OpenAI führt Text-Wasserzeichen in der EU ein: Was sie wirklich nachweisen

Was OpenAI am 5. Oktober angekündigt hat

OpenAI reagiert mit einem gestuften Ansatz auf die Transparenzanforderungen der EU-KI-Verordnung. Generative KI-Anbieter sollen erzeugte Texte maschinenlesbar identifizierbar machen. OpenAI beschreibt Text-Wasserzeichen dabei ausdrücklich als frühe Technologie mit erheblichen Grenzen, nicht als lückenlosen Herkunftsnachweis.

Seit dem 5. Oktober können API-Kunden weltweit Text-Wasserzeichen für ausgewählte Modelle optional aktivieren. In der API bleibt die Funktion standardmäßig ausgeschaltet. Für geeignete Textausgaben von ChatGPT und Codex in der Europäischen Union kündigt OpenAI einen schrittweisen Rollout über die kommenden Wochen an.

Der zugehörige Detektor ist zum Start nicht öffentlich frei zugänglich. Forscher und fachkundige Organisationen können Zugang beantragen. OpenAI begründet die Beschränkung mit dem Risiko von Fehlalarmen und übersehenen Wasserzeichen.

Bestätigt ist die Ankündigung vom 5. Oktober 2026. Der EU-Rollout erfolgt laut OpenAI erst über die kommenden Wochen; ein Wasserzeichen ist deshalb nicht sofort in jeder ChatGPT- oder Codex-Ausgabe zu erwarten.

So funktioniert textGrain

OpenAI nennt seine Technik textGrain. Sie fügt keinen sichtbaren Hinweis und keine klassische Dateimetadaten-Markierung ein. Stattdessen beeinflusst sie die statistische Auswahl von Wörtern. Ein Detektor prüft anschließend, ob ein Text das mit OpenAI-Modellen verbundene Signal enthält.

Das ist grundsätzlich robuster gegen das Entfernen von Metadaten, bleibt aber von der Form des Textes abhängig. Wo ein Modell viele sprachlich plausible Fortsetzungen wählen kann, lässt sich ein Signal leichter verteilen. Bei Mathematik, Code oder stark vorgegebenen Formulierungen ist der Spielraum kleiner.

OpenAI plant, textGrain später als Open Source bereitzustellen. Einen genauen Termin nennt das Unternehmen nicht. Auch der technische Bericht soll in den kommenden Wochen um weitere Details ergänzt werden.

Die Erkennung funktioniert nicht bei jedem Text gleich gut

In OpenAIs eigenen Auswertungen erkannte der Detektor bei einer angestrebten Falsch-positiv-Rate von einem Prozent ungefähr 80 Prozent der 200 Token langen Texte und rund 95 Prozent der 400 Token langen Texte aus einem Bereich wie Psychologie. Bei mathematischen Inhalten lag die Erkennungsleistung deutlich niedriger.

Bearbeitungen können das Signal stark schwächen. In einem Versuch mit englischen Texten von 400 Token sank die Erkennung laut OpenAI von ungefähr 92 Prozent auf 66 Prozent, nachdem zehn Prozent der Wörter durch Synonyme ersetzt worden waren. Bei 25 Prozent ersetzten Wörtern blieben nur noch 17 Prozent Erkennung.

Diese Zahlen sind Herstellerergebnisse unter festgelegten Testbedingungen. Sie belegen weder dieselbe Leistung in anderen Sprachen noch bei Übersetzungen, realen Redaktionsprozessen oder gezielten Umformulierungen. Für Deutsch nennt OpenAI in der Ankündigung keine gesonderten Werte.

Herstellerangaben: Gute Ergebnisse unter idealen Bedingungen bedeuten keine zuverlässige Alltagserkennung. Länge, Textart, Sprache und Bearbeitung beeinflussen das Signal.

Was ein Wasserzeichen nicht beweist

Ein erkanntes Wasserzeichen zeigt lediglich, dass ein OpenAI-System wahrscheinlich an einem Text beteiligt war. Es misst nicht, wie viel ein Mensch recherchiert, entschieden, geschrieben oder überarbeitet hat. Damit eignet sich der Befund nicht als automatische Bewertung von Eigenleistung.

Das Signal klärt auch weder Eigentum noch rechtliche Verantwortung. Es identifiziert keine Person, Organisation, Konto, Unterhaltung oder Eingabeaufforderung. Ebenso sagt es nichts darüber aus, ob der Inhalt wahr, irreführend, rechtmäßig oder im passenden Kontext verwendet wurde.

Umgekehrt beweist ein fehlendes Signal keine menschliche Urheberschaft. Der Text kann zu kurz, übersetzt oder bearbeitet sein, von einem nicht unterstützten Modell stammen, vor dem Rollout entstanden sein oder mit einem anderen KI-System erzeugt worden sein.

• Kein Nachweis der Person oder des Kontos hinter einem Text
• Keine Aussage über Wahrheit, Qualität oder Rechtmäßigkeit
• Keine Messung des menschlichen Beitrags
• Kein sicherer Beweis menschlicher Urheberschaft bei negativem Ergebnis

OpenAI sieht in eigenen Benchmarks kaum Qualitätsverlust

OpenAI vergleicht wasserzeichenfreie und markierte Ausgaben seines Frontier-Modells Astra auf mehreren Benchmarks. Nach Darstellung des Unternehmens zeigen die Ergebnisse insgesamt keine bedeutende Verschlechterung. Einige Werte liegen leicht höher, andere leicht niedriger.

Diese Tabelle beantwortet jedoch nur einen Teil der praktischen Frage. Sie misst ausgewählte Benchmarks unter Herstellerbedingungen, nicht Stiltreue, Vielfalt, Lesbarkeit oder Zuverlässigkeit in jedem Nutzungskontext. Unabhängige Untersuchungen müssen zudem zeigen, ob das Verfahren in verschiedenen Sprachen ähnlich unauffällig bleibt.

Für API-Anwender ist das Opt-in deshalb sinnvoll als kontrollierter Test: dieselben Aufgaben mit und ohne Wasserzeichen ausführen, Qualität blind bewerten und anschließend die Detektionsrate nach realistischen Bearbeitungsschritten messen.

Was Unternehmen und Redaktionen jetzt beachten sollten

Organisationen sollten einen Detektortreffer nur als zusätzliches Signal behandeln. Personal-, Prüfungs-, Moderations- oder Sanktionsentscheidungen dürfen nicht allein auf einem probabilistischen Ergebnis beruhen. Ein belastbarer Prozess braucht Kontext, menschliche Prüfung und eine Möglichkeit zum Widerspruch.

API-Teams können zunächst dokumentieren, welche Modelle und Ausgabekanäle das Wasserzeichen unterstützen und ob es im eigenen Konto tatsächlich aktiviert ist. Danach sollten sie typische Textlängen, deutsche Inhalte, Übersetzungen und normale redaktionelle Änderungen prüfen. Fehlalarme und übersehene Treffer gehören ausdrücklich in die Auswertung.

Für öffentliche Transparenz reicht Technik allein nicht. Klare Hinweise im Produkt, nachvollziehbare Protokolle und Regeln zur Offenlegung bleiben wichtig. OpenAI selbst setzt deshalb auf einen mehrschichtigen Ansatz aus offenen Standards, Content Credentials, Wasserzeichen und Verifikationswerkzeugen.

• Unterstützte Modelle und Kanäle vorab bestätigen
• Deutsche Texte und reale Bearbeitungsschritte separat testen
• Detektorergebnisse niemals als alleinige Entscheidungsgrundlage verwenden
• Transparenzhinweise und organisatorische Dokumentation beibehalten
• Fehlalarme, übersehene Treffer und Einspruchswege erfassen

Die MindrAils-Einordnung

OpenAIs Ankündigung ist relevant, weil Text bisher deutlich schwerer mit Herkunftssignalen zu versehen ist als Bilder oder Audio. Der regionale Rollout zeigt zugleich, wie Regulierung Produktarchitektur konkret verändert: In der API bleibt die Funktion optional, während geeignete Verbraucherprodukte in der EU schrittweise markiert werden sollen.

Die wichtigsten Informationen stehen nicht in einem einzelnen Prozentwert, sondern in den offen benannten Grenzen. Ein Wasserzeichen kann maschinelle Beteiligung wahrscheinlicher machen, aber keine Autorschaft feststellen. Schon moderate Umarbeitung kann die Erkennung deutlich reduzieren.

Richtig eingesetzt kann textGrain ein nützlicher Baustein für Transparenz werden. Gefährlich wäre dagegen, den Detektor als Wahrheitsmaschine oder automatischen Beweis zu behandeln. Entscheidend ist deshalb ein Verfahren, das technische Signale mit Kontext, menschlicher Prüfung und klaren Verantwortlichkeiten verbindet.