Kurzer Test: Nimm den letzten Text, das letzte Bild, das deine Pipeline mit KI erzeugt und veröffentlicht hat. Steckt ein maschinenlesbares Wasserzeichen drin? Wenn du jetzt erst nachsehen musst, bist du in guter Gesellschaft.
Mitte August hat Anthropic angekündigt, jeden Claude-Output weltweit zu markieren: unsichtbare Wasserzeichen im Text, signierte Herkunftsdaten in Dateien. Nicht freiwillig. Artikel 50 des EU AI Act verlangt das seit dem 2. August, und wer sein System schon vorher am Markt hatte, bekommt eine Übergangsfrist bis zum 2. Dezember 2026.
Das sind 99 Tage (Stand Dienstag, 25. August). Diese Ausgabe zeigt dir, was genau gilt, welche drei Technologien du brauchst und wie du das in einer bestehenden Pipeline angehst. Mit Checkliste und einem Audit-Log-Schema zum Übernehmen.
Kurz gesagt
- Art. 50 gilt seit dem 2. August für neue Systeme; Bestandssysteme haben bis zum 2. Dezember. Danach drohen bis zu 15 Millionen Euro oder 3 Prozent vom Umsatz.
- Kein Verfahren reicht allein: statistisches Wasserzeichen für Text, C2PA für Dateien, Audit-Trail für den Nachweis.
- Deine erste Aufgabe ist keine Technik, sondern eine Inventur: Welche Outputs gehen wohin, und wer markiert sie heute schon?
Was seit dem 2. August gilt und was am 2. Dezember kommt
Der EU AI Act ist keine Zukunftsmusik mehr. Seit dem 2. August 2026 müssen Anbieter generativer KI-Systeme ihre Outputs maschinenlesbar kennzeichnen (Artikel 50 Absatz 2). Für Systeme, die vor diesem Datum schon am Markt waren, gilt eine Übergangsfrist bis zum 2. Dezember 2026. Danach gilt die Pflicht für alle. Die Strafen sind nicht symbolisch: bis zu 15 Millionen Euro oder 3 Prozent des weltweiten Jahresumsatzes, je nachdem, was höher ist.
Wichtig für deine Planung: Die anderen Teile von Artikel 50 haben keine Übergangsfrist. Chatbots müssen sich seit dem 2. August als KI zu erkennen geben, Deepfakes und öffentlich publizierte KI-Texte müssen gekennzeichnet sein. Nur die maschinenlesbare Markierung im Output selbst hat den Aufschub bis Dezember. Und rückwirkend markieren musst du nichts: Inhalte von vor dem 2. August bleiben, wie sie sind.
„Claude-Modelle, die am oder nach dem 2. August 2026 erscheinen, unterstützen die Markierung ab Start. Wir arbeiten daran, auch Modelle nachzurüsten, die vor diesem Datum veröffentlicht wurden.“
– Anthropic, Ankündigung vom 11. August 2026 (zitiert nach Euronews, Übersetzung)
Lies den zweiten Satz zweimal. Die Modelle, die du heute per API nutzt, sind zum Teil noch nicht markiert. Wenn deine Pipeline also mit einem älteren Modell Texte erzeugt und veröffentlicht, liegt die Kennzeichnung bei dir.
Die drei Technologien, die du kennen musst
Kein einzelnes Verfahren erfüllt den AI Act allein, das hat die Kommission in ihrem Code of Practice zu Artikel 50 explizit festgehalten. Du brauchst einen Multi-Layer-Ansatz:
1. Statistische Wasserzeichen (SynthID und Co.) Google DeepMinds SynthID hat bis Mai 2025 über 10 Milliarden Inhalte markiert: Bilder, Audio, Video und Text. Anthropic nutzt für Claude-Text denselben Ansatz: eine minimale statistische Verzerrung in der Wortwahl, unsichtbar für den Leser, über genug Text detektierbar. Stärke: überlebt Copy und Paste und moderate Bearbeitung. Schwäche: bei kurzen Texten unter rund 200 Wörtern unzuverlässig.
2. C2PA Content Credentials (Metadaten-Kette) Der offene Standard der Coalition for Content Provenance and Authenticity, Stand Januar 2026 über 6.000 Mitglieder und Partner, von Adobe, Google und Microsoft bis ARD/ZDF. Signiert die gesamte Herkunftskette kryptografisch: wer hat generiert, wann, mit welchem Tool. Stärke: standardisiert, von der Kamera bis zur Plattform. Schwäche: Metadaten lassen sich beim Konvertieren, Neu-Speichern oder per Screenshot streifen. Anthropic sagt das selbst über die eigenen Dateimarkierungen.
3. Forensisches Wasserzeichen Anbieter wie Digimarc oder Steg.AI betten unsichtbare Muster direkt in Pixel oder Waveform. Stärke: überlebt Kompression, Skalierung, Formatwechsel. Schwäche: für Bild und Video gedacht, kaum für Text.
Die Konsequenz: ein Layer allein reicht nicht. Wer sauber sein will, kombiniert mindestens das statistische Wasserzeichen (Text) mit C2PA (Dateien) und dokumentiert die Entscheidung. Genau diese Dokumentation ist der dritte Layer, und der fehlt in den meisten Pipelines.
Provider oder Deployer: welche Rolle spielst du?
Der AI Act unterscheidet scharf. Als Provider (du baust oder betreibst das KI-System) musst du die Kennzeichnung beim Generieren einbetten, maschinenlesbar und robust. Als Deployer (du setzt ein System ein) musst du Deepfakes und öffentlich publizierte KI-Texte kennzeichnen und darfst vorhandene Markierungen nicht entfernen.
In der Praxis betrifft das fast jedes Unternehmen, das KI-generierte Inhalte veröffentlicht: Marketing-Texte, Social-Media-Bilder, Chatbot-Antworten, generierte Reports. Wo du anfängst, hängt von deiner Rolle ab:
- Provider: Markierung im Generierungspfad, nicht nachträglich. Code of Practice als Nachweisrahmen, Detection-Möglichkeit mitdenken.
- Deployer mit eigener Pipeline: Inventur aller KI-Outputs, Provider-Status abfragen, Lücken selbst schließen (eigene C2PA-Signierung), Audit-Trail je Asset.
- Deployer, der nur Tools nutzt: prüfen, ob das Tool markiert, und dafür sorgen, dass deine Verarbeitungskette (Bildkompression, CMS-Upload, Plattform) die Markierung nicht zerstört.
Provider oder Deployer, P oder D? Schreib den Buchstaben in die Kommentare, dazu das Tool, das in deiner Pipeline heute schon markiert. Ich antworte auf jeden.
Build-in-Public: mein Publishing-System unter Artikel 50
Mein eigenes Publishing-System macht aus einem Thema über zwanzig Formate auf neun Kanälen. Im Juli haben fünf KI-Agenten das komplette System gegen echte Post-IDs, Schedules und Repos auditiert: 178 Tool-Aufrufe, vier Lücken. Den Aufbau zeige ich offen im heiner.io-Labor.
Genau diesen Audit lasse ich jetzt noch einmal laufen, diesmal mit der Artikel-50-Brille: Welche der zwanzig Formate enthalten KI-generierten Text, welche Bilder, welche Videos? Welches Modell hat sie erzeugt, und trägt der Output eine Markierung? Die Antwort, mit der ich rechnen muss: Die Texte aus älteren Claude-Modellen tragen keine. Damit bin ich für diese Assets der Deployer, der die Kennzeichnung selbst sicherstellen muss.
Was ich daraus gebaut habe: ein Pre-Publish-Check als Pflichtschritt vor jedem Post. Jedes Asset bekommt einen Eintrag in einem Audit-Log, und ohne Eintrag geht nichts live. Das Schema kannst du eins zu eins übernehmen:
{
"asset_id": "2026-08-25-weekly-07-cover",
"type": "image",
"created_at": "2026-08-23T14:02:00+02:00",
"generator": { "vendor": "Puppeteer + eigene Vorlage", "model": null, "ai_generated": false },
"text_source": { "vendor": "Anthropic", "model": "claude-opus-5", "ai_generated": true },
"marking": { "text_watermark": "provider", "c2pa": "pending", "checked_at": "2026-08-23T14:05:00+02:00" },
"channels": ["linkedin-newsletter", "heiner.io/weekly"],
"published_at": null,
"role": "deployer",
"reviewer": "andre"
}
Sechs Felder entscheiden im Enforcement-Fall: was, wann, womit erzeugt, wie markiert, wohin publiziert, wer hat freigegeben. Das ist kein Compliance-Theater, das ist dieselbe Disziplin wie ein Deployment-Log.
Deine Checkliste bis zum 2. Dezember
- Inventur: Welche Systeme erzeugen Outputs, die an Endnutzer oder die Öffentlichkeit gehen? Liste führen: Art, Modell, Kanal.
- Provider-Check: Welche deiner Anbieter (OpenAI, Anthropic, Google, Midjourney, ElevenLabs) markieren bereits, und für welche Modellversionen? Stand schriftlich abfragen.
- Lücken schließen: Wo der Provider noch nicht markiert, eigene C2PA-Signierung einbauen (Open-Source: c2patool der Content Authenticity Initiative).
- Audit-Trail: Jede Generierung dokumentieren, siehe Schema oben. Das ist der Nachweis, den du brauchst.
- Nicht entfernen: Workflow-Review, ob Wasserzeichen oder C2PA-Metadaten irgendwo in der Pipeline verloren gehen (Bildkompression, CMS-Upload, Social-Plattform).
Was ich morgen anders mache
Der Pre-Publish-Check wird Pflichtschritt in jeder Pipeline, die ich für Kunden baue. Erst das Log, dann der Post. Fehlt die Markierung, bleibt das Asset im Entwurf.
Wo du in 30 Minuten weiterkommst
Stehst du vor der Frist und weißt nicht, wo anfangen? Compliance-Engineering-Review: 30 Minuten, kein Pitch, am Ende eine klare Liste, was bis zum 2. Dezember fehlt. 1 bis 2 Slots in Q3: heiner.io/termin
Kennst du jemanden, der KI-Inhalte veröffentlicht und von Artikel 50 noch nie gehört hat? Leite ihm diese Ausgabe weiter. Der 2. Dezember kommt auch ohne ihn.
Nächste Woche: Provenance in der Praxis. C2PA-Signierung in einer Node-Pipeline, Schritt für Schritt, plus eure P-oder-D-Antworten aus den Kommentaren.
André Heiner
heiner.io · KI-Engineering für Enterprise