Watermarking

Wenn ein KI-Modell einen Text schreibt oder ein Bild erzeugt, sieht das Ergebnis auf den ersten Blick genauso aus wie menschliches Werk. Watermarking ist eine Technik, die dem entgegenwirkt: Sie bettet eine unsichtbare Markierung in den Inhalt ein, die später wie ein Echtheitsstempel ausgelesen werden kann. Das Wasserzeichen verändert den Inhalt kaum wahrnehmbar, bleibt aber für ein passendes Erkennungsprogramm nachweisbar. Die Idee stammt aus dem Urheberrechtsschutz, wo Wasserzeichen schon lange in Fotos und Musik eingesetzt werden. Für KI-Inhalte wird sie heute aus einem anderen Grund wichtig: nicht um Eigentum zu schützen, sondern um Täuschung nachweisbar zu machen.

Warum Wasserzeichen für KI-Inhalte gebraucht werden

Sprachmodelle und Bildgeneratoren erzeugen Inhalte, die von menschlich erstellten kaum zu unterscheiden sind. Das schafft ein Problem: Falschinformationen, gefälschte Zitate oder täuschend echte Bilder lassen sich massenhaft produzieren. Wenn niemand erkennen kann, ob ein Text von einem Menschen oder einer Maschine stammt, wird es schwer, Verantwortung zuzuweisen.

Watermarking soll genau diese Lücke schließen. Ein Betreiber, der ein KI-Modell einsetzt, könnte verpflichtet werden, alle erzeugten Inhalte mit einem Wasserzeichen zu versehen. Behörden, Redaktionen oder Plattformen könnten dann automatisch prüfen, ob ein verdächtiger Text maschinellen Ursprungs ist. Die Europäische Union hat im AI Act festgelegt, dass KI-generierte Inhalte kenntlich gemacht werden müssen — Watermarking gilt als einer der möglichen technischen Wege dazu.

Wie ein Wasserzeichen in einen Text eingebettet wird

Bei Bildern lässt sich ein Wasserzeichen als feine, unsichtbare Veränderung einzelner Bildpunkte beschreiben. Bei Text ist das schwieriger, weil Buchstaben keine kontinuierlichen Werte haben, die man minimal verschieben könnte. Ein verbreiteter Ansatz funktioniert deshalb über die Wortwahl selbst.

Wenn ein Sprachmodell einen Text erzeugt, wählt es an jeder Stelle aus mehreren plausiblen Wörtern das nächste aus. Beim Watermarking werden diese Kandidaten vorab in zwei Gruppen eingeteilt — zum Beispiel « grüne » und « rote » Wörter — und das Modell wählt bevorzugt aus der grünen Gruppe. Für den Leser macht das keinen Unterschied: Der Text klingt normal. Wer aber weiß, welche Wörter in der grünen Gruppe sind, kann statistisch prüfen, ob in einem Text auffällig viele davon vorkommen. Ist das der Fall, ist das Wasserzeichen nachweisbar — auch wenn der Text auf den ersten Blick unverdächtig wirkt.

Ein wichtiger Unterschied zu einem normalen Stempel ist dabei: Das Wasserzeichen steckt im Erzeugungsprozess selbst, nicht in einem nachträglichen Zusatz. Es lässt sich auch nicht einfach « entfernen », ohne den Text stark zu verändern.

Wo Watermarking heute konkret auftaucht

Google hat für seinen Bildgenerator Imagen eine Watermarking-Technologie namens SynthID entwickelt und auch für Texte aus dem Gemini-Modell eingeführt. OpenAI hat angekündigt, ähnliche Verfahren in ChatGPT zu integrieren. Meta forscht ebenfalls daran, KI-generierte Inhalte auf Facebook und Instagram automatisch zu kennzeichnen.

Im Schulkontext ist das Thema besonders diskutiert: Könnten Lehrkräfte mit einem Wasserzeichen-Detektor prüfen, ob ein Aufsatz von einer KI geschrieben wurde? Prinzipiell ja — aber nur, wenn das verwendete Modell ein Wasserzeichen eingebettet hat und der Detektor dazu passt. Wer ein Modell ohne Watermarking nutzt oder den Text danach stark umformuliert, hinterlässt keine Spur.

Genau hier liegt die zentrale Schwäche: Watermarking funktioniert nur, wenn alle relevanten Anbieter mitmachen. Ein einziger großer Anbieter ohne Wasserzeichen reicht, um die Schutzwirkung für das gesamte Ökosystem zu unterlaufen. Deshalb begleiten technische Lösungen und regulatorische Pflichten das Thema meist gemeinsam.