Das neue Regelwerk für KI-Videos: Maschinenlesbare Labels nach dem EU AI Act

Das Label, von dem Sie nicht wussten, dass Sie es ausliefern

Es gibt eine Frage, die ohne großes Aufsehen von der Rechtsabteilung in die Produktions-Checkliste gewandert ist, und die meisten Kreativteams haben noch nicht aufgeholt. Wenn Sie mit einem KI-Modell ein Video erzeugen, was reist mit der Datei? Nicht ihr Inhalt. Ihre Metadaten. Die unsichtbare Schicht, die jedem, der hinsieht, sagt, dass dies von einer Maschine gemacht wurde.

Seit dem 2. August 2026 gelten die Transparenzpflichten nach Artikel 50 des EU AI Act für KI-generierte Medien. Die Fristen, die für die maschinenlesbare Kennzeichnung zählen, lassen Unternehmen bis zum 2. Dezember 2026 Zeit zur Einhaltung, und die daran geknüpften Sanktionen sind nicht symbolisch: Geldbußen von bis zu 15 Millionen Euro oder 3 Prozent des weltweiten Jahresumsatzes, je nachdem, welcher Wert höher ist. Eine Regel, die wie eine Compliance-Fußnote klingt, trägt ein Preisschild, das wie ein Aktionärsereignis klingt.

Was „maschinenlesbar" tatsächlich bedeutet

Menschenlesbare Labels sind der leichte Teil. Eine Bildunterschrift, ein Wasserzeichen, ein kleines Tag in der Ecke. Praktisch entscheidet der unsichtbare Teil darüber, ob Sie konform sind: ob die Datei Herkunftsmetadaten trägt, die ein nachgelagertes System automatisch lesen kann.

Die etablierteste Version davon ist nur eine Modellwahl entfernt. Manche Videogeneratoren betten standardmäßig ein unsichtbares Wasserzeichen in ihre Ausgabe ein, und die angehängten Metadaten folgen der Datei durch die meisten Vertriebswege. Andere liefern saubere Dateien ohne jede Herkunftsangabe, was bedeutet, dass die Kennzeichnungspflicht bei dem landet, der das Video erzeugt, und am Ende bei dem, der es veröffentlicht.

Das ist das Detail, das die meisten Teams übersehen. Konformität ist kein Nachbearbeitungsschritt, den man am Ende anbolzen kann, denn das Label wird oft schon zur Generierungszeit vom Modellanbieter eingebaut, und verschiedene Anbieter verhalten sich unterschiedlich. Das Videomodell, das Sie wählen, ist im wörtlichsten Sinne eine Compliance-Entscheidung.

Die Plattformen waren zuerst da

Die Regulierung ist neu. Das Verhalten, das sie verlangt, ist es nicht. Große Plattformen hängen seit Jahren Herkunftsmetadaten an Nutzer-Uploads, unabhängig von jeder rechtlichen Vorgabe. Eine große Plattform datiert den Start ihres eigenen Content-Credential-Programms auf Mai 2024 und meldete bis Ende 2025 mehr als 1,3 Milliarden gekennzeichnete Videos, lange bevor die maschinenlesbare Frist des AI Act in irgendeinem Kalender stand.

Der Grund ist einfach: Plattformen hatten ein Vertrauensproblem, bevor die Regulierer ein Regelwerk hatten. Fehlinformationen schaden dem Engagement, Herkunftskennzeichnung ist billig, und einer Regel voraus zu sein ist immer besser, als hinter ihr erwischt zu werden. Die Plattformen bauten die Rohrleitungen früh, weil sie sie schützten, nicht weil ein Gesetz es verlangte. Der AI Act macht diese Rohrleitungen vor allem für alle anderen verpflichtend.

Für alle, die Inhalte produzieren, kehrt das die übliche Annahme um. Die Frage ist nicht, ob Ihr Video ein Label braucht. Sie ist, ob das Label die Reise überlebt. Metadaten sind fragil. Schnittsoftware entfernt sie. Neukodierung kann sie verlieren. Das Hochladen auf eine Plattform, die Medien neu verarbeitet, kann sie erneut entfernen. Ein Team kann ein perfekt gekennzeichnetes Video erzeugen und drei Werkzeuge später ein ungekennzeichnetes ausliefern, ohne es je zu bemerken.

Die Fragilität wird leicht unterschätzt, weil der Schaden unsichtbar ist. Sie können die Datei öffnen, das Video ansehen und nichts Falsches erkennen, denn alles Falsche liegt in einer Schicht, die Sie nicht sehen. Das Label, das ein Generator im Moment der Erstellung angehängt hat, kann während eines routinemäßigen Exports verschwinden, und nichts auf dem Bildschirm sagt es Ihnen. Wenn jemand weiter unten in der Kette fragt, warum die Datei keine Herkunft hat, ist die Spur längst kalt.

Wo die Verantwortung tatsächlich landet

Die Verwahrungskette eines KI-Videos hat mehrere Glieder, und Artikel 50 verteilt die Pflichten entlang dieser Kette. Der Anbieter des generierenden Systems hat Pflichten. Der Betreiber, also die Partei, die das System in Betrieb nimmt, ebenfalls. Für die meisten Kreativteams ist diese zweite Rolle ihre eigene.

Das schafft ein praktisches Problem, das kein einzelner Anbieter lösen kann. Wenn Ihre Pipeline die Ausgabe von drei verschiedenen Modellen plus einen Stock-Clip plus einen menschlichen Schnitt zusammennäht, ist die Herkunftsgeschichte der endgültigen Datei ein Durcheinander sich überlappender und womöglich widersprüchlicher Metadaten. Die Regulierung sieht Offenlegung vor. Sie reicht aber niemandem ein Werkzeug, das eine Datei aus mehreren Quellen leicht beschreibbar macht.

Die Teams, die hier vorangehen, behandeln Herkunft als Eigenschaft der Pipeline und nicht der Ausgabe: Sie instrumentieren jede Stufe, halten fest, was was erzeugt hat, und setzen einen verteidigungsfähigen Nachweis des Ganzen zusammen. Es ist langweilige Arbeit. Es ist auch die Art langweiliger Arbeit, die zum Wettbewerbsvorteil wird, sobald ein Kunde, eine Plattform oder ein Regulierer erstmals fragt, woher ein Video stammt.

Die Frist ist nicht der Punkt

Es ist verlockend, den 2. Dezember als Ziellinie zu lesen: konform werden, das Häkchen setzen, weitermachen. Diese Lesart übersieht, was tatsächlich geschieht. Maschinenlesbare Herkunft ist der Anfang einer Welt, in der Medien eine überprüfbare Geschichte tragen, und die Werkzeuge, diese Geschichte zu lesen, breiten sich aus. Ein Metadatenstandard, der heute KI-Inhalte kennzeichnet, ist dieselbe Infrastruktur, die morgen beweist, dass ein Foto nicht manipuliert wurde.

Für Content-Teams heißt das: Die Arbeit ist kein einmaliges Audit. Sie ist eine ständige Praxis: wissen, welche Ihrer Werkzeuge ihre Ausgabe kennzeichnen, wissen, welche Ihrer Arbeitsabläufe diese Labels entfernen, und eine Antwort bereithaben, wenn jemand fragt. Das Videomodell, das Sie heute wählen, prägt, was Ihre Dateien über Jahre über sich selbst beweisen können, denn zur Generierungszeit gesetzte Metadaten sind die am schwersten zu fälschende und am leichtesten zu verlierende Art.

Wie ein praktischer Arbeitsablauf aussieht

Teams, die vorangehen, hören auf, Herkunft als Einstellung zu behandeln, und beginnen, sie als Schritt zu behandeln. Der Generator wird einmal konfiguriert, um anzuhängen, was er kann. Die Pipeline wird einmal geprüft, um zu bestätigen, dass der Anhang bis zum Ende durchkommt. Ein Datensatz wird geführt darüber, was erzeugt wurde, aus welchem Prompt, durch welche Werkzeuge. Nichts davon ist clever. All das ist der Unterschied zwischen einer Frage, die man beantworten kann, und einer, bei der man raten muss.

Der schwierigste Teil ist kulturell, nicht technisch. Herkunftsarbeit hat keine sichtbare Ausgabe. Niemand dankt Ihnen für ein Video, dessen Metadaten intakt sind, und niemand bemerkt es, bis sie weg sind. Genau das ist die Art unsichtbarer Hygiene, die unter Termindruck übersprungen wird, und deshalb behalten diejenigen sie, die sie in die Pipeline einbauen, statt sie als manuellen Schritt hinzuzufügen.

Das Fazit

Die uninteressanteste Art, über KI-Kennzeichnungsregeln nachzudenken, ist die als Compliance-Last. Die interessantere ist, sie als den Moment zu sehen, in dem KI-Medien ein Gedächtnis bekommen. Jedes Video, das eine ehrliche Aufzeichnung seiner Herstellung trägt, ist eines, dem man etwas mehr trauen kann, und jeder Arbeitsablauf, der diese Aufzeichnung entfernt, verschlimmert das Problem.

Die Regulierung zwingt die Branche, die Rohrleitungen zu bauen. Die Rohrleitungen selbst sind es wert, vorhanden zu sein. Wenn eine Datei die Wahrheit über ihre eigene Herkunft sagen kann, gewinnt jeder nachgelagerte Beteiligte, von einer Plattform über einen Verlag bis zu einem Zuschauer, ein wenig mehr Fähigkeit, zu entscheiden, was er glauben soll. Das ist keine bürokratische Plage. Es ist ein Feature, und es brauchte die Drohung von 15 Millionen Euro, um es bauen zu lassen.