Der Detektor irrt sich zuverlässig
Ein KI-Detektor bekommt einen fertigen Text und rät. Er sieht Satzlängen, Wortwahl, Vorhersagbarkeit — und schließt daraus auf die Herkunft. Das Verfahren hat einen eingebauten Fehler: Je sorgfältiger jemand schreibt, desto glatter wird der Text. Wer zehnmal überarbeitet, bis jeder Satz sitzt, produziert genau die Regelmäßigkeit, die ein Detektor für maschinell hält.
Am härtesten trifft es Menschen, die in einer Fremdsprache schreiben. Ihr Vokabular ist bewusster gewählt, ihre Syntax vorsichtiger — und der Detektor stuft sie überproportional oft als KI ein. Es gibt inzwischen genug Berichte von Studierenden, deren selbst geschriebene Arbeiten so eingeordnet wurden, dass man das nicht mehr als Randfall abtun kann.
Das grundsätzliche Problem: Ein fertiger Text trägt keine Erinnerung daran, wie er entstanden ist. Man kann ihm nicht ansehen, ob er in drei Wochen gewachsen oder in drei Sekunden generiert wurde. Der Detektor rät aus der Oberfläche auf die Geschichte — und Raten bleibt Raten, auch wenn es mit hoher Genauigkeit angegeben wird.
Wasserzeichen kommen — und beantworten die falsche Frage
Wasserzeichen sind keine Zukunftsmusik mehr. Google markiert die Ausgaben seiner Gemini-Modelle bereits mit SynthID, Anthropic hat angekündigt, künftig sämtliche Modellausgaben zu markieren — getrieben von den Transparenzanforderungen des EU AI Act —, und weitere Anbieter werden nachziehen. Wer mit KI schreibt, wird markierten Text bekommen, ob er will oder nicht.
Zwei Dinge werden dabei regelmäßig unterschätzt. Diese Markierungen sind unsichtbar und ohne das Spezialwerkzeug des jeweiligen Anbieters nicht nachweisbar. Und sie sind robuster, als man denkt: Weil sie statistisch in die Struktur des Textes eingebettet sind, überstehen sie Kopieren, Einfügen und eine ganze Reihe von Bearbeitungen.
Das eigentliche Problem liegt woanders — und für Autorinnen ist es gefährlich.
Ein Wasserzeichen markiert die Ausgabe, nicht den Beitrag. Anthropic gibt an, jede Ausgabe zu markieren. Wer also einen selbst geschriebenen Absatz in das Modell gibt und ein einziges Wort korrigieren lässt, bekommt den gesamten Absatz markiert zurück. Der Text ist fast vollständig seiner — und trägt dieselbe Markierung wie einer, den die Maschine von Grund auf geschrieben hat.
Das Verfahren misst damit nicht Urheberschaft, sondern Kontakt. Jeden Kontakt. Und weil es binär ist, kennt es keine Abstufung zwischen „ich habe das geschrieben und einen Tippfehler korrigieren lassen" und „das hat die Maschine geschrieben".
Für die größte Gruppe von Autorinnen — die, die selbst schreiben und KI punktuell zu Hilfe nehmen — ist das die denkbar schlechteste Nachricht. Sie werden markierten Text besitzen, ohne es zu bemerken, ohne ihn entfernen zu können und ohne irgendetwas in der Hand, das dem etwas entgegensetzt.
Das ist kein Argument gegen Wasserzeichen. Für ihren eigentlichen Zweck — maschinell erzeugte Inhalte in großem Maßstab erkennbar zu machen — sind sie sinnvoll, und der EU AI Act hat gute Gründe, sie zu verlangen. Sie können nur die eine Frage nicht beantworten, die für eine Autorin zählt: nicht ob ein Modell beteiligt war, sondern in welchem Ausmaß.
Genau deshalb braucht es die Gegenrichtung.
Wir dokumentieren stattdessen die Entstehung
Hermes 3000 rät nicht. Wir protokollieren mit, während geschrieben wird.
Wenn unser Server einen Text erzeugt — eine Generierung, eine Überarbeitung, ein Diktat-Transkript —, dann weiß er das. Er muss es nicht erschließen. Er hält fest, was er ausgegeben hat, und gleicht beim Speichern ab, wie viel davon im Manuskript gelandet ist und wie viel die Autorin inzwischen umgeschrieben hat. Dazu kommt, was nur der Editor wissen kann: ob Text getippt wurde oder in einem Sprung erschien, und wie lange tatsächlich am Absatz gearbeitet wurde.
Der entscheidende Unterschied: Das ist keine Analyse des Ergebnisses, sondern eine Aufzeichnung des Vorgangs. Deshalb überlebt sie Überarbeitung — im Gegenteil, Überarbeitung ist selbst eine Information, die festgehalten wird.
Und was ist mit Text von außen?
Es gibt genau einen Fall, in dem das Protokoll nichts weiß: eingefügter und importierter Text. Er kam von außerhalb — das kann eigener Text aus einem anderen Dokument sein, ein Zitat, etwas aus einem anderen KI-Werkzeug. Der Editor sieht nur, dass plötzlich 1.800 Zeichen da sind, die vorher nicht da waren.
Statt zu raten, fragen wir.
Wer einen größeren Absatz einfügt, bekommt kurz darauf einen Hinweis mit einer Schaltfläche: Woher stammen diese Zeichen? Kein Dialog, der den Schreibfluss unterbricht — ein Angebot, das nach fünfzehn Sekunden von selbst verschwindet. Beim Import eines Manuskripts wird die Frage einmal gestellt, direkt danach, solange man noch weiß, was man da importiert hat.
Zur Auswahl steht, was tatsächlich vorkommt: selbst geschrieben (anderswo), von einer anderen Person, aus einem anderen KI-Werkzeug, Zitat aus einer Quelle, gemeinfrei. Dazu auf Wunsch eine Anmerkung.
Drei Eigenschaften sind uns dabei wichtig:
Gefragt wird an einem konkreten Ereignis. „Woher stammen diese 1.833 Zeichen?" ist beantwortbar. „Wie viel KI steckt in deinem Buch?" ist es nicht — deshalb hängt die Frage am Einfügen und am Import, nicht an einem Formular in den Einstellungen.
„Später" ist eine echte Antwort. Der Knopf zum Zurückstellen hat dasselbe Gewicht wie der zum Beantworten. Wer nicht antworten will, soll nicht in eine falsche Angabe gedrängt werden. Die Frage bleibt offen, und der Nachweis weist sie als nicht erklärt aus.
Und eine Angabe wird nie zur Messung. Sie steht im Nachweis in einem eigenen Feld, ausdrücklich als Aussage der Autorin gekennzeichnet, und das signierte Dokument benennt beides: wie viele Zeichen auf einer Selbstauskunft beruhen — und wie viele von außen kamen und gar nicht erklärt wurden. Ein Nachweis, der eine Behauptung als Beleg durchgehen ließe, wäre weniger wert als einer, der die Lücke zugibt.
Beim Import gilt die Angabe für das ganze Manuskript, und die einzelnen Absätze erben sie — man erklärt ein Buch, nicht vierhundert Passagen.
So sieht das aus: die Aufteilung nach Herkunft, die Selbstauskunft zu eingefügtem Text — und der ausgestellte Nachweis mit prüfbarem Link und QR-Code.
Warum das für alle drei Gruppen besser ist
Wer alles selbst schreibt
Diese Gruppe ist heute in der absurdesten Lage: Sie hat nichts zu verbergen und trotzdem nichts in der Hand. Wenn ein Detektor ihr Manuskript als KI einstuft, kann sie nur beteuern. Ein Herkunftsnachweis dreht die Beweislage um — nicht „ich schwöre, das war ich", sondern eine Aufzeichnung, die zeigt, dass der Text über Wochen in kleinen Schritten gewachsen ist. Wer KI nur mal für ein Feedback zu einer Passage nutzt, sieht genau das im Nachweis: eine Rückfrage, kein Zeichen davon im Text.
Die Hybriden — die größte Gruppe
Die meisten arbeiten heute so: selbst schreiben, gelegentlich einen Satz umformulieren lassen, ab und zu eine Passage generieren und dann gründlich überarbeiten. Für diese Realität gibt es bisher keine Sprache. Die Frage „mit KI oder ohne?" hat für sie keine ehrliche Antwort, und jedes Ja-Nein-Kästchen zwingt sie zu einer Angabe, die falsch ist.
Ein Herkunftsnachweis kann genau das ausdrücken, was tatsächlich passiert ist: dieser Absatz stammt von dir, ein Werkzeug hat 300 Zeichen sprachlich geglättet. Jener kam aus einer Generierung, du hast zwei Drittel davon neu geschrieben. Das ist keine Verwässerung, das ist Genauigkeit.
Bis auf den einzelnen Absatz herunter — mit dem ausdrücklichen Hinweis, dass sich die Werte überschneiden und nicht zur Absatzlänge addieren.
Wer weitgehend mit KI arbeitet
Auch hier lohnt der genaue Blick — und das ist vielleicht der überraschendste Teil. Zwischen „Kapitel 3 schreiben" und einem Buch, in das ausgearbeitete Figuren, ein durchdachter Plot, ausgewählte Stil-Skills und acht durchprobierte Varianten pro Szene eingegangen sind, liegen Welten. Beide Ergebnisse sind KI-generiert. Nur ist das eine in zwei Minuten entstanden und das andere in vielen Stunden.
Deshalb unterscheiden wir bei KI-Text, ob ein Mensch ihn geführt hat: mehrfach neu generiert, mit eigener Anweisung statt bloßem Kapiteltitel, oder das Ergebnis danach von Hand überarbeitet. Wer sich diese Mühe macht, hat den Text ursächlich geformt — nur eben nicht über die Tastatur. Ein Wasserzeichen sieht davon nichts. Ein Detektor erst recht nicht.
Und für alle, die zu mehreren an einem Buch arbeiten
Bücher entstehen selten allein. Lektorat, Coaching, Mentoring, eine Co-Autorin — jede dieser Hände hinterlässt Spuren, die in einem fertigen Text nicht mehr auseinanderzuhalten sind. Weil wir während des Schreibens mitschreiben, bleibt die Abfolge erhalten: wann welcher Teil dazukam, wie viel danach noch überarbeitet wurde, über wie viele Tage.
Für Coaching-Programme und Schreibkurse ist das die eigentlich interessante Anwendung. Nicht als Kontrolle, sondern als Beleg der geleisteten Arbeit.
Was ein Verifiable Credential ist — und warum es hier passt
Zahlen im eigenen Werkzeug sind schnell erzählt. Interessant wird es, wenn ein Verlag sie prüfen kann, ohne uns zu vertrauen.
Genau dafür gibt es Verifiable Credentials, einen W3C-Standard. Ein Aussteller — hier Hermes 3000 — packt eine Aussage in ein Dokument und signiert es kryptografisch mit seinem privaten Schlüssel. Jeder, der den zugehörigen öffentlichen Schlüssel hat, kann nachrechnen, dass das Dokument von diesem Aussteller stammt und seit der Signatur kein Zeichen verändert wurde. Kein zentrales Register, kein Konto, kein Anruf bei uns.
Praktisch heißt das: Die Autorin stellt den Nachweis aus, die Werte werden eingefroren und signiert, sie bekommt einen Link und einen QR-Code. Der Verlag öffnet den Link — ohne Anmeldung — und sieht die Werte, die signiert wurden, plus den Hinweis, wie stark sich das Buch seither verändert hat. Wer will, prüft die Signatur mit beliebigen Standard-Werkzeugen, statt unserem grünen Häkchen zu glauben.
Warum das gerade hier so gut passt: Ein Herkunftsnachweis ist eine Aussage über einen Zeitpunkt. Er muss eingefroren sein, sonst beschreibt er beim zweiten Öffnen ein anderes Buch. Er muss prüfbar sein, ohne dass der Prüfende dem Aussteller vertraut. Und er muss zurückziehbar sein, falls sich etwas als falsch herausstellt. Genau diese drei Eigenschaften bringt der Standard mit.
Was wir bewusst nicht behaupten
Ein Nachweis ist nur so viel wert, wie er über seine eigenen Grenzen sagt. Deshalb steht das auf der Prüfseite und im signierten Dokument selbst:
Die Signatur bezeugt, dass Hermes diesen Vorgang so protokolliert hat — nicht, dass die Aufzeichnung vollständig ist, und schon gar nicht, von wem die Gedanken stammen. Wer KI-Text aus einem anderen Fenster abtippt, unterläuft die Messung; das lässt sich nicht erkennen und wird auch so gesagt. Die ausgewiesene Schreibzeit ist eine Untergrenze: Nachdenken ohne Tastendruck zählt nicht mit. Und was aus dem Nichts eingefügt wurde, kann nur die Autorin erklären — solche Angaben werden ausdrücklich als Selbstauskunft ausgewiesen, nie als Messung.
Wir halten das nicht für eine Schwäche, sondern für die Bedingung, unter der so ein Nachweis überhaupt etwas wert ist. Ein Siegel, das mehr verspricht, als es einlösen kann, verbraucht genau das Vertrauen, um das es geht.
Warum es mehr davon braucht
Die Debatte läuft gerade auf die falsche Frage zu. „Ist dieser Text KI?" ist bei den meisten ernsthaft arbeitenden Autorinnen weder mit Ja noch mit Nein zu beantworten — und ein Verfahren, das trotzdem eine Antwort erzwingt, wird sich systematisch irren. Am häufigsten zulasten derer, die am sorgfältigsten arbeiten.
Die bessere Frage lautet: Wie ist dieser Text entstanden? Sie ist beantwortbar, sie ist belegbar, und sie wird der Wirklichkeit gerecht, in der die meisten heute schreiben. Verlage, Hochschulen und Plattformen werden solche Nachweise brauchen — nicht, weil sie Menschen misstrauen, sondern weil sie eine Grundlage brauchen, die belastbarer ist als das Bauchgefühl eines Klassifikators.