KI-Texte lassen sich nicht allein anhand einzelner Wörter, Satzzeichen oder eines Detektorwerts sicher zuordnen. Lies die Skala des jeweiligen Werkzeugs, prüfe seine Grenzen und trenne die Herkunftsfrage von der Frage, ob die Aussagen stimmen.
Was ein KI-Detektor erkennen kann
Ein Detektor untersucht Merkmale eines Textes und ordnet sie mit seinem Verfahren ein. Er beobachtet dabei nicht, wer die Sätze tatsächlich geschrieben hat. Ein menschlicher Entwurf kann maschinell überarbeitet sein; ein KI-Entwurf kann später weitgehend neu geschrieben werden. Eine einfache Zweiteilung wird solchen Arbeitsweisen nur begrenzt gerecht.
Gedankenstriche, glatte Übergänge und gleichmäßig aufgebaute Listen sind keine eindeutigen Herkunftsmerkmale. Menschen verwenden sie ebenfalls. Auch schlechter Stil beweist keine menschliche Urheberschaft. Die Lektion Texte mit KI überarbeiten zeigt einen nachvollziehbaren Ablauf, bei dem Fakten und Änderungen getrennt geprüft werden.
Wenn du einen Online-Detektor verwenden möchtest, prüfe vorher, ob du den Text dort eingeben darfst. Unveröffentlichte Manuskripte, personenbezogene Angaben oder interne Dokumente gehören nicht ohne Prüfung in einen fremden Dienst. Für eine erste methodische Einordnung genügt ein selbst erstellter, unkritischer Beispieltext.
Was ein Prozentwert tatsächlich bedeutet
Ein Prozentzeichen erklärt die Messgröße noch nicht. Der Wert könnte sich auf Textanteile, markierte Sätze oder eine produktspezifische Bewertung beziehen. Ohne die Definition des Anbieters darfst du daraus keine Wahrscheinlichkeit für die Urheberschaft ableiten.
Turnitin beschreibt seinen AI-Writing-Wert als Anteil des dafür auswertbaren längeren Fließtextes, den das Verfahren als wahrscheinlich KI-generiert einordnet. Das ist weder der Plagiatsähnlichkeitswert noch die Wahrscheinlichkeit, dass eine bestimmte Person KI genutzt hat. Der Anbieter warnt selbst vor Fehlzuordnungen und vor nachteiligen Entscheidungen allein aufgrund dieses Ergebnisses.
| Anzeige oder Beobachtung | Was du daraus ableiten kannst |
|---|---|
| Ein Werkzeug markiert einzelne Sätze | Diese Stellen wurden vom Verfahren auffällig bewertet; ihre Herkunft bleibt zu prüfen. |
| Ein Anbieter nennt einen Anteil des auswertbaren Textes | Das ist eine Aussage über seine Textklassifikation, keine personenbezogene Beweiswahrscheinlichkeit. |
| Ein Text hat prüfbare Quellen und dokumentierte Entwürfe | Du kannst Aussagen und Entstehung anhand konkreter Belege untersuchen. |
Turnitin blendet Werte von 1 bis 19 Prozent in aktuellen Berichten wegen des erhöhten Fehlalarmrisikos als genaue Zahl aus. Das macht 20 Prozent nicht zu einer allgemeinen Grenze, ab der KI-Nutzung bewiesen wäre. Andere Produkte haben andere Skalen und Einschränkungen.
Warum auch ein guter Test falsch verdächtigen kann
Ob ein auffälliger Text tatsächlich aus der gesuchten Gruppe stammt, hängt auch davon ab, wie häufig diese Gruppe im geprüften Bestand vorkommt. Diese Ausgangsverteilung heißt Basisrate. Eine vermeintlich kleine Fehlalarmquote kann bei vielen menschlichen Texten zahlreiche falsche Verdachtsfälle erzeugen.
Eigene fiktive Rechnung, keine Produktmessung: Wir nehmen 1.000 Texte an, davon 100 KI-Texte und 900 menschliche Texte. Ein ausgedachter Test erkennt 80 Prozent der KI-Texte und markiert 5 Prozent der menschlichen Texte fälschlich. Er findet dann 80 KI-Texte und erzeugt 45 Fehlalarme. Von 125 Markierungen betreffen nur 80 tatsächlich KI-Texte: 64 Prozent. Weitere 20 KI-Texte bleiben unentdeckt.
Die angenommenen 80 und 5 Prozent beschreiben kein reales Werkzeug. Die Rechnung zeigt lediglich, weshalb eine Trefferquote, eine Fehlalarmquote und die Aussagekraft einer Markierung verschiedene Größen sind. Für einen realen Einsatz müssten passende Validierungsdaten vorliegen.
Sprache, Überarbeitung und Textsorte mitprüfen
Ergebnisse aus einer englischen Untersuchung lassen sich nicht unverändert auf deutsche Texte übertragen. Auch akademische Texte, kurze Nachrichten, Programmcode und Gedichte sind unterschiedliche Prüfgegenstände. Kontrolliere deshalb unterstützte Sprache, Mindestumfang und Textsorte in der aktuellen Produktdokumentation.
Der Abstract der Untersuchung von Liang und Mitautoren aus 2023 beschreibt Fehlzuordnungen bei nichtmuttersprachlichem Englisch. Der Abstract des Preprints von Park, Jeong und Kim aus August 2026 untersucht stilistische Überarbeitung als Einfluss auf Detektorwerte in englischen akademischen Texten. Daraus ergibt sich keine pauschale aktuelle Fehlerquote für deutsche Texte. Für diesen Artikel wurden die Abstractseiten ausgewertet, nicht die vollständigen Studien.
Ebenso wichtig ist der Versionsstand des Detektors. Ein früherer Test belegt nicht automatisch die Leistung einer heute veränderten Fassung. Wer „99 Prozent genau“ liest, sollte nach Datensatz, Textlänge, Sprache, Erkennungs- und Fehlalarmquote sowie Prüfdatum fragen.
So prüfst du einen auffälligen Text sinnvoll
- Den Anlass festhalten: Geht es um eine falsche Aussage, eine fehlende Quelle oder eine konkrete Regel zur KI-Nutzung?
- Den Inhalt prüfen: Öffne Belege, kontrolliere Zahlen und unterscheide belegte Aussagen von Vermutungen.
- Die Entstehung nachvollziehen: Vorhandene Notizen, Entwürfe und Versionsstände können helfen. Fehlende Unterlagen sind allein kein KI-Beweis.
- Rückfragen stellen: Lass die Person Quellenwahl, Argumentation und Änderungen erläutern.
- Unsicherheit dokumentieren: Ein technischer Verdacht bleibt ein Verdacht, solange die Belege keine weitergehende Aussage tragen.
Die Sachprüfung lohnt sich unabhängig vom Schreibwerkzeug. Auch ein menschlicher Text kann falsch sein, ein KI-unterstützter Text kann richtige und belegte Aussagen enthalten. Der Beitrag zu KI-Halluzinationen erklärt typische Probleme bei plausibel klingenden Behauptungen. Bei Prüfungs-, Personal- oder Vertragsfragen gelten zusätzlich die Regeln des konkreten Verfahrens; ein Detektorscore ersetzt deren Prüfung nicht. Der Guide zum Prüfen von KI-Quellen zeigt den Abgleich von Werk, Fundstelle und konkreter Aussage, ohne daraus auf die Urheberschaft eines Textes zu schließen.
Ein Prüfprotokoll statt eines Schnellurteils
Eigene Vorlage für eine nachvollziehbare Textprüfung
Prüfgegenstand und Datum:
Anlass der Prüfung:
Geltende Regeln zur KI-Unterstützung:
Geprüfte Aussagen und Originalquellen:
Vorhandene Entwürfe oder Versionsstände:
Rückfragen und erhaltene Antworten:
Falls verwendet: Werkzeug, Version, Sprache und Bedeutung der Skala:
Beobachtungen:
Nicht belegte Vermutungen:
Offene Punkte und nächster Prüfschritt:Fülle Beobachtung und Bewertung getrennt aus. „Der Dienst hat drei Sätze markiert“ ist eine Beobachtung. „Die Person hat den ganzen Text generieren lassen“ wäre eine weitergehende Schlussfolgerung, für die diese Beobachtung nicht ausreicht. Wie Tokenwerk Quellen und KI-Unterstützung behandelt, steht im Redaktionsstandard.
Quellen & Methode
Vorgehen und Grenzen
Quellenprüfung am 19. Oktober 2026. Vier vollständig gelesene Recherchequellen pro Thema wurden für Suchintent und Abdeckung ausgewertet; Produktangaben beruhen auf den genannten Primärquellen. Eigene Beispiele und technische Illustrationen sind gekennzeichnet. Keine eigenen Produkt-, Leistungs- oder Hardwaretests. Bei KI-Detektorforschung wurden die ausdrücklich genannten Abstractseiten gelesen.
Bei Recherche, Texterstellung und Grafiken wird KI eingesetzt. Welche eigenen Versuche vorliegen und was nur als Beispiel dient, beschreibt dieser Beitrag. Unser Redaktionsstandard erklärt die Anforderungen an Belege und Berichtigungen.
