Claude markiert neue Modell-Ausgaben ab dem ersten Tag
Anthropic macht aus der Kennzeichnung synthetischer Inhalte eine Funktion auf Modellebene. Nach der offiziellen Beschreibung im Claude Help Center unterstützen Claude-Modelle, die am oder nach dem 2. August 2026 in der EU auf den Markt kommen, maschinenlesbare Markierungen ab ihrem Start. Für ältere Modelle arbeitet das Unternehmen an einer Nachrüstung. Einen allgemeinen Termin für deren Abschluss nennt Anthropic nicht.
Der aktuelle Bericht von Golem bringt diese Änderung auf die kurze Formel, Claude markiere alles KI-Generierte. Als Schlagzeile funktioniert das. Technisch ist die Sache enger: Die Zusage betrifft Ausgaben unterstützter Modelle, und Anthropic nennt selbst Ausnahmen bei Plattformen, Funktionen, Dateitypen und älteren Modellen. Wer aus „alles“ eine lückenlose Erkennung ableitet, liest mehr in die Ankündigung hinein, als die Primärquelle verspricht.
Der Schritt folgt nicht nur einer freiwilligen Vertrauensinitiative. Anthropic hat den Code of Practice zu Artikel 50(2) des EU AI Act als Anbieter generativer Modelle und generativer Systeme unterzeichnet. Der Code beschreibt einen anerkannten Umsetzungsweg für die europäischen Transparenzpflichten. Das ist wichtig, weil technische Kennzeichnung nicht länger nur ein Produktmerkmal ist, sondern Teil einer Compliance-Kette wird.
Zwei Signale: Text-Wasserzeichen und C2PA-Metadaten
Claude verwendet zwei komplementäre Verfahren. Bei Texten webt ein unterstütztes Modell ein nicht sichtbares Wasserzeichen direkt in die Ausgabe ein. Laut Anthropic verändert es Bedeutung, Qualität und Lesbarkeit nicht. Weil das Signal Bestandteil des Textes ist, wandert es beim Kopieren mit und kann bestimmte Bearbeitungen überstehen. Anthropic behauptet allerdings nicht, dass es jede Umformulierung, Übersetzung oder Kürzung überlebt.
Bei unterstützten Dateien verfolgt Claude einen anderen Ansatz. Für Formate wie SVG, PNG und JPG hängt das System signierte Provenienzmetadaten nach dem offenen C2PA-Standard an. Eine gültige Signatur kann anzeigen, dass die Datei durch Claude verarbeitet wurde, und Manipulationen an der signierten Provenienzkette erkennbar machen. Sie ist damit eher ein überprüfbarer Herkunftshinweis als ein sichtbares Logo im Bild.
Diese Trennung ist sinnvoll. Text besitzt keine verlässliche Metadatenhülle, sobald er in eine E-Mail, ein CMS oder einen Messenger kopiert wird. Dateien können dagegen strukturierte Herkunftsdaten tragen. C2PA löst dennoch nicht jedes Problem: Beim Konvertieren, erneuten Speichern oder Anfertigen eines Screenshots können Metadaten verschwinden. Eine Signatur ist robust gegen unbemerkte Veränderung innerhalb ihrer Kette, aber nicht gegen das vollständige Entfernen dieser Kette.
Die Markierung reicht über Claude.ai hinaus
Anthropic will die Textmarkierung auf Modellebene verankern. Dadurch soll sie bei unterstützten Modellen unabhängig davon entstehen, ob Sie Claude direkt, über die Claude Platform API, Claude Code, Claude Cowork oder Claude Tag verwenden. Das Unternehmen nennt ausdrücklich eine weltweite Anwendung überall dort, wo Claude angeboten wird. Die EU-Regel wird damit zum globalen Produktstandard statt zu einer regionalen Sonderausgabe.
Auch Cloud-Partner sind einbezogen. Eingebettete Text-Wasserzeichen sollen bei unterstützten Claude-Modellen über AWS, Google Cloud und Microsoft Foundry gelten. Bei signierten Dateimetadaten formuliert Anthropic vorsichtiger: Nicht jede Plattform bietet die notwendigen Funktionen, weshalb C2PA-Metadaten dort fehlen können. Für Unternehmen ist diese Differenz entscheidend. Ein Modellname allein garantiert noch keine identische Provenienzfunktion in jeder Bereitstellungsumgebung.
Hinzu kommt die Erkennung. Anthropic arbeitet nach eigener Aussage an Verfahren, mit denen Nutzer und Dritte die Markierungen prüfen können. Die technischen Details sollen erst in weiterer Dokumentation folgen. Aktuell existiert damit eine politische und produktseitige Zusage, aber noch kein vollständig beschriebenes öffentliches Prüfökosystem. Wer heute bereits eine universelle Claude-Erkennung verkauft, sollte deshalb sehr genau erklären, auf welcher technischen Grundlage sie beruht.
Für IT-Verantwortliche entsteht daraus eine Bereitstellungsmatrix statt eines einfachen Ja-oder-nein-Feldes. Ein identisches Claude-Modell kann über die direkte API, einen Cloud-Marktplatz oder ein eingebettetes Produkt genutzt werden, während Dateiverarbeitung und Metadatenübergabe unterschiedlich ausfallen. Dokumentieren Sie deshalb nicht nur Modell und Version, sondern auch Oberfläche, Region, Exportformat und nachgelagerte Systeme. Erst diese Kombination zeigt, ob ein Marker technisch entstehen, den Transport überleben und später noch geprüft werden kann.
Warum eine gefundene Markierung kein Beweis ist
Der wichtigste Satz der Anthropic-Ankündigung steht nicht im Marketingteil, sondern bei den Grenzen: Eine erkannte Markierung kann anzeigen, dass ein Inhalt durch Claude verarbeitet wurde. Sie bestätigt nicht dessen vollständige Herkunft. Genau hier entsteht das Risiko falscher Verdächtigungen. Claude wird häufig als Korrekturleser, Übersetzer, Zusammenfasser oder Dateikonverter eingesetzt. Ein menschlich verfasster Text kann nach einer solchen Bearbeitung ein Claude-Signal tragen.
Auch die ursprüngliche Idee, Recherche oder Datengrundlage lässt sich aus dem Marker nicht ableiten. Wenn ein Autor einen eigenen Text von Claude sprachlich glätten lässt, ist Claude an der Ausgabe beteiligt, aber nicht automatisch dessen geistiger Urheber. Umgekehrt kann ein weitgehend von Claude erzeugter Text anschließend mit menschlichen Passagen kombiniert werden. Das Signal beantwortet daher die Frage „War Claude möglicherweise beteiligt?“, nicht „Wer hat diesen Inhalt geschaffen?“.
Für Personalabteilungen, Schulen, Hochschulen und Redaktionen ist diese Unterscheidung unverzichtbar. Ein positiver Treffer darf nicht als alleinige Grundlage für Sanktionen dienen. Dafür braucht es zusätzliche Evidenz: Versionsverläufe, Quellen, Arbeitsprotokolle, redaktionelle Freigaben und eine nachvollziehbare Entstehungskette. Ein technischer Marker ist ein Prüfhinweis. Wer daraus ein Urteil macht, automatisiert nicht Wahrheit, sondern Verdacht.
Warum ein fehlender Marker Claude nicht ausschließt
Die umgekehrte Schlussfolgerung ist genauso gefährlich. Wenn kein Claude-Wasserzeichen erkannt wird, folgt daraus nicht, dass der Inhalt ohne KI entstanden ist. Anthropic nennt mehrere Gründe: Das verwendete Modell kann vor Einführung der Markierung erschienen sein, der Text kann stark bearbeitet, paraphrasiert, übersetzt oder mit anderem Material vermischt worden sein. Sehr kurze Passagen liefern möglicherweise zu wenig Signal für eine zuverlässige Erkennung.
Bei Dateien ist die Lücke noch offensichtlicher. Eine Formatkonvertierung, erneutes Speichern oder ein Screenshot kann Provenienzmetadaten entfernen. Dazu kommen Plattformen und Dateitypen, die einzelne Markierungsverfahren nicht unterstützen. Ein fehlendes C2PA-Label sagt dann wenig über die frühere Bearbeitung aus. Es zeigt nur, dass in der aktuell geprüften Datei keine unterstützte, erkennbare Signatur vorhanden ist.
Das erzeugt ein asymmetrisches System: Positive Treffer können Fehlverdächtigungen auslösen, negative Treffer können falsche Sicherheit vermitteln. Deshalb sollte Detektion nie als binärer KI-Test präsentiert werden. Die ähnliche Lektion gilt bei Sicherheitsproblemen rund um KI-Werkzeuge: Wie unser Bericht über eine kritische Claude-Integration zeigt, entscheidet der gesamte Nutzungskontext – nicht ein einzelnes technisches Signal.
Der EU AI Act macht aus Technik einen Prozess
Die Europäische Kommission erklärt, dass die Transparenzpflichten aus Artikel 50 seit dem 2. August 2026 gelten. Der Code of Practice ist freiwillig, die gesetzlichen Pflichten sind es nicht. Unterzeichner können die Maßnahmen des Codes nutzen, um ihre Umsetzung nachzuweisen. Wer einen anderen Weg wählt, muss dessen Eignung gegenüber den zuständigen Behörden belegen.
Der Code trennt Pflichten für Anbieter und Anwender. Anbieter generativer Systeme sollen maschinenlesbare Markierungs- und Erkennungsverfahren bereitstellen. Unternehmen, Medien oder Plattformen, die solche Systeme einsetzen und bestimmte Inhalte veröffentlichen, müssen ihre eigenen Kennzeichnungspflichten prüfen. Anthropic weist Entwickler ausdrücklich darauf hin, Artikel 50 für die eigenen Produkte und Dienste selbstständig zu bewerten. Der Einsatz von Claude überträgt die Verantwortung also nicht an den Modellanbieter.
Für die Praxis bedeutet das: Dokumentieren Sie Modell, Version, Bereitstellungsweg, unterstützte Markierungsart und den Umgang mit Dateien nach der Generierung. Definieren Sie außerdem, wann ein sichtbarer Hinweis nötig ist und wie redaktionelle Kontrolle nachgewiesen wird. Maschinenlesbare Herkunft und sichtbare Nutzerinformation sind verschiedene Ebenen. Unser Überblick zu Claude, Expertise und Quellen zeigt dieselbe Richtung: Verantwortlichkeit entsteht nicht durch ein Label, sondern durch überprüfbare Arbeitsprozesse.
Eine belastbare Nachweiskette sollte deshalb drei Ebenen verbinden. Erstens protokolliert das System die maschinenlesbare Markierung und ihre Prüfung. Zweitens hält der Arbeitsprozess fest, welche menschlichen und automatisierten Bearbeitungsschritte stattgefunden haben. Drittens dokumentiert eine verantwortliche Person Freigabe, Zweck und sichtbare Kennzeichnung. Fällt eine Ebene aus, bleiben die anderen beiden relevant. Diese Redundanz ist kein bürokratischer Luxus, sondern der Schutz davor, ein technisch begrenztes Signal juristisch oder redaktionell zu überdehnen.
Was Unternehmen jetzt konkret prüfen sollten
Beginnen Sie mit einer Bestandsaufnahme. Welche Claude-Modelle verwenden Ihre Teams, über welche Produkte oder Cloud-Plattformen laufen sie, und welche Ausgaben verlassen das Unternehmen? Trennen Sie Texte von Dateien und erfassen Sie, ob der jeweilige Kanal eingebettete Wasserzeichen oder C2PA-Metadaten unterstützt. Ein pauschaler Eintrag „Claude im Einsatz“ reicht für eine belastbare Provenienzkette nicht aus.
Behandeln Sie Marker anschließend als ein Signal unter mehreren. Bei einem positiven Treffer prüfen Sie, ob Claude nur Korrekturen vorgenommen oder wesentliche Inhalte erzeugt hat. Bei einem negativen Treffer kontrollieren Sie Bearbeitungsschritte, Exportwege und Metadatenverlust. Speichern Sie Originaldateien und signierte Fassungen, wenn die Herkunft relevant ist. Ein Screenshot ist praktisch für Präsentationen, aber denkbar schlecht als Provenienzarchiv.
Testen Sie die Kette mit realen Arbeitsabläufen: einen unveränderten Text, eine übersetzte Fassung, einen stark gekürzten Auszug, eine erneut gespeicherte Bilddatei und einen Screenshot. Halten Sie fest, welche Marker in welchem Schritt noch erkennbar sind. So entsteht eine organisationsspezifische Fehlerkarte, bevor ein Prüfverfahren über Bewerbungen, Prüfleistungen oder Veröffentlichungen entscheidet.
Schließlich braucht es eine menschlich verständliche Kommunikation. Nutzer müssen wissen, was ein Label bedeutet – und was nicht. „Von Claude verarbeitet“ ist präziser als „von KI erstellt“, wenn die ursprüngliche Arbeit menschlich war. Anthropics Ansatz ist ein wichtiger Schritt, weil er Markierung direkt im Modell verankert. Sein Wert hängt jedoch davon ab, ob Unternehmen die Signale sorgfältig interpretieren. Das Wasserzeichen kann eine Untersuchung beginnen. Es darf sie nicht ersetzen.
Was halten Sie von dem Thema? Hier können Sie mit anderen Leserinnen und Lesern ins Gespräch gehen.
Mitreden & diskutieren
Ihre Meinung zählt — teilen Sie Gedanken, Fragen oder Erfahrungen zu diesem Artikel.