Claude schreibt jetzt mit Wasserzeichen: wie SynthID-Text funktioniert, wer es prüfen darf und was es nicht kann
Der Text, den Sie gerade lesen, könnte ein Wasserzeichen tragen — und weder Sie noch ich könnten es sehen. The Playbook generiert Entity-Profile und Wochennews mit Claude, wie im Über-uns offen steht. Seit dem 2. August 2026 markiert Anthropic die Ausgaben neuer Claude-Modelle mit einem statistischen Wasserzeichen: weltweit, standardmäßig, ohne Opt-out und ohne Aufpreis. Ältere Modelle werden in den kommenden Monaten nachgerüstet. Wer wie ich eine Content-Pipeline auf Claude betreibt, produziert ab sofort nachweisbar KI-generierten Text — nachweisbar allerdings nur für die, die Anthropic an die Detection-API lässt.
Der Auslöser steht im Kalender: Am 2. August 2026 wurden die Transparenzpflichten des EU AI Act scharfgestellt (die Enforcement-Analyse dazu). Artikel 50 verlangt, dass KI-generierte Inhalte maschinenlesbar als solche erkennbar sind. Im Juli 2026 unterzeichneten rund 190 Organisationen, darunter Anthropic und mehrere andere große Modellanbieter, den Code of Practice on Transparency of AI-Generated Content. Das Wasserzeichen ist Anthropics Antwort darauf.
Wie das Verfahren arbeitet
Anthropic setzt auf SynthID-Text von Google DeepMind, publiziert im Oktober 2024 in Nature und aufbauend auf einem Vorschlag von Scott Aaronson aus dem Jahr 2022. Der Mechanismus nutzt eine Eigenschaft, die jedes Sprachmodell ohnehin hat: An vielen Stellen im Satz sind mehrere Wörter gleich gut. Ob ein Quartalsbericht ein Wachstum „zeigt” oder „ausweist”, ob Kunden etwas „vor allem” oder „überwiegend” treiben — semantisch macht das keinen Unterschied, und normalerweise entscheidet an diesen Gabelungen ein Zufallsgenerator.
Genau diese Zufallsquelle tauscht SynthID aus. Statt echtem Zufall steuert ein kryptographischer Schlüssel in Kombination mit den vorangegangenen Wörtern, welche der gleichwertigen Alternativen das Modell wählt. Anthropics eigene Formulierung: Die Entscheidungen fallen weiterhin zufällig, nur die Quelle des Zufalls ist eine andere. Die Analogie aus dem Announcement: ein Monopoly-Spiel, das statt Würfeln die Ziffern von Pi verwendet. Jeder einzelne Zug sieht normal aus, aber wer die Ziffernfolge kennt, erkennt das Muster über viele Züge hinweg.
Für den Betrieb heißt das: keine zusätzlichen Tokens, kein Aufpreis, keine messbare Verlangsamung. Das Wasserzeichen enthält nach Anthropics Angaben keinerlei Informationen über Nutzer, Organisation oder Chat-Inhalte — es kodiert ausschließlich „dieser Text stammt aus Claude”, keine Herkunfts-ID.
Wie ein markierter Text aussieht: genauso wie jeder andere
Das konkrete Beispiel, das jeder sehen will, ist zugleich die Pointe des Verfahrens. Zwei Varianten desselben Satzes:
Variante A: „Der Q3-Bericht zeigt ein ARR-Wachstum von 34 Prozent, getrieben vor allem durch Bestandskunden.”
Variante B: „Der Q3-Bericht weist ein ARR-Wachstum von 34 Prozent aus, überwiegend getragen von Bestandskunden.”
Eine der beiden Formulierungen könnte aus einem markierten Claude stammen, die andere von einem Menschen. Am einzelnen Satz lässt sich das nicht erkennen, auch mit Werkzeugen nicht. Das Wasserzeichen liegt in der Statistik: Über hunderte solcher Wortgabelungen hinweg wählt ein markiertes Modell die Alternativen in einem Muster, das zum kryptographischen Schlüssel passt. Die Detection rechnet nach, ob die beobachteten Wortwahlen signifikant häufiger auf der „Schlüsselseite” liegen, als es der Zufall erklären würde.
Daraus folgen die Grenzen direkt aus der Mathematik:
| Textsorte | Watermark-Tauglichkeit | Grund |
|---|---|---|
| Langer Fließtext (E-Mail, Blogpost, Memo) | gut | viele Wortgabelungen, starkes Signal |
| Kurze Texte (Tweet-Länge, Betreffzeilen) | schwach | zu wenige Entscheidungspunkte für Statistik |
| Faktenpassagen, Zahlen, Eigennamen | kaum | „Principia Mathematica” hat keine Alternative |
| Code | schwach | Syntax lässt wenig gleichwertige Wahlfreiheit |
| Von Claude nur korrigierter Menschentext | kaum | das Modell trifft fast keine eigenen Wortwahlen |
Die letzte Zeile ist im Alltag die wichtigste: Wer einen selbst geschriebenen Text von Claude glätten lässt, produziert praktisch kein Wasserzeichen — es gibt schlicht nichts, woran es sich festhalten könnte.
Wer prüfen darf — und wer nicht
Ein öffentliches „Ist das Claude?“-Tool gibt es nicht. Die Detection-API läuft in Private Preview, und Anthropic vergibt den Zugang entlang der EU-AI-Act-Logik: Regulierer, Strafverfolgung, Medien, Fact-Checker, unabhängige Forscher, Bildungseinrichtungen und zivilgesellschaftliche Organisationen in der EU. Dazu kommen Unternehmen, die für die eigene AI-Act-Compliance nachweisen müssen, ob Inhalte KI-generiert sind — die Anmeldung läuft über ein Registrierungsformular, breiteren Zugang stellt Anthropic „über die Zeit” in Aussicht.
Für den Mittelständler, der wissen will, ob die Bewerbung, das Angebot oder die Seminararbeit aus Claude stammt, heißt das vorerst: keine Prüfmöglichkeit. Die Asymmetrie ist gewollt. Ein offen zugänglicher Detektor wäre zugleich das perfekte Testwerkzeug für jeden, der sein Umschreiben so lange iteriert, bis der Detektor nichts mehr findet.
Was das Wasserzeichen übersteht — und was es entfernt
Anthropic ist hier selbst erstaunlich offen. Copy-Paste und leichtes Editieren überstehen das Muster in der Regel: Wer ein paar Sätze umstellt und einzelne Wörter tauscht, lässt genug markierte Wortwahlen stehen. Eine vollständige Umschreibung, bei der praktisch jedes Wort ersetzt wird — von Hand oder durch ein anderes Modell paraphrasiert — löscht das Signal, weil die markierten Entscheidungen selbst verschwinden. Dasselbe gilt für Übersetzungen. Anthropic merkt trocken an, dass man bei einem komplett umgeschriebenen Text darüber streiten kann, ob er überhaupt noch KI-generiert ist.
Für die Praxis ergibt sich daraus eine klare Beweislast-Regel: Ein positiver Watermark-Befund ist ein starkes Indiz für Claude-Herkunft. Ein negativer Befund beweist gar nichts — der Text kann von einem Menschen stammen, von GPT oder Gemini, von einem älteren Claude-Modell ohne Wasserzeichen oder von einem markierten Claude nach gründlicher Paraphrase. Wer Detection-Ergebnisse in Compliance-Prozesse, HR-Entscheidungen oder Prüfungsordnungen einbaut, muss diese Asymmetrie einpreisen.
Meine Perspektive 🎯
- Das Wasserzeichen schützt zuerst Anthropic, dann den Leser. Es erfüllt Artikel 50 des AI Act zum Stichtag, während der Zugang zur Prüfung gated bleibt. Transparenz-Infrastruktur mit Türsteher.
- Für B2B-SaaS mit Claude im Produkt ändert sich real wenig — außer der Ehrlichkeitspflicht. Der Output der eigenen App ist jetzt markiert und für berechtigte Dritte nachweisbar. Wer KI-Features im Produkt hat und das in Dokumentation und AGB verschweigt, hatte schon vor dem Wasserzeichen ein AI-Act-Problem; jetzt ist es messbar. Die Kennzeichnungs-Checkliste aus dem AI-Act-Insight gilt unverändert.
- Content-Strategien auf LLM-Basis bekommen eine neue Variable. Sobald Suchmaschinen oder Plattformen Detection-Zugang erhalten, können sie Claude-Content labeln oder anders ranken. The Playbook fährt bewusst transparent; wer KI-Texte als Handarbeit verkauft, wettet darauf, dass der Zugang zur API eng bleibt. Das ist eine Wette auf eine Türpolitik, nicht auf Technik.
- Die Wettbewerbslücke ist offensichtlich. Google markiert Gemini-Ausgaben mit demselben SynthID-Verfahren, OpenAI hat sein fertig entwickeltes Text-Watermarking nie ausgerollt. Solange nur ein Teil der Anbieter markiert, verschiebt sich der Text, der unentdeckt bleiben soll, zum unmarkierten Anbieter — ein klassisches Kollektivproblem, das der Code of Practice mit seinen 190 Unterzeichnern einfangen soll.
- Beim Modell-Auswahl-Framework kommt eine fünfte Prüffrage dazu: Will ich markierten Output? Für interne Dokumente irrelevant, für kundensichtbare Texte eine bewusste Entscheidung.
Am Ende liefert das Wasserzeichen genau eine belastbare Aussage: „Dieser Text kam wahrscheinlich unverändert aus Claude.” Für den Regulierer ist das viel. Für alle, die sich vom Watermarking das Ende der KI-Text-Unsicherheit erhofft haben, ist es der Beleg, dass Herkunftsnachweis bei Text ein Wahrscheinlichkeitsgeschäft bleibt — mit einem Fehlerbalken, der sich per Paraphrase beliebig vergrößern lässt.