Zum Inhalt springen
Bild: KI-generiert
KI-Beratung

KI-Texte erkennen: Beweist ein KI-Detektor, dass eine KI geschrieben hat?

Sven Jagata ·

Ein Bewerbungsschreiben wirkt zu glatt. Ein Lieferant schickt eine Stellungnahme, die klingt wie aus der Maschine. Der naheliegende Reflex: Text in einen KI-Detektor kopieren und nachsehen, was das Tool sagt. Es dauert zehn Sekunden und liefert eine Prozentzahl, die nach Beweis aussieht. Sie ist keiner: In der breitesten Vergleichsstudie erreichte kein einziges Tool 80 Prozent Genauigkeit, und bei Nicht-Muttersprachlern schlagen die Detektoren im Schnitt bei sechs von zehn echten Texten falschen Alarm.

Die veröffentlichte Forschungslage zu diesen Werkzeugen ist ungewöhnlich eindeutig — und sie fällt gegen die Tools aus. Wer eine Personalentscheidung, eine Abmahnung oder eine Lieferantenbeziehung auf so eine Zahl stützt, trifft sie faktisch per Münzwurf, nur mit dem guten Gefühl, etwas geprüft zu haben. Dieser Artikel zeigt dir, was die Studien wirklich sagen, wo das für dein Unternehmen teuer wird und welche Frage stattdessen weiterhilft.

Was ein KI-Detektor misst — und was nicht

Ein KI-Detektor liest keinen Inhalt. Er misst statistische Oberflächenmerkmale, vor allem die sogenannte Perplexität: wie überraschend die Wortfolgen eines Textes für ein Sprachmodell sind. Schreibt jemand vorhersehbar, mit begrenztem Wortschatz und geraden Satzmustern, sinkt die Perplexität — und der Detektor schlägt an.

Daraus folgt ein Denkfehler, der im Werkzeug selbst steckt: Gemessen wird nicht „von einer KI geschrieben“, sondern „sprachlich wenig variantenreich“. Das sind zwei verschiedene Dinge. Ein nüchternes, knappes Anschreiben eines Bewerbers, der sich im Deutschen unsicher fühlt, erzeugt dasselbe Signal wie ein Text aus ChatGPT. Der Detektor kann die beiden Fälle prinzipiell nicht auseinanderhalten, weil er dieselbe Größe misst. Das ist kein Reifeproblem, das die nächste Version löst — es ist der Konstruktionsfehler der Methode.

Die Befundlage: drei Zahlen, die reichen

Die umfassendste öffentliche Untersuchung stammt von einem europäischen Forschungsteam um Debora Weber-Wulff und erschien im International Journal for Educational Integrity. Getestet wurden 14 Werkzeuge: zwölf frei verfügbare plus die Kommerzsysteme Turnitin und PlagiarismCheck. Das Fazit der Autoren im Wortlaut: Die verfügbaren Erkennungswerkzeuge seien „neither accurate nor reliable“ — weder genau noch verlässlich. Kein einziges getestetes Tool erreichte 80 Prozent Genauigkeit, nur fünf lagen überhaupt über 70 Prozent. Dazu kommt eine systematische Schlagseite: Die Tools stufen im Zweifel „menschlich“ ein, rund 20 Prozent der KI-Texte rutschen glatt durch. Und einfache Verschleierung — umformulieren, durch eine Übersetzung schicken — verschlechtert die Trefferquote weiter.

Die zweite Zahl ist die unangenehmere, weil sie sagt, wen es trifft. Ein Stanford-Team um Weixin Liang (veröffentlicht in Patterns, die genauen Werte stammen aus der Vorabfassung auf arXiv) ließ sieben verbreitete Detektoren auf 91 TOEFL-Aufsätze los, alle nachweislich von Menschen geschrieben, aber von Nicht-Muttersprachlern. Die durchschnittliche Fehlalarmquote lag bei 61,22 Prozent. 89 der 91 Aufsätze — 97,80 Prozent — wurden von mindestens einem Detektor als KI-generiert markiert. Bei Aufsätzen US-amerikanischer Achtklässler lag dieselbe Quote bei 5,19 Prozent. Der Beweis, dass hier die Sprache und nicht die Herkunft gemessen wird, folgt im selben Versuch: Ließ das Team die TOEFL-Texte sprachlich anreichern, fiel die Fehlalarmquote auf 11,77 Prozent. Umgekehrt stieg sie bei den Achtklässler-Texten auf 56,65 Prozent, sobald man deren Wortwahl vereinfachte. Gleicher Autor, gleicher Inhalt, anderes Urteil.

Die dritte Zahl ist eigentlich ein Rückzug. OpenAI hatte im Januar 2023 einen eigenen Klassifikator für KI-Texte veröffentlicht — und ihn laut Vermerk im selben Beitrag am 20. Juli 2023 wieder abgeschaltet, mit der Begründung „due to its low rate of accuracy“. Der Hersteller des bekanntesten Sprachmodells hat die Erkennung der eigenen Ausgaben aufgegeben. Wer heute ein Tool verkauft, das genau das zuverlässig leisten will, sollte diese Hürde erst einmal erklären.

Was du aus einem Detektor-Ergebnis ableiten darfst

Das Tool zeigtWas du gern hättestWas tatsächlich belegt ist
„98 % KI-generiert“Beweis für TäuschungDer Text ist sprachlich wenig variantenreich — mehr nicht
„0 % KI“EntwarnungNichts. Rund 20 % der KI-Texte werden als menschlich eingestuft
Zwei Tools widersprechen sichEines liegt richtigBeide messen dasselbe schwache Signal unterschiedlich streng
Wert ändert sich nach UmformulierungDas Tool lernt dazuVerschleierung senkt die Trefferquote systematisch

Die Spalte rechts ist die ehrliche. Keine Zeile darin trägt eine Entscheidung über einen Menschen.

Wo das für dein Unternehmen teuer wird

Der Schaden entsteht nicht durch die Nutzung des Tools, sondern durch die Handlung, die daraus folgt. Drei Situationen, in denen das real wird:

  • Bewerbungen. Du sortierst einen Bewerber aus, weil das Anschreiben als KI markiert wurde. Angesichts von 61,22 Prozent Fehlalarm bei Nicht-Muttersprachlern triffst du damit systematisch Menschen mit Migrationsgeschichte härter als andere. Dass dieses Muster nachweisbar und in der Fachliteratur dokumentiert ist, macht es zu einem Risiko, das weit über eine verpasste Einstellung hinausgeht. Wie du Bewerbungsprozesse mit KI sauber aufsetzt, steht im Beitrag zu KI im Recruiting und dem AI Act.
  • Mitarbeitergespräche. Du konfrontierst jemanden mit einem Detektor-Screenshot. Entweder der Verdacht stimmt — dann hättest du es auch im Gespräch über den Inhalt gemerkt. Oder er stimmt nicht, und du hast einem korrekt arbeitenden Menschen etwas unterstellt, das du nicht belegen kannst. Der zweite Fall kostet dich mehr Vertrauen, als der erste je an Klarheit bringt.
  • Lieferanten und Kunden. Eine Reklamation als „KI-geschrieben“ abzutun, ist bequem und ändert nichts daran, dass die Forderung dahinter berechtigt sein kann. Die Herkunft des Textes sagt nichts über seine Begründetheit.

Ein nüchterner Hinweis: Das ist eine fachliche Einordnung, kein Rechtsrat. Wenn du erwägst, arbeitsrechtliche Schritte auf eine Textanalyse zu stützen, lass das vorher anwaltlich prüfen — die Beweislast liegt bei dir, und eine Werkzeugklasse, in der laut der breitesten Vergleichsstudie kein einziges Tool 80 Prozent Genauigkeit erreicht, trägt sie nicht.

Was der Gesetzgeber stattdessen vorsieht

Interessant ist, dass die EU das Problem gar nicht über Erkennung löst, sondern über Kennzeichnung an der Quelle. Artikel 50 Absatz 2 der KI-Verordnung (VO (EU) 2024/1689) verpflichtet die Anbieter von KI-Systemen, die synthetische Texte, Bilder, Audio oder Video erzeugen, dafür zu sorgen, dass die Ausgaben „in einem maschinenlesbaren Format gekennzeichnet und als künstlich erzeugt oder manipuliert erkennbar sind“.

Die Last liegt damit beim Hersteller, nicht bei dir als Leser. Der Gesetzgeber setzt auf Markierung beim Erzeugen statt auf Nachweis beim Empfangen — aus demselben Grund, aus dem die Detektoren scheitern: Nachträglich ist die Information schlicht nicht mehr zuverlässig im Text enthalten. Für deine eigenen Veröffentlichungen gilt die Kennzeichnungsfrage umgekehrt; was dabei Pflicht ist, steht im Beitrag zur Kennzeichnungspflicht für KI-Inhalte.

Die bessere Frage — und vier Dinge, die wirklich helfen

Die Frage „Hat das eine KI geschrieben?“ ist für fast jeden betrieblichen Zweck die falsche. Sie ist nicht zuverlässig beantwortbar und in der Sache meistens egal. Die Frage, die zählt: Stimmt der Inhalt, und steht jemand mit Namen dafür gerade?

  1. Schreib eine KI-Richtlinie statt eines Verbots. Wenn im Betrieb klar ist, wann KI-Unterstützung erlaubt ist und wer das Ergebnis verantwortet, erübrigt sich das Detektiv-Spiel. Wie so eine Regelung aussieht, zeigt der Beitrag zur KI-Richtlinie für Unternehmen.
  2. Prüfe Inhalte, nicht Herkunft. Stimmen Zahlen, Fristen, Namen, Quellen? Genau dort fallen KI-Fehler auf — ein erfundener Beleg fliegt beim Nachschlagen auf, nicht beim Perplexitäts-Scan. Der systematische Weg dahin steht im Beitrag zu KI-Halluzinationen und Prüfprozessen.
  3. Verlagere die Prüfung ins Gespräch. Bei Bewerbungen klärt ein fachliches Nachfragen in zehn Minuten mehr als jedes Tool. Wer seinen Text selbst verantwortet, kann ihn erklären.
  4. Setz KI bewusst selbst ein. Wer KI im eigenen Haus geordnet nutzt — etwa für Routineabläufe in der Automatisierung, als Web-Assistent auf der Website oder als KI-Telefonassistent — hört schnell auf, sie bei anderen zu jagen. Man kennt dann die Stärken und die Grenzen aus eigener Anschauung.

Wo Detektoren einen Restnutzen haben

Vollständig wertlos sind die Tools nicht. Als unverbindlicher Anlass, genauer hinzusehen, können sie taugen: Ein auffälliger Wert ist ein Grund, einen Text inhaltlich gründlicher zu lesen. Auch im Content-Marketing lässt sich damit grob sortieren, wenn eine Agentur Massenware liefert.

Die Grenze ist in beiden Fällen dieselbe: Das Ergebnis darf der Auslöser einer Prüfung sein, niemals ihr Ergebnis. Sobald aus der Prozentzahl eine Konsequenz für einen Menschen wird, bist du im Bereich, für den die Datenlage keine Grundlage hergibt.

Nächster Schritt: Qualität prüfen statt Herkunft raten

KI-Detektoren verkaufen eine Sicherheit, die es technisch nicht gibt. Die Forschungslage ist seit Jahren stabil, der bekannteste Anbieter hat sein eigenes Werkzeug zurückgezogen, und der europäische Gesetzgeber setzt konsequent auf Kennzeichnung durch den Hersteller statt auf nachträgliche Erkennung. Für dich heißt das: Spar dir das Tool und investier die Zeit in einen Prüfprozess, der Inhalte prüft und Verantwortung zuordnet.

Genau dabei helfe ich dir — pragmatisch, ohne Panikmache und ohne dir Software zu verkaufen, die dein Problem nicht löst.

➡️ Vereinbare jetzt dein kostenloses Erstgespräch

➡️ Wie sichtbar und digital ist dein Unternehmen? Mach den kostenlosen Quick-Check

FAQ – Häufig gestellte Fragen zu KI-Detektoren

1. Wie zuverlässig sind KI-Detektoren wirklich? In der bislang breitesten Vergleichsstudie mit 14 Werkzeugen erreichte kein einziges Tool 80 Prozent Genauigkeit, nur fünf kamen über 70 Prozent. Die Autoren bezeichnen die Werkzeuge ausdrücklich als weder genau noch verlässlich. Zusätzlich neigen sie dazu, KI-Texte als menschlich einzustufen — rund 20 Prozent werden nicht erkannt.

2. Darf ich einen Bewerber ablehnen, weil ein KI-Detektor anschlägt? Davon ist dringend abzuraten. Die Fehlalarmquote lag bei Texten von Nicht-Muttersprachlern im Stanford-Versuch bei 61,22 Prozent, 97,80 Prozent der Texte wurden von mindestens einem Tool falsch markiert. Du würdest eine Absage auf ein Signal stützen, das vor allem sprachliche Einfachheit misst — und damit eine bestimmte Bewerbergruppe systematisch benachteiligen. Für arbeitsrechtliche Schritte brauchst du belastbare Belege und anwaltliche Begleitung.

3. Gibt es einen zuverlässigen AI Detector auf Deutsch? Kein Werkzeug, auch kein deutschsprachiges, hat bislang eine belastbare Genauigkeit nachgewiesen. Das Problem liegt nicht an der Sprache, sondern an der Methode: Gemessen wird die statistische Vorhersagbarkeit von Text, und die unterscheidet nicht zwischen Maschine und knapp formulierendem Menschen. OpenAI hat den eigenen Klassifikator im Juli 2023 wegen zu geringer Genauigkeit abgeschaltet.

4. Warum erkennt der Detektor meinen eigenen Text als KI? Weil du vermutlich klar und gleichmäßig schreibst. Kurze Sätze, wiederkehrende Formulierungen und ein sachlicher Ton erzeugen niedrige Perplexität — exakt das Signal, auf das die Tools reagieren. Im Stanford-Versuch genügte es, menschliche Texte sprachlich zu vereinfachen, damit die Fehlalarmquote von 5,19 auf 56,65 Prozent stieg.

5. Muss ich KI-generierte Texte kennzeichnen? Für dich als Nutzer gilt das nicht pauschal. Die KI-Verordnung verpflichtet in Artikel 50 Absatz 2 zunächst die Anbieter der KI-Systeme, ihre Ausgaben maschinenlesbar zu markieren. Gesonderte Offenlegungspflichten treffen Betreiber unter anderem bei Deepfakes und bei veröffentlichten Texten zu Fragen von öffentlichem Interesse — mit Ausnahmen, etwa wenn der Text redaktionell geprüft wurde und eine Person die Verantwortung trägt.

Sven Jagata (KI-generiertes Bild)

Bild: KI-generiert

Sven Jagata

KI-Berater & Umsetzer für kleine und mittelständische Unternehmen. Ich baue Voice Agents, Web-Assistenten und Automatisierungen — verständlich, ehrlich und hands-on.

Mehr über mich

Bereit, dein Business smarter zu machen?

In 30 Minuten klären wir, welche KI-Lösung dir am meisten bringt. Kostenlos, unverbindlich und ohne Fachchinesisch.

30 Minuten · kostenlos · kein Folgetermin nötig

Anrufen WhatsApp E-Mail