Dr. phil. Leonie Gantenbein

CLEAR Kennzeichnung von KI-Beteiligung an Texten

Conception · Language · Evidence · Attribution · Responsibility

Beim Schreiben von Texten ist die Schattennutzung von KI gross, in Literatur und Forschung genauso wie auf Social Media und im privaten Umfeld. Wir generieren einen Text mit KI und humanisieren ihn – oft auch in E-Mails. Und als Antwort erhalten wir einen ebenso humanisierten KI-Text von einem Teamkollegen. Nebenbei lernen wir, was Humanisieren heisst und worauf wir achten müssen: wenige Gedankenstriche, keine Dreierlisten, kein Sowohl-als-auch.

Aber warum sprechen wir überhaupt von Schattennutzung? Das Wort verrät, dass wir den Einsatz von KI für etwas halten, das man besser verbirgt. Verboten ist er meist nicht. Er gilt bloss als Makel.

In der EU hat der AI Act diesen Sommer eine Kultur der KI-Kennzeichnung eingeläutet. Seit dem 2. August 2026 müssen Deepfakes, also täuschend echt wirkende Aufnahmen, als künstlich erzeugt offengelegt werden. Das betrifft auch Schweizer Akteure, sobald ihre Inhalte in der EU genutzt werden. Für Texte ist die Pflicht eng gefasst: Ein KI-Text muss nur gekennzeichnet werden, wenn er die Öffentlichkeit über Angelegenheiten von öffentlichem Interesse informieren soll und kein Mensch ihn redaktionell geprüft und verantwortet hat. Auch das Gesetz fragt also letztlich, ob jemand für den Text einsteht.

Genauso wichtig wäre eine öffentliche Transparenz für Texte, die weiter reicht als diese Pflicht. Was wäre, wenn sich ein KI-Text einfach kennzeichnen liesse und einige von Anfang an mit gutem Beispiel vorangingen, weil sie sich nicht zu schade sind zu sagen, wie und wo sie KI einsetzen? Und was, wenn sich das durchsetzte und es uns leichter machte, einen Text zu beurteilen und uns eine Meinung zu bilden?

Ja, man kann mit einer Kennzeichnung lügen. Aber war das nicht immer schon so?

CLEAR ist mein Vorschlag, die Beteiligung künstlicher Intelligenz an Texten freiwillig und differenziert offenzulegen. Statt des pauschalen Etiketts «KI-generiert» halten fünf kurze Angaben fest, bei welchen Arbeitsschritten eine KI mitgewirkt hat, wie weit ihr Anteil reicht und wer für das Ergebnis einsteht. Jede beteiligte Person macht diese Angaben für ihren eigenen Anteil.

CLEAR funktioniert wie eine Quellenangabe: Es bewertet nicht, es gibt Auskunft darüber, wie ein Text entstanden ist.

Verantwortlich für eine Aussage bleibt immer, wer sie macht, nicht die KI. Wir übernehmen Verantwortung für vieles, was eine KI beigetragen hat, und das sollen wir auch, denn wir sind es, die es prüfen müssen. Die Angabe R macht sichtbar, ob diese Prüfung stattgefunden hat.

Kurzreferenz

Die fünf Angaben auf einen Blick:

AchseGegenstandStufen
C – ConceptionKonzeption und GedankengangC0 ausschliesslich menschlich · C1 KI als Gesprächspartnerin · C2 einzelne inhaltliche Teile von der KI ausgearbeitet · C3 Inhalt umfassend von der KI erzeugt
L – LanguageSprachliche BearbeitungL0 ohne KI · L1 Korrektorat · L2 Stillektorat · L3 Tiefenlektorat (Aufbau und Argumentation) · L4 Ausformulierung; Zusatz (t) für eine Übersetzung durch die KI
E – EvidenceQuellen und ihre VerarbeitungE0 ohne KI · E1 Quellenzugang · E2 Quellenerschliessung · E3 Quelleninterpretation · E4 Ergebnisinterpretation; Zusatz (p) publiziertes, (n) unpubliziertes Material
A – AttributionAusweisung der Werkzeugeeingesetzte KI-Modelle und Zeitraum der Nutzung
R – ResponsibilityRechenschaftR1 vollständig geprüft und verantwortet · R2 stichprobenartig geprüft · R3 ungeprüft veröffentlicht, mit dem Risiko, den Text trotzdem verantworten zu müssen

Für jede Achse geben Sie die höchste erreichte Stufe an; sie schliesst die darunterliegenden ein. Sind mehrere Personen beteiligt, etwa Autorin, Lektorat oder Übersetzung, erhält jede eine eigene Zeile. Die Kennzeichnung steht vor oder nach dem Text.

Wo die Kennzeichnung steht. Sie ist ein Einzeiler und findet überall Platz. Setzen Sie sie dort, wo man Angaben zur Entstehung eines Textes erwartet, damit niemand lange nach ihr suchen muss:

  • Buch: im Impressum
  • Artikel: am Schluss
  • Post und andere kurze Texte: ebenfalls am Schluss

Ein Beispiel. So ist der Text meines Buchs gekennzeichnet:

CLEAR (Autorin): C1, L3, E(p)1, A: Claude Opus 4.8, Fable 5, Opus 5, 04–09/2026, R1

Der Gedankengang ist meiner; die KI war Gesprächspartnerin (C1). Beim Schreiben hat sie auch in Aufbau und Argumentation eingegriffen (L3) und publizierte Quellen gesucht, die ich selbst gelesen habe (E(p)1). Drei Modelle waren zwischen April und September 2026 beteiligt, und ich habe jede Stelle geprüft und verantworte sie (R1).

Alle Stufen im Detail, Hinweise zur Einstufung und die Anwendung in Schulen und Hochschulen finden Sie im Kapitel «Spezifikation». Im Kapitel «Beispiele» zeigen zwanzig erfundene Fälle aus Studium, Forschung, Beruf, Öffentlichkeit und Privatleben, wie Kennzeichnungen aussehen und wie man sie liest. Das Factsheet am Ende dieser Seite fasst alle Kürzel zusammen und enthält einen Prompt, mit dem ein Sprachmodell seine eigene Beteiligung vorschlägt.

Für die Forschung

CLEAR kennzeichnet Texte. Wie KI in einem Forschungsprozess mit Daten und Code gearbeitet hat, etwa beim Transkribieren, Kodieren, Programmieren oder beim Training eines Modells, hält PISCATOR fest. Wer wissenschaftlich publiziert, gibt beide Angaben an: PISCATOR für den Forschungsprozess, CLEAR für den Text.

Status

CLEAR ist ein Vorschlag. Er wurde noch in keiner Praxis erprobt oder ausgewertet und ist sicher noch unvollständig. Gerade deshalb freue ich mich über Rückmeldungen: Erfahrungen aus der Anwendung, Einwände und Ideen, wie sich CLEAR auf Bilder, Bewegtbilder und Code übertragen liesse. Am besten erreichen Sie mich über die Issues im GitHub-Repository.

Herkunft

CLEAR ist in meinem Buch Zwischen Prompt und Welt. Über das Leben mit KI entstanden (erscheint am 14. Dezember 2026 beim Schwabe Verlag).

CLEAR knüpft an Begriffe aus meinem früheren Buch Annetzung. Handeln durch Technologie und Imagination an (Schwabe 2025, Open Access, gefördert vom Schweizerischen Nationalfonds), vor allem an den Begriff der Welttransparenz: den Anspruch, zu wissen, ob einem Tatsächliches, Computergeneriertes oder Imaginiertes gegenübertritt.

Zitieren

Wenn Sie CLEAR verwenden oder weiterentwickeln, zitieren Sie bitte:

Gantenbein, Leonie (2026): CLEAR – Kennzeichnung von KI-Beteiligung an Texten. Version 1.0. https://github.com/LeonieGantenbein/clear-kennzeichnung

Factsheet

Das Factsheet fasst alle Kürzel und Regeln auf einer Seite zusammen. Sie können es zum Nachschlagen nutzen oder einem Sprachmodell übergeben, damit es seine Beteiligung an einem Text nach CLEAR vorschlägt.

Notation

CLEAR (Rolle): C?, L?, E(p|n)?, A: Modelle, Zeitraum, R?

Pro Achse wird die höchste erreichte Stufe angegeben; sie schliesst die darunterliegenden ein. Jede beteiligte Person erhält eine eigene Zeile. Die Kennzeichnung steht vor oder nach dem Text.

KürzelBedeutung
C – Conception: Konzeption und Gedankengang
C0Der Gedankengang ist ausschliesslich menschlich entwickelt.
C1Die KI diente bei der Konzeption als Gesprächspartnerin.
C2Einzelne inhaltliche Teile wurden von der KI ausgearbeitet.
C3Der Inhalt wurde umfassend von der KI erzeugt.
L – Language: sprachliche Bearbeitung
L0Die Sprache ist ohne KI formuliert.
L1Korrektorat: Rechtschreibung, Grammatik und Zeichensetzung.
L2Stillektorat: Formulierungen verbessert, Inhalt unverändert.
L3Tiefenlektorat: Eingriffe in Aufbau und Argumentation.
L4Ausformulierung: Die KI formuliert den Text aus Inhalten, die der Mensch vorgegeben oder mit ihr erarbeitet hat.
(t)Von der KI übersetzt. Eine reine Übersetzung gilt bereits als Korrektorat: L(t)1.
E – Evidence: Quellen und ihre Verarbeitung
E0Quellenzugang und -erschliessung ohne KI.
E1Quellenzugang: Die KI findet, beschafft oder übersetzt Quellen; der Mensch liest und deutet sie.
E2Quellenerschliessung: Die KI fasst Quellen zusammen; weitergearbeitet wird mit den Zusammenfassungen.
E3Quelleninterpretation: Die Deutung der Quellen durch die KI wurde übernommen.
E4Ergebnisinterpretation: Ein Schluss der KI erscheint im Text als Ergebnis.
(p)Publiziertes, für Lesende nachprüfbares Material.
(n)Eigenes, unpubliziertes Material.
A – Attribution: Ausweisung der eingesetzten KI-Modelle und des Zeitraums ihrer Nutzung
R – Responsibility: Rechenschaft
R1Vollständig geprüft und vom Menschen verantwortet.
R2Stichprobenartig geprüft und daher nicht vollständig verantwortet.
R3Ungeprüft veröffentlicht, mit dem Risiko, den Text trotzdem verantworten zu müssen.

Prompt für die Selbstauskunft eines Sprachmodells

Ein Sprachmodell kann seine Beteiligung selbst vorschlagen. Kopieren Sie dazu den folgenden Text am Ende einer Zusammenarbeit in denselben Chat. Das Modell schlägt dann für C, L, E und A eine Stufe vor und begründet sie; R setzen immer Sie.

Bitte kennzeichne nach CLEAR, wie du an diesem Text beteiligt warst. Stütze dich ausschliesslich auf unseren bisherigen Chatverlauf.

Gib für jede Achse die höchste erreichte Stufe an und begründe sie in einem Satz:

C – Konzeption: C0 Gedankengang ausschliesslich menschlich · C1 KI als Gesprächspartnerin · C2 einzelne inhaltliche Teile von der KI ausgearbeitet · C3 Inhalt umfassend von der KI erzeugt
L – Sprache: L0 ohne KI · L1 Korrektorat · L2 Stillektorat (Formulierungen, Inhalt unverändert) · L3 Tiefenlektorat (Aufbau und Argumentation) · L4 Ausformulierung (Text aus vorgegebenen oder gemeinsam erarbeiteten Inhalten formuliert); Zusatz (t), wenn du den Text übersetzt hast (reine Übersetzung: L(t)1)
E – Evidenz: E0 ohne KI · E1 Quellenzugang (finden, beschaffen, übersetzen) · E2 Quellenerschliessung (Zusammenfassungen ersetzen die Primärquelle) · E3 Quelleninterpretation übernommen · E4 Schluss der KI als Ergebnis übernommen; Zusatz (p) publiziertes, (n) eigenes unpubliziertes Material
A – Ausweisung: dein Modellname und der Zeitraum unserer Zusammenarbeit
R – Rechenschaft: Lass R offen. Diese Angabe kann nur der Mensch machen.

Format: CLEAR (Rolle): C?, L?, E(p|n)?, A: Modell, Zeitraum, R?
Bei L gilt die tiefste Beteiligung, nicht die häufigste. Wenn du eine Stufe aus dem Verlauf nicht sicher bestimmen kannst, sage das, statt zu raten.

Grenzen der Selbstauskunft

Ein Modell kann nur beurteilen, was es gesehen hat. Seine Auskunft ist deshalb nur aussagekräftig, wenn die ganze Arbeit mit einem einzigen Sprachmodell in einem einzigen Chat stattgefunden hat.

Haben Sie mehrere Chats, Werkzeuge oder Modelle verwendet, den Text ausserhalb des Chats überarbeitet, oder ist der Verlauf so lang, dass das Modell die Anfänge nicht mehr erfasst, kann es seine Beteiligung nicht vollständig beurteilen. Nehmen Sie die Einstufung dann selbst vor.

Auch im besten Fall bleibt die Angabe des Modells ein Vorschlag, den Sie prüfen und, wo nötig, korrigieren. Die Rechenschaft (R) kann nur ein Mensch übernehmen.