Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
openai7. Mai 2024 · Q007641

Understanding the source of what we see and hear online

openai.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

OpenAI beschreibt C2PA-Metadaten, Wasserzeichen und Klassifikatoren als Wege, die Herkunft digitaler Inhalte nachvollziehbarer zu machen, und berichtet über interne Tests eines DALL·E-3-Bildklassifikators. Der Bericht betont zugleich Grenzen: Metadaten können entfernt werden, Erkennung lässt sich durch Bearbeitungen beeinträchtigen, und Textwasserzeichen könnten leicht umgangen werden oder bestimmte Gruppen benachteiligen.

Mittel

Der Bericht stellt OpenAIs Vorhaben vor, die Herkunft digitaler Inhalte sichtbarer zu machen. Dazu zählt die Mitarbeit am C2PA-Standard und der Einsatz von Herkunftsmetadaten bei DALL·E-3-Bildern. Diese können Entstehung und Änderungen dokumentieren, sind laut OpenAI aber nur hilfreich, wenn Plattformen und andere Beteiligte sie beim Weitergeben erhalten. Sie verhindern weder irreführende Inhalte noch das Entfernen von Angaben.

Ein weiterer Schwerpunkt sind Wasserzeichen und Klassifikatoren. In internen Tests erkannte eine frühe Version des Bildklassifikators laut OpenAI etwa 98 Prozent der DALL·E-3-Bilder; weniger als 0,5 Prozent nicht KI-generierter Bilder wurden falsch zugeordnet. Bei Bildern anderer KI-Modelle lag die Fehlmarkierung im internen Datensatz bei etwa 5 bis 10 Prozent. Bestimmte Bearbeitungen beeinträchtigten die Leistung wenig, andere konnten sie senken. OpenAI lud externe Forschende und journalistische Nonprofits zur Prüfung ein.

Ein Update von August 2024 berichtet über Text-Provenienz: Textwasserzeichen seien leicht global zu umgehen und könnten Nicht-Muttersprachler benachteiligen. Metadaten würden weiter erforscht, ihre Wirksamkeit sei noch offen. Die genannten Leistungswerte beruhen auf internen Tests.

Ausführlich lesen

Der Bericht beschreibt OpenAIs Ansatz, Herkunft und Bearbeitung digitaler Inhalte nachvollziehbarer zu machen. Er verbindet zwei Wege: offene Herkunftsstandards, an deren Entwicklung OpenAI mitwirken will, und technische Verfahren zur Erkennung von Inhalten aus eigenen Modellen.

OpenAI kündigt an, dem Lenkungsausschuss der Coalition for Content Provenance and Authenticity (C2PA) beizutreten. C2PA soll Angaben zur Entstehung und Bearbeitung digitaler Inhalte standardisiert dokumentieren. Laut Bericht versieht OpenAI seit Anfang 2024 von DALL·E 3 erzeugte oder bearbeitete Bilder in ChatGPT und der API mit C2PA-Metadaten; entsprechende Angaben für Sora seien für eine breitere Veröffentlichung des Videomodells vorgesehen. Die Daten können beispielsweise das verwendete Werkzeug und vorgenommene Änderungen festhalten. Der Bericht räumt ein, dass irreführende Inhalte auch ohne solche Angaben erstellt und Metadaten entfernt werden können. Sie seien jedoch schwerer zu fälschen oder zu verändern und könnten Vertrauen unterstützen, wenn sie beim Teilen und Bearbeiten erhalten bleiben. Dafür sei die Mitwirkung von Plattformen, Urhebern und weiteren Beteiligten nötig.

Zusätzlich entwickelt OpenAI Wasserzeichen und Klassifikatoren. Ein Bildklassifikator soll die Wahrscheinlichkeit einschätzen, dass ein Bild aus DALL·E 3 stammt. OpenAI berichtet von internen Tests einer frühen Version: Sie habe ungefähr 98 Prozent der DALL·E-3-Bilder erkannt; weniger als 0,5 Prozent der nicht KI-generierten Bilder seien irrtümlich als DALL·E-3-Bilder markiert worden. Kompression, Zuschnitt und Änderungen der Sättigung hätten die Leistung demnach nur wenig beeinträchtigt, andere Veränderungen könnten sie senken. Bei Bildern aus anderen KI-Modellen sei die Abgrenzung schwächer: Im internen Datensatz habe der Klassifikator etwa 5 bis 10 Prozent davon markiert. OpenAI öffnete damals eine Bewerbungsmöglichkeit für erste externe Tester, darunter Forschungseinrichtungen und journalistische Nonprofits, damit diese die Wirksamkeit und praktische Anwendung unabhängig untersuchen.

Ein Update vom August 2024 ergänzt die Arbeit an Text-Provenienz. OpenAI habe verschiedene Ansätze erforscht, darunter Klassifikatoren, Wasserzeichen und Metadaten, sich aber zunächst auf audiovisuelle Inhalte konzentriert, denen das Unternehmen bei damaligen Modellfähigkeiten ein höheres Risiko zuschreibt. Ein entwickeltes Textwasserzeichen sei in Tests genau und gegen lokale Eingriffe wie Paraphrasieren wirksam gewesen, könne aber durch globale Änderungen wie Übersetzung oder Neuformulierung leicht umgangen werden. Zudem könne es bestimmte Gruppen unverhältnismäßig treffen, etwa Nicht-Muttersprachler, die KI als Schreibhilfe nutzen. Text-Metadaten würden ebenfalls untersucht; ihre Wirksamkeit sei noch nicht absehbar. OpenAI hebt hervor, dass kryptografisch signierte Metadaten keine falsch positiven Erkennungen erzeugen sollen, während selbst eine niedrige Fehlalarmrate bei Wasserzeichen in sehr großen Textmengen viele Fehlalarme bedeuten könnte.

Der Bericht nennt außerdem Audio-Wasserzeichen in Voice Engine, das damals nur in einer begrenzten Forschungsvorschau verfügbar war, sowie einen gemeinsam mit Microsoft angekündigten Fonds über zwei Millionen Dollar für Bildung und gesellschaftliches Verständnis. Die Leistungsangaben stammen aus internen Tests und sind keine umfassende unabhängige Bewertung; der Text nennt Einschränkungen durch Bearbeitungen und unterscheidet die Erkennung eigener Modellbilder von der Erkennung anderer KI-Bilder.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Lunas kurze und mittlere Zusammenfassung wurden beide geprüft; keine Angaben sind erfunden. Die mittlere Fassung ist vollständiger; die kurze lässt zentrale Befunde wie die Trefferquoten und das Zugangsprogramm aus. Die Einordnung stützt sich nur auf den Bericht.

Im Bericht, aber nicht in der Zusammenfassung

  • Audio-Wasserzeichen in Voice Engine (eingeschränkte Forschungsvorschau)
  • Zwei-Millionen-Dollar-Fonds für gesellschaftliche Resilienz gemeinsam mit Microsoft
  • Kurzfassung: Zugangsprogramm für Forschende zum Bildklassifikator und die Trefferquote von ca. 98 Prozent fehlen
  • Kurzfassung: Hinweis, dass Herkunftsdaten bei Plattformen und Vermittlern erhalten bleiben müssen, fehlt
  • Kurzfassung: Text-Metadaten sind kryptografisch signiert und erzeugen daher keine Fehlalarme, dieser Vorteil fehlt

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Vorfälle melden
  1. SF-M3 Wie stellt man fest, ob ein Vorfall gewollt oder versehentlich war, und ob KI oder herkömmliche Mittel dahinterstecken?
    • clef 17 %Hintergrund, keine Belege
    • Luna 46 %einzelne zitierbare Belege
    • JEV 34 %einzelne zitierbare Belege
    • amos 26 %Hintergrund, keine Belege
    • SubQ 35 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra offen
    • Haiku-Prüfung Hintergrund, keine Belege

  2. SF-M4 Wie kommen Meldungen von Laboren, Betreibern und Nutzern schnell und geschützt zu den Stellen, die handeln müssen, auch über Grenzen hinweg?
    • clef 100 %kein Bezug
    • Luna 62 %Hintergrund, keine Belege
    • JEV 38 %einzelne zitierbare Belege
    • amos 40 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen
Fähigkeiten messen
  1. SF-F2 Wenn ein Staat ein Modell als Beleg für eine überschrittene Schwelle nennt oder ein Risiko an der Herkunft eines Modells festmacht: Wie wird das überprüfbar?
    • clef 20 %gleiches Oberthema, hilft nicht
    • Luna 56 %Hintergrund, keine Belege
    • JEV 38 %beantwortet teilweise oder widerspricht
    • amos 22 %Hintergrund, keine Belege
    • SubQ 46 %gleiches Oberthema, hilft nicht
    • drex 48 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  2. SF-F4 Für welche Modelle, Entwickler und Einsätze gelten Prüfregeln, und wann muss neu geprüft werden?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 44 %einzelne zitierbare Belege
    • amos 40 %gleiches Oberthema, hilft nicht
    • SubQ 45 %gleiches Oberthema, hilft nicht
    • drex 40 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
Unabhängig prüfen
  1. SF-P1 Unter welchen Bedingungen lassen Staaten und Labore sich gegenseitig prüfen: mit welchem Zugang, welchen Daten und welchen öffentlichen Ergebnissen?
    • clef 100 %kein Bezug
    • Luna 37 %Hintergrund, keine Belege
    • JEV 43 %einzelne zitierbare Belege
    • amos 23 %nur am Rande erwähnt
    • SubQ 46 %gleiches Oberthema, hilft nicht
    • drex 44 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

    • SF-P1-T01 Wie ließen sich unabhängige Zertifizierungsstellen für KI-Sicherheit schaffen, die alle Seiten anerkennen? Luna: Stufe 3 · 45 % · Hintergrund, keine Belege
  2. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 22 %gleiches Oberthema, hilft nicht
    • Luna 45 %einzelne zitierbare Belege
    • JEV 44 %umfangreiche Belege
    • amos 28 %Hintergrund, keine Belege
    • SubQ 35 %gleiches Oberthema, hilft nicht
    • drex 31 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

    • SF-P3-T01 Welcher gemeinsame Rahmen für Labore macht Selbstüberwachung überprüfbar, ohne geschütztes geistiges Eigentum offenzulegen, und welche unabhängigen Verfahren Dritter, falls es sie gibt, bestätigen, dass die Selbstüberwachung riskantes Verhalten vor der Freigabe wirklich findet und nicht nur Schein ist? Luna: Stufe 3 · 37 % · Hintergrund, keine Belege
    • SF-P3-T02 Welche unabhängig überprüfbaren Zusagen könnten Regierungen von ihren KI-Laboren zur Veröffentlichung verlangen, und wie sieht unabhängige Prüfung aus, wenn der Beleg, dass ein Modell seinen vorgesehenen Zielen und Werten folgt, nur vom trainierenden Labor kommt und Prüfer weder die Modellgewichte (die gelernten Parameter) noch die Trainingsdaten sehen? Luna: Stufe 3 · 32 % · Hintergrund, keine Belege
Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 100 %kein Bezug
    • Luna 67 %Hintergrund, keine Belege
    • JEV 30 %gleiches Oberthema, hilft nicht
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen

Vertrauen in Modelle
  1. SF-V1 Was zählt als Beleg für die Werte eines Modells, wenn sein sichtbares Denken und seine Selbstauskünfte allein nicht genügen?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 57 %umfangreiche Belege
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen
  2. SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 39 %einzelne zitierbare Belege
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 49 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  3. SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 29 %einzelne zitierbare Belege
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen
  4. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 39 %Hintergrund, keine Belege
    • JEV 31 %einzelne zitierbare Belege
    • amos 37 %gleiches Oberthema, hilft nicht
    • SubQ 54 %gleiches Oberthema, hilft nicht
    • drex 49 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

Modelle teilen und schützen
  1. SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
    • clef 100 %kein Bezug
    • Luna 35 %Hintergrund, keine Belege
    • JEV 32 %gleiches Oberthema, hilft nicht
    • amos 47 %gleiches Oberthema, hilft nicht
    • SubQ 51 %gleiches Oberthema, hilft nicht
    • drex 52 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  2. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 37 %nur am Rande erwähnt
    • JEV 23 %Hintergrund, keine Belege
    • amos 25 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 34 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
Frieden und Sicherheit
Offenlegung und Rechenschaft
  1. SF-O2 Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
    • clef 100 %kein Bezug
    • Luna 49 %einzelne zitierbare Belege
    • JEV 45 %umfangreiche Belege
    • amos 31 %gleiches Oberthema, hilft nicht
    • SubQ 52 %gleiches Oberthema, hilft nicht
    • drex 43 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung gleiches Oberthema, hilft nicht

    • SF-O2-T05 Welche öffentlichen Zusagen eines Spitzenlabors macht die juristische Person, die bei einem Bruch verklagt würde, und welche nur das Forschungsteam, und veröffentlichen die Labore das für jede Zusage? Luna: Stufe 4 · 37 % · einzelne zitierbare Belege
  2. SF-O3 Welcher Text gilt, und wie beweist man, dass ein Dokument nicht verändert wurde?
    • clef 100 %kein Bezug
    • Luna 41 %einzelne zitierbare Belege
    • JEV 38 %beantwortet teilweise oder widerspricht
    • amos 27 %nur am Rande erwähnt
    • SubQ 19 %einzelne zitierbare Belege
    • drex 100 %kein Bezug
    • d3-ultra offen

    • SF-O3-T01 Wenn ein Sicherheitsbericht, eine Meldung an den Meldekanal, eine Modellbeschreibung (Modellkarte) oder ein Verzeichnis der Trainingsdaten veröffentlicht wird: Welche öffentlichen kryptografischen Belege (signierte Verzeichnisse, verkettete Prüfsummen, Register, die sich nur erweitern lassen) lassen Außenstehende prüfen, dass das Dokument seit der Veröffentlichung nicht verändert wurde, und wer betreibt die Infrastruktur dafür so, dass niemand diese Prüfungen allein widerrufen kann? Luna: Stufe 3 · 28 % · Hintergrund, keine Belege
    • SF-O3-T02 Wenn langlebige Vorfallakten, Sicherheitsnachweise, Identitäten von KI-Agenten und Prüfsignaturen die heutige Kryptografie überdauern: Welche Regeln für den Wechsel auf quantensichere Verfahren, den Schlüsselwechsel und die weitere Prüfung älterer Belege sollten alle annehmen, ohne früher anerkannte Belege ungültig zu machen? Luna: Stufe 3 · 33 % · Hintergrund, keine Belege
Beteiligung und Gemeinwohl
  1. SF-E1 Welche echte Stimme bekommen weitere Staaten, kleine Labore, Hochschulen und Zivilgesellschaft bei den Regeln für KI?
    • clef 100 %kein Bezug
    • Luna 47 %Hintergrund, keine Belege
    • JEV 40 %einzelne zitierbare Belege
    • amos 25 %nur am Rande erwähnt
    • SubQ 45 %gleiches Oberthema, hilft nicht
    • drex 42 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

    • SF-E1-T04 Wie bekommen Staaten, in denen kein Spitzenlabor sitzt, einen echten Platz beim Setzen internationaler technischer KI-Normen, damit KI in der Praxis ein gemeinsames Gut bleibt und nicht nur wenige Regierungen und Firmen die Regeln schreiben? Luna: Stufe 4 · 46 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 1 · gleiches Oberthema, hilft nicht
    • SF-E1-T05 Welche Mechanismen könnten geschaffen werden, damit Standards und Praktiken der KI-Sicherheit in Ländern des Globalen Südens berücksichtigt und nicht allein von wenigen Staaten bestimmt werden? Luna: Stufe 3 · 34 % · Hintergrund, keine Belege
    • SF-E1-T09 Bekommen zivile Forschende an Hochschulen und unabhängige Organisationen der Zivilgesellschaft geregelten Zugang zu Modellen, Daten und Befunden der Prüfer, oder bleibt die Prüfung bei staatlich bestellten Stellen? Luna: Stufe 4 · 42 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 6 · beantwortet teilweise oder widerspricht
  2. SF-E2 In welchem Rahmen sollen Staaten KI regeln, und wo liegt eine gemeinsame Untergrenze?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 38 %einzelne zitierbare Belege
    • amos 34 %gleiches Oberthema, hilft nicht
    • SubQ 52 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra offen
  3. SF-E3 Welche Stellen sind in einem Staat für KI-Sicherheit und Prüfungen zuständig, und was davon gibt es schon?
    • clef 100 %kein Bezug
    • Luna 34 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 45 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra offen
  4. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 67 %Hintergrund, keine Belege
    • JEV 42 %einzelne zitierbare Belege
    • amos 39 %gleiches Oberthema, hilft nicht
    • SubQ 53 %gleiches Oberthema, hilft nicht
    • drex 48 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

    • SF-E4-T01 Was hieße die Formel von KI als „gemeinsamem Gut der ganzen Menschheit“ praktisch (Zugang, Teilen des Nutzens, gestaffelte Preise, Technologietransfer), so dass jeder Staat sie tatsächlich unterschreiben und prüfen könnte? Luna: Stufe 3 · 43 % · Hintergrund, keine Belege
  5. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 100 %kein Bezug
    • Luna 37 %Hintergrund, keine Belege
    • JEV 28 %Hintergrund, keine Belege
    • amos 30 %nur am Rande erwähnt
    • SubQ 56 %gleiches Oberthema, hilft nicht
    • drex 42 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

    • SF-E5-T01 Wer soll das Tempo der KI-Entwicklung bestimmen: die Labore, die Regierungen oder die Menschen, die diese Systeme jeden Tag nutzen? Luna: Stufe 3 · 43 % · Hintergrund, keine Belege
Information und Öffentlichkeit
  1. SF-I1 Wie erkennt man KI-erzeugte Inhalte und KI-erzeugte Einflussnahme, ohne die Meinungsfreiheit zu beschneiden?
    • clef 26 %beantwortet teilweise oder widerspricht
    • Luna 58 %einzelne zitierbare Belege
    • JEV 46 %umfangreiche Belege
    • amos 32 %beantwortet teilweise oder widerspricht
    • SubQ 61 %beantwortet direkt und ausführlich
    • drex 55 %beantwortet direkt und ausführlich
    • d3-ultra offen
    • Haiku-Prüfung einzelne zitierbare Belege

    • SF-I1-T01 Welche gemeinsamen Standards für Herkunftsnachweis und Erkennung (Wasserzeichen, signierte Metadaten, Fingerabdrücke von Modellen) würden Labore, Plattformen und Regierungen einführen, damit KI-erzeugte Texte, Tonaufnahmen und Videos über Ländergrenzen hinweg zuverlässig zuzuordnen sind? Luna: Stufe 4 · 43 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 6 · beantwortet teilweise oder widerspricht
    • SF-I1-T02 Welche gemeinsamen Regeln sollten Labore und Regierungen für Herkunftsnachweis, Kennzeichnung und schnelle Reaktion auf maschinell erzeugte oder veränderte Medien oder Texte annehmen, die eingesetzt werden, um die Öffentlichkeit zu täuschen, und dabei Journalismus, Satire und Forschung schützen? Luna: Stufe 3 · 39 % · Hintergrund, keine Belege
    • SF-I1-T03 Wenn KI-erzeugte Einflussnahme vor allem über gemeinsam genutzte Systeme für Empfehlungen, Rangfolgen, Werbung und Nutzerbindung wirkt und nicht über die Ausgabe eines einzelnen Modells: Welche gemeinsame Messung, welche Vorfallschwelle und welcher abgestimmte Reaktionsablauf sollten gelten, ohne dass Plattformaufsicht zur Zensur von Meinungen wird? Luna: Stufe 3 · 40 % · Hintergrund, keine Belege

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →