TLP:AI — Ein Traffic Light Protocol für KI-generierte Inhalte
Veröffentlicht 31 Mar 2026 · AI:AMBER
Ich habe kürzlich an einer KI-Policy für ein Kundenprojekt in der Softwareentwicklung gearbeitet, und dabei kam immer wieder etwas auf, für das ich eine Sprache brauchte: nicht ob KI an etwas beteiligt war, sondern wie viel menschliches Urteil in das Ergebnis eingeflossen ist.
Das binäre “KI-generiert: ja/nein”, auf das die meisten Disclosure-Policies zurückfallen, ist nutzlos. Jemand, der Copilot für Autocomplete nutzt, und jemand, der einem Agenten sagt “bau mir eine REST-API” und das Ergebnis nach einem flüchtigen Blick merged, “nutzen beide KI”, aber der epistemische Status ihrer Outputs ist radikal unterschiedlich. Die eine Person kann wahrscheinlich debuggen, was sie ausgeliefert hat; die andere womöglich eher nicht.
Also habe ich ein Labeling-System gebaut, lose inspiriert vom Traffic Light Protocol, das häufig in der IT-Security genutzt wird, um beim Informationsaustausch zu kennzeichnen, wie großzügig ein Dokument geteilt werden darf.
TLP:AI hat fünf Stufen, von vollständig KI-generiert bis vollständig menschlich geschrieben:
| Label | Bedeutung |
|---|---|
| ⚪ AI:WHITE | Eigenständig geschrieben, kein wesentlicher KI-Einsatz. |
| 🟢 AI:GREEN | KI-assistiert. Autor:in hat den Prozess gesteuert, KI als Werkzeug genutzt (Autocomplete, Teilgenerierung, Refactoring-Hilfe). |
| 🟡 AI:AMBER | KI-generiert, vollständig Zeile für Zeile gereviewed und verstanden. Autor:in kann jede Stelle erklären. |
| 🟠 AI:ORANGE | KI-generiert in großem Umfang. Architektur und Design aktiv miterarbeitet und verstanden, Hot Spots gereviewed, aber nicht jede Zeile geprüft. Bewusstes Risiko von Comprehension Debt. |
| 🔴 AI:RED | KI-generiert, nur auf Plausibilität geprüft. Entwurfsqualität, wahrscheinlich nicht für Produktion. |
| Bonuslevel: | |
| ✨ AI:YOLO ✨ | KI-generiert, ungeprüft. "Es kompiliert, also wurde es deployed." |
In dem Projekt, aus dem das stammt, ist die Regel: nichts unter AI:ORANGE wird gemerged. AI:RED ist für Entwürfe und Diskussionsgrundlagen, nie für Produktion. AI:ORANGE verlangt, dass die Autor:in dokumentiert, welche Teile im Detail gereviewed wurden und wo Comprehension Debt besteht (Code im Projekt, den niemand vollständig versteht).
Side Note: Dieses Problem ist nicht grundsätzlich neu; Stack Overflow-Copypasta und Mitarbeiterfluktuation bauen seit jeher Comprehension Debt auf. Aber mit LLMs kann man die Comprehension Debt eines ganzen Jahres in einer Woche erzeugen.
Warum das über Code hinaus relevant ist
Ursprünglich habe ich das für Merge Requests entworfen, aber ich glaube, das Konzept ist breiter anwendbar. Blogposts, Berichte, Angebote, Vorträge, Policy-Dokumente; alles, wo Leser:innen Entscheidungen treffen in der Annahme, dass ein Mensch über das nachgedacht hat, was sie gerade lesen.
Das Problem ist nicht KI-Beteiligung an sich. Das Problem ist nicht offengelegte KI-Beteiligung, die einen falschen Eindruck von menschlichem Urteil erzeugt. Wenn ich eine Sicherheitsanalyse lese, muss ich wissen, bis zu welchem Grad jemand mit Domänenexpertise die Argumentation tatsächlich durchdacht hat, oder ob einfach ein LLM plausibel klingenden Text produziert hat, den niemand durchdacht hat. Die Antwort verändert, wie sehr ich dem Ergebnis vertrauen sollte.
Ich nutze das System in diesem Blog auch. Dieser Post ist AI:AMBER: Claude hat entworfen, ich habe umgeschrieben, und ich kann jeden Satz verteidigen. Zukünftige Posts werden dieselben Labels tragen.
Ausprobieren
Die Labels funktionieren in jedem Kontext, in dem KI-generierter Output menschliche Vertrauenskalibrierung braucht: Code Reviews, redaktionelle Workflows, Forschungsarbeiten, Beratungslieferungen, Policy-Dokumente. Das Format ist absichtlich einfach (ein farbiges Label und eine Einzeiler-Definition), weil Adoption wichtiger ist als Vollständigkeit. Nehmt gerne die Tabelle oben, passt sie an euren Kontext an, und fangt an sie zu benutzen.
Wenn ihr das System nutzt, oder wenn ihr was Besseres daraus baut, würde ich gerne davon hören!
Update 31.03.: AI:YOLO-Stufe ergänzt. Ihr wisst wer ihr seid.