Präambel
Wir sind nicht hier, um diese Technologie zu bremsen.
Wir sind hier, weil bestraft wird, wer sie ehrlich benutzt und es sagt — und wer sie benutzt und schweigt, nicht. Das ist ein kaputter Anreiz, und kaputte Anreize lösen sich nicht von selbst auf. Sie summieren sich.
Jeder Streit über KI und Autorschaft läuft derzeit über ein Etikett mit zwei Stellungen. Dieses Etikett ist das Problem. Nicht die Modelle. Nicht die Menschen, die sie benutzen. Das Etikett.
Hier steht, was es kostet — und was an seine Stelle tritt.
Nicht die KI ist das Problem. Das Verstecken ist das Problem.
Nichts in diesem Dokument verlangt von irgendjemandem, weniger KI zu benutzen. Es verlangt zu sagen, was man getan hat.
Das Publikum hat längst einen Regler. Wer etwas macht, hat immer noch nur einen Schalter.
TikTok lässt dich wählen, wie viel KI-generierter Inhalt in deinem Feed auftaucht.1 Pinterest lässt dich um weniger davon bitten.2 Wer ein Werk konsumiert, bekommt einen Verlauf in die Hand gedrückt. Wer es gemacht hat, bekommt ein einziges Kästchen: schuldig oder nicht schuldig.
„Mit KI erstellt“ ist keine Tatsache. Es ist ein Urteil.
Es presst den Chirurgen, der dreißig Jahre Praxis in ein Modell diktiert und jede Zeile korrigiert hat, und das Skript, das letzte Nacht zehntausend Seiten ausgeworfen hat, während sein Besitzer schlief, in dieselben drei Worte. Ein Etikett, das diese beiden nicht auseinanderhalten kann, ist keine Information. Es ist eine Anklage mit angehängter Rechtschreibprüfung.
Wir haben ein Entweder-oder gebaut, wo die Wirklichkeit ein Spektrum ist — und an eine Seite davon die Scham geheftet.
Jedes Versagen, das daraus folgt, geht auf diesen einen Konstruktionsfehler zurück.
Wenn Ehrlichkeit bestraft wird und Schweigen nichts kostet, gewinnt das Schweigen.
Das ist kein moralisches Versagen der Kreativen. Das ist Arithmetik.
Es ist gemessen worden, und es hat einen Namen: das Offenlegungsparadox. In einer präregistrierten Studie sagten Menschen, die Offenlegung von KI-Nutzung sei wichtig — und bewerteten das Werk dann schlechter, sobald sie offengelegt wurde. Der Schluss der Autoren selbst: Das „droht perverse Anreize zur Nicht-Offenlegung zu schaffen“.3
Wir führen ein Experiment durch, in dem wir die Wahrhaftigen bestrafen und die Schweigenden belohnen — und zeigen uns dann überrascht über das Ergebnis.
Die Strafe hat nichts mit Qualität zu tun. Sie hat mit Aufwand zu tun.
Hörten Leser, eine Kurzgeschichte sei von einem Menschen geschrieben, schätzten sie den Aufwand auf 148 Minuten. Hörten sie, dieselbe Geschichte sei von KI geschrieben, schätzten sie sechs. Das Etikett änderte nichts daran, wie gut sie die Geschichte fanden — nicht ihre Kreativität, nicht ihre Originalität, nicht das Vergnügen beim Lesen. Es änderte nur, für wie teuer sie sie hielten. Und genau diese Schätzung des Preises sagte alles Übrige voraus.4
Das ist der ganze Befund, und er ist der Grund, warum es diese Skala gibt. Ein Schalter kann keinen Aufwand vermitteln. Eine Skala kann es. Sie ist womöglich die einzige Form der Offenlegung, die den Offenlegenden nicht bestraft.
Kennzeichne nur die Maschine, und alles Ungekennzeichnete beginnt menschlich auszusehen.
Markiere einen Teil der falschen Schlagzeilen, und die unmarkierten werden glaubwürdiger — ein Effekt, der in Management Science nachgewiesen und Effekt der implizierten Wahrheit getauft wurde. Die Lösung, die dieselben Forscher fanden: auch die wahren bestätigen.5
Ein System, das nur KI kennzeichnet, lässt also alles Ungekennzeichnete — samt aller KI, die es übersehen hat — standardmäßig als menschlich erscheinen.
Deshalb beginnt die Skala bei null. Auch wer gar keine KI benutzt, braucht eine Zahl. Nicht als Höflichkeit. Als tragende Struktur.
Es gibt kein beschämendes Level. Es gibt nur ein nicht deklariertes.
Level 5 ist die ehrliche Deklaration für einen automatisierten Marktbericht. Level 0 ist die ehrliche Deklaration für eine Autobiografie. Keines steht über dem anderen.
Eine Skala, die ihre eigenen Level in eine Rangfolge bringt, ist eine Schamleiter im Laborkittel, und jeder Nutzer wird sich auf ihr nach unten lügen. In dem Moment, in dem Level 4 zur Beleidigung wird, werden alle zu einer 2 — und wir haben das Entweder-oder neu gebaut, nur mit Zwischenschritten.
Herkunft lässt sich beweisen. Beitrag lässt sich nur deklarieren.
Die Kryptografie ist echt. Und sie reicht nicht.
C2PA kann einem digitalen Objekt einen manipulationssicheren, kryptografisch signierten Verlauf beifügen. Die eigene FAQ hält fest, dass die Kernspezifikation „die Zuordnung von Inhalten zu Personen oder Organisationen nicht unterstützt“.6 Jeder kann die offene Spezifikation implementieren, doch die Aufnahme in das offizielle Vertrauensmodell von C2PA erfordert ein konformes Produkt und ein Signaturzertifikat, das in der Trust-Liste verankert ist.7 Die wichtigsten Einsatzgebiete betreffen Medienobjekte und Dokumente, nicht gewöhnliche Webtexte.
Er beantwortet, was diese Datei berührt hat. Er kann nicht beantworten, wessen Denken darin steckt. Das kann nichts und niemand — außer dem Menschen, der es weiß.
Eine Deklaration ist kein schwacher Beweis. Sie ist etwas völlig anderes.
Eine Autorenzeile ist eine Deklaration. Eine Nährwerttabelle ist eine Deklaration. Die Interessenkonflikt-Erklärung am Ende eines Papers ist eine Deklaration. Keine davon ist ein Beweis — und die Zivilisation läuft trotzdem auf ihnen.
Sie funktionieren, weil sie billig abzugeben und teuer zu brechen sind.
Erkennung ist nicht die Rückfallebene. Sie war es nie.
Sieben kommerzielle KI-Detektoren stuften 61% echter Bewerbungsessays für die Universität, geschrieben von Menschen ohne Englisch als Muttersprache, als maschinell erzeugt ein. Achtundneunzig Prozent wurden von mindestens einem markiert.8
Ein Standard, der per Erkennung durchgesetzt wird, ist eine Maschine zur Beschuldigung Unschuldiger: des Eingewanderten, des Legasthenikers, dessen, der schlicht einfach schreibt. Jedes System, das einen Detektor braucht, um zu funktionieren, funktioniert nicht.
Offenlegung ist kein Geständnis. Sie ist eine Zeile im Abspann.
Drucker signieren ihre Kolophone seit fünfhundert Jahren — die Schrift, das Papier, die Presse, die Auflage. Filme lassen ihren Abspann bis zum letzten Helfer laufen. Ein Schreiner signiert die Unterseite der Schublade.
Niemand hat sich je für den Abspann geschämt. Die Werkzeuge waren nie das Geheimnis.
Die Kosten des Versteckens summieren sich — und bezahlt werden sie nicht von dem, der sich versteckt.
Bezahlt werden sie von dem ehrlichen Kreativen, dem niemand mehr glaubt. Von dem Unternehmen, das für etwas beschuldigt wird, das es nicht getan hat. Von dem Leser, der inzwischen annimmt, alles sei gefälscht — und damit immer öfter recht behält.
Merriam-Webster hat „slop“ zum Wort des Jahres 2025 gemacht: „digitale Inhalte von geringer Qualität, meist in großer Menge mit Mitteln der künstlichen Intelligenz erzeugt.“9 Das ist der Ruf, der sich jetzt an alles heftet, unterschiedslos — an die Schludrigen wie an die Sorgfältigen.
Die Organisationen, die die Inhalte erstellen, erkennen die Tragweite bereits. In einer Umfrage von 2026 unter 27 multinationalen Marken erklärten 82 %, Transparenz über KI sei für den Ruf der Marke unverzichtbar, und 79 % sagten dasselbe über das Vertrauen der Verbraucher. Dieselbe Untersuchung stellte jedoch auch uneinheitliche Regeln und Unsicherheit über die Erwartungen fest.10 Diese Unsicherheit ist keine Entschuldigung für Schweigen. Sie ist der Grund, warum ein gemeinsames Vokabular nützlich ist.
Unter der sichtbaren Schuld wächst eine weitere an. Modelle erzeugen Inhalte; diese Inhalte werden in spätere Trainingsdatensätze aufgenommen; spätere Modelle reproduzieren eine engere Version davon; und der Kreislauf beginnt von vorn. Eine in Nature veröffentlichte Studie bezeichnet diesen Fehlermodus als Modellkollaps: Wahlloses rekursives Training mit generierten Daten kann die Randbereiche der ursprünglichen Verteilung auslöschen und Fehler über Generationen hinweg verstärken.11 Synthetische Daten sind nicht grundsätzlich schlecht, und sorgfältig zusammengestellte Mischungen können weiterhin nützlich sein. Die Gefahr besteht darin, nicht mehr erkennen zu können, welche Art von Material in den Korpus gelangt ist.
Eine Deklaration kann nicht entscheiden, ob ein Crawler ein Werk zum Training verwenden darf — das regeln Lizenzen, Nutzungsbedingungen und Zugriffskontrollen. Sie kann Modellentwicklern ein fehlendes Signal geben: ob das Material von Menschen geschaffen, KI-assistiert, angeleitet, gepromptet oder ohne Prüfung veröffentlicht wurde. Diese Unterscheidung zu bewahren ist nicht nur eine Frage der Rücksicht auf Leserinnen und Leser. Es trägt dazu bei, die Vielfalt der Daten zu erhalten, aus denen künftige Modelle lernen.
Die Antwort des Gesetzes auf Nuancen ist eine Ausnahme. Unsere ist eine Skala.
Ab dem 2. August 2026 verlangt Artikel 50 des EU AI Act, dass KI-generierter Text, der veröffentlicht wird, um die Öffentlichkeit über Angelegenheiten von öffentlichem Interesse zu informieren, offengelegt wird — es sei denn, ein Mensch mit redaktioneller Verantwortung hat ihn geprüft; dann entfällt die Offenlegung vollständig.12
Lies das noch einmal. Das Gesetz sieht den Unterschied zwischen geprüfter und ungeprüfter Arbeit. Es hat nur kein Vokabular, um ihn auszudrücken — also löst es die Nuance auf, indem es die Pflicht abschaltet.
Die Unterscheidung, nach der das Gesetz greift und die es nicht benennen kann, ist die zwischen Level 4 und Level 5. Wir benennen sie.
Transparenz wird sich etwa ein Jahr lang seltsam anfühlen. Danach wird sie sich nach nichts mehr anfühlen.
Heute kann sich niemand mehr eine Lebensmittelpackung ohne Tabelle auf der Rückseite vorstellen, und niemand schämt sich für die aufgedruckten Kalorien. Das Etikett hat das Essen nicht getötet.
Es hat das Raten beendet.
Was wir verlangen
Deklariere dein Level. Setz es auf das Werk. Verlinke es mit der Definition.
Mehr nicht. Es ist kostenlos, es dauert dreißig Sekunden, und es gibt kein Gremium, das du fragen musst.
Die Skala ist sechs Level breit und beginnt bei null. Sie misst die Rolle, die KI bei der Entstehung gespielt hat — wessen Substanz das Werk trägt und wer dahintersteht — nicht, wie viele Zeichen ein Modell ausgeworfen hat. Sie ist CC0. Sie gehört niemandem. Forke sie, wenn wir falschliegen.
Wenn genug von uns das tun, bevor die Gewohnheit des Versteckens hart wird, hört Offenlegung auf, ein Geständnis zu sein, und wird das, was sie immer hätte sein sollen: eine Zeile im Abspann.
Dieses Dokument deklariert sein eigenes Level
Dieses Manifest ist Level 3 — Gesteuert.
Die Diagnose, die Argumentation, die Entscheidung, das hier zu bauen, und jede Gestaltungsentscheidung in der Skala stammen vom Autor. Die Recherche und die Prosa sind mit einem großen Sprachmodell entstanden, dann Zeile für Zeile gelesen, korrigiert und unterschrieben worden. Ohne den Autor gibt es dieses Dokument nicht. Ohne das Modell gibt es es — langsamer und schlechter geschrieben.
Genau das ist der Fall, den dieses Manifest verteidigt. Es wäre absurd, ihn zu vertreten und ihn zu verstecken.
Die Übersetzungen sind maschinell aus diesem englischen Text erzeugt und als solche gekennzeichnet — nach der Regel in § Übersetzung.
Quellen
Footnotes
-
TikTok hat eine Feed-Steuerung eingeführt, mit der Nutzer wählen können, wie viel KI-generierten Inhalt sie sehen, November 2025. https://techcrunch.com/2025/11/18/tiktok-now-lets-you-choose-how-much-ai-generated-content-you-want-to-see/ ↩
-
Pinterest, „Weniger anzeigen“-Steuerung für Gen-KI nach Kategorie, Oktober 2025. https://newsroom.pinterest.com/news/pinterest-rolls-out-new-tools-to-give-users-more-control-over-gen-ai-content/ ↩
-
„The AI penalty and disclosure paradox“, 2026, präregistriert, N=547. https://www.sciencedirect.com/science/article/pii/S2949882126000551 ↩
-
„Know Your Author: Does the AI Penalty Hold in Short Fiction?“, 2026. Die Autorschafts-Etiketten hatten keinen verlässlichen Effekt auf die beurteilte Kreativität, das Lesevergnügen oder die Originalität — nur auf den vermuteten Aufwand, der wiederum das Lesevergnügen vorhersagte. https://arxiv.org/pdf/2606.00006 ↩
-
Pennycook, Bear, Collins & Rand, „The Implied Truth Effect“, Management Science 66(11). https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3035384 ↩
-
C2PA-FAQ. https://c2pa.org/faqs/ ↩
-
C2PA Conformance Program. https://c2pa.org/conformance/ ↩
-
Liang et al., „GPT detectors are biased against non-native English writers“, Stanford, 2023. https://arxiv.org/pdf/2304.02819 ↩
-
Merriam-Webster, Wort des Jahres 2025: „slop“. https://www.merriam-webster.com/wordplay/word-of-the-year ↩
-
World Federation of Advertisers, Umfrage unter 27 multinationalen Marken, 2026. https://wfanet.org/knowledge/item/2026/04/02/global-brands-call-for-clearer-consensus-on-ai-labelling-as-usage-accelerates-wfa-research ↩
-
Shumailov et al., „AI models collapse when trained on recursively generated data“, Nature 631, 2024. https://doi.org/10.1038/s41586-024-07566-y ↩
-
EU AI Act, Artikel 50(4). Gilt ab dem 2. August 2026. https://artificialintelligenceact.eu/article/50/ ↩