Kennzeichnungspflicht EU AI Act: Was wirklich für Vertrauen sorgt

Warum Kennzeichnung richtig ist – und das sichtbare Icon trotzdem der falsche Weg

Seit August labeln alle wie verrückt. Sticker aufs Bild, Hinweis unter den Text – Hauptsache, das Häkchen ist gesetzt. Ich finde: Kennzeichnung ist richtig. Nur nicht so.

Warum Kennzeichnung grundsätzlich Sinn ergibt

Es gibt vier eigenständige Gründe, warum KI-Inhalte überhaupt kenntlich gemacht werden sollen.

Erstens der Täuschungsschutz – das ist der explizite Zweck von Artikel 50: Menschen sollen erkennen können, wann sie mit KI-Inhalten interagieren, unabhängig davon, ob der Inhalt gut oder schlecht ist.

Zweitens die Verzahnung mit dem Digital Services Act: Große Plattformen und Suchmaschinen müssen systemische Risiken durch KI-Inhalte wie Desinformation erkennen und mindern – Kennzeichnung liefert dafür die technische Grundlage. Ohne sie können Plattformen ihre eigenen DSA-Pflichten gar nicht erfüllen.

Drittens der Schutz vor Deepfakes und Betrug – der am wenigsten strittige Grund: täuschend echte Fake-Videos realer Personen sind ein konkretes Risiko für Wahlbeeinflussung, Rufschädigung, Finanzbetrug.

Und viertens, meine eigene Position dazu: Belegbarkeit als Wert an sich. Nicht „KI oder nicht KI“ ist die Kernfrage, sondern ob eine Information nachvollziehbar und mit Quelle versehen ist.

Kennzeichnung als Idee trage ich also mit. Was genau kennzeichnungspflichtig ist – von Deepfakes über Texte bis zu internen Reportings – habe ich mit Gesetzestext und Bußgeldrahmen in einem separaten Guide aufgeschlüsselt. Kurzfassung: Marketingtexte sind meist ausgenommen, solange ein Mensch die redaktionelle Verantwortung trägt. Fotorealistische KI-Bilder mit realen Personen sind der klarste Pflichtfall. Rund 190 Unternehmen haben sich über den freiwilligen Code of Practice zusätzlich verpflichtet – Anthropic, OpenAI, Google, Meta und Microsoft eingeschlossen. Das Problem liegt nicht im Zweck. Es liegt darin, wie er meistens umgesetzt wird.

Kennzeichnung ja – aber nicht als Sticker

Wenn KI künftig Informationen und Suchergebnisse aus dem Netz zieht, muss klar sein, woher die Daten stammen – ob sie von KI oder von Menschen zusammengetragen wurden. Die Quelle muss benannt, die Information belegbar sein. Ist sie das nicht, ist sie nicht vertrauenswürdig. Dazwischen sollte es nichts geben.

Ein sichtbares Icon beantwortet diese Frage nicht. Es zeigt nur: irgendwo war ein Modell beteiligt. Nicht woher die zugrundeliegende Information stammt, nicht ob sie stimmt, nicht ob sie belegbar ist.

Was Studien, Kritiker und die KI-Anbieter selbst dazu sagen

Was drei unabhängige Studien übereinstimmend zeigen

Eine Studie mit über 1.600 Teilnehmenden zur Überzeugungskraft politischer Botschaften zeigt: Das Label „KI-generiert“ verändert kaum, wie überzeugend eine Botschaft wirkt. Eine Untersuchung der University of Arizona mit über 4.000 Teilnehmenden kommt zum gleichen Muster für Werbung – die Kennzeichnung selbst hat kaum messbaren Effekt auf die Werbewirkung, verändert aber die Wahrnehmung, woher der Inhalt stammt. Die CISPA-Forscherin Sandra Höltervennhoff fand in einer CHI-2026-Studie mit über 1.300 Teilnehmenden zusätzlich einen Nebeneffekt: Labels wirken wie mentale Abkürzungen. Sie lenken die Aufmerksamkeit weg vom Inhalt hin zur Kennzeichnung selbst – Bewertung verschiebt sich, ohne dass echte Prüfung stattfindet.

Was ein Kritiker technisch vorrechnet

Leonard Schmedding, der mit seinem Kanal Everlast AI und dem Podcast „KI Revolution“ den größten deutschsprachigen KI-Business-Kanal betreibt, hat kürzlich vorgeführt, wie leicht sich sichtbare Kennzeichnung umgehen lässt: Metadaten aus Bildern löschen, Texte durch ein anderes Modell umformulieren lassen – schon ist das Label weg. Sein Fazit fällt deutlich schärfer aus als die akademische Einordnung: Die Pflicht verfehle ihren Zweck komplett, schaffe nur Wettbewerbsnachteile für europäische Unternehmen, weil chinesische Anbieter und xAI (Grok) den EU-Kodex nicht unterzeichnet haben, und führe durch Label-Überflutung zu Abstumpfung – Nutzer würden am Ende unmarkierte Inhalte fälschlich für „echt“ halten.

Was die Forschung nüchterner, aber im Kern ähnlich einordnet

netzpolitik.org zitiert den Forscher Raphael Fischer (TU Dortmund) mit einer vorsichtigeren, aber inhaltlich passenden Einschätzung: KI-Labels könnten den Einstieg in eine informierte Bewertung erleichtern, seien aber kein Garant für Vertrauen oder Glaubwürdigkeit. Sie beantworten, ob KI eingesetzt wurde – nicht, ob das Ergebnis korrekt, fair oder zuverlässig ist. Vertrauen entstehe stattdessen vor allem durch Transparenz und Nachvollziehbarkeit von KI-Systemen selbst.

Was das für Marketing-Teams bedeutet

• Das erklärt, warum ein Sticker allein nichts über Belegbarkeit aussagt — er markiert Beteiligung, nicht Herkunft.
• Das erklärt, warum Umgehbarkeit kein Randproblem ist — wenn Kennzeichnung leicht entfernbar ist, kann man sich als Nutzer nicht auf sie verlassen.
• Das erklärt, warum die eigentliche Frage nicht „KI ja oder nein“ ist — sondern „Woher stammt die Information, und ist sie belegt“.

Was die Anbieter selbst inzwischen bauen

Anthropic selbst begründet sein Wasserzeichen fast wortgleich zu meiner These. In der offiziellen Erklärung heißt es, mehr Transparenz und Signale zur Herkunft eines Inhalts könnten Menschen nützlichen Kontext für die Informationen geben, die sie konsumieren – bewusst maschinenlesbar, nicht als sichtbares Icon. Und Anthropic warnt selbst vor Überinterpretation: Das Wasserzeichen sei kein Autorschaftsbeweis. Ein von Menschen geschriebener Text, den Claude nur redigiert hat, kann trotzdem eine Markierung tragen – und unmarkierter Inhalt bedeutet nicht automatisch, dass ein Mensch ihn erstellt hat.

Noch aufschlussreicher: Am 19. Mai 2026 traten OpenAI, Google, Kakao, ElevenLabs und Nvidia am selben Tag dem C2PA-Standard bei und kombinierten ihn mit unsichtbaren Wasserzeichen wie SynthID – Google kündigte gleichzeitig an, C2PA-Verifikation direkt in Google Search und Chrome zu integrieren. Zwei der größten KI-Anbieter kamen am selben Tag zur gleichen Antwort: Metadaten und unsichtbares Wasserzeichen kombinieren, weil keines der beiden allein reicht. Genau das ist der Unterschied zu einem Icon im Bild: maschinenlesbar, überprüfbar, in die Infrastruktur eingebaut, mit der wir ohnehin täglich arbeiten.

Was das für deine Content-Strategie bedeutet

Für uns als Marketing Manager heißt das: Die eigentliche Aufgabe ist nicht, jeden Output mit einem Label zu versehen. Das sollte Aufgabe der KI selbst sein – fest im Workflow verankert als Wasserzeichen, jederzeit nachvollziehbar, wann, an welcher Stelle und warum sie genutzt wurde. Unsere Aufgabe ist eine andere: sicherzustellen, dass die Information dahinter stimmt und belegbar ist – bevor sie überhaupt in den Workflow geht. Das betrifft praktisch jeden Baustein deiner Arbeit: Performance-Reportings, die auf KI-ausgewerteten Kennzahlen basieren. Kampagnen, die aus solchen Berichten abgeleitet werden. Blogartikel mit recherchierten Fakten und Zahlen. Wettbewerbs- und Marktanalysen. Content-Briefings und Personas, die auf KI-generierten Annahmen statt echten Daten beruhen. Forecasts und Budgetplanungen, die auf falsch interpretierten historischen Daten aufsetzen.

In der Praxis heißt das: Dein Agent oder Workflow muss selbst erkennen, ob eine verarbeitete Information belegt ist oder eine Vermutung. Sobald falsche Informationen einfließen, werden Blogbeiträge, Kampagnen oder Reportings, die darauf aufbauen, unbrauchbar – manchmal erst Wochen später sichtbar, wenn sich der Fehler durch mehrere Content-Stücke gezogen hat. Und wenn der Fehler auffliegt, entschuldigt sich höchstens die KI. Die Arbeit war trotzdem umsonst, und dein eigenes Standing – bei Kollegen, bei Vorgesetzten, bei Kunden – steht infrage. Nicht das Modell trägt die Konsequenz, sondern du.

Die Branche selbst bewegt sich bereits in Richtung maschinenlesbarer Herkunft statt sichtbarem Icon. Die Frage, die am Ende zählt, ist nicht „KI oder nicht KI“. Es ist: Woher stammt diese Information, und kann ich sie belegen? Genau das entscheidet, ob Vertrauen entsteht – nicht das Label. Alles andere ist Zwischenton, und den sollte es bei Fakten nicht geben.

FAQ

Warum ist Kennzeichnung von KI-Inhalten nach dem EU AI Act grundsätzlich sinnvoll?
Sie dient dem Täuschungsschutz (Kernzweck von Artikel 50 EU AI Act), liefert die technische Grundlage für die Desinformations-Pflichten der Plattformen nach dem Digital Services Act, schützt vor Deepfake-Betrug und schafft die Basis für Belegbarkeit von Informationen. Der Zweck ist richtig – nur die sichtbare Umsetzung als Icon verfehlt ihn.

Warum wirken sichtbare KI-Label kaum?
Mehrere unabhängige Studien mit insgesamt über 6.900 Teilnehmenden zeigen: Ein sichtbares Label verändert kaum, wie überzeugend ein Inhalt wirkt. Es lenkt eher die Aufmerksamkeit auf sich selbst, statt eine echte inhaltliche Prüfung auszulösen.

Lässt sich eine sichtbare KI-Kennzeichnung umgehen?
Ja. Metadaten in Bildern lassen sich entfernen, Texte durch ein anderes KI-Modell umformulieren – beides hebelt ein sichtbares Label technisch aus. Unsichtbare, maschinenlesbare Wasserzeichen wie bei Anthropic sind dagegen deutlich robuster, auch wenn kein Verfahren vollständig fälschungssicher ist.

Was macht Anthropic bei der Kennzeichnung von KI-Texten anders?
Anthropic markiert Claude-generierte Texte mit einem unsichtbaren, maschinenlesbaren Wasserzeichen statt einem sichtbaren Icon. Das Unternehmen betont selbst, dass dieses Signal kein Autorschaftsbeweis ist – ein Text kann auch dann markiert sein, wenn Claude ihn nur redigiert hat, nicht komplett erstellt.

Was bedeutet das für Marketing-Teams konkret?
Nicht Label setzen, sondern Belegbarkeit sicherstellen – bei Performance-Reportings, Kampagnen, Blogartikeln, Wettbewerbsanalysen oder Forecasts, die auf KI-verarbeiteten Daten basieren. Fehlerhafte KI-Informationen machen darauf aufbauende Inhalte unbrauchbar, unabhängig von jeder Kennzeichnung.