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
openai5. Oktober 2026 · Q007906

Our approach to EU text provenance rules

openai.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

OpenAI kündigt Text-Wasserzeichen für ausgewählte API-Modelle und geeignete ChatGPT- und Codex-Ausgaben in der EU an; den Detektor sollen zunächst nur zugelassene Forschende und Fachorganisationen nutzen können. Laut den vom Unternehmen berichteten Tests hängt die Erkennung stark von Textlänge und Bearbeitung ab, und ein Treffer sagt weder etwas Sicheres über menschlichen Beitrag, Urheberschaft oder Richtigkeit aus noch beweist ein fehlender Treffer menschliche Autorschaft.

Mittel

Der Bericht schildert OpenAIs stufenweisen Plan für Text-Wasserzeichen im Zusammenhang mit dem EU AI Act. API-Kunden weltweit sollen sie bei ausgewählten Modellen aktivieren können; bei ChatGPT und Codex ist eine Einführung für geeignete Ausgaben in der EU angekündigt. Ein Detektor soll zunächst nur zugelassenen Forschenden und Fachorganisationen offenstehen.

Die Technik textGrain fügt laut OpenAI ein unsichtbares statistisches Signal in die Wortwahl ein. Eigene Tests hätten im Vergleich mit geprüften Verfahren gut abgeschnitten, doch die Erkennung sei im Alltag begrenzt: Kürzere Texte und Inhalte mit wenig Spielraum bei der Wortwahl sind schwieriger zu prüfen. In einem Beispiel fiel die Erkennungsrate nach dem Ersetzen von 25 Prozent der Wörter durch Synonyme von rund 92 auf 17 Prozent. OpenAI berichtet außerdem, bei acht Astra-Benchmarks keine bedeutenden Leistungsunterschiede mit Wasserzeichen beobachtet zu haben.

Ein Treffer belegt weder menschlichen Anteil, Urheberschaft, Rechtmäßigkeit noch Richtigkeit und identifiziert keine Person. Ein fehlender Treffer beweist ebenso wenig menschliche Autorschaft, etwa wenn Text kurz, bearbeitet oder übersetzt ist. OpenAI bezeichnet die Technik als weiter zu prüfende Arbeit und will den Ansatz an neue Erkenntnisse und Standards anpassen.

Ausführlich lesen

Der Bericht beschreibt OpenAIs stufenweisen Ansatz zur Kennzeichnung KI-generierter Texte im Zusammenhang mit den Anforderungen des EU AI Act. Nach Darstellung des Unternehmens sollen generative KI-Anbieter Text maschinenlesbar erkennbar machen. OpenAI betont zugleich, dass Wasserzeichen und Erkennung noch frühe Technologien mit erheblichen Grenzen sind und ihr Nutzen sowie verantwortungsvoller Einsatz weiter untersucht werden.

OpenAI kündigt drei Schritte an: Seit Veröffentlichung können API-Kunden weltweit bei ausgewählten Modellen Wasserzeichen aktivieren; standardmäßig bleibt die Funktion dort ausgeschaltet. In den folgenden Wochen sollen geeignete Ausgaben von ChatGPT und Codex in der EU unsichtbar markiert werden. Außerdem können Forschende und fachkundige Organisationen eine Erkennungsmöglichkeit beantragen. Der Zugang soll zunächst einzeln geprüft und begrenzt werden. Anders als die Text-Erkennung sollen OpenAIs Verifikationswerkzeuge für Bilder und Audio laut Bericht weiterhin öffentlich zugänglich sein.

Die Technik textGrain fügt den Angaben zufolge ein unsichtbares statistisches Signal in die Wortwahl ein. Ein Detektor sucht nach diesem Signal. OpenAI berichtet, textGrain habe in eigenen Auswertungen mindestens so gut wie die getesteten anderen Verfahren, darunter SynthID für Text, abgeschnitten. Das Unternehmen warnt jedoch, dass Ergebnisse unter Idealbedingungen keine zuverlässige Erkennung im Alltag garantieren. Bei einer angestrebten Falsch-Positiv-Rate von einem Prozent erkannte der Detektor laut Bericht Wasserzeichen in etwa 80 Prozent der 200-Token-Passagen und 95 Prozent der 400-Token-Passagen zu Themen wie Psychologie. Bei Mathematik sei die Erkennung deutlich schlechter, weil die Wortwahl dort weniger Spielraum lasse. Bei 400-Token-Texten sank die Erkennung durch den Austausch von zehn Prozent der Wörter gegen Synonyme von rund 92 auf 66 Prozent; bei 25 Prozent Austausch auf 17 Prozent.

Für Astra nennt OpenAI Benchmarkwerte mit und ohne Wasserzeichen und erklärt, dabei keine bedeutenden Leistungsunterschiede zu sehen. Die Werte schwanken je nach Test geringfügig in beide Richtungen; der Bericht führt acht Benchmarks auf, darunter Artificial Analysis Intelligence Index, DeepSWE, BrowseComp und GPQA Diamond. Die Angaben sind Unternehmensberichte über eigene Auswertungen und belegen für sich genommen keine allgemeine Zuverlässigkeit.

Ein Treffer weist laut OpenAI allenfalls auf eine Rolle seiner Systeme bei einem Textabschnitt hin. Er misst weder den menschlichen Beitrag noch klärt er Urheberschaft, Eigentum, Rechtmäßigkeit, Verantwortung oder Richtigkeit und identifiziert keine Person oder Unterhaltung. Umgekehrt beweist ein fehlender Treffer keine menschliche Autorschaft: Kürze, Bearbeitung, Übersetzung, nicht unterstützte Modelle, ältere Ausgaben oder andere Anbieter können eine Erkennung verhindern. OpenAI will die Technik weiter untersuchen, Details veröffentlichen und sie möglicherweise quelloffen bereitstellen. Der Ansatz soll mit neuen Erkenntnissen, Standards und Vorschriften überprüft werden.

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

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Beide Zusammenfassungen von Luna wurden geprüft; die mittlere, ausführlichere wurde bewertet und ist im Kern treu. Der Bericht behandelt fast ausschließlich Text-Wasserzeichen, die Sammelfragen werden deshalb nur am Rande berührt. Die Abbildungen 4 bis 6 haben keinen Bezug zum Thema.

Im Bericht, aber nicht in der Zusammenfassung

  • Die Option ist in der API standardmäßig ausgeschaltet
  • Die Technik textGrain und ein geplanter Open-Source-Zugang werden nicht genannt
  • Bild- und Audio-Prüfwerkzeuge bleiben öffentlich zugänglich
  • Der Detektor meldet nur, ob ein OpenAI-Wasserzeichen vorliegt, ohne Nutzer oder Prompts preiszugeben
  • Die Einführung über Cloud-Partner wird angekündigt
  • Die Detektionsraten bei 200 bzw. 400 Tokens und die Schwelle von 1 Prozent Falsch-Positiven fehlen

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 100 %kein Bezug
    • Luna 57 %einzelne zitierbare Belege
    • JEV 38 %einzelne zitierbare Belege
    • amos 27 %gleiches Oberthema, hilft nicht
    • SubQ 37 %gleiches Oberthema, hilft nicht
    • drex 39 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung einzelne zitierbare 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 34 %Hintergrund, keine Belege
    • JEV 32 %einzelne zitierbare Belege
    • amos 38 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 43 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

  3. SF-M5 Was muss vor und nach einem Vorfall geschehen, damit Verantwortliche einstehen, man daraus lernt, Beweise bleiben und Betroffene auch über Grenzen hinweg zu ihrem Recht kommen?
    • clef 100 %kein Bezug
    • Luna 41 %Hintergrund, keine Belege
    • JEV 26 %Hintergrund, keine Belege
    • amos 35 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug

    • SF-M5-T06 Welche Pflicht sollten Regierungen, Labore und Betreiber haben, wenn sich später zeigt, dass ein eingesetztes Modell eine Sicherheitsschwelle verletzt hat: die Entscheidungen, die es beeinflusst hat, zu ermitteln, darüber zu benachrichtigen, sie zu berichtigen oder für sie zu entschädigen? Und wie kann eine nachträgliche Prüfung den vom Modell verursachten Schaden vom umgebenden menschlichen Entscheidungsprozess unterscheiden? Luna: Stufe 3 · 39 % · Hintergrund, keine Belege
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 21 %gleiches Oberthema, hilft nicht
    • Luna 41 %Hintergrund, keine Belege
    • JEV 39 %beantwortet teilweise oder widerspricht
    • amos 22 %nur am Rande erwähnt
    • SubQ 44 %gleiches Oberthema, hilft nicht
    • drex 52 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

  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 27 %einzelne zitierbare Belege
    • amos 30 %gleiches Oberthema, hilft nicht
    • SubQ 44 %gleiches Oberthema, hilft nicht
    • drex 51 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
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 29 %Hintergrund, keine Belege
    • Luna 39 %einzelne zitierbare Belege
    • JEV 30 %einzelne zitierbare Belege
    • amos 24 %nur am Rande erwähnt
    • SubQ 39 %gleiches Oberthema, hilft nicht
    • drex 41 %gleiches Oberthema, hilft nicht
    • d3-ultra 42 %gleiches Oberthema, hilft nicht

  2. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 25 %gleiches Oberthema, hilft nicht
    • Luna 46 %einzelne zitierbare Belege
    • JEV 45 %umfangreiche Belege
    • amos 28 %Hintergrund, keine Belege
    • SubQ 32 %gleiches Oberthema, hilft nicht
    • drex 25 %Hintergrund, keine Belege
    • d3-ultra 51 %gleiches Oberthema, hilft nicht

    • 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 · 37 % · Hintergrund, keine Belege
    • SF-P3-T08 Welche gemeinsame Bezugsgröße für den Umfang der Nutzung, welcher Beobachtungszeitraum, welcher Stichprobenplan, welche Definition von Beinahe-Vorfall und welche statistische Obergrenze (obere Konfidenzgrenze) würden es jedem erlauben zu sagen: „keine erkennbare systemische Fehlausrichtung (Verhalten gegen die vorgesehenen Ziele oder Werte) im Einsatzmaßstab“? Und wie muss dargestellt werden, dass die Erkennung lückenhaft ist? Luna: Stufe 3 · 30 % · 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 54 %einzelne zitierbare Belege
    • JEV 24 %einzelne zitierbare Belege
    • amos 100 %kein Bezug
    • SubQ 52 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug

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 33 %Hintergrund, keine Belege
    • JEV 41 %einzelne zitierbare Belege
    • amos 40 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 53 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

    • SF-V1-T02 Welche Belege würden Vertrauen in ein KI-System rechtfertigen, über seine flüssigen Erklärungen hinaus? Luna: Stufe 4 · 33 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 1 · gleiches Oberthema, hilft nicht
    • SF-V1-T03 Was ist das Kleinste, das ein Modell öffentlich vorlegen kann (ein Test, ein Protokoll, eine Spur), das als Beleg für Ausrichtung an den vorgesehenen Zielen und Werten zählt und nicht nur für Leistung? Luna: Stufe 3 · 40 % · Hintergrund, keine Belege
    • SF-V1-T07 Lieber ein Modell, das immer seinen Lösungsweg zeigen muss, oder eines, das im Stillen mehr kann: Welches Risiko nimmt man in Kauf? Luna: Stufe 3 · 41 % · Hintergrund, keine Belege
    • SF-V1-T09 Wenn Labore bessere Überwacher bauen, Modelle lernen, ihnen auszuweichen, und sich dieses Wechselspiel in jedem Labor beschleunigt: Behandeln Regierungen diesen Wettlauf selbst als Sicherheitsfrage zwischen Staaten, und welche gemeinsamen Belege würden zeigen, dass er beherrscht ist? Luna: Stufe 3 · 34 % · Hintergrund, keine Belege
    • SF-V1-T10 Kann etwas, das Modelle über sich und ihre Absichten sagen, als Beleg für Ausrichtung zählen, wenn es nur weiterer erzeugter Text ist, und welche Verfahren machen solche Selbstauskünfte vertrauenswürdig statt nur flüssig? Luna: Stufe 3 · 33 % · Hintergrund, keine Belege
  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 35 %einzelne zitierbare Belege
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 83 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  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 27 %Hintergrund, keine Belege
    • JEV 50 %einzelne zitierbare Belege
    • amos 43 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug

  4. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 44 %umfangreiche Belege
    • JEV 35 %umfangreiche Belege
    • amos 23 %Hintergrund, keine Belege
    • SubQ 48 %gleiches Oberthema, hilft nicht
    • drex 38 %gleiches Oberthema, hilft nicht
    • d3-ultra 48 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung einzelne zitierbare Belege

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 34 %einzelne zitierbare Belege
    • JEV 44 %einzelne zitierbare Belege
    • amos 26 %nur am Rande erwähnt
    • SubQ 50 %gleiches Oberthema, hilft nicht
    • drex 42 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

  2. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 22 %gleiches Oberthema, hilft nicht
    • Luna 39 %Hintergrund, keine Belege
    • JEV 26 %beantwortet teilweise oder widerspricht
    • amos 24 %Hintergrund, keine Belege
    • SubQ 28 %gleiches Oberthema, hilft nicht
    • drex 22 %gleiches Oberthema, hilft nicht
    • d3-ultra 42 %gleiches Oberthema, hilft nicht

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 57 %einzelne zitierbare Belege
    • JEV 41 %umfangreiche Belege
    • amos 22 %Hintergrund, keine Belege
    • SubQ 44 %gleiches Oberthema, hilft nicht
    • drex 22 %Hintergrund, keine Belege
    • d3-ultra 51 %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 3 · 36 % · Hintergrund, keine Belege
  2. SF-O3 Welcher Text gilt, und wie beweist man, dass ein Dokument nicht verändert wurde?
    • clef 100 %kein Bezug
    • Luna 37 %Hintergrund, keine Belege
    • JEV 31 %einzelne zitierbare Belege
    • amos 23 %einzelne zitierbare Belege
    • SubQ 20 %einzelne zitierbare Belege
    • drex 20 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

Beteiligung und Gemeinwohl
  1. SF-E1 Welche echte Stimme bekommen weitere Staaten, kleine Labore, Hochschulen und Zivilgesellschaft bei den Regeln für KI?
    • clef 22 %Hintergrund, keine Belege
    • Luna 37 %einzelne zitierbare Belege
    • JEV 35 %einzelne zitierbare Belege
    • amos 30 %nur am Rande erwähnt
    • SubQ 44 %gleiches Oberthema, hilft nicht
    • drex 32 %nur am Rande erwähnt
    • d3-ultra 50 %gleiches Oberthema, hilft nicht

    • 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 · 39 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 4 · einzelne zitierbare Belege
  2. SF-E2 In welchem Rahmen sollen Staaten KI regeln, und wo liegt eine gemeinsame Untergrenze?
    • clef 22 %nur am Rande erwähnt
    • Luna 100 %kein Bezug
    • JEV 50 %einzelne zitierbare Belege
    • amos 28 %einzelne zitierbare Belege
    • SubQ 41 %gleiches Oberthema, hilft nicht
    • drex 28 %gleiches Oberthema, hilft nicht
    • d3-ultra 31 %nur am Rande erwähnt
  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 35 %Hintergrund, keine Belege
    • JEV 42 %gleiches Oberthema, hilft nicht
    • amos 38 %gleiches Oberthema, hilft nicht
    • SubQ 47 %gleiches Oberthema, hilft nicht
    • drex 38 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  4. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 44 %einzelne zitierbare Belege
    • JEV 45 %einzelne zitierbare Belege
    • amos 34 %gleiches Oberthema, hilft nicht
    • SubQ 52 %gleiches Oberthema, hilft nicht
    • drex 40 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

  5. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 28 %gleiches Oberthema, hilft nicht
    • Luna 33 %einzelne zitierbare Belege
    • JEV 40 %einzelne zitierbare Belege
    • amos 33 %nur am Rande erwähnt
    • SubQ 51 %gleiches Oberthema, hilft nicht
    • drex 29 %nur am Rande erwähnt
    • d3-ultra 51 %gleiches Oberthema, hilft nicht

    • 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 · 42 % · Hintergrund, keine Belege
    • SF-E5-T02 Welche Entscheidungen müssen menschlich bleiben, auch wenn eine KI sie besser treffen könnte, und wie würden Staaten in Entscheidungsschleifen mit hohem Risiko prüfbar machen, dass ein Mensch die Ausgabe der KI wirklich beurteilt und nicht nur routinemäßig abgenickt hat? Luna: Stufe 3 · 37 % · Hintergrund, keine Belege
Wirtschaft und Haftung
Information und Öffentlichkeit
  1. SF-I1 Wie erkennt man KI-erzeugte Inhalte und KI-erzeugte Einflussnahme, ohne die Meinungsfreiheit zu beschneiden?
    • clef 23 %beantwortet teilweise oder widerspricht
    • Luna 52 %umfangreiche Belege
    • JEV 40 %beantwortet teilweise oder widerspricht
    • amos 33 %beantwortet teilweise oder widerspricht
    • SubQ 50 %beantwortet direkt und ausführlich
    • drex 64 %beantwortet direkt und ausführlich
    • d3-ultra 63 %umfangreiche Belege
    • Haiku-Prüfung umfangreiche 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 3 · 37 % · Hintergrund, keine Belege
    • 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 4 · 37 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 4 · einzelne zitierbare 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 · 37 % · 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 →