Die kurze Antwort: Das Open-Source-Projekt watermarks-remover kann unsichtbare Zeichen und Dateimetadaten bereinigen und eine statistische Textüberarbeitung versuchen. Dass es damit das Produktionssystem von Anthropic zuverlässig überwindet, ist jedoch nicht nachgewiesen. Starkes Umschreiben kann ein Claude-Signal zwar abschwächen, ist aber kein garantierter Bypass – und kann Genauigkeit, Stil und Formatierung beschädigen.
Das ist der wichtige Punkt: Wer von einem „entfernten Wasserzeichen“ spricht, vermischt oft mehrere Techniken und zwei ganz unterschiedliche Provenienzsysteme. Ein Textsignal ist nicht dasselbe wie Dateimetadaten. Und keine der beiden Markierungen beantwortet allein die Frage, wer ein Dokument vollständig geschrieben hat.
Was der Workaround tatsächlich leistet
watermarks-remover, ein Open-Source-Projekt von Guillaume Meyer, beschreibt getrennte Arbeitsschritte. Eine Ebene bereinigt deterministisch unsichtbare Unicode-Zeichen und ähnliche Spuren. Eine weitere kann Text mithilfe einer Modellüberarbeitung neu formulieren. Außerdem lässt sich die Metadatenebene von Dateien separat behandeln.
Diese Schritte sind nicht gleichwertig. Die Zeichen- und Metadatenbereinigung zielt auf konkrete Dateispuren. Das statistische Textsignal steckt dagegen im Erzeugungsprozess – genauer: in den Auswahlmustern von Wörtern und Tokens. Eine Bereinigung von Unicode-Zeichen beweist deshalb nicht, dass ein Claude-Wasserzeichen aus dem Text verschwunden ist. Ebenso entfernt das Löschen von C2PA-Metadaten nicht automatisch ein Signal, das in der Textgenerierung entstanden ist.
Die derzeit belastbare Aussage lautet daher: Das Projekt kann eine best-effort-Überarbeitung und verschiedene Bereinigungen versuchen. Ein definitiver Erfolg gegen den Produktionsdetektor von Anthropic ist damit nicht belegt.
Textsignal und Dateimetadaten sind nicht dasselbe
Anthropic beschreibt für unterstützte Claude-Modelle ein unsichtbares, statistisches Signal im Text. Es wird nicht als sichtbarer Hinweis, verstecktes Sonderzeichen oder gewöhnliche Dateieigenschaft angefügt. Stattdessen beeinflusst das System die Auswahlmöglichkeiten während der Generierung so, dass sich über viele Wörter hinweg ein statistisch auswertbares Muster bilden kann.
Bei unterstützten Dateien kommt eine zweite Ebene hinzu: signierte C2PA-Metadaten. C2PA ist ein Standard für digitale Herkunftsinformationen, die an eine Datei angehängt werden können. Diese Ebene betrifft die Datei als Objekt; das Textwasserzeichen betrifft die Art, wie der Text erzeugt wurde. Zwei verschiedene Spuren, zwei verschiedene Fragen.
Deshalb gilt: Das Entfernen einer C2PA-Dateiinformation ist kein Beweis dafür, dass ein Textsignal entfernt wurde. Umgekehrt sagt ein statistisches Textsignal nichts darüber aus, ob eine bestimmte Datei noch ihre signierten Herkunftsdaten trägt.
Wie das statistische Signal funktioniert
Anthropic sagt, der Ansatz beruhe auf SynthID-Text, einer von Google DeepMind entwickelten Methode. Vereinfacht gesagt wird die Auswahl bestimmter Tokens im Kontext leicht gelenkt. Über einen längeren Text können sich diese kleinen Entscheidungen zu einem Muster summieren, das eine statistische Erkennung ermöglicht.
Das erklärt auch, warum Kopieren und Einfügen allein nicht als verlässliche Entfernungsmethode gelten. Das Signal sitzt nicht einfach in einem einzelnen unsichtbaren Zeichen, das man herauslöschen könnte. Leichte Bearbeitungen können es möglicherweise erhalten; umfangreiches Umschreiben, Übersetzen, kurze Textpassagen oder das Vermischen mit anderem Text können die Erkennung dagegen unzuverlässig machen.
Bei Code ist die Situation anders als bei normaler Prosa. Die Syntax lässt weniger freie Wortwahl zu. Spielraum gibt es eher bei Kommentaren und anderen frei formulierbaren Teilen, während der ausführbare Code selbst weniger Möglichkeiten für ein starkes statistisches Muster bietet.
Die zugrunde liegende SynthID-Text-Forschung berichtete in ihren eigenen Gemini-Experimenten über einen vernachlässigbaren Qualitätseinfluss und wertete dabei ungefähr 20 Millionen Antworten aus. Das ist ein Ergebnis für die dort untersuchte Google-Konfiguration – kein unabhängiger Test der Claude-Implementierung.
Warum ein Treffer keine vollständige Urheberschaft beweist
Eine erkannte Markierung kann darauf hindeuten, dass Claude den Inhalt verarbeitet hat. Sie beweist aber nicht, dass Claude das komplette Dokument geschrieben hat. Anthropic nennt auch Fälle wie Korrekturlesen, Übersetzen, Zusammenfassen oder Umformatieren, bei denen ein Text ursprünglich von einem Menschen stammen kann.
Das ist mehr als eine akademische Fußnote. Ein System, das nur auf ein statistisches Signal schaut, kann die Art der Nutzung nicht zuverlässig ausweisen: vollständige Generierung, gemeinsames Schreiben und eine einzelne sprachliche Überarbeitung sind nicht dasselbe.
Auch das Gegenstück ist wichtig: Ein negatives Ergebnis beweist keine menschliche Urheberschaft. Bearbeitung, Übersetzung, kurze Texte, nicht unterstützte Modelle und Formatänderungen können dazu führen, dass keine verwertbare Markierung erkannt wird.
Der aktuelle offizielle Stand beschreibt die Texterkennung als private Vorschau für berechtigte Organisationen und Unternehmen. Für gewöhnliche Nutzer ist sie damit keine allgemein verfügbare öffentliche Prüffunktion. Genau diese fehlende allgemeine Prüfbarkeit macht weitreichende Aussagen über einen angeblich „sauberen“ Text besonders heikel.
Was Umschreiben verändern kann – und was nicht
Starkes Paraphrasieren kann die statistische Erkennbarkeit schwächen. Das folgt aus der Funktionsweise solcher Markierungen und wird auch in der technischen Forschung zu SynthID-Text als mögliche Schwachstelle beschrieben. Doch „kann schwächen“ ist nicht dasselbe wie „entfernt zuverlässig“.
Der Preis kann zudem hoch sein. Eine Modellüberarbeitung verändert womöglich Tonfall, Formatierung und präzise Formulierungen. Sie kann bestehende Fehler stehen lassen oder neue Fehler erzeugen – gerade bei wissenschaftlichen, mathematischen oder technischen Texten ist das keine Kleinigkeit. Ein weiteres Modell kann außerdem eigene Provenienzsignale oder neue Unklarheiten einbringen.
Die sinnvolle Lesart lautet deshalb nicht: „Diesen Knopf drücken, dann ist das Wasserzeichen weg.“ Sondern: Eine substanzielle Neufassung verändert den Text so stark, dass ein statistisches Signal möglicherweise schwerer erkennbar wird. Ob das gegen Anthropic tatsächlich funktioniert, bleibt damit offen.
Was Leser und Organisationen daraus mitnehmen sollten
Wer mit Claude arbeitet, sollte Provenienz nicht auf einen einzelnen Detektorwert reduzieren. Praktischer ist ein sauberer Arbeitsnachweis:
- Entwürfe, Zwischenstände und Versionsverläufe aufbewahren, besonders bei redaktionellen, wissenschaftlichen oder beruflichen Texten.
- Festhalten, ob Claude Ideen entwickelt, übersetzt, korrigiert, zusammengefasst oder einen kompletten Entwurf erzeugt hat.
- Textsignale und C2PA-Dateimetadaten getrennt betrachten, statt die Bereinigung einer Ebene als Entfernung aller Spuren zu verstehen.
- Einen Treffer nicht mit vollständiger Urheberschaft gleichsetzen und ein negatives Ergebnis nicht als Beweis menschlicher Autorschaft behandeln.
- Die jeweils geltenden Vorgaben zur Kennzeichnung KI-gestützter Inhalte beachten, statt technische Bereinigung mit einer inhaltlichen oder organisatorischen Freigabe zu verwechseln.
Unterm Strich ist das Claude-Wasserzeichen derzeit vor allem ein Provenienzsignal – kein Autorschaftsurteil. Das Open-Source-Projekt zeigt, dass sich Teile der sichtbaren und unsichtbaren Dateispuren bereinigen und Texte stark umformulieren lassen. Ein nachgewiesener Bypass von Anthropic ist daraus aber nicht geworden.
