Auch OpenAI verändert grundlegend, wie sich künftig nachvollziehen lassen soll, ob ein Text mit ChatGPT erstellt wurde. Am 5. Oktober 2026 hat das Unternehmen textGrain vorgestellt, ein unsichtbares statistisches Wasserzeichen für Texte. In den kommenden Wochen soll die Technologie schrittweise für geeignete Textausgaben von ChatGPT und Codex in der Europäischen Union eingeführt werden. Betroffen sind Nutzerinnen und Nutzer aller Tarife. Für API-Kunden ist textGrain bereits weltweit als optionale Funktion für ausgewählte Modelle verfügbar, bleibt dort aber standardmäßig deaktiviert.
Damit endet zugleich eine jahrelange Debatte darüber, ob ChatGPT-Texte überhaupt technisch markiert werden. Bislang gab es bei gewöhnlichen Textantworten keinen verlässlichen versteckten Herkunftsnachweis. Gerüchte über unsichtbare Unicode-Zeichen oder besondere Leerzeichen hielten sich zwar hartnäckig, hatten mit einem echten OpenAI-Wasserzeichen jedoch nichts zu tun. textGrain funktioniert fundamental anders: Das Signal steckt nicht in Sonderzeichen, sondern in der statistischen Wortwahl des Modells selbst.
Der Schritt erfolgt vor allem vor dem Hintergrund des europäischen AI Act. Seit dem 2. August 2026 gelten neue Transparenzpflichten für bestimmte KI-Systeme und KI-generierte Inhalte. Anbieter generativer KI müssen ihre Systeme so gestalten, dass künstlich erzeugte oder manipulierte Inhalte, soweit technisch möglich, maschinenlesbar erkennbar gemacht werden können. OpenAI verweist ausdrücklich auf diese Anforderungen sowie auf den europäischen Verhaltenskodex für Transparenz bei KI-generierten Inhalten.
Das Wasserzeichen steckt in den Wörtern
Technisch unterscheidet sich textGrain stark von einem sichtbaren Wasserzeichen auf einem Bild.
Ein Sprachmodell erzeugt einen Text nicht als fertigen Absatz. Es entscheidet Schritt für Schritt, welches Wort oder genauer gesagt welches Token als Nächstes folgt. Häufig gibt es mehrere sprachlich nahezu gleichwertige Möglichkeiten. Statt beispielsweise immer genau dieselbe Formulierung zu wählen, kann das Modell zwischen verschiedenen passenden Varianten entscheiden.
Genau an dieser Stelle greift textGrain ein.
OpenAI verändert geringfügig die Zufallskomponente, mit der das Modell zwischen geeigneten Wörtern oder Wortbestandteilen auswählt. Über eine längere Passage hinweg entsteht dadurch ein statistisches Muster. Für Menschen bleibt dieses Muster unsichtbar und der Text soll sich ganz normal lesen. Ein entsprechender Detektor kann jedoch nach der charakteristischen Verteilung dieser Entscheidungen suchen.
Entscheidend ist dabei, dass textGrain keine unsichtbaren Buchstaben, speziellen Leerzeichen oder ungewöhnlichen Satzzeichen einfügt. Wer einen ChatGPT-Text in einen Texteditor kopiert, Formatierungen entfernt oder nach versteckten Unicode-Zeichen sucht, entfernt damit also nicht automatisch das Wasserzeichen. Das Signal ist Teil der Formulierung selbst.
Ein einzelnes Wort verrät praktisch nichts
Das Verfahren funktioniert nur statistisch. Ein einzelnes Wort kann deshalb nicht verraten, ob textGrain verwendet wurde.
Erst über eine ausreichend lange Passage sammeln sich genügend Entscheidungen des Modells an, damit ein Detektor ein Muster erkennen kann. Genau deshalb ist die Länge des Textes eine der größten Einschränkungen der Technologie.
OpenAI berichtet bei einem angestrebten Falsch-Positiv-Anteil von einem Prozent von einer Erkennungsrate von ungefähr 80 Prozent bei Passagen mit 200 Tokens. Bei 400 Tokens steigt sie für frei formulierbare Inhalte wie Texte zu psychologischen Themen auf ungefähr 95 Prozent. Bei stärker eingeschränkten Textarten wie Mathematik fällt die Erkennung deutlich schlechter aus, weil das Modell dort weniger Freiheit bei der Wortwahl hat.
200 Tokens entsprechen je nach Sprache und Textart grob einigen Absätzen. Das zeigt bereits, warum textGrain kein universeller KI-Detektor werden kann: Gerade kurze E-Mails, Social-Media-Beiträge, Überschriften oder einzelne Antworten liefern womöglich nicht genügend statistisches Material für eine zuverlässige Erkennung.
Kurze Texte und Code sind Sonderfälle
Der europäische Transparenzkodex berücksichtigt diese technische Grenze ausdrücklich. Für Ausgaben unter 200 Tokens sowie für Code-Snippets verlangt der Kodex kein entsprechendes Textwasserzeichen. OpenAI spricht deshalb bewusst von „eligible“ beziehungsweise geeigneten ChatGPT- und Codex-Ausgaben und nicht davon, dass ausnahmslos jedes einzelne Zeichen künftig markiert wird.
Das ist insbesondere bei Codex wichtig. Quellcode lässt einem Modell häufig wesentlich weniger sprachliche Freiheit als ein normaler Fließtext. Variablennamen, Syntax, API-Aufrufe und mathematische Ausdrücke können nicht beliebig verändert werden, ohne ihre Funktion zu beeinträchtigen. Genau diese geringe Auswahlmöglichkeit erschwert statistische Wasserzeichen.
Der Rollout läuft – aber nicht jeder EU-Text ist bereits markiert
Eine wichtige Unterscheidung betrifft den aktuellen Stand.
OpenAI hat textGrain am 5. Oktober angekündigt und die API-Option unmittelbar freigeschaltet. Bei ChatGPT und Codex in der Europäischen Union erfolgt die Einführung dagegen über mehrere Wochen. Stand Mitte Oktober bedeutet das deshalb nicht automatisch, dass bereits jede ChatGPT-Antwort jedes EU-Kontos das Wasserzeichen enthält.
OpenAI spricht ausdrücklich von einem schrittweisen Rollout für geeignete Nutzerinnen und Nutzer über alle Tarife hinweg. Außerhalb der EU soll textGrain zum Start nicht zum allgemeinen Standard für ChatGPT und Codex werden.
Gerade bei einem konkreten Text lässt sich deshalb aus dessen Entstehungsdatum allein noch nicht sicher ableiten, ob er bereits markiert wurde.
Für API-Kunden gilt eine andere Regel
Bei der OpenAI API verfolgt das Unternehmen einen flexibleren Ansatz.
API-Kunden weltweit können textGrain seit dem 5. Oktober für ausgewählte Modelle aktivieren. Die Funktion bleibt jedoch standardmäßig ausgeschaltet. Unternehmen können damit selbst entscheiden, ob ihre automatisierten Textausgaben ein entsprechendes Herkunftssignal erhalten sollen. Die Einstellung kann laut OpenAI auf Projekt- beziehungsweise Organisationsebene vorgenommen werden.
Für Unternehmen ist diese Trennung relevant. Wer beispielsweise über n8n, eigene Software, ein CMS oder eine Kundenplattform Texte mit der OpenAI API generiert, sollte nicht davon ausgehen, dass diese Inhalte automatisch textGrain enthalten. Die Aktivierung muss bewusst erfolgen und ist zudem nur für unterstützte Modelle verfügbar.
OpenAI arbeitet außerdem mit Cloud- und Vertriebspartnern daran, Wasserzeichen auch bei dort bereitgestellten OpenAI-Modellen verfügbar zu machen. Die genaue Verfügbarkeit kann deshalb je nach Anbieter und Modell variieren.
Schon kleine Bearbeitungen schwächen die Erkennung deutlich
Die größte Schwäche von textGrain liegt in etwas, das mit Text besonders einfach möglich ist: Umschreiben.
OpenAI hat untersucht, was passiert, wenn nach der Generierung einzelne Wörter verändert werden. Bei 400 Tokens langen englischen Passagen erkannte der Detektor zunächst ungefähr 92 Prozent der markierten Texte. Wurden zehn Prozent der Wörter durch Synonyme ersetzt, sank die Erkennungsrate auf rund 66 Prozent. Nach dem Austausch von 25 Prozent der Wörter blieben nur noch etwa 17 Prozent zuverlässig erkennbar.
Das ist eine erhebliche Einschränkung.
Ein Text muss dafür nicht einmal vollständig neu geschrieben werden. Redaktionelle Bearbeitung, umfangreiches Kürzen, Paraphrasieren oder Übersetzen können das statistische Muster deutlich verändern. OpenAI nennt ausdrücklich Umschreiben und Übersetzen als Situationen, in denen die Nachweisbarkeit sinkt.
Damit eignet sich textGrain besser für Herkunftssignale im großen Maßstab als für gerichtsfeste Aussagen über einzelne Dokumente.
Ein Treffer bedeutet nicht: „Dieser Text wurde von KI geschrieben“
Auch ein erfolgreich erkanntes Wasserzeichen muss vorsichtig interpretiert werden.
OpenAI erklärt ausdrücklich, dass ein Treffer lediglich darauf hinweisen kann, dass ein OpenAI-System einen Teil des Textes erzeugt oder verarbeitet hat. Das Verfahren kann nicht feststellen, wie viel menschliche Arbeit anschließend in den Text eingeflossen ist.
Das ist beispielsweise bei einem Artikel relevant, den eine Redakteurin mit ChatGPT vorbereitet, anschließend komplett überarbeitet, mit eigenen Recherchen ergänzt und strukturell verändert. Selbst wenn ein textGrain-Signal erhalten bleibt, bedeutet dies nicht, dass ChatGPT alleiniger Autor des Textes war.
Umgekehrt identifiziert das Wasserzeichen keine Person. Der Detector liefert weder Benutzerkonto noch Prompt, Chatverlauf, Organisation oder Identität der Person, die den Text erzeugt hat. Auch Eigentum, Urheberrecht oder rechtliche Verantwortung lassen sich daraus nicht ableiten.
Ebenso wenig ist das Wasserzeichen ein Wahrheitsindikator. Ein markierter Text kann faktisch korrekt oder falsch sein. textGrain sagt etwas über mögliche Herkunft aus, nicht über die Qualität seines Inhalts.
Ein fehlendes Wasserzeichen beweist erst recht nichts
Noch wichtiger ist die umgekehrte Richtung.
Wenn der Detector kein textGrain findet, kann daraus nicht geschlossen werden, dass ein Mensch den Text geschrieben hat.
Eine Passage könnte zu kurz sein. Sie könnte stark bearbeitet oder übersetzt worden sein. Sie könnte mit einem OpenAI-Modell entstanden sein, das die Funktion nicht unterstützt. Sie könnte über die API ohne aktiviertes Wasserzeichen erzeugt worden sein. Sie könnte vor der Einführung entstanden sein oder von einem völlig anderen KI-Anbieter stammen.
Damit unterscheidet sich textGrain fundamental von der Vorstellung eines universellen „KI-Beweises“.
Ein positiver Befund ist ein Herkunftssignal. Ein negativer Befund ist kein Beweis menschlicher Urheberschaft.
Der Detector bleibt vorerst geschlossen
Besonders kontrovers dürfte sein, wer textGrain überhaupt überprüfen kann.
OpenAI stellt den Text-Detector zum Start nicht öffentlich zur Verfügung. Stattdessen können sich ausgewählte Forscherinnen und Forscher sowie Fachorganisationen um Zugang bewerben. Die Freigabe erfolgt zunächst fallweise.
OpenAI begründet die Beschränkung mit den technischen Grenzen des Systems. Weil sowohl falsche positive Treffer als auch übersehene Wasserzeichen möglich sind, könnte ein öffentlich verfügbarer Detector leicht falsch interpretiert oder missbraucht werden.
Das unterscheidet Text derzeit deutlich von Bildern und Audio. Für diese Medientypen stellt OpenAI bereits öffentliche Verifikationswerkzeuge und eine Content-Provenance-API bereit. Für textGrain gibt es eine vergleichbare frei nutzbare Schnittstelle bislang nicht.
OpenAI plant allerdings, die zugrunde liegende Technologie künftig als Open Source verfügbar zu machen. Details dazu sollen noch folgen.
Damit eignet sich textGrain vorerst kaum für automatisierte Publishing-Checks
Für Unternehmen und Redaktionen hat diese Zugangsbeschränkung unmittelbare Folgen.
Ein Publishing-Workflow kann derzeit nicht einfach jeden Artikel über eine öffentliche textGrain-API schicken und das Ergebnis in n8n, Make oder einem CMS auswerten. Wer keinen Zugang zum eingeschränkten Detector-Programm besitzt, kann das statistische OpenAI-Signal selbst nicht zuverlässig überprüfen.
Webseiten, die heute behaupten, textGrain ohne Zugang zu OpenAIs Schlüssel eindeutig erkennen oder entfernen zu können, sollten deshalb mit Vorsicht betrachtet werden. Da sich das eigentliche Signal in der statistischen Wortwahl befindet, reicht eine Suche nach unsichtbaren Zeichen dafür grundsätzlich nicht aus.
Für API-basierte Produktionsprozesse ist der umgekehrte Weg bereits möglich: Unternehmen können bei unterstützten OpenAI-Modellen bewusst entscheiden, ob sie ihre eigenen generierten Texte mit dem Wasserzeichen versehen möchten.
Die Wasserzeichen sollen die Qualität des Modells kaum verändern
Ein naheliegender Einwand lautet, dass ein Modell schlechter schreiben könnte, wenn es bei seiner Wortwahl nicht mehr völlig frei ist.
OpenAI hat deshalb markierte und nicht markierte Ausgaben seines Frontier-Modells Astra über mehrere Benchmarks miteinander verglichen. Die Resultate bewegen sich je nach Benchmark leicht in beide Richtungen. Das Unternehmen kommt zu dem Schluss, dass sich insgesamt kein bedeutender Qualitätsverlust erkennen lässt.
Das ist technisch plausibel, weil textGrain nicht beliebige Wörter erzwingt. Das System verschiebt die Wahrscheinlichkeit zwischen mehreren ohnehin geeigneten Möglichkeiten.
Trotzdem werden reale Langzeiteffekte erst nach einem breiteren Einsatz bewertbar sein. Insbesondere bei stark stilisierten Texten, Fachsprache oder Sprachen mit weniger gleichwertigen Formulierungsalternativen könnte der Spielraum geringer sein.
Nicht alle Sprachen lassen sich gleich gut markieren
OpenAIs eigene Tests zeigen bereits deutliche Unterschiede zwischen den 24 Amtssprachen der Europäischen Union.
Bei einer einheitlichen Grundeinstellung lag die Erkennung in den Tests beispielsweise bei 69 Prozent für Spanisch, während Rumänisch nur 42,2 Prozent erreichte. OpenAI kann die Stärke des Wasserzeichens jedoch anpassen und hat dies für Sprachen mit schwächerer Erkennung bereits erprobt.
Das zeigt ein grundsätzliches Problem statistischer Textwasserzeichen: Sprache ist nicht überall gleich flexibel.
In einer Sprache oder Textart mit vielen gleichwertigen Formulierungen kann das Modell leichter zwischen verschiedenen Möglichkeiten wählen und dabei ein statistisches Signal einbauen. Bei stärker eingeschränkter Wortwahl sinkt dieser Spielraum.
Die alten Unicode-Gerüchte haben mit textGrain nichts zu tun
Bereits 2025 kursierten immer wieder Beiträge, wonach ChatGPT angeblich spezielle Unicode-Zeichen oder das schmale geschützte Leerzeichen U+202F in Texte einfüge, um sie später identifizieren zu können.
textGrain bestätigt diese Vermutungen nicht.
OpenAI erklärt nun ausdrücklich, dass sein tatsächliches Wasserzeichen keine versteckten Zeichen, unsichtbaren Leerzeichen oder ungewöhnliche Interpunktion verwendet.
Wer einen Text in reinen Text umwandelt, Formatierungen löscht oder Unicode-Zeichen bereinigt, beseitigt deshalb nicht automatisch textGrain. Umgekehrt ist das Auftauchen ungewöhnlicher Leerzeichen kein Beweis dafür, dass OpenAI einen Text absichtlich markiert hat.
Der EU AI Act ist der entscheidende Auslöser
Dass OpenAI textGrain zunächst ausgerechnet in Europa einführt, ist kein Zufall.
Artikel 50 des europäischen AI Act verpflichtet Anbieter bestimmter generativer KI-Systeme dazu, technische Lösungen für die maschinenlesbare Erkennung KI-generierter oder manipulierter Inhalte einzusetzen, soweit dies technisch machbar ist. Die einschlägigen Transparenzpflichten gelten seit dem 2. August 2026.
Der dazugehörige europäische Verhaltenskodex beschreibt konkrete Maßnahmen für Kennzeichnung und Erkennung. Die Teilnahme an diesem Kodex ist freiwillig, die gesetzlichen Transparenzpflichten selbst sind es jedoch nicht.
Für bereits vor dem 2. August 2026 in Verkehr gebrachte Systeme gibt es aufgrund der europäischen Übergangsregelungen teilweise zusätzliche Fristen. Das erklärt, warum technische Maßnahmen wie textGrain nicht zwingend exakt am 2. August vollständig verfügbar sein mussten.
Maschinenlesbares Wasserzeichen und sichtbare Kennzeichnung sind zwei verschiedene Dinge
Für Unternehmen ist außerdem wichtig, dass textGrain nicht automatisch sämtliche Transparenzpflichten erfüllt.
Das Wasserzeichen ist maschinenlesbar und für Menschen unsichtbar. Je nach konkretem Anwendungsfall können nach dem AI Act zusätzlich sichtbare Hinweise erforderlich sein. Dazu gehören insbesondere Deepfakes und bestimmte KI-generierte oder KI-manipulierte Veröffentlichungen zu Themen von öffentlichem Interesse, sofern keine entsprechende menschliche Prüfung und redaktionelle Verantwortung vorliegt.
OpenAI weist deshalb selbst darauf hin, dass Provenienzsignale sichtbare Kennzeichnungen oder andere gesetzlich vorgeschriebene Hinweise nicht ersetzen.
Für Publisher bedeutet das: Ein vorhandenes textGrain-Wasserzeichen ist kein Freifahrtschein, auf jede weitere Offenlegung zu verzichten.
Text ist erheblich schwieriger zu markieren als Bilder oder Audio
Die Einführung von textGrain zeigt zugleich, warum Herkunftsnachweise bei Text deutlich schwieriger sind als bei anderen Medien.
Bei Bildern oder Audiodateien können unsichtbare Signale über sehr große Mengen numerischer Daten verteilt werden. Kleinere Veränderungen lassen sich dadurch häufig überstehen. Bei einem geschriebenen Text existiert wesentlich weniger redundante Information.
Jede redaktionelle Änderung verändert gleichzeitig den eigentlichen Inhalt, in dem das Wasserzeichen gespeichert ist.
Ein Textwasserzeichen steckt deshalb in einem ständigen Zielkonflikt: Es muss stark genug sein, um erkannt zu werden, darf aber die Qualität und Natürlichkeit des Textes nicht sichtbar beeinflussen. Gleichzeitig soll es normale Bearbeitungen überstehen, obwohl genau diese Bearbeitungen das statistische Muster verändern.
Dass OpenAI selbst offen über hohe Fehlerraten bei kürzeren und bearbeiteten Passagen spricht, ist deshalb ein wesentlicher Bestandteil der Einführung.
Für Hochschulen ist textGrain kein automatischer Plagiatsdetektor
Besonders groß dürfte das Interesse im Bildungsbereich sein.
Auf den ersten Blick könnte textGrain wie die technische Lösung für die Frage erscheinen, ob Hausarbeiten oder Essays mit ChatGPT geschrieben wurden. Genau dafür reicht das Verfahren allerdings nicht aus.
Ein Wasserzeichen kann weder den menschlichen Anteil bestimmen noch beweisen, wer einen Text erstellt hat. Stark überarbeitete oder übersetzte Inhalte können das Signal verlieren, während ein erkannter Text durchaus auf legitime KI-Unterstützung beim Überarbeiten oder Übersetzen zurückgehen kann.
Ein einzelner Detector-Treffer wäre deshalb kein belastbarer Beweis für akademisches Fehlverhalten.
OpenAIs Entscheidung, den Detector vorerst nur Forschenden und spezialisierten Organisationen zugänglich zu machen, dürfte auch mit dieser Gefahr der Überinterpretation zusammenhängen.
Für Unternehmen wird die Frage zunehmend zu einer Governance-Entscheidung
Im geschäftlichen Einsatz stellt sich eine andere Frage.
Wer über die API automatisch Marketingtexte, Produktbeschreibungen, Kundennachrichten, Dokumentationen oder redaktionelle Entwürfe erzeugt, kann künftig bewusst entscheiden, ob diese Inhalte ein maschinenlesbares OpenAI-Signal tragen sollen.
Für regulierte Branchen oder Unternehmen mit eigenen Transparenzrichtlinien kann das sinnvoll sein.
Gleichzeitig sollten Unternehmen nicht davon ausgehen, dass textGrain eine vollständige Provenienzkette ersetzt. Wird der Text später erheblich überarbeitet, übersetzt oder durch ein anderes Modell geschickt, kann das Signal schwächer werden oder verschwinden.
Ein belastbares Governance-Konzept sollte deshalb zusätzlich dokumentieren, welche Modelle eingesetzt wurden, welche menschlichen Freigaben stattgefunden haben und welche Inhalte vor Veröffentlichung verändert wurden.
OpenAI setzt inzwischen auf mehrere Herkunftssignale gleichzeitig
textGrain ist nur ein Teil einer deutlich größeren Provenienzstrategie.
Bei unterstützten Bildern verwendet OpenAI inzwischen sowohl Content Credentials nach dem C2PA-Standard als auch Googles SynthID-Wasserzeichen. Audioausgaben können ebenfalls SynthID enthalten. Für diese Medien stellt OpenAI zusätzlich öffentliche Verifikationsmöglichkeiten bereit.
Die Logik dahinter lautet, mehrere Ebenen miteinander zu kombinieren.
Metadaten wie Content Credentials können detaillierte Informationen über Herkunft und Bearbeitung speichern, lassen sich bei Dateiübertragungen jedoch entfernen. Wasserzeichen transportieren weniger Informationen, können dafür bestimmte Transformationen überstehen.
Bei Text steht mit textGrain nun erstmals eine vergleichbare zusätzliche Ebene zur Verfügung.
textGrain löst das KI-Detektor-Problem nicht
Die Einführung ist deshalb bedeutend, sollte aber nicht mit einer universellen Lösung verwechselt werden.
textGrain kann unter geeigneten Bedingungen ein statistisches Signal liefern, dass ein OpenAI-System an einem Text beteiligt war. Es kann weder sicher feststellen, ob ein Mensch oder eine KI der eigentliche Autor ist, noch zuverlässig jeden überarbeiteten KI-Text erkennen.
Die Zahlen von OpenAI machen diese Grenze besonders deutlich: Rund 95 Prozent Erkennung bei geeigneten 400-Token-Passagen unter günstigen Bedingungen stehen nur noch rund 17 Prozent gegenüber, wenn ein Viertel der Wörter verändert wurde.
Das ist kein Fehler im klassischen Sinne, sondern eine fundamentale Eigenschaft von Textwasserzeichen. Sobald der eigentliche Text verändert wird, verändert sich auch das Trägermedium des Signals.
Trotzdem verändert textGrain den Umgang mit KI-Texten
Die größere Bedeutung liegt deshalb weniger darin, einzelne Schülerinnen, Autoren oder Unternehmen eindeutig überführen zu können.
textGrain schafft erstmals einen systematisch eingebauten Herkunftshinweis für ChatGPT-Texte in Europa. Plattformen, Forschende und spezialisierte Organisationen können damit auf statistischer Ebene besser untersuchen, wie viel KI-generierter Text tatsächlich im Informationsökosystem zirkuliert.
Für OpenAI ist es zugleich ein regulatorischer Schritt: Europa wird zum ersten großen Markt, in dem ChatGPT-Textausgaben standardmäßig mit einem maschinenlesbaren Provenienzsignal versehen werden sollen.
Der Unterschied zu den bisherigen Gerüchten ist fundamental. In einem ChatGPT-Text steckt künftig nicht irgendwo ein geheimer Buchstabe, den man einfach löschen kann. Das Wasserzeichen entsteht aus vielen kleinen Entscheidungen darüber, wie der Text überhaupt formuliert wird.
Genau darin liegen sowohl die Stärke als auch die Schwäche von textGrain.
Solange der Text weitgehend unverändert bleibt, kann das statistische Muster vergleichsweise deutlich sein. Je stärker Menschen oder andere KI-Systeme den Text umschreiben, desto mehr verliert sich dieses Muster.
Damit wird textGrain wahrscheinlich nicht zum endgültigen „KI-Detektor“. Es ist vielmehr ein weiteres Provenienzsignal in einem zunehmend komplexen System aus Wasserzeichen, Metadaten, sichtbaren Labels und organisatorischer Dokumentation.
Und genau diese Unterscheidung dürfte künftig entscheidend sein: Ein Wasserzeichen kann zeigen, dass KI möglicherweise beteiligt war. Es kann aber nicht beantworten, wer einen Text tatsächlich geschrieben, verantwortet oder gestaltet hat.
