Ist der Text KI-generiert? So prüfen Sie es und darum irren Detektoren so oft

Eine Bewerbung, die verdächtig glatt klingt. Eine Hausarbeit ohne einen einzigen Tippfehler. Ein Gastbeitrag, der sich liest wie hundert andere. Die Frage „Ist der Text KI-generiert?“ stellen sich inzwischen Lehrkräfte, Personalverantwortliche, Redaktionen und Website-Betreiber gleichermaßen. Die ehrliche Antwort vorweg:

Kurzantwort: In den meisten Fällen lässt sich das nicht mit absoluter Sicherheit feststellen. KI-Detektoren liefern nur statistische Wahrscheinlichkeiten, liegen regelmäßig daneben und lassen sich durch einfaches Umformulieren austricksen. Verlässlicher ist eine Kombination aus inhaltlicher Faktenprüfung, typischen Stilmerkmalen, technischen Wasserzeichen und dem direkten Gespräch mit dem Verfasser.

In diesem Beitrag erfahren Sie, wie KI-Text-Erkennung technisch funktioniert, wo ihre Grenzen liegen und wie Sie einen Text Schritt für Schritt einschätzen. Außerdem: was der EU AI Act seit August 2026 zur Kennzeichnung von KI-Texten vorschreibt.

So funktionieren KI-Detektoren

Tools wie GPTZero, Originality.ai oder ZeroGPT arbeiten nach einem ähnlichen Prinzip: Sie nutzen selbst moderne Sprachmodelle. Der Detektor prüft, wie wahrscheinlich es ist, dass eine automatische Texterstellung genau diese Wortfolge gewählt hätte. Nach jedem Wort lautet die mathematische Frage sinngemäß: Hätte ein Sprachmodell an dieser Stelle dasselbe Token gewählt? Je öfter die Antwort „ja“ lautet, desto höher steigt der KI-Wahrscheinlichkeitswert.

Zwei linguistische Kennzahlen tauchen dabei immer wieder auf:

• Perplexität: Sie misst, wie überraschend ein Text für ein Sprachmodell ist. KI-Texte überraschen selten, weil Algorithmen bevorzugt statistisch naheliegende Wörter wählen.
• Burstiness: Sie beschreibt, wie stark Satzlänge und Satzbau variieren. Menschen schreiben naturgemäß unregelmäßiger: Mal ein prägnanter Satz mit drei Wörtern. Dann wieder ein Schachtelsatz, der sich über drei Zeilen zieht, weil der Gedanke Raum braucht.

Eine zweite Gruppe von Detektoren sind trainierte Klassifikatoren. Sie wurden mit riesigen Textkorpora menschlicher und maschineller Inhalte trainiert und suchen nach statistischen Ähnlichkeiten zu ihrem Trainingsmaterial.

Das Grundproblem beider Ansätze: Sie messen Stil, nicht Herkunft. Ein nüchterner, hochgradig formalisierter Fachtext aus Menschenhand hat ebenfalls eine sehr niedrige Perplexität und landet deshalb reflexartig im Verdacht.

Wie zuverlässig sind KI-Detektoren wirklich?

Deutlich weniger, als die Marketingversprechen der Tool-Anbieter suggerieren. Mehrere unabhängige Studien und Praxistests belegen die strukturellen Schwächen:

• OpenAI hat kapituliert: Der hauseigene AI Text Classifier erkannte in internen Tests nur 26 Prozent der KI-Texte korrekt und stufte gleichzeitig 9 Prozent echter menschlicher Texte fälschlich als KI ein. OpenAI stellte das Tool im Juli 2023 offiziell ein und bestätigte, dass auch ChatGPT eigene Texte nicht zuverlässig identifizieren kann.
• Umformulieren hebelt Detektoren aus: Ein Forschungsteam um Soheil Feizi an der University of Maryland wies in einer vielbeachteten Studie nach, dass sich KI-Detektoren selbst durch einfache Paraphrasierungen und leichtes Nachbearbeiten systematisch umgehen lassen (ArXiv-Studie: Can AI-Generated Text be Reliably Detected?).
• Laborwerte spiegeln nicht die Praxis: Im bekannten RAID-Benchmark („Robust AI Detection“) erreichen einige Modelle unter sterilen Testbedingungen Quoten von bis zu 99 Prozent. Sobald Texte jedoch übersetzt, gekürzt oder im typischen Blog-Format auf Deutsch verfasst sind, bricht die Trefferquote dramatisch ein.
• Hochschulen ziehen Konsequenzen: Führende Universitäten, darunter die Leibniz Universität Hannover, sprechen sich ausdrücklich gegen den Einsatz von KI-Detektoren in Prüfungsverfahren aus, da die Fehlerquote rechtlich nicht haltbar ist.
• Experten-Urteil: Der renommierte KI-Forscher Ethan Mollick von der Wharton School betont regelmäßig, dass reiner KI-Text ohne kryptografische Hilfsmittel nicht dauerhaft erkennbar ist – und dass sich daran auch künftig nichts ändern wird.

Besonders gravierend sind Fehlalarme (False Positives): Eine Studie der Stanford University (Liang et al., 2023) deckte auf, dass Detektoren englische Texte von Nicht-Muttersprachlern überdurchschnittlich oft fälschlich als KI klassifizieren, da diese mit einem kompakteren, weniger variablen Wortschatz formulieren.

Merksatz: Ein Detektorwert von „92 % KI“ ist eine statistische Schätzung, kein Beweis.

Typische Merkmale: Daran erkennen Sie KI-Texte

Wer Texte manuell analysiert, kommt oft schneller zu plausiblen Ergebnissen als mit automatischer Software. Wenn Sie KI-Texte humanisieren wollen, müssen Sie genau diese typischen Sollbruchstellen kennen:

Merkmal	Typisches Muster in KI-Texten	Warum es auffällt
Floskeln & Buzzwords	„In der heutigen schnelllebigen Welt“, „spielt eine entscheidende Rolle“, „nahtlos integrieren“, „ganzheitlicher Ansatz“	Sprachmodelle greifen überproportional oft auf standardisierte Einleitungen und Füllphrasen zurück.
Gedankenstrich-Inflation	Häufige Einschübe mit langen Gedankenstrichen (–), oft mehrfach pro Absatz.	Ein typischer Formatierungs-Fingerabdruck angelsächsischer LLM-Trainingsdaten.
Monotone Textarchitektur	Gleich lange Absätze, permanente Dreieraufzählungen und Zwischenfazite am Ende jedes Unterkapitels.	Maschinen bevorzugen mechanische Symmetrie; Menschen schreiben dynamischer.
Fehlende Tiefenschärfe	Kaum konkrete Unternehmensdaten, lokale Bezüge, reale Namen oder persönliche Erfahrungswerte.	Das Modell kennt die Fakten der Welt, hat aber keine eigene Biographie.
Halluzinierte Quellen	Akkurat formatierte Zitate, Paragraphen oder Studien, die bei einer Recherche schlicht nicht existieren.	KI ist eine Wort-Wahrscheinlichkeitsmaschine, keine verifizierte Datenbank.
Strikte Neutralität	Übervorsichtiges „Einerseits … andererseits“, ohne je eine klare Branchenhaltung einzunehmen.	RLHF-Sicherheitsfilter trimmen Modelle auf maximale Konfliktvermeidung.
Anglizistische Satzmuster	„Es ist wichtig zu beachten, dass …“ oder wörtlich übernommene Satzstrukturen.	Übersetzungsrelikte aus vorwiegend englischsprachigen Trainingsdaten.
Sterile Fehlerfreiheit	Grammatikalisch makelloser Text, der tonal völlig vom bisherigen Schreibstil des Autors abweicht.	Menschliche Autoren haben Eigenheiten, Vorlieben und gelegentliche Flüchtigkeitsfehler.

Umgekehrt deuten unerwartete Wortschöpfungen, pointierte Ironie, regionale Redewendungen und persönliche Praxiseinblicke klar auf echte Autoren hin – genau das macht authentisches Schreiben aus.

Schritt für Schritt: So prüfen Sie einen verdächtigen Text

1. Inhalt vor Stil prüfen: Stimmen historische Daten, statistische Kennzahlen und Quellennachweise? Erfundene Belege sind der härteste Indikator für ungeprüft übernommene Prompts.
2. Mit früheren Texten abgleichen: Vergleichen Sie den Text mit älteren Arbeitsproben derselben Person. Passen Wortschatz, Satzlänge und Argumentationsweise zusammen?
3. Auf konkrete Substanz achten: Gibt es Details, die nur jemand kennen kann, der im Projekt oder im Unternehmen mitgearbeitet hat?
4. Detektoren nur als Indiz werten: Testen Sie niemals isolierte Sätze, sondern zusammenhängende Abschnitte ab 300 Wörtern. Widersprechen sich zwei Tools, beweist das vor allem die Unzuverlässigkeit der Detektoren.
5. Entstehungspfad analysieren: Ein Blick in den Versionsverlauf von Google Docs oder Microsoft Word verrät, ob ein Dokument organisch gewachsen ist oder in zwei großen Blöcken per Copy-Paste eingefügt wurde.
6. Das direkte Fachgespräch suchen: Bitten Sie den Verfasser um eine kurze Erläuterung zu zwei Kernargumenten und den genannten Quellen. Wer den Text selbst verfasst hat, kann Rückfragen mühelos beantworten.

Wasserzeichen: Die technische Lösung?

Weitaus aussichtsreicher als nachträgliches Erraten von Satzstrukturen sind kryptografische Wasserzeichen, die direkt während der Token-Generierung verankert werden.

Google DeepMind setzt hier mit SynthID Text Maßstäbe: Das Modell moduliert die Wahrscheinlichkeitsverteilung der nächsten Wörter nach einem mathematischen Pseudo-Zufallsmuster. Für das menschliche Auge liest sich der Text völlig natürlich, ein Prüfalgorithmus kann das verborgene Signal jedoch mathematisch nachweisen. Google hat SynthID Text als Open Source via Hugging Face Transformers zur Verfügung gestellt.

Doch auch Google DeepMind benennt klare Grenzen in Nature:

• Gründliches Umschreiben, starkes Kürzen oder das Übersetzen in eine andere Sprache zerstören das statistische Wasserzeichen weitgehend.
• Bei rein mathematischen Formeln oder faktenbasierten Tabellen greift das Verfahren kaum, da das Sprachmodell keinen Spielraum für alternative Wortwahlen besitzt.
• Das Prüfergebnis ist kein binäres „Mensch/Maschine“, sondern eine Konfidenzbewertung („Wasserzeichen erkannt“, „nicht erkannt“, „unsicher“).
• Es erkennt ausschließlich Texte von Anbietern, die genau diesen Wasserzeichen-Standard implementieren.

Müssen KI-Texte gekennzeichnet werden? Das gilt seit August 2026

Mit dem Stichtag 2. August 2026 sind die Transparenzvorschriften aus Artikel 50 der europäischen KI-Verordnung (EU AI Act / Verordnung (EU) 2024/1689) in Kraft getreten. Eine pauschale Kennzeichnungspflicht für jeden Blogartikel oder jede E-Mail existiert jedoch nicht.

Die zentralen Säulen nach Art. 50 AI Act:

1. Pflichten für KI-Anbieter (Art. 50 Abs. 2): Hersteller von generativen KI-Modellen müssen sicherstellen, dass KI-generierte Ausgaben in einem maschinenlesbaren Format als künstlich erzeugt oder manipuliert gekennzeichnet werden (z. B. durch Metadaten oder Wasserzeichen).
2. Pflichten für Betreiber (Art. 50 Abs. 4): Wer KI-generierte Texte veröffentlicht, die die Öffentlichkeit über Angelegenheiten von öffentlichem Interesse informieren, muss transparent machen, dass der Text künstlich erzeugt oder manipuliert wurde.
3. Die entscheidende Ausnahme für Unternehmen & Redaktionen: Die Kennzeichnungspflicht entfällt, wenn der Inhalt einem Verfahren der menschlichen Überprüfung oder redaktionellen Kontrolle unterzogen wurde und eine natürliche oder juristische Person die redaktionelle Verantwortung für die Veröffentlichung trägt.

Für die Praxis im Content-Marketing: Wer KI-Entwürfe redaktionell sichtet, Fakten prüft und als verantwortlicher Herausgeber publiziert, muss Blogbeiträge oder Produktbeschreibungen in aller Regel nicht als KI-Inhalt deklarieren.

(Hinweis: Dieser Abschnitt stellt eine redaktionelle Zusammenfassung dar und ersetzt keine Rechtsberatung.)

Und was sagt Google zu KI-Texten?

Aus SEO-Sicht herrscht oft die Sorge, dass Google KI-Inhalte prinzipiell abstraft. Die offiziellen Google Search Central Richtlinien zu KI-Inhalten sind hier eindeutig:

Google bewertet Inhalte nach Qualität, Nutzen und Relevanz – nicht danach, mit welchem Werkzeug sie getippt wurden. Entscheidend sind die E-E-A-T-Kriterien (Experience, Expertise, Authoritativeness, Trustworthiness). Wer jedoch massenhaft seichte KI-Inhalte publiziert, nur um Suchbegriffe abzugreifen, verstößt gegen die Richtlinie zu Scaled Content Abuse und riskiert drastische Rankingverluste.

Wenn Sie mit Content echte Besucher gewinnen wollen, lohnt sich ein strukturierter redaktioneller Prozess – wie in unserem Leitfaden zum Schreiben perfekter Artikel in 9 Schritten beschrieben.

Fazit: Prüfen Sie den Inhalt, nicht nur den Stil

Die Frage „Ist der Text KI-generiert?“ lässt sich heute selten mit einem simplen Tool-Klick beantworten. Detektoren liefern Momentaufnahmen mit hoher Fehlerquote und benachteiligen oft sachliche Autoren sowie Nicht-Muttersprachler.

Konzentrieren Sie sich auf das Wesentliche:

• Stimmen die Fakten und Daten?
• Enthält der Text neue Gedanken oder nur bekannte Allgemeinplätze?
• Bietet er dem Leser eine echte Lösung?

Maschinenlesbare Wasserzeichen und der EU AI Act schaffen sukzessive mehr Transparenz. Bis dahin bleibt das aufmerksamste Kontrollorgan der menschliche Verstand: Kritisches Lesen schlägt jeden Detektor.

FAQ: Häufige Fragen zur Erkennung von KI-Texten

Kann man sicher erkennen, ob ein Text KI-generiert ist?

Nein. Bei überarbeiteten, übersetzten oder fachspezifischen Texten kann kein technisches Tool eine hundertprozentige Trefferquote garantieren. Ein sicherer Nachweis gelingt nur bei intakten kryptografischen Wasserzeichen oder offengelegten Versionshistorien.

Welcher KI-Detektor schneidet am besten ab?

Tools wie GPTZero, CopyLeaks oder Originality.ai zählen zu den bekanntesten Lösungen. In der Praxis mit deutschen Texten schwankt ihre Zuverlässigkeit jedoch spürbar. Verwenden Sie Detektoren maximal als Plausibilitätscheck.

Erkennt ChatGPT, ob ein Text von ChatGPT geschrieben wurde?

Nein. Das Sprachmodell besitzt kein Gedächtnis über alle erzeugten Ausgaben und rät bei solchen Prompts lediglich anhand von Wortfolgen. OpenAI hat bestätigt, dass ChatGPT dafür ungeeignet ist.

Kann ein menschlicher Text fälschlich als KI eingestuft werden?

Ja, sehr häufig. Sachliche Fachtexte, juristische Ausarbeitungen und Texte von Autoren mit nicht-muttersprachlichem Hintergrund werden überdurchschnittlich oft als KI markiert (False Positives).

Muss ich KI-Texte auf meiner Website kennzeichnen?

Nach Artikel 50 des EU AI Act gilt eine Kennzeichnungspflicht vor allem für ungeprüfte Veröffentlichungen zu Themen von öffentlichem Interesse. Werden Texte vor dem Release redaktionell geprüft und verantwortet, entfällt die Pflicht in der Regel.

Schadet KI-Content dem Google-Ranking?

Nein, solange der Inhalt hilfreich, fachlich korrekt und für den Nutzer geschrieben ist. Google straft minderwertigen Spam ab, nicht aber den wohlüberlegten Einsatz moderner Schreibwerkzeuge.