Hoe AI-watermerken werken
Bijgewerkt September 1, 2026 · eerst gepubliceerd September 1, 2026
In tekst die door ondersteunde Claude-modellen wordt gegenereerd, zit een onzichtbaar signaal. Jij ziet het niet. Je gebruikers zien het niet. Het verandert de betekenis, de kwaliteit of de leeservaring niet, en het staat niet op je factuur. Het zit er toch, en het is tien minuten van je aandacht waard, omdat wat het kapotmaakt dingen zijn die je eigen pipeline elke dag doet.
Hoe het tekstwatermerk werkt
Een taalmodel kiest niet het ene meest waarschijnlijke volgende token. Het trekt een steekproef uit een kansverdeling, en die steekproef gebruikt toeval. De watermerktechniek — naar de SynthID-Text-aanpak van Google DeepMind — stuurt dat toeval bij. Bepaalde tokens worden heel licht waarschijnlijker dan ze anders zouden zijn geweest, volgens een patroon dat alleen de detector kent.
Elke afzonderlijke woordkeuze is onopvallend; er was altijd een plausibel alternatief, en het model koos er een. Over enkele honderden tokens hoopt het patroon zich echter op tot een statistisch signaal dat een detector kan meten en een lezer niet kan waarnemen. Dat is de hele truc: het watermerk verstopt zich in een beslissing die het model al willekeurig nam.
Hieruit volgen direct twee consequenties, en beide zijn belangrijker dan het mechanisme. Ten eerste is het statistisch, geen stempel — er is geen veld om te lezen, alleen een betrouwbaarheidsniveau om te berekenen. Ten tweede heeft het lengte nodig. Een output ter grootte van een tweet draagt veel minder signaal dan een volle pagina.
Hoe beeldherkomst werkt, en waarom het anders is
Afbeeldingen en bestanden kiezen de tegenovergestelde aanpak. Gegenereerde .svg-, .png- en .jpg-bestanden dragen C2PA-metadata: een cryptografisch ondertekend manifest dat vastlegt wat het bestand heeft geproduceerd. Dat is niet statistisch en niet verborgen — het is een afzonderlijk gegevensblok dat aan het bestand hangt, exact te verifiëren in plaats van probabilistisch.
De afweging is precies wat je zou verwachten. Ondertekende metadata geeft zekerheid, en kan met één commando worden verwijderd. Een statistisch tekstwatermerk kan niet netjes worden verwijderd, maar het verzwakt naarmate de tekst wordt bewerkt, geparafraseerd of vertaald. Geen van beide is een slot; beide zijn bewijs.
Wie kan controleren
Detectie is afgeschermd. Op 1 september 2026 ging er een API open voor in aanmerking komende organisaties: toezichthouders, politie en justitie, media, factcheckers, onafhankelijke onderzoekers, onderwijsinstellingen, Europese maatschappelijke organisaties en bedrijven met eigen verificatieverplichtingen. De toegang wordt na verloop van tijd breder. Als je niet in aanmerking komt, kun je je eigen output niet via de API verifiëren en moet je bewijs uit je eigen logs komen.
Waarom het bestaat
Artikel 50 van de EU AI Act is op 2 augustus 2026 van kracht geworden en vereist machineleesbare markering van door AI gegenereerde content. De markering wordt wereldwijd toegepast in plaats van alleen in de EU, wat de eenvoudigere technische keuze is en betekent dat ze al zit in output die je maanden geleden hebt opgeleverd.
Wat dit betekent voor je systemen
Drie praktische feiten. Korte outputs dragen een zwak signaal, dus een classifier of extractieservice die losse woorden teruggeeft, is feitelijk ongemarkeerd. Zware nabewerking — parafraseren, samenvatten, vertalen of tekst door een tweede model halen — vermindert het signaal, dus een keten van modellen wordt hooguit aan het laatste toegeschreven. En je beeldpipeline kan C2PA-metadata per ongeluk vernietigen, wat de meest voorkomende manier is waarop herkomst in productie verdwijnt.
Niets daarvan is een reden om te veranderen wat je bouwt. Het is een reden om te weten welke van je outputs nog herkomst dragen en welke niet, voordat iemand je vraagt het te bewijzen.
Gerelateerd
Gerelateerd
Wilt u dit toepassen op uw stack? Neem leveranciersfacturen, gatewaylogs en de belangrijkste workflows mee; we brengen kostenfactoren en besparingskansen in kaart. Plan een gratis audit →