Mit dem Inkrafttreten der Transparenzvorgaben des EU AI Act zum 2. August rüstet der KI-Entwickler Anthropic seine Claude-Modellfamilie systematisch auf. Wie das Unternehmen in einer offiziellen Richtlinie im Support-Center erläutert, werden ab August 2026 neu eingeführte Claude-Modelle weltweit mit maschinenlesbaren Transparenz-Signalen ausgestattet. Anthropic setzt damit die Verpflichtungen aus Artikel 50(2) der europäischen Verordnung um, für die sich das Unternehmen als Unterzeichner des EU AI Act Code of Practice für KI-Transparenz verpflichtet hat.
Zwei komplementäre Technologien für Text und Dateien
Um von KI generierte oder bearbeitete Inhalte zuverlässig identifizierbar zu machen, führt Anthropic ein zweistufiges Kennzeichnungsverfahren ein. Für reine Textausgaben kommt ein unsichtbares Wasserzeichen auf Modell-Ebene zum Einsatz, während generierte Mediendateien mit digitalen Herkunftsstempeln versehen werden.
| Kennzeichnungstyp | Zielmedien & Dateiformate | Funktionsweise & Standard | Verbleib bei Bearbeitung |
|---|---|---|---|
| In-Text-Wasserzeichen | Fließtext, Code, Tabellen, Textausgaben | Unmerkliches statistisches Muster auf Modellebene | Bleibt beim Kopieren und leichten Textanpassungen erhalten |
| C2PA-Herkunftsmetadaten | Mediendateien (z. B. .svg, .png, .jpg) |
Kryptografisch signierte Metadaten nach dem offenen C2PA-Standard | Bietet Manipulationsschutz; kann durch Screenshots oder Neuabspeichern entfernt werden |
Für Dateiexporte nutzt Anthropic den offenen Industrie-Standard der Coalition for Content Provenance and Authenticity (C2PA). Die angehängten Metadaten belegen, dass eine Datei von Claude verarbeitet wurde, und machen nachträgliche Veränderungen am Dateiinhalte nachvollziehbar.
Die Mathematik dahinter: Wie ein unsichtbares LLM-Wasserzeichen entsteht
Das für Fließtexte und Code genutzte Verfahren basiert auf wegweisenden mathematischen Verfahren zur statistischen Wasserzeichnung großer Sprachmodelle, wie sie unter anderem von Forschungsteams der University of Maryland um Tom Goldstein in ihrer Grundlagenarbeit zu LLM-Wasserzeichen beschrieben wurden. Die Generierung folgt dabei vier zentralen Schritten:
- Pseudozufalls-Seeding über Vorgänger-Tokens: Vor der Erzeugung eines jeden neuen Wortes (Tokens) liest der Algorithmus den mathematischen Hash-Wert des unmittelbar vorausgehenden Tokens aus. Dieser Hash dient als dynamischer Zufalls-Seed für den nächsten Schritt.
- Dynamische Aufteilung in „Grüne“ und „Rote“ Listen: Basierend auf dem Seed wird das gesamte Wortschatz-Vokabular des Modells deterministisch in zwei Hälften unterteilt: eine „grüne Liste“ bevorzugter Wörter und eine „rote Liste“ gesperrter oder benachteiligter Begriffe.
- Sanfter Logit-Bias (Soft Promotion): Beim eigentlichen Auswahlprozess (Sampling) addiert das Modell einen leichten mathematischen Bonuswert auf die Wahrscheinlichkeiten aller grünen Wörter. Das Sprachmodell wählt dadurch überproportional häufig Begriffe aus der grünen Liste – ohne dass Satzbau, Grammatik, Stil oder semantische Präzision für den menschlichen Leser beeinträchtigt werden.
- Algorithmitischer Nachweis ohne Modellzugriff (Z-Score Test): Ein Prüfwerkzeug benötigt zur Analyse weder Zugriff auf das neuronale Netz noch auf Claudes API-Parameter. Der Detektor berechnet anhand der Hash-Werte der Vorgängerwörter rekonstruktiv, welche Wörter im Text grün sein mussten. Liegt der Anteil grüner Wörter signifikant über dem statistischen Zufallswert von 50 %, belegt eine mathematische Berechnung (Z-Score / p-Wert) mit nahezu absoluter Sicherheit, dass der Text von der KI generiert wurde.
Da dieses Wasserzeichen direkt im Wortschatz-Muster der Satzstruktur verankert ist, reist das Signal automatisch mit, wenn Text kopiert und an anderer Stelle eingefügt wird. Selbst leichte manuelle Überarbeitungen zerstören das statistische Muster in der Regel nicht.
Flächendeckende Ausrollung über Schnittstellen und Cloud-Partner
Die Kennzeichnung beschränkt sich laut Anthropic keineswegs auf die europäische Region oder die eigene Endnutzer-Oberfläche. Die Signale werden weltweit in allen Claude-Umgebungen integriert:
- Eigene Produkte: Claude im Web, die API-Plattform, Claude Code, Claude Cowork sowie Claude Tag.
- Cloud-Partner: Modellaufrufe über Amazon Web Services (AWS Bedrock), Google Cloud und Microsoft Foundry unterstützen die eingebetteten Text-Wasserzeichen ebenfalls. Signierte C2PA-Metadaten hängen von den spezifischen Dateiverarbeitungs-Funktionen der jeweiligen Cloud-Plattform ab.
- Bestehende Modelle: Für vor dem 2. August 2026 veröffentlichte Claude-Modelle gewährt die EU-Verordnung eine Übergangsfrist. Anthropic arbeitet nach eigenen Angaben daran, die Wasserzeichen-Unterstützung für ältere Modellversionen schrittweise nachzurüsten.
Grenzen der Kennzeichnung
Kein alleiniger Urheberbeleg: Das Signal zeigt nur die Bearbeitung durch Claude an. Bei Lektorat, Übersetzungen oder Zusammenfassungen eigenen Textes bleibt der Mensch der primäre Urheber.
Gefahr von Signalverlust: Starke Umformulierungen, das Kürzen sehr kurzer Absätze oder das Erstellen von Screenshots löschen oder schwächen Wasserzeichen und C2PA-Stempel.
Prüfwerkzeuge für Entwickler und Öffentlichkeit geplant
Wie Anthropic ankündigt, wird das Unternehmen in Kürze Werkzeuge und technische Dokumentationen bereitstellen, mit denen Anwender und Dritte prüfen können, ob ein Text oder eine Datei von Claude verarbeitet wurde. Gleichzeitig verweist Anthropic darauf, dass Entwickler, die Claude per API in eigene Produkte einbinden, eigenverantwortlich prüfen müssen, welche Transparenzpflichten nach Artikel 50 des EU AI Acts für ihre Endkundenanwendungen gelten.
🎯 Was das für die Praxis bedeutet
1. API-Integrationen auf EU-Konformität prüfen: Unternehmen, die Claude-Modelle in eigene Produkte einbinden, sollten eigenständig ermitteln, welche Transparenzhinweise gemäß Art. 50 EU AI Act gegenüber ihren Endnutzern erforderlich sind.
2. Metadaten in Bild-Workflows bewahren: Beim Herunterladen und Weiterverarbeiten von Claude-Dateien sollten automatisierte Skripte vermieden werden, die C2PA-Metadaten unbeabsichtigt entfernen, um die Nachweisbarkeit zu sichern.
3. Erkennungssignale differenziert bewerten: Ein nachgewiesenes Claude-Wasserzeichen belegt lediglich die Bearbeitung durch die KI – bei Übersetzungen oder Textoptimierungen bleibt der inhaltliche Kern beim menschlichen Nutzer.
