KI-Wasserzeichen in Texten

Bei Bildern funktioniert Herkunftskennzeichnung über signierte Metadaten nach dem C2PA-Standard: Informationen zur Entstehung werden in die Datei geschrieben und digital signiert. Die Schwäche ist offensichtlich. Die Metadaten hängen am Datei-Container. Konvertieren, neu speichern, Screenshot – weg sind sie.

Bei Text existiert dieser Container gar nicht erst. Wird eine KI-Antwort markiert, kopiert und in Word, ins CMS oder in eine E-Mail eingefügt, überträgt sich nur die Zeichenfolge. Keine Datei, keine Metadaten, nichts.

Ein Wasserzeichen, das Copy-and-paste überleben soll, muss deshalb im Text selbst stecken. In der Wortwahl.

Ein Sprachmodell erzeugt Text Token für Token. An vielen Stellen gibt es mehrere gleich gute Möglichkeiten: „kündigen“ oder „beenden“, „deshalb“ oder „daher“, „schnell“ oder „rasch“. Ein Mensch entscheidet das nach Gefühl, im Ergebnis zufällig.

Ein Modell mit Textwasserzeichen entscheidet nicht zufällig, sondern nach einem geheimen Muster. Man kann sich eine gezinkte Münze vorstellen, die bei jeder Wortwahl geworfen wird: Aus einem geheimen Schlüssel und den unmittelbar vorangehenden Tokens wird berechnet, welcher der gleichwertigen Kandidaten bevorzugt wird.

Die Erkennung funktioniert wie Nachzählen. Wer den Schlüssel kennt, prüft, ob die Wortwahl auffällig oft dem Muster folgt. Bei menschlichem Text kommt Zufall heraus, ungefähr 50:50. Bei markiertem KI-Text liegt die Trefferquote systematisch darüber. Dreimal hintereinander die Sechs ist Glück, dreißigmal hintereinander ist ein gezinkter Würfel.

Google DeepMind hat mit SynthID-Text das erste produktionsreife Verfahren dieser Art beschrieben; die Arbeit erschien 2024 in Nature. Der zugrunde liegende Mechanismus heißt Tournament Sampling und verzerrt die Token-Auswahl innerhalb des Modells. Anthropic hat am 11. August 2026 bekannt gegeben, dass Claude-Modelle, die ab dem 2. August 2026 erscheinen, ein unsichtbares Wasserzeichen direkt in den erzeugten Text weben – weltweit, auf Modellebene, über alle Produktoberflächen und Cloud-Partner hinweg. Ältere Modelle werden nachgerüstet. Erzeugte Dateien bekommen zusätzlich signierte C2PA-Metadaten.

Und hier wird es interessant. Das Wasserzeichen kann sich nur dort einbetten, wo das Modell tatsächlich Wahlfreiheit hat. Diese Wahlfreiheit heißt Entropie, und die Stärke des Signals ist mathematisch eine Funktion davon.

Google formuliert das für die eigene Implementierung sehr direkt: Bei faktischen Prompts wirkt das Wasserzeichen schlechter, weil es weniger Gelegenheiten gibt, die Token-Verteilung zu verschieben, ohne die Richtigkeit zu beschädigen. Auf „Was ist die Hauptstadt von Frankreich?“ gibt es genau eine gute Antwort. Die Forschungsliteratur formuliert es allgemeiner: Text mit niedriger Entropie – Faktenantworten, Code, wörtliche Zitate – ist grundsätzlich nicht wasserzeichenfähig.

Genau daher stammt auch die 200-Token-Schwelle im Code of Practice. Kurze Texte bieten schlicht nicht genug Entscheidungspunkte, um ein statistisch belastbares Signal aufzubauen.

Ehrlich bleiben sollte man auch beim Qualitätsaspekt. Die verbreitete Formulierung, es werde ja nur zwischen ohnehin gleichwertigen Formulierungen gewählt, ist beschönigend. Wasserzeichen verschieben die Sampling-Verteilung, und die Forschung beschreibt messbare Zielkonflikte zwischen Erkennbarkeit, Textqualität und Diversität. Klein, aber nicht null.

Jetzt die Frage, an der die meisten Erklärungen scheitern. Ein selbst geschriebener Text wird hochgeladen, der Prompt lautet: „Korrigiere Tippfehler und Grammatik.“ Trägt das Ergebnis ein Wasserzeichen?

Viele Beiträge behaupten pauschal: ja, markiert werde alles, was das Modell ausgibt, auch bloß korrekturgelesene Texte. Das vermischt zwei verschiedene Aussagen.

Richtig ist: Das Sampling-Verfahren läuft auf jedem Token, das das Modell ausgibt. Anthropic markiert auf Modellebene, der Mechanismus ist also aktiv.

Ebenfalls richtig ist: Ein messbares Signal entsteht nur dort, wo Wahlfreiheit besteht. Und beim Korrekturlesen besteht sie nicht. Die Wahrscheinlichkeitsverteilung liegt an fast jeder Position bei nahezu 100 Prozent auf dem vorgegebenen nächsten Wort. Die gezinkte Münze wird geworfen, aber sie hat nur eine Seite.

Als Rechenbeispiel: 2.000 Wörter, 15 Korrekturen. Fünfzehn von zweitausend Positionen tragen Signal. Das liegt weit unter jeder sinnvollen Detektionsschwelle. Ein korrekturgelesener Text trägt mit hoher Wahrscheinlichkeit kein nachweisbares Wasserzeichen.

Ein praktisches Detail obendrauf: Die Chatantwort besteht meist aus dem korrigierten Text plus Rahmen – „Hier ist die überarbeitete Fassung …“, dazu Erläuterungen zu den Änderungen. Diese Rahmenteile sind frei formuliert, also hochentropisch und sauber markiert. Wer nur den Textblock herauskopiert, nimmt gerade den unmarkierten Teil mit.

Der Fall, der die These „ein Treffer beweist keine KI-Autorschaft“ trägt, ist ein anderer. Wird ein selbst geschriebener Text übersetzt, erzeugt das Modell jedes Zielwort neu, die Entropie ist hoch, das Wasserzeichen sitzt kräftig – und der Inhalt stammt zu hundert Prozent von einem Menschen. Dasselbe gilt fürs Zusammenfassen und fürs Umformulieren nach Vorgabe.

Und diese Fälle sind nach den Leitlinien ausdrücklich nicht von der Markierungspflicht ausgenommen. Ein voll markierter Text, dessen geistiger Gehalt vollständig menschlich ist: Das ist die eigentliche Unschärfe.

Naheliegende Vermutung: Wer dem Modell eigene Textproben gibt und es den eigenen Stil imitieren lässt, müsste damit doch das Muster stören.

Tut man nicht. Der Grund ist eine Eigenschaft, die man leicht übersieht: Das Wasserzeichen sitzt nicht in bestimmten Wörtern, sondern im Auswahlverfahren zwischen den jeweils gerade wahrscheinlichen Kandidaten.

Stilvorgaben verändern die Wahrscheinlichkeitsverteilung des Modells. Andere Wörter werden wahrscheinlich, andere Satzrhythmen, andere Lieblingskonjunktionen. Das Wasserzeichen wählt dann eben innerhalb dieser Verteilung nach dem Schlüsselmuster. Es reitet auf der Verteilung, es klebt nicht an einer Wortliste. Der Output klingt nach der Vorlage und trägt trotzdem das volle Signal.

Was sich ändert, ist wieder nur die Entropie: Starke Stilvorgaben und lange Kontextbeispiele engen das Modell etwas ein, das Signal pro Token sinkt leicht. Freies Schreiben neuer Inhalte lässt aber an jeder Position immer noch enorm viel Wahl. Das ist eine völlig andere Größenordnung als beim Korrekturlesen.

Kann ein selbst geschriebener Text fälschlich anschlagen, weil der Stil „KI-haft“ wirkt? Nein. Weil das Muster aus einem pseudozufälligen Schlüssel abgeleitet ist und mit Semantik oder Stil nicht korreliert, liegt menschlicher Text immer bei etwa 50:50. Egal wie glatt er formuliert ist.

Das ist der eine echte Vorteil des Wasserzeichens gegenüber Klassifikatoren wie GPTZero, die genau daran scheitern und regelmäßig menschliche Texte anschwärzen. Statistisch ist das Wasserzeichen das sauberere Verfahren. Sein Problem ist nicht die Falsch-Positiv-Rate, sondern die Fehlinterpretation dessen, was ein Treffer bedeutet.

Womit wir bei der beliebtesten Detektor-Folklore wären. Auf LinkedIn gilt der lange Gedankenstrich inzwischen als sicheres KI-Indiz.

Er ist das Gegenteil davon. Ein Merkmal ohne Schlüssel, ohne Schwellenwert, ohne bekannte Fehlerrate, dafür mit einer Falsch-Positiv-Quote im Bereich „alle, die schon einmal ein Typografie-Buch aufgeschlagen haben“. Wer sauber setzt, gerät unter Verdacht. Wer Masse produziert, stellt auf Komma um. Dieselbe Asymmetrie wie beim Wasserzeichen, nur ohne die Mathematik.

Typografisch ist die Sache ohnehin schief. Im Deutschen ist der Gedankenstrich der Halbgeviertstrich mit Leerzeichen. Der lange Geviertstrich ohne Leerzeichen ist eine englische Satzkonvention. Wer den in einem deutschen Text findet, hat eher einen Hinweis auf englischsprachig geprägte Textproduktion als auf eine Maschine.

Weil das Signal in den Wörtern selbst steckt, gilt eine einfache Logik: Solange die Wörter gleich bleiben, bleibt das Wasserzeichen.

Unschädlich: Kopieren und Einfügen, Wechsel des Dateiformats, Entfernen von Formatierungen, Einfügen in einen einfachen Texteditor, Veröffentlichung im CMS, Umstellen von Absätzen.

Zerstörend: echtes Umschreiben, Paraphrasieren, Übersetzen, starkes redaktionelles Überarbeiten, Vermischen mit eigenem Text.

Von vornherein ungeeignet: sehr kurze Texte, Quellcode, Zahlenkolonnen, wörtliche Zitate.

Eine Präzisierung gehört dazu, weil die übliche Zweiteilung zu ordentlich wirkt: Das ist kein Schalter, sondern ein Kontinuum von Erkennungswahrscheinlichkeiten. Untersuchungen zu SynthID-Text zeigen, dass die Detektionsgenauigkeit schon bei leichtem Paraphrasieren und bei Rückübersetzung deutlich abfällt. Google selbst schreibt, die Detektor-Konfidenz könne bei gründlichem Umschreiben oder Übersetzen stark sinken. „Kopieren erhält“ ist zuverlässig. „Umschreiben löscht“ ist wahrscheinlich, aber nicht garantiert.

Der Schlüssel liegt beim Anbieter. Die Erkennung ist ein statistischer Test mit Fehlerwahrscheinlichkeiten in beide Richtungen, und durchführen kann ihn nur, wer den Schlüssel besitzt. Anthropic hat die Detektionsdokumentation angekündigt, aber noch nicht veröffentlicht; Googles SynthID-Detektor ist auf Google und ausgewählte Partner beschränkt.

Ein Prüfergebnis ist damit heute keine neutral nachvollziehbare Tatsache, sondern eine Auskunft des Anbieters, deren Zustandekommen die Gegenseite nicht überprüfen kann.

Die Analogie, die sich hier aufdrängt, ist der SCHUFA-Score: Ein privates Unternehmen berechnet mit einem geheimen Verfahren ein statistisches Urteil. Nachvollziehen kann es die betroffene Person nicht. Wirksam wird es woanders – bei der Hochschule, beim Arbeitgeber, beim Auftraggeber, die das Ergebnis als Tatsache behandeln.

Die Analogie trägt drei Schritte. Dann bricht sie:

1. Bewertet wird keine Person, sondern eine Zeichenfolge. Der Score ist eine Aussage über Tokens, nicht über einen Menschen. Erst die Zuschreibung macht daraus etwas Persönliches.
2. Die Richtung stimmt nicht. Die Geschäftsgrundlage einer Auskunftei ist Intransparenz. Der Code of Practice verpflichtet Unterzeichner umgekehrt zu kostenlosen Detektionslösungen und zu interoperabler Erkennung bis Februar 2027. Der heutige Black-Box-Zustand ist der Übergang, nicht das Ziel.
3. Falsch-Positive funktionieren anders, siehe oben. Ein SCHUFA-Score kann eine Person wegen ihrer Adresse treffen. Ein Wasserzeichen kann niemanden wegen seines Stils treffen.

Und dann greift sie doch wieder, nur an anderer Stelle. Der EuGH hat am 7. Dezember 2023 in der Sache SCHUFA (C-634/21) entschieden, dass bereits die Erstellung eines Wahrscheinlichkeitswerts eine grundsätzlich verbotene automatisierte Entscheidung im Einzelfall nach Art. 22 Abs. 1 DSGVO sein kann, wenn Dritte ihm bei ihrer Entscheidung eine maßgebliche Rolle beimessen. Überträgt man diese Logik, stellt sich die Frage, wie ein Wasserzeichen-Prüfergebnis zu behandeln ist, auf das eine Hochschule oder ein Arbeitgeber eine Entscheidung maßgeblich stützt.

Das ist eine Analogie, kein entschiedener Fall. Sie hat Grenzen: Art. 22 verlangt eine Entscheidung gegenüber einer Person, die ausschließlich auf automatisierter Verarbeitung beruht. Wo ein Mensch die Entscheidung tatsächlich trifft und den Prüfwert nur als einen Faktor unter mehreren nutzt, greift die Vorschrift nicht ohne Weiteres. Zu Wasserzeichen existiert bislang keine Rechtsprechung. Wir halten die Parallele für diskussionswürdig, nicht für gesichert.

Forscher der ETH Zürich haben gezeigt, dass sich die Wasserzeichen-Regeln allein durch Abfragen der öffentlichen API näherungsweise rekonstruieren lassen: für unter 50 Dollar, mit über 80 Prozent Erfolgsquote bei Verfahren, die zuvor als sicher galten. Und zwar in beide Richtungen – Scrubbing, also Entfernen des Signals, und Spoofing, also Einpflanzen des Signals in fremden, menschlich geschriebenen Text. Das Fazit der Autoren lautete ausdrücklich, dass aktuelle Verfahren nicht einsatzreif seien. Das war 2024, zwei Jahre vor dem regulatorischen Stichtag. Daraus ist inzwischen ein ganzer Forschungszweig geworden.

Für den einfachen Fall braucht es den Schlüssel nicht einmal: Ein zweiter, unmarkierter Modelllauf über den Text genügt. Genau das leistet der seit 2023 existierende „Humanizer“-Markt, der ursprünglich gegen Klassifikatoren entstanden ist.

Naheliegender Vergleich: Fast jeder Kopierschutz wurde irgendwann geknackt, warum sollte es hier anders sein? Der Vergleich schmeichelt dem Wasserzeichen sogar, denn es gibt drei Asymmetrien zu seinen Ungunsten.

• Rechtlich: DRM-Umgehung ist verboten, weil § 95a UrhG (Art. 6 InfoSoc-RL) wirksame technische Maßnahmen schützt, die den Zugang zu oder die Nutzung von geschützten Werken kontrollieren. Ein Wasserzeichen kontrolliert nichts, es beschriftet. Und der markierte Text ist häufig gar kein geschütztes Werk, dazu gleich mehr. Auch § 95c UrhG passt nicht recht: Er schützt Informationen für die Rechtewahrnehmung, die Werke oder Rechtsinhaber identifizieren – ein KI-Herkunftsvermerk identifiziert weder das eine noch das andere. Nach unserer Einschätzung fehlt damit der Tatbestand, der Kopierschutz-Cracks in die Illegalität geschoben hat. Der Code of Practice verbietet Unterzeichnern, selbst Entfernungswerkzeuge anzubieten, bindet aber nur diese – nicht Dritte und nicht die Nutzerseite. Entschieden ist auch das nicht.
• Technisch: DRM konnte nachgehärtet werden: neuer Schlüssel, neue Version, nächste Runde. Ein Textwasserzeichen lässt sich nicht gegen Paraphrasieren härten, weil Paraphrasieren keine Manipulation ist, sondern eine normale Textoperation. Die Verteidigerseite kann den Angriff vom legitimen Redigieren nicht unterscheiden.
• Ökonomisch: Bei DRM musste jemand knacken und verteilen. Hier besitzt jede Person mit Zugang zu irgendeinem Modell die Fähigkeit bereits.

Fairerweise: Die Anbieter behaupten nichts anderes. Google schreibt, SynthID sei nicht dafür ausgelegt, motivierte Angreifer aufzuhalten. Anthropic schreibt, ein Treffer sei kein schlüssiger Beweis und ein Nicht-Treffer kein Ausschluss. Die realistische Einordnung ist nicht „DRM“, sondern eher „EXIF-Daten“: ein Herkunftssignal für den achtlosen Normalfall.

Das eigentliche Problem ist damit nicht, dass das Verfahren geknackt wird. Es ist die Selektivität. Ein Mechanismus, der nur bei denen greift, die nichts dagegen unternehmen, verschiebt die Last auf die Sorgfältigen. Und Spoofing hat eine Qualität, die DRM nie hatte: Ein geknackter Kopierschutz schadete Rechteinhabern. Ein gelungenes Spoofing schadet Einzelpersonen – der Autorin oder dem Autor, denen man einen KI-Einsatz nachweisen will. Der Gegenbeweis ist für sie praktisch unmöglich, weil sie die Prüfung ohnehin nicht nachvollziehen können.

Eine These macht gerade Karriere, und sie ist zu interessant, um sie unkommentiert zu lassen.

Urheberrechtlich geschützt sind nur persönliche geistige Schöpfungen eines Menschen (§ 2 Abs. 2 UrhG); Urheber kann nach dem Schöpferprinzip nur eine natürliche Person sein (§ 7 UrhG). Ein rein KI-generierter Text hat keinen Urheber und genießt keinen Urheberrechtsschutz. Wer ihn übernimmt, verletzt kein Urheberrecht, selbst bei wortgleicher Kopie.

Prompts allein begründen keine Urheberschaft. Das AG München hat das am 13. Februar 2026 (Az. 142 C 9786/25) für KI-generierte Grafiken bestätigt: Auch umfangreiche Prompts genügen nicht, solange dem System die gestalterische Entscheidung überlassen bleibt. Der menschliche Input muss den Output hinreichend objektiv und eindeutig identifizierbar prägen.

Miturheberschaft mit der KI gibt es nicht. § 8 UrhG setzt mehrere menschliche Schöpfer voraus; die KI ist rechtlich Werkzeug, nicht Mitschöpferin, so wenig wie die Kamera Miturheberin des Fotos ist. Es gibt auch keinen anteiligen Schutz: Ein „zu 60 Prozent menschliches“ Werk existiert nicht. Die Prüfung ist für jeden Textteil binär. In der Praxis entsteht deshalb ein Mosaik aus geschützten, menschlich geprägten Passagen und schutzlosen KI-Passagen in ein und demselben Text. Wer gezielt nur die KI-Passagen übernimmt, ist von einer Abmahnung nicht erfasst.

Trägt ein streitgegenständlicher Text ein nachweisbares KI-Wasserzeichen, so das Argument, hat die in Anspruch genommene Partei erstmals einen objektiven Anhaltspunkt dafür, dass die behauptete rein menschliche Schöpfung so nicht stattgefunden hat. Prozessual liege es dann nahe, der angeblichen Urheberseite eine erweiterte Darlegungslast zum Schöpfungsprozess aufzuerlegen: Entwürfe, Arbeitsstände, Prompts.

Die These ist elegant. Sie hat vier Schwachstellen, von denen mindestens eine in der Debatte fast nie auftaucht.

1. § 10 UrhG. Wer auf Vervielfältigungsstücken eines erschienenen Werkes in der üblichen Weise als Urheber bezeichnet ist, wird bis zum Beweis des Gegenteils als Urheber vermutet. Die Darstellung, es stehe schlicht Behauptung gegen Behauptung, unterschlägt diese gesetzliche Vermutung. Ein Wasserzeichen-Treffer müsste sie erst erschüttern.
2. Ein Treffer belegt Verarbeitung, nicht Verfasserschaft. Übersetzung, Zusammenfassung, Umformulieren nach Diktat – alles voll markiert, alles inhaltlich menschlich.
3. das Zugangsproblem. Die Detektion setzt den Schlüssel des Anbieters voraus. Ob und wie eine Prozesspartei an eine belastbare Prüfung kommt – Auskunft, Sachverständigengutachten, Vorlagepflichten – ist offen. Und wie ein Gericht mit einem Prüfergebnis umgeht, das die Gegenseite nicht reproduzieren kann, ist völlig ungeklärt. Der Code verpflichtet die Anbieter immerhin zu Erkennungsmöglichkeiten.
4. Spoofing, siehe oben. Ein Beweismittel, das sich für unter 50 Dollar fälschen lässt, ist als Beweismittel schwierig.

Bislang gibt es zu Textwasserzeichen als Beweismittel keine einzige Entscheidung. Wer die These als geltende Rechtslage verkauft, überzieht.

Auch wer einen urheberrechtlich schutzlosen KI-Text übernimmt, kann sich angreifbar machen – über den ergänzenden wettbewerbsrechtlichen Leistungsschutz (§ 4 Nr. 3 UWG) bei systematischer Übernahme, über die Nutzungsbedingungen der Plattform, von der der Text stammt, oder über Datenbankrechte (§§ 87a ff. UrhG).

Eine Formulierung kursiert gerade besonders gern, weil sie so rund klingt: Der typische Workflow „KI-Entwurf kopieren, leicht anpassen, veröffentlichen“ konserviere das Wasserzeichen. Wer dagegen gründlich redigiere, lösche es nebenbei – und genau dann entfalle auch die Kennzeichnungspflicht. Technik und Recht liefen ausnahmsweise in dieselbe Richtung.

Der erste Teil stimmt. Der zweite nicht.

Art. 50 Abs. 4 knüpft die Ausnahme nicht an den Grad der Umformulierung, sondern daran, dass der Inhalt einer menschlichen Überprüfung oder redaktionellen Kontrolle unterzogen wurde und eine natürliche oder juristische Person die redaktionelle Verantwortung für die Veröffentlichung trägt. Das ist kein Auslegungsvorschlag, das steht im Verordnungstext.

Die Konsequenz: Ein nur leicht redigierter Text mit dokumentierter redaktioneller Verantwortung ist von der Kennzeichnungspflicht befreit, obwohl das Wasserzeichen überlebt. Und ein stark umgeschriebener Text, für den niemand Verantwortung übernommen hat, ist es nicht, obwohl das Wasserzeichen weg ist.

Technik und Recht laufen hier gerade nicht parallel. Wer sich auf die Pointe verlässt, optimiert die falsche Größe.

Für die Praxis heißt das zweierlei:

Auf die maschinenlesbare Markierung ist kein Verlass. Weder als Nachweis gegenüber Dritten noch zur Erfüllung eigener Pflichten. Sie ist Anbietersache, sie ist lückenhaft, und sie beantwortet nicht die Frage, auf die es rechtlich ankommt.

Umgekehrt sollte niemand darauf bauen, dass KI-Nutzung unentdeckt bleibt. Wer KI-Texte im Wesentlichen unverändert veröffentlicht, hinterlässt eine statistische Spur.

Die saubere Lösung ist keine technische, sondern eine organisatorische. Konkret:

1. Rolle klären: Für praktisch jedes KMU lautet die Antwort: Betreiber. Damit gilt Art. 50 Abs. 4, nicht Abs. 2.
2. Redaktionelle Verantwortung festlegen und dokumentieren: Wer hat den Text vor Veröffentlichung geprüft, wann, mit welchem Ergebnis? Das ist der Hebel, den die Verordnung anbietet. Ein Freigabevermerk im CMS reicht meist völlig.
3. Kennzeichnungsfälle identifizieren: Deepfakes und veröffentlichte KI-Texte zu Angelegenheiten von öffentlichem Interesse. Nicht jeder Produkttext, nicht jede interne Notiz.
4. Interne KI-Richtlinie festlegen: Welche Inhalte dürfen mit KI entstehen, wer gibt frei, was wird gekennzeichnet, was wird dokumentiert.
5. Prüfergebnisse nicht als Beweis behandeln: Wo irgendwann Detektionswerkzeuge zum Einsatz kommen – gegenüber Freelancerinnen, Agenturen, Bewerberinnen –, ist ein Treffer ein Anlass für ein Gespräch, nie eine Feststellung.
6. Die Kompetenzpflicht nicht vergessen: Art. 4 KI-VO verlangt von Betreibern seit Februar 2025 ein ausreichendes Maß an KI-Kompetenz bei den Personen, die mit dem Einsatz befasst sind.

Bei uns im ideenstudio.berlin läuft übrigens jeder KI-gestützte Text durch eine menschliche Redaktion, bevor er veröffentlicht wird. Nicht wegen des Wasserzeichens, sondern weil das der einzige Schritt ist, der sowohl die Qualität als auch die Rechtslage adressiert.

Stand des Textes ist der 12. August 2026.

Die Rechtslage entwickelt sich schnell – zu Textwasserzeichen als Beweismittel existiert bislang keine Rechtsprechung, und die technischen Detektionsverfahren der Anbieter sind noch nicht öffentlich dokumentiert. Dieser Beitrag ist von unserer Seite eine fachliche Einordnung und keine Rechtsberatung.