Kein Zeichen, kein Zusatz, keine Änderung im Code: Wer die Grok-API aufruft, bekommt künftig Text mit einer statistischen Signatur. Verraten wird sie nur durch eine Zeile im Header.
Welche Grok-Modelle betroffen sind
Ab dem 7. November 2026 versieht xAI die Textausgabe seiner API standardmäßig mit einem unsichtbaren Wasserzeichen. Grundlage ist eine neue Seite in der Entwicklerdokumentation mit dem Titel „Output Watermarking“, die laut Fußzeile am 31. Oktober zuletzt bearbeitet wurde.
Die Regel gilt für sieben Modelle: grok-4.7, grok-4.6, grok-4.5, grok-4.3 sowie die drei Varianten von grok-4.20, also reasoning, non-reasoning und multi-agent.
Sie gilt außerdem an allen Endpunkten, einschließlich des globalen api.x.ai und der regionalen Adressen, und beide Wege sind betroffen: die Responses API und Chat Completions. Markiert werden normale Textantworten, strukturierte Ausgaben und die Argumente, die ein Modell bei einem Werkzeugaufruf schreibt.
Was sich für Entwickler an der Grok-API ändert
Im Code ändert sich nichts. Es gibt keinen Parameter, den man setzen müsste, und das Format der Antwort bleibt gleich.
Das einzige sichtbare Zeichen ist ein neuer Header in der Antwort: x-watermark: true. Er besagt, dass diese Ausgabe markiert wurde. Wer bisher Logs auswertet, ohne auf Header zu achten, wird die Änderung nicht bemerken.
Für Anwendungen ist das der unangenehme Teil. Nichts stürzt ab, nichts schlägt fehl, und trotzdem ist die Ausgabe ab einem Stichtag eine andere. Wer Texte weiterverarbeitet, sollte den Header mitschreiben, sonst fehlt später der Nachweis, und wer die Ausgabe in eine Datenbank legt, sollte ihn mit ablegen, weil sich sonst nicht mehr sagen lässt, welche Zeilen aus der Zeit vor und nach dem Stichtag stammen.
Wie ein statistisches Wasserzeichen funktioniert
Das Verfahren setzt beim Erzeugen an, nicht beim Ergebnis. Das Modell wählt bei jedem Schritt aus mehreren möglichen Token, also Textbausteinen. Das Wasserzeichen verschiebt diese Wahl leicht, nach einem Muster, das nur der Anbieter kennt.
Im Text selbst landet dadurch nichts: keine zusätzlichen Zeichen, keine versteckten Steuerzeichen, keine Nullbreite-Zeichen, die ein Reinigungswerkzeug entfernen könnte, und eine kopierte Antwort sieht aus wie jede andere.
Erkennen lässt sich das nur statistisch. Der Detektor prüft, ob die Verteilung der Token zu dem Muster passt. Für einen Menschen ist das nicht nachvollziehbar, und für die meisten Programme auch nicht.
Ein Vergleich hilft beim Einordnen. Das Verfahren ähnelt einer Prüfsumme über die Wortwahl, nicht einem Stempel auf dem Papier: Viele kleine Entscheidungen ergeben zusammen ein Muster, das einzeln betrachtet nichts bedeutet und erst mit dem passenden Schlüssel sichtbar wird.
Warum kurze Grok-Antworten oft im Unklaren bleiben
xAI nennt drei mögliche Ergebnisse der Prüfung: markiert, nicht markiert und unklar. Der dritte Fall ist kein Ausreißer, sondern der Normalfall bei kurzen Texten.
Der Grund liegt im Verfahren: Je mehr Text vorhanden ist, desto deutlicher wird das Muster, während eine einzelne Zeile Antwort oder ein kurzes JSON-Objekt zu wenig Material liefert und am Ende nur „unklar“ übrig bleibt.
Zwei Angaben fehlen in der Dokumentation. Es gibt keine Zahlen zur Trefferquote und keine zur Fehlerrate. Und es gibt keine Ergebnisse für Texte, die umgeschrieben oder übersetzt wurden. Genau dort liegt die bekannte Schwäche statistischer Wasserzeichen: Ein Umformulieren kann die Verteilung so verändern, dass der Detektor nichts mehr findet.
Wer ein Grok-Wasserzeichen prüfen darf
Die Erkennung ist nicht offen. Laut Dokumentation muss man sie über ein Formular beantragen. Wer zugelassen wird, ob es etwas kostet und ob Privatpersonen überhaupt einen Zugang bekommen, steht dort nicht.
Wie soll eine Redaktion dann prüfen, ob ein eingereichtes Zitat aus einem Grok-Modell stammt? In der Regel gar nicht. Sie kann den Header sehen, wenn sie die API selbst aufruft, aber nicht bei Text, der ihr per Mail erreicht.
Praktisch heißt das: Wenn jemand behauptet, ein Text stamme von einem markierten Grok-Modell, lässt sich das von außen kaum überprüfen. Prüfen können es derzeit im Wesentlichen xAI selbst und Einrichtungen, denen das Unternehmen Zugang gibt.
Für Redaktionen und Prüfstellen ist das ein offener Punkt. Ein Nachweis, den nur eine Seite führen kann, taugt als Beweismittel wenig.
Was das für Nutzer von Grok-Anwendungen bedeutet
Wer Grok über eine App oder einen Chat-Dienst nutzt, merkt von der Änderung nichts, weil die Antworten aussehen wie vorher und die Markierung in keiner Oberfläche auftaucht.
Sichtbar wird sie erst bei der Frage, woher ein Text kommt. Anbieter von Werkzeugen zur Texterkennung können künftig behaupten, sie hätten einen Nachweis. Ob sie ihn wirklich führen können, hängt am Zugang zum Detektor, und den vergibt xAI.
Für alle anderen bleibt es beim alten Zustand: Ein Text sieht aus wie ein Text, und die Herkunft lässt sich nicht am Schriftbild ablesen.
Wie Teams das Grok-Wasserzeichen abschalten
Team-Administratoren können die Funktion im Verwaltungsbereich abschalten, und zwar pro Modell. Die Bedingungen stehen in der Dokumentation: Wer das tut, muss für sich klären, dass eine gesetzliche Ausnahme greift, und trägt die Pflicht zur Kennzeichnung und Offenlegung anschließend selbst, ohne dass der Anbieter ihm dabei hilft.
Das ist keine Formsache. Die Markierung existiert, weil der Anbieter eine Pflicht erfüllen will. Wer sie abwählt, übernimmt diese Pflicht. In der Praxis betrifft das vor allem Unternehmen, die Grok in eigene Produkte einbauen und gegenüber Kunden für die Kennzeichnung geradestehen müssen.
Was xAI über Qualität sagt und was offenbleibt
Als Zweck nennt die Dokumentation die Transparenzvorgaben des EU AI Act, also der europäischen Verordnung über künstliche Intelligenz. Das Wasserzeichen soll erkennbar machen, dass ein Text maschinell erzeugt wurde.
xAI schreibt außerdem, die Markierung beeinflusse Qualität und Geschwindigkeit nicht. Das ist eine Aussage des Anbieters. Vergleichswerte zwischen markierten und unmarkierten Versionen, etwa in Benchmarks, bei der Gültigkeit strukturierter Ausgaben oder bei der Treffsicherheit von Werkzeugaufrufen, sind nicht veröffentlicht.
Ob die Kennzeichnung ihren Zweck erfüllt, hängt an drei Dingen: ob der Detektor verlässlich arbeitet, ob Dritte ihn nutzen dürfen und ob die Signale ein Umformulieren überstehen. Zur ersten Frage fehlen Zahlen, zur zweiten fehlt eine Zusage, zur dritten fehlen Ergebnisse. Wer die API ab dem 7. November produktiv nutzt, sollte den Header auswerten und die eigene Dokumentation entsprechend ergänzen.
