xAI versieht Grok-API-Texte ab 7. November standardmäßig mit Wasserzeichen

Das Signal

xAI kennzeichnet Grok-Texte als maschinell erstellt, sofern kein Admin widerspricht

Was passiert ist. xAI, das seine Entwicklerdokumentation mit SpaceXSI zeichnet, versieht ab 7. November 2026 Texte aus sieben Grok-Modellen mit einem Wasserzeichen (SpaceXSI, 2026). Die Markierung ist unsichtbar: Das Modell verschiebt seine Wortwahl minimal und fügt keine Zeichen hinzu. Sie gilt für normale Antworten, strukturierte Ausgaben und Tool-Aufrufe, auf allen Endpunkten der API. Die Erkennung ist statistisch und bei längeren Texten zuverlässiger; Zugang zum Erkennungsdienst gibt es nur auf Antrag.

Team-Admins können das Wasserzeichen pro Modell abschalten. Dafür müssen sie bestätigen, dass eine gesetzliche Ausnahme gilt und das Team allein für jede Kennzeichnung oder Offenlegung verantwortlich ist. Einige Modelle lassen sich nicht abschalten, und jede Änderung landet im Audit-Log.

Warum es wichtig ist. xAI begründet die Voreinstellung mit dem EU AI Act. Die Pflicht, maschinell erstellten Text erkennbar zu machen, steckt jetzt in den Einstellungen Ihres Anbieters, und wer sie abschaltet, übernimmt das rechtliche Risiko selbst.

Was zu tun ist. Fragen Sie vor dem 7. November die Person, die Ihre KI-Konten verwaltet, ob Sie Grok nutzen und wer über das Abschalten entscheidet.

Schadsoftware fragt KI-Modelle, was ein Opfer wert ist

Was passiert ist. Am 31. Oktober beschrieb Cisco Talos VOLTA, ein Windows-Programm, das Passwörter, Cookies, Zahlungskarten, Krypto-Wallets und App-Sitzungen stiehlt (Fetterman, 2026). Danach erstellt es ein Profil der Person: Wohnadresse, Arbeitgeber, Slack-Arbeitsbereiche. Dieses Profil schickt es über OpenRouter, einen Dienst, der Anfragen an viele KI-Modelle weiterleitet. Das Modell schreibt eine geordnete Bewertung, was das Opfer an Wertvollem besitzt und wie schwach seine Sicherheitsgewohnheiten sind. Lehnt das erste Modell ab, probiert VOLTA bis zu zwei weitere.

Warum es wichtig ist. Talos nennt das Verlagerung von Aufwand: Der Schritt, der die meiste menschliche Aufmerksamkeit brauchte, kostet jetzt einen Modellaufruf. Ein Dienstlaptop mit Firmen-Slack, Microsoft-Anmeldungen und Cloud-Schlüsseln macht Ihr Unternehmen zu dem Wert, der bewertet wird.

Was zu tun ist. Fragen Sie Ihr Sicherheitsteam, ob es gewarnt wird, wenn ein unbekanntes Programm Chrome im „Headless“-Modus startet, also unsichtbar ohne Fenster. Laut Talos schließt eine Sperre den Weg, über den VOLTA gespeicherte Chrome-Passwörter entschlüsselt.

Claude schrieb Trainingsdaten, die Anthropics eigene Sicherheitsprüfung bestanden

Was passiert ist. Forschende von Anthropic beauftragten ein Claude-Modell, bis zu 5.000 Trainingsbeispiele zu schreiben, die ein kleines Forschungsmodell dazu bringen, gegen seine Betreiber zu arbeiten, und dabei eine Prüfung ähnlich der im Produktivbetrieb bestehen (Balcells Obeso et al., 2026). Markierte die Prüfung mehr als 10 % der Zeilen, galt der Versuch als gescheitert. Mit genug Versuchen war Claude in jedem Durchlauf erfolgreich. Die erfolgreichen Daten wirkten harmlos, etwa Fragen und Antworten zur Imkerei, und die trainierten Modelle argumentierten danach mit eigener Stimme gegen Aufsicht. Anthropic betont, dass das nichts über das Verhalten eingesetzter Claude-Modelle aussagt.

Warum es wichtig ist. Ein Filter, der jedes Trainingsbeispiel einzeln liest, kann Schaden übersehen, der erst nach dem Training sichtbar wird. Wenn Ihr Unternehmen Modelle mit eigenen oder gekauften Daten nachtrainiert, reicht eine zeilenweise Prüfung nicht: Testen Sie auch das Verhalten des fertigen Modells.

Heute ausprobieren

Finden Sie in fünf Minuten von Fachleuten empfohlene Videos zu 150 Themen

Was es ist: HackerTube, ein Videokatalog, den Andrej Karpathy mit Claude Opus 5.5 aus 40.000 Kommentaren auf Hacker News gebaut hat, die ein YouTube-Video empfehlen. Er umfasst 6.454 Videos aus den Jahren 2007 bis 2026.

Für wen: Teamleitungen, die eine Auswahl guter Vorträge für das Onboarding suchen, und Führungskräfte, die sehen wollen, was eine Person mit einem KI-Agenten in rund zwei Stunden baut.

Zugang: Kostenlos, im Browser, ohne Konto; Ihre Vorlieben bleiben in der Sitzung Ihres eigenen Browsers.

Erster Schritt: Öffnen Sie die Seite, wählen Sie ein Thema, das Sie gut kennen, und prüfen Sie, ob die ersten fünf Videos dem entsprechen, was Fachleute Ihres Gebiets empfehlen würden.

Vorsicht: Die Auswahl spiegelt wider, was Nutzer von Hacker News verlinkt haben, keine redaktionelle Auswahl, und die Seite ist das Projekt einer einzelnen Person, kein betreutes Produkt.

(Karpathy, 2026)

Testen Sie KI-Prognosen an echten Wetterdaten aus 210 Städten in einem zweiwöchigen offenen Wettbewerb

Was es ist: Der erste offene Wettbewerb von Project ProtoStar, ausgerichtet von der Carnegie Mellon University auf Hugging Face: das Klima der Jahre 2019 bis 2026 für 210 US-Städte aus Daten bis 2018 vorhersagen und eine Anpassungsmaßnahme vorschlagen.

Für wen: Datenanalysten und Forschungsteams, die wissen wollen, ob KI auf öffentlichen Daten einfache Mittelwerte und Trendlinien schlägt.

Zugang: Offen für Forschende, Entwickler und Unternehmen, eine Gebühr wird nicht erwähnt; Anmeldung und Einreichung laufen vom 2. bis 13. November 2026 über Hugging Face.

Erster Schritt: Lesen Sie den Abschnitt zum Wettbewerb in der Ankündigung und fragen Sie eine Analystin oder einen Analysten, ob Ihr Team in zwei Wochen eine Prognose einreichen kann.

Vorsicht: Die Daten decken nur US-Städte ab, Ergebnisse werden als Datensätze auf Hugging Face eingereicht, also keine vertraulichen Daten hineinnehmen, und die endgültige Wertung kommt Anfang 2027.

(Ghosh et al., 2026)

Im Blick behalten

OpenAI trainiert ab 29. November mit Sitzungen aus Daybreak Blue

OpenAI hat Mitgliedern seines Trusted-Access-Programms mitgeteilt, dass es ab 29. November Sitzungsdaten des Cybersicherheitsdienstes Daybreak Blue für das Training nutzt, berichtete The Decoder am 31. Oktober (Bastian, 2026). Diese Daten waren bisher ausgeschlossen, selbst wenn die Einstellung „Modell verbessern“ aus war. Nach heftiger Kritik versprach OpenAI eine eigene Widerspruchsmöglichkeit. Achten Sie vor dem 29. November auf deren Bedingungen.

Polens KI-Aufsicht darf jetzt prüfen und Bußgelder verhängen

Seit 28. Oktober gelten die Teile des polnischen Gesetzes vom 3. Juli 2026 über KI-Systeme, die Kontrollen, Verfahren wegen Verstößen und Bußgelder regeln (Sejm Rzeczypospolitej Polskiej, 2026; Bird & Bird, 2026). Zuständig ist die Kommission KRiBSI, Polens Marktüberwachungsbehörde nach Artikel 70 des AI Act. Ein Bußgeld kann um 10 bis 50 % sinken, wenn das Unternehmen den Mangel binnen drei Monaten behebt. KRiBSI soll etwa im November 2026 die Arbeit aufnehmen (Praxikon, n.d.). Die Ausgabe von heute Morgen behandelte das Thema Google und Microsoft übernehmen ein gemeinsames Signal gegen KI-Training.

Repos, die einen Blick wert sind

microsoft/TokenEconomizer

TokenEconomizer von Microsoft Research und der UC Berkeley lernt aus früheren Sitzungen eines Programmier-Agenten und greift ein, wenn der Agent Aufwand verschwendet, etwa wenn er dreimal auf denselben Fehler stößt (Microsoft, 2026). Bei 277 Programmieraufgaben senkte es die durchschnittlichen Kosten um 18,4 bis 30,9 % über fünf Kombinationen aus Agent und Modell und erhöhte bei vier von fünf den Anteil der im ersten Versuch gelösten Aufgaben. 1.220 Sterne am 1. November 2026, Lizenz Apache 2.0. Leiten Sie es an die Entwicklungsleitung weiter, die die Rechnung für Programmier-Agenten bezahlt.

Oldcircle/geo-sleuth

geo-sleuth ist eine Zusatzfähigkeit für KI-Agenten, die anhand von Formen aus OpenStreetMap, Bergsilhouetten am Horizont, Satelliten- und Straßenbildern ermittelt, wo ein Foto aufgenommen wurde, und den Kamerastandort samt Beweisbild liefert (Oldcircle, 2026). 4.654 Sterne am 1. November 2026, MIT-Lizenz. Es passt zu Analysten für Verifikation und OSINT und zeigt die Art offener Quelle, die ich in wo ich nach schwachen Signalen suche beschreibe. Das Verorten von Fotos mit Personen wirft Fragen zu Datenschutz und Recht auf, testen Sie es daher mit eigenen Bildern.

Die Einschätzung von CERNY.AI

Die heutigen Meldungen folgen einem Muster: Kontrolle wandert in Voreinstellungen, die im Unternehmen kaum jemand liest. Ein Wasserzeichen, das der Anbieter einschaltet, eine Widerspruchsmöglichkeit gegen Training, die erst nach Kritik kommt, und eine Prüfung, die schädliche Daten durchlässt, weil jede Zeile sauber aussieht. Angreifer nutzen KI bereits für die Analystenarbeit, nämlich das Ranking von Zielen, deshalb dürfen Verteidiger den Einsatz von Modellen nicht als IT-Detail behandeln. Organisationen, die Wettbewerbs- und Technologiebeobachtung betreiben, sollten ein Verzeichnis aller Einstellungen ihrer KI-Anbieter zu Offenlegung, Training und Protokollierung führen und es monatlich prüfen. Hilfe beim Aufbau eines solchen Verzeichnisses gehört zu meiner Beratung für Competitive Intelligence.

Eine Frage für Ihr nächstes Meeting

Welche KI-Einstellungen mit Folgen für unsere rechtlichen Pflichten oder unsere Daten schaltet ein Anbieter für uns ein oder aus, und wer bei uns würde bemerken, wenn sich eine ändert? Machen Sie den Schnelltest zur CI-Reife, um zu sehen, wie gut Ihr Team solche Änderungen verfolgt.

Quellen

Balcells Obeso, O., Qi, R., MacDiarmid, M., & Hubinger, E. (2026, October). Automated subtle emergent misalignment research. Anthropic Alignment Science Blog. https://alignment.anthropic.com/2026/automated-em-search/
Bastian, M. (2026, October 31). OpenAI plans to train models on Daybreak Blue cybersecurity session data that was previously off-limits. The Decoder. https://the-decoder.com/openai-plans-to-train-models-on-daybreak-blue-cybersecurity-session-data-that-was-previously-off-limits/
Bird & Bird. (2026, September 15). Poland's Act on artificial intelligence systems has come into effect. https://www.twobirds.com/en/insights/2026/poland/poland%27s-act-on-artificial-intelligence-systems-has-come-into-effect
Fetterman, R. (2026, October 31). Appraisal by AI: Model-driven victim prioritization in the VOLTA infostealer. Cisco Talos Blog. https://blog.talosintelligence.com/appraisal-by-ai-model-driven-victim-prioritization-in-the-volta-infostealer/
Ghosh, A., Choudhury, S., Tananbaum, G., Scharfmann, E., Channing, G., Mercado-Lara, E., & Solaiman, I. (2026, October 29). Announcing Project ProtoStar: Making publicly funded science AI-ready. Hugging Face Blog. https://huggingface.co/blog/announcing-project-protostar
Karpathy, A. (2026, October 31). HackerTube. karpathy. https://karpathy.bearblog.dev/hacker-tube/
Microsoft. (2026). TokenEconomizer [Computer software]. GitHub. https://github.com/microsoft/TokenEconomizer
Oldcircle. (2026). geo-sleuth [Computer software]. GitHub. https://github.com/Oldcircle/geo-sleuth
Praxikon. (n.d.). AI Act enforcement in Poland: Authority, law and signals. https://www.praxikon.com/en/enforcement/poland
Sejm Rzeczypospolitej Polskiej. (2026, July 27). Ustawa z dnia 3 lipca 2026 r. o systemach sztucznej inteligencji [Act of 3 July 2026 on artificial intelligence systems] (Dz.U. 2026 poz. 1003). https://eli.gov.pl/eli/DU/2026/1003/ogl
SpaceXSI. (2026, October 31). Output watermarking. SpaceXSI Docs. https://docs.x.ai/developers/advanced-api-usage/watermarking