen eingebetteten Hinweis, ein Konsortium oder Ähnliches. Das ist eine Frist, kein funktionierendes System, und es ist eine Routing-Schicht, kein gemeinsamer Schlüssel. Es ist der stärkste Grund, mit Verbesserungen zu rechnen, aber es wird trotzdem keinen Detector geben, der alles liest – Open-Weight-Modelle bleiben außen vor.

Das realistische Bild bis mindestens 2027 ist also: Anbieter-spezifische Herkunft – jedes Frontier-Lab kann die eigenen Ausgaben prüfen, niemand alles, und ein sauberes Ergebnis eines einzelnen Detectors sagt wenig aus.

Das Entfernungstool, das sich selbst widerlegt

Wenn Herkunft nicht verifizierbar ist – kann sie wenigstens entfernt werden? Es gibt ein Open-Source-Projekt genau dafür – watermarks-remover²⁴, ursprünglich als „remove-claude-marks“ gestartet – und das Lehrreichste daran ist die eigene README.

Sie beginnt mit dem Eingeständnis: „Solange Anbieter keine öffentlichen Detectoren und Schlüssel liefern, kann kein Tool ehrlich zertifizieren: ‚Das fällt beim offiziellen Check durch.‘“ Und weiter: „Es kann nicht garantieren, dass Anbieter-Detectoren scheitern.“ Die deterministische Schicht entfernt unsichtbare Unicode-Zeichen – was bei Claude-Texten inzwischen nachweislich ins Leere läuft. „Dem Text wird nichts hinzugefügt, und es gibt keine versteckten Zeichen“, so Anthropics technische Erklärung. Bleibt nur die statistische Schicht, ausdrücklich „Best-Effort“ – Umschreiben mit einem anderen Modell, denn ein statistisches Wasserzeichen verteilt sich auf die Tokenwahl und „Entfernen heißt Umformulieren, nicht Umstrukturieren“. Anthropic bestätigt die gleiche Logik: „Leichte Bearbeitung entfernt das Wasserzeichen wahrscheinlich nicht vollständig; eine komplette Überarbeitung, bei der jedes Wort ersetzt wird, schon.“ Die README beziffert den Versuch: Das Umschreiben „glättet Ton, Stimme und Präzision“; bei SEO-, Marketing- und Kundenprojekten „ist dieser Qualitätsverlust real und oft sichtbar“; das Ergebnis „kann nie besser sein als das Modell, das umschreibt“. Am Ende steht die Frage, die den Kreis schließt: Wenn Sie ohnehin alles mit einem günstigeren Modell umschreiben, ist das direkte Generieren mit diesem Modell „einfacher, günstiger und liefert das gleiche – oder bessere – Ergebnis“. C2PA-Dateimetadaten werden derweil trivial entfernt – das liegt an den Dateiformaten und entspricht Anthropics eigener Metadatenverlust-Liste aus dem datierten Abschnitt.

Auch regulatorisch ist das relevant, bevor jemand Scrubbing als Service vorschlägt. Nach demselben Kodex müssen Unterzeichner Markierungen nach bestem Wissen erhalten, Manipulation in den AGB verbieten und dürfen „weder Umgehungstools bereitstellen noch bewerben“. Die Tools existieren und werden weiter existieren; was nicht existiert, ist eine Version, die ein seriöser Anbieter in ein Angebot schreiben kann.

Das ist die Quintessenz dieses Beitrags. Wer die Herkunftsachse zu steuern versucht, verliert die Qualitätsachse – die entscheidet, ob ein Editor Ihren Beitrag behält.

Was Sie jeden Anbieter fragen sollten (auch uns)

Wie sieht also eine gute Antwort auf die Kundenfrage aus? Kein Detection-Versprechen – ein Prozess. Das sind die sechs Fragen, die wir jedem Content-Anbieter stellen würden, auch uns selbst; sie beschreiben unsere eigenen Outreach-Linkbuilding- und Listicle- Projekte, bei denen Sie Zielmedium, URL, Anchor und Entwurf freigeben, bevor etwas live geht.

1. Sind Recherche, Entwurf und Faktencheck getrennte Phasen, ausgeführt von getrennten Agenten? Gute Antwort: Ja, und sie können Ihnen die Trennung zeigen, nicht nur beschreiben. Bei uns ist jeder Schritt – Recherche, Gliederung, Entwurf, Claim-Extraktion, Faktenprüfung, Korrektur und finaler Konsistenz-Check – ein eigenes Agentenmodul mit eigenem Systemprompt. Der Entwurfsagent hat keinerlei Tools – eine leere Toolliste, nicht eine eingeschränkte – und kann nur mit der von der Recherche verifizierten Faktensammlung arbeiten. Auch der Faktencheck ist bewusst nicht ein Agent: Ein Navigator erledigt die Suche, ein separater Judge auf einem Modell eines anderen Anbieters fällt das Urteil – so prüft nicht der, der die Belege gesucht hat.

2. Wo sind die menschlichen Kontrollpunkte, und kann die Maschine ohne einen davon veröffentlichen? Gute Antwort: Das System erzwingt die Gates – ein Dokument reicht nicht. Bei uns sind drei Gates im Code: Eine Person wählt das Thema, gibt die Gliederung frei und gibt den Inhalt frei – und eine Platzierung kann erst weiter, wenn ein Mensch die finale Freigabe erteilt. Die Pipeline kann keinen Placement-Artikel eigenständig veröffentlichen.

3. Werden Fakten auf geöffneten Quellseiten oder auf Such-Snippets geprüft? Gute Antwort: Seiten. In unserer Pipeline öffnet und liest der Recherche-Agent jede Quellseite, bevor ein Fakt ins Dossier kommt, und der Faktencheck verlangt für jede Aussage das genaue Zitat oder den Auszug aus der Quellseite als Beleg.

4. Welches Modell schreibt den Haupttext – und können sie es benennen? Das ist die Frage, die die Markierungsexposition tatsächlich bestimmt, und die, die Anbieter am häufigsten mit einer Kategorie statt einem Namen beantworten. Weil das Wasserzeichen an den vom Modell gewählten Wörtern hängt, kann ein Anbieter, dessen Entwurfsmodell das markierende ist, eine echte Aussage über den Großteil des Textes treffen; ein Anbieter, der das Modell nur zum Polieren fremder Absätze nutzt, nicht. Unsere eigene Antwort, so detailliert wie wir sie vertreten können: Verschiedene Phasen unserer Pipeline laufen auf Modellen verschiedener Anbieter, und das Modell, das den Artikeltext entwirft, ist nicht das, das hier markiert. Seien Sie misstrauisch bei „Wir nutzen KI verantwortungsvoll“ – das ist keine Antwort auf diese Frage.

5. Was genau versprechen sie zur Detection? Ein Anbieter, der garantiert, dass Inhalte „AI Detection bestehen“, verspricht einen Check, den heute niemand durchführen kann – siehe datierter Abschnitt: Anthropics Detection-API ist angekündigt, aber nicht ausgeliefert – und selbst wenn sie kommt, kann nur Anthropic sie laufen lassen, nur für eigene Markierungen, und möglicherweise nur für verifizierte Expertennutzer. Was so ein Anbieter wirklich testet, sind die unten beschriebenen nachträglichen Klassifizierer, die nachweislich bei Menschen falsch anschlagen. Das richtige Versprechen ist redaktionell: Es liest sich gut, ist korrekt, und ein Mensch hat es freigegeben.

6. Was passiert, wenn eine Platzierung abgelehnt oder entfernt wird? Das dokumentierte Risiko ist redaktionelle Ablehnung – also sollte genau das vertraglich geregelt sein, mit Ersatz- oder Rückerstattungsregelung in Schriftform. Wir haben warum wir eine Zufriedenheitsgarantie bieten als Langfassung genau dieser Antwort aufgeschrieben.

Kann ein Anbieter alle sechs Fragen konkret beantworten, ändert die Wasserzeichen-Neuigkeit für Sie nichts. Wenn nicht, war Wasserzeichen nie Ihr größtes Problem.

Zwei ehrliche Einschränkungen

Der Auslöser ist breit, das Signal nicht

Als wir diesen Beitrag zuerst veröffentlichten, haben wir aus der richtigen Beobachtung das falsche praktische Fazit gezogen. Der Auslöser ist tatsächlich „verarbeitet von“ – Anthropic nennt Korrekturlesen und Zusammenfassung als Beispiele, und „ein Mensch hat es geschrieben“ ist nicht die saubere Beruhigung, für die viele sie halten. Aber wir haben dann unterstellt, dass schon ein KI-Grammatik-Check ein nachweisbares Wasserzeichen hinterlässt – und Anthropics technische Erklärung, einen Tag später veröffentlicht, sagt das Gegenteil:

Wenn Claude von einer Person geschriebenen Text Korrektur liest, ist das Ergebnis meist nur leicht bearbeitet; weil fast alle Wörter von der Person stammen, gibt es kaum (wenn überhaupt) etwas, woran das Wasserzeichen haften kann.

Und bei einem reinen Grammatik- und Zeichensetzungs-Check: „Das Wasserzeichen kann nur in den paar Korrekturen stecken, was zu wenig sein könnte, um erkannt zu werden.“ Die gleiche Logik schwächt das Signal überall dort, wo die Wortwahl festgelegt ist – Anthropic merkt an, dass Faktenpassagen und Code weniger Wasserzeichen tragen als offene Prosa, weil es dort keine freie Wahl für das Signal gibt.

Die ehrliche Version ist also ein Verlauf, kein Schalter. Text, den Claude wesentlich geschrieben hat, trägt das Signal. Text, den Claude nur berührt hat, nicht – und die Regulierung zieht ihre eigene Untergrenze: Unter etwa 150 Wörtern muss gar nichts markiert werden. Der von uns beschriebene Fehler – der Shop, der „KI-frei“ schwört, aber KI-Grammatikchecks nutzt – liegt immer noch falsch über den eigenen Prozess, und das sollte man über einen Anbieter wissen. Es ist aber nach dieser Evidenz kein Detection-Problem.

Niemand kann Herkunft eindeutig verifizieren

Die Verifikationslücke gilt in beide Richtungen. Wir können nicht beweisen, dass unser Content unmarkiert ist, genauso wenig wie ein Kritiker beweisen kann, dass eine Seite markiert ist – Anthropics eigene Darstellung, siehe datierter Abschnitt, ist: Ein Wasserzeichen ist ein Signal, kein Beweis, und das Fehlen beweist nichts. Dieser Beitrag übertreibt also in keine Richtung, und Sie sollten jedem misstrauen, der das tut: Ein Anbieter, der „keine Wasserzeichen“ garantiert, verkauft dieselbe nicht überprüfbare Sicherheit wie ein Kritiker, der behauptet, sie erkannt zu haben.

Das ist eine Aussage über heute, mit Verfallsdatum. Wenn Anthropics Detection-API ausgeliefert wird, kann eine Partei – Anthropic – eine Frage zu eigenen Markierungen beantworten, mit einer Wahrscheinlichkeit, nicht mit einem Urteil. Das schließt die Lücke nicht, sondern verengt sie – und es lohnt sich, diesen Beitrag dann noch einmal zu lesen.

Katz und Maus: Die Sicht des Gründers

Hier wechsle ich von „wir“ zu „ich“, weil das jetzt Einschätzung ist, keine Zitation. In zwanzig Jahren in diesem Geschäft habe ich denselben Zyklus immer wieder erlebt: Google kündigt eine harte Linie an, die Branche prophezeit das Ende einer Praxis, dann kommt die Durchsetzung spät, trifft die schlampigsten Anbieter – und bleibt dann stecken.

Das aktuellste Beispiel ist das, das dieser Beitrag schon gestreift hat. In der Ankündigung vom März 2024, oben zitiert, nannte Google „sehr minderwertige, von Dritten produzierte Inhalte, die primär für Rankingzwecke und ohne enge Kontrolle des Website-Betreibers erstellt wurden“ – Parasiten-SEO, wie es die Branche nennt – „und veröffentlichte diese Richtlinie zwei Monate vor Inkrafttreten am 5. Mai“. Googles Search Liaison, zitiert von Ranktracker²⁵, sagte, die Durchsetzung habe am 6. Mai begonnen, einen Tag nach Inkrafttreten. Im November 2024, laut aktualisierter Richtlinie zitiert von Website Builder Expert²⁶, schloss Google die Lücke der Erstparteikontrolle, Glenn Gabe berichtete, dass die betroffenen Bereiche von Forbes Advisor, CNN Underscored und WSJ Buyside effektiv deindexiert wurden.

Das ist die Katze, die eine Maus fängt – einige Mäuse. Was ich aber immer noch draußen sehe, Jahre nach der ersten „Wir werden durchsetzen“-Ansage, ist dieselbe Praxis, lebendig und erfolgreich. Das ist keine Kritik an Google; es ist das beobachtbare Tempo der Durchsetzung bei einem Problem in Webgröße – und das bei einer Richtlinie, bei der die Erkennung einfach ist: Der Inhalt ist öffentlich, das Muster offensichtlich. Jetzt übertragen Sie diese Erwartung auf Herkunft, wo – siehe datierter Abschnitt – niemand überhaupt den Check ausführen kann.

Zwei Jahrzehnte vorhergesagte Crackdowns hätten diese Branche mehrfach beenden sollen, und sie existiert immer noch – weil immer dasselbe überlebt: Arbeit, die der Prüfung standhält, der sie immer ausgesetzt war. Das Wasserzeichen ist nicht das Problem. Es war es nie.

Sie wissen jetzt, wie eine gute Antwort auf die Frage unseres Kunden klingt. Nehmen Sie die sechs Fragen oben mit zu dem, der Ihre Inhalte erstellt, und hören Sie auf die Details. Wenn die Antworten vage sind, ist die Vagheit das Ergebnis.