Dieser Beitrag wurde mit KI-Unterstützung erstellt, fachlich geprüft und redaktionell freigegeben.

Artikelbild-Kennzeichnung: AI GENERATED

Ein KI-Label sagt, wie ein Inhalt entstanden ist. Es sagt noch nicht, welche Originaldatei verwendet wurde, welche Bearbeitung danach folgte oder ob eine spätere Korrektur alle veröffentlichten Varianten erreicht hat. Genau diese Lücke rückt WordPress jetzt näher an den Redaktionsalltag: Das WordPress AI Team führt Content-Provenance-Experimente für Text und Bilder über C2PA als mögliche nächste Entwicklung des AI-Plugins an.

Für österreichische Nachrichtenseiten, Corporate Blogs und Fachportale ist das mehr als ein technisches Detail. Automatisierte Redaktionen brauchen drei getrennte Spuren: einen maschinenlesbaren Herkunftsnachweis, einen verständlichen Hinweis für Leserinnen und Leser sowie eine redaktionelle Versionsgeschichte. Erst zusammen beantworten sie die Fragen: Woher kommt das Material, was wurde verändert und wer verantwortet die veröffentlichte Fassung?

WordPress nennt ein Experiment, keine fertige Kernfunktion

In der Ankündigung zu WordPress AI 1.2.0 beschreibt das Team Content Provenance für Text und Bilder als exploratives Vorhaben für Version 1.3.0 und spätere Releases. Auch die Erkennung vorhandener C2PA-Manifeste beim Upload ist dort als Experiment genannt. Daraus folgt kein Versprechen, dass WordPress Core oder jede produktive Website diese Funktionen bereits beherrscht.

Diese Abgrenzung ist wichtig. Wer heute Bilder hochlädt, darf nicht annehmen, WordPress würde Herkunftsdaten automatisch auslesen, dauerhaft erhalten und auf jeder Bildgröße anzeigen. Ein offenes Issue im WordPress-AI-Projekt beschreibt vielmehr die aktuelle Schwachstelle: WordPress liest beim Upload zwar klassische EXIF-, IPTC- und Teile von XMP-Daten, erkennt C2PA-Manifeste aber nicht. Bei der Erzeugung kleinerer Bildgrößen können diese Manifeste verloren gehen, während das Original auf dem Server erhalten bleibt.

Der praktische Schluss lautet deshalb: Experiment beobachten, aber den eigenen Prozess nicht darauf aufbauen, bevor er auf der konkreten Installation getestet wurde. Theme, Optimierungsplugin, CDN und Social-Media-Export können jeweils weitere Dateien erzeugen.

Was Content Credentials leisten

C2PA ist ein offener technischer Standard für Herkunft und Bearbeitung digitaler Inhalte. Die daraus bekannten Content Credentials können Informationen zur Entstehung, zu Verarbeitungsschritten und zum signierenden Werkzeug mit einer Datei verbinden. Kryptografische Signaturen helfen dabei, nachträgliche Veränderungen am Nachweis erkennbar zu machen.

Das ist wertvoll, aber kein Wahrheitsstempel. Ein gültiger Herkunftsnachweis beweist nicht automatisch, dass eine Presseaussendung sachlich richtig, ein Produktversprechen zulässig oder ein Foto frei von irreführendem Kontext ist. Er dokumentiert eine Produktionsspur. Die redaktionelle Prüfung des Inhalts bleibt eine eigene Aufgabe.

Auch ein fehlender Nachweis beweist nicht, dass eine Datei ohne KI erstellt wurde. Metadaten können beim Export, Verkleinern, Konvertieren oder erneuten Hochladen verloren gehen. OpenAI beschreibt deshalb einen mehrschichtigen Ansatz aus C2PA, unsichtbaren Wasserzeichen und Verifikationswerkzeugen. Das Unternehmen hat seine öffentliche Verifikation Ende Juli auch um unterstützte Audiodateien und API-Zugriff erweitert. Zugleich weist es darauf hin, dass kein einzelnes Erkennungsverfahren unfehlbar ist.

Drei Spuren statt eines Universal-Labels

1. Maschinenlesbare Herkunft

Diese Spur liegt in einem Manifest, einer Signatur, einem Wasserzeichen oder einem anderen technischen Signal. Sie soll Systemen und Prüfwerkzeugen helfen, Entstehung und Bearbeitung nachzuvollziehen. Ihr größtes Betriebsrisiko ist der Medienweg: Das Signal kann am Original vorhanden sein und in der öffentlich ausgespielten Ableitung fehlen.

2. Sichtbare Transparenz

Ein kleiner Hinweis am Beitrag oder Bild richtet sich an Menschen. Er muss verständlich, wahr und am relevanten Inhalt platziert sein. Die zurückhaltende Umsetzung zeigt der AdSimple-Beitrag Autopublish trifft AI Act. Ein sichtbares Label darf jedoch nicht vortäuschen, dass damit auch Metadaten, Rechteprüfung oder Korrekturprozess erledigt wären.

3. Redaktionelle Versionsgeschichte

Diese Spur gehört in das CMS oder ein verbundenes Redaktionsprotokoll. Sie umfasst Quelle, Abrufzeitpunkt, verantwortliche Person, KI-Werkzeug, wesentliche Bearbeitung, Freigabe und spätere Korrektur. WordPress-Revisionsstände helfen, ersetzen aber kein strukturiertes Quellen- und Freigabelog. Eine Revision zeigt, welcher Text geändert wurde; sie erklärt nicht zwingend, warum die Änderung nötig war oder welche externen Ausgaben betroffen sind.

Der frühere AdSimple-Beitrag KI-Inhalte brauchen klare Spuren im Content-Workflow ordnet sichtbare, technische und interne Ebenen grundsätzlich ein. Der neue WordPress-Anlass macht daraus einen konkreten Test: Überlebt die technische Spur wirklich den Weg vom Original bis zur ausgelieferten Datei?

Der kritische Weg eines WordPress-Bildes

Ein Featured Image kann in einer produktiven Installation viele Stationen durchlaufen. Zuerst wird das Original in die Mediathek geladen. WordPress erzeugt daraus mehrere Größen. Ein Theme wählt über srcset je nach Gerät eine passende Ableitung. Ein Bildoptimierungsplugin konvertiert möglicherweise JPEG in WebP oder AVIF. Ein CDN ändert URL, Auflösung oder Format. Für Open Graph und Newsletter entstehen weitere Kopien.

Eine Herkunftsprüfung nur am Original ist daher unvollständig. Der öffentlich sichtbare Artikel kann auf Desktop eine 1.200-Pixel-Datei und auf dem Smartphone eine 390-Pixel-Ableitung ausliefern. Beide müssen getrennt betrachtet werden. Dass das Original ein C2PA-Manifest enthält, bedeutet nicht automatisch, dass diese Varianten es ebenfalls tragen.

Für einen belastbaren Test eignen sich folgende Stationen:

  • Originaldatei unmittelbar vor und nach dem Upload
  • WordPress-Größen für Thumbnail, Medium, Large und Theme-spezifische Formate
  • WebP- oder AVIF-Versionen aus Optimierungsplugins
  • CDN-Ausgabe mit und ohne dynamische Transformation
  • Featured Image auf Desktop und Mobil
  • Open-Graph-Bild, Newsletter-Export und Social-Media-Download
  • erneuter Download und Upload in ein zweites System

Dokumentieren Sie pro Station Dateiname, URL, Format, Abmessungen und Prüfergebnis. Wird ein Signal entfernt, ist das zunächst ein technischer Befund und keine automatische Rechtsverletzung. Er zeigt aber, dass sich die Redaktion nicht allein auf eingebettete Metadaten verlassen kann.

Das Audit braucht reproduzierbare Belege

Ein bloßer Screenshot des Prüfwerkzeugs reicht für spätere Vergleiche kaum aus. Halten Sie zusätzlich den Hash der geprüften Datei, das verwendete Werkzeug samt Version, den Prüfzeitpunkt und die konkret ausgelieferte URL fest. So lässt sich unterscheiden, ob WordPress bereits beim Erzeugen einer Bildgröße eingegriffen hat oder erst ein Optimierungsdienst beziehungsweise CDN die Datei verändert hat.

Bewerten Sie das Ergebnis nicht nur mit „vorhanden“ oder „fehlt“. Sinnvoll sind mindestens vier Zustände: Manifest vollständig verifizierbar, Manifest vorhanden aber nicht verifizierbar, kein Manifest gefunden und Prüfung technisch nicht möglich. Der letzte Zustand darf nicht stillschweigend als „kein KI-Inhalt“ interpretiert werden. Er verlangt einen erneuten Test oder eine dokumentierte Ersatzkontrolle.

Für einen Regressionstest bewahrt die Redaktion eine bekannte Referenzdatei auf. Nach Updates von WordPress, Theme, Bildoptimierung oder CDN wird dieselbe Datei erneut durch die Pipeline geschickt. Ändert sich das Ergebnis, ist sofort sichtbar, welche Komponente untersucht werden muss. Besonders relevant sind Updates, die neue Bildformate aktivieren, responsive Größen anpassen oder Medien beim Abruf dynamisch transformieren.

Text braucht eine andere Herkunftslogik

Bei Bildern lässt sich ein Manifest an eine konkrete Datei binden. Ein WordPress-Text verändert sich dagegen laufend: Absätze werden umgestellt, Zahlen korrigiert, Links ergänzt und Überschriften getestet. Eine einzige Kennzeichnung „mit KI erstellt“ bildet diese Entwicklung nur grob ab.

Für Texte ist daher ein Ereignisprotokoll oft hilfreicher. Es hält fest, welche Quelle den Ausgangspunkt bildete, welche Fassung die KI verarbeitete, ob weitere Quellen ergänzt wurden und wer die finale Aussage prüfte. Bei einer Korrektur sollte die Redaktion nicht den gesamten Beitrag neu erzeugen. Sie muss die betroffene Behauptung identifizieren, die Änderung begründen und abhängige Ausgaben kontrollieren.

Das betrifft beispielsweise Kurzfassungen, Newsletter, Social Posts, RSS-Importe oder automatisch übersetzte Versionen. Ein korrigierter WordPress-Beitrag reicht nicht, wenn die falsche Zahl weiterhin in einer versendeten Zusammenfassung steht. Herkunft und Verteilung gehören deshalb in denselben Korrekturplan.

Ein Praxisfall aus einem österreichischen Corporate Newsroom

Ein Unternehmen übernimmt eine APA-OTS-Aussendung über einen automatisierten Workflow. Daraus entstehen ein ausführlicher Blogbeitrag, ein Featured Image und eine Kurzfassung für den Newsletter. Zwei Stunden später korrigiert die Quelle eine Prozentangabe. Die Website-Redaktion ändert den Absatz, lässt aber Bild, Excerpt und Newslettertext unverändert.

Ein maschinenlesbarer Herkunftsnachweis könnte zeigen, aus welchem System Bild oder Text kamen. Er erkennt jedoch nicht automatisch, dass die Prozentangabe fachlich überholt ist. Das sichtbare KI-Label bleibt ebenfalls korrekt, löst aber die veraltete Aussage nicht. Erst die Versionsgeschichte verbindet die korrigierte Quelle mit allen betroffenen Ausgaben.

Ein brauchbarer Korrektureintrag enthält mindestens Quell-ID oder URL, ursprünglichen Abrufzeitpunkt, Änderungszeit der Quelle, betroffene Post-ID, geänderte Passage, verantwortliche Freigabe und Liste der Folgekanäle. Bei sensiblen oder öffentlich relevanten Informationen sollte zusätzlich geprüft werden, ob ein sichtbarer Korrekturhinweis im Beitrag angemessen ist.

NewsAI als Automationskern mit klarer Übergabe

Der AdSimple NewsAI WordPress Plugin ist für automatisierte redaktionelle Abläufe mit APA-OTS, individuellen Prompts, Blattlinien-Prüfung, Anti-Duplikat-System, Logging, REST API und Dry-Run-Modus beschrieben. Diese Funktionen sind sinnvolle Anker für eine kontrollierte Pipeline. Die Leistungsseite verspricht jedoch keine C2PA-Erkennung oder dauerhafte Manifest-Erhaltung. Beides sollte als separater Prüfpunkt behandelt werden.

Für die Übergabe von Automation zu Redaktion empfiehlt sich ein fester Datensatz:

  • eindeutige ID und URL der Ausgangsaussendung
  • Abrufzeitpunkt und erkannte Aktualisierung der Quelle
  • verwendete Prompt- und Modellkonfiguration
  • erzeugte WordPress-Post-ID und Medien-ID
  • Status von Dubletten-, Quellen- und Plausibilitätsprüfung
  • Name oder Rolle der fachlichen Freigabe
  • Text- und Bildkennzeichnung der veröffentlichten Fassung
  • Korrekturstatus und betroffene Folgekanäle

Wo eine vollautomatische Veröffentlichung vorgesehen ist, braucht diese Struktur besonders klare Stoppsignale. Fehlende Quelle, widersprüchliche Zahlen, unklare Bildherkunft oder ein gescheiterter Label-Readback sollten den Publish blockieren. Ein technisches „Job erfolgreich“ reicht nicht als redaktionelle Freigabe.

Die AI-Act-Ebene sauber abgrenzen

Die EU-Kommission unterscheidet bei den seit 2. August 2026 anwendbaren Transparenzregeln zwischen Pflichten für Anbieter und Betreiber bestimmter KI-Systeme. Anbieter müssen relevante Systeme unter anderem für maschinenlesbare Erkennbarkeit auslegen. Betreiber können bei Deepfakes sowie bestimmten KI-generierten Texten zu Angelegenheiten von öffentlichem Interesse sichtbare Informationspflichten treffen.

Bei Texten ist die menschliche Prüfung und übernommene redaktionelle Verantwortung für die Einordnung wesentlich. Daraus folgt keine pauschale Garantie, dass jedes redigierte Dokument kennzeichnungsfrei ist. Inhalt, Rolle, Veröffentlichungszweck und konkrete Systemnutzung müssen zusammen betrachtet werden. Dieser Beitrag bietet einen organisatorischen Prüfrahmen und keine individuelle Rechtsberatung.

Eine umsetzbare Prüfroutine in acht Schritten

  1. Quellenklasse festlegen: Originalmeldung, ergänzende Primärquelle, internes Fachwissen und KI-Ausgabe getrennt erfassen.
  2. Originale sichern: Ausgangstext und unveränderte Mediendatei mit Zeitstempel und eindeutiger ID aufbewahren.
  3. Automationslauf protokollieren: Prompt-Version, Modell, Eingaben, Ergebnis und Fehlerstatus dokumentieren.
  4. Fachlich prüfen: Zahlen, Namen, Zitate, Fristen und Schlussfolgerungen gegen belastbare Quellen lesen.
  5. Kennzeichnung entscheiden: sichtbares Label, maschinenlesbare Spur und interne Dokumentation getrennt bewerten.
  6. WordPress-Ausgaben testen: Original, responsive Größen, Konvertierungen, CDN und Social Preview kontrollieren.
  7. Veröffentlichen und zurücklesen: Titel, Inhalt, Featured Image, Alt-Text, Label und öffentliche Darstellung prüfen.
  8. Korrekturen verteilen: Aktualisierte Quelle erkennen, betroffene Fassung ändern und alle Folgekanäle abhaken.

Der Ablauf lässt sich klein beginnen. Ein Test mit zehn Beiträgen und drei typischen Bildformaten zeigt bereits, an welcher Station Herkunftsdaten verloren gehen und welche Informationen dem Korrekturprotokoll fehlen. Erst danach sollte eine Redaktion zusätzliche Automatisierung entwickeln.

Fazit: Herkunft beweisen, Änderungen verantworten

Content Credentials können eine wichtige technische Spur liefern. WordPress macht zugleich sichtbar, wie leicht diese Spur zwischen Original, Bildgröße und CDN-Ausgabe auseinanderfallen kann. Ein sichtbares KI-Label informiert Menschen, ersetzt aber weder die technische Prüfung noch eine nachvollziehbare Korrekturgeschichte.

Für automatisierte Newsrooms ist deshalb die Kombination entscheidend: Der NewsAI WordPress Plugin kann die Content-Pipeline strukturieren, während die Redaktion Quellen, Freigaben, Kennzeichnung und Korrekturen als verbindliche Gates ergänzt. Der nächste praktische Schritt ist ein Testbeitrag mit Originalbild, zwei WordPress-Ableitungen und einer simulierten Quellenkorrektur. Wenn alle drei Spuren danach noch zusammenpassen, ist der Workflow belastbar.

Quellen