So funktioniert die Erkennung von KI-Text
Was jeder der sieben Detektoren misst, worauf er sich stützt, wo seine Grenzen liegen und warum ihre Werte nie zu einer Zahl zusammengefasst werden.
Blog
Wie die Erkennung von KI-Text auf Tschechisch und Slowakisch funktioniert, wie man die Ergebnisse liest und was man damit in Schule, Redaktion und beim eigenen Schreiben anfängt.
Grundlagen
Glossar
Was Perplexität, Burstiness, Stilometrie, ein falsch positives Ergebnis, Humanisierung oder ein Wasserzeichen bedeuten — jeder Begriff in ein bis zwei Sätzen.
So funktioniert es
Erkennt ein Detektor, ob ein Text von ChatGPT, Claude oder Gemini stammt?
Warum Detektoren nur die Ähnlichkeit mit maschinellem Schreiben allgemein erkennen, wann sich ein bestimmtes Modell benennen lässt und warum eine Entscheidung nicht darauf beruhen sollte.
Warum zwei Detektoren beim selben Text andere Werte zeigen
Warum sich die Werte zwischen Werkzeugen unterscheiden, was der Widerspruch über den Text sagt und warum Mitteln keinen Sinn ergibt.
Halb selbst, halb KI: was der Detektor bei gemischtem Text zeigt
Wie sich der Wert bei einem gemeinsam mit dem Modell entstandenen Text verhält, warum er im langen Dokument verschwindet und was man statt der Gesamtzahl liest.
Was ein KI-Wasserzeichen ist und warum man sich beim Text nicht darauf verlassen kann
Wie die versteckte Markierung eines Modells im Text aussieht, welche Modelle heute eine setzen und warum man sich bei der Beurteilung eines Textes nicht darauf verlassen kann.
Warum KI-Textdetektoren auf Tschechisch und Slowakisch schlechter abschneiden als auf Englisch
Tschechisch und Slowakisch haben freie Wortstellung, reiche Flexion und kleinere Trainingskorpora. Was das mit der Erkennung macht und wie man die Ergebnisse liest.
Was die Prozentzahl eines Detektors bedeutet und wie es damit weitergeht
Ein Score von 0 bis 100 ist keine Wahrscheinlichkeit für Betrug. Wie man ihn liest, wo die Schwellen liegen und was man mit einem Ergebnis in der Mitte macht.
Wenn der eigene Text als KI herauskommt: was Falschmeldungen sind
Warum ein ehrlich geschriebener Text manchmal einen hohen Score bekommt und wie sich das ohne Beschuldigung klären lässt.
Perplexität, Burstiness und Stilometrie: drei Wege zur Erkennung
Die drei Ansätze, auf denen Detektoren für KI-Text beruhen, worin sie sich unterscheiden und warum sie beim selben Text verschiedene Ergebnisse liefern.
Erkennung anhand der eigenen Handschrift: was eine persönliche Stilbasis ist
Wie der Vergleich eines Textes mit Ihren eigenen älteren Texten funktioniert und warum er eine andere Antwort gibt als ein allgemeiner Detektor.
KI-Text mit bloßem Auge erkennen: neun Merkmale, auf die man achtet
Konkrete Muster, an denen sich erzeugter Text auch ohne Werkzeug erkennen lässt — und warum keines davon allein ausreicht.
Wie viel Text ein Detektor braucht, damit er Sinn ergibt
Warum sich kurze Texte nicht zuverlässig beurteilen lassen, wo ein vernünftiges Minimum liegt und wie man einen langen Text aufteilt.
Warum Texte von Nicht-Muttersprachlern schlechter abschneiden
Warum einfacherer Wortschatz und vorsichtiger Satzbau den Wert nach oben treiben, wen es am stärksten trifft und wie man so ein Ergebnis liest.
Warum ein übersetzter Text als maschinell gilt
Was eine Übersetzung mit einem Text macht — von Hand oder maschinell — und warum der Wert danach steigt, obwohl das Original von einem Menschen stammt.
Warum ein Detektor wissen muss, welche Textsorte er prüft
Was sich ändert, wenn Sie vor der Prüfung die Textsorte wählen, warum eine E-Mail andere Grenzen hat als eine Hausarbeit und was die Sortenvorlage misst.
Warum derselbe Text beim zweiten Mal anders abschneidet
Was den Unterschied zwischen zwei Prüfungen desselben Textes verursacht und wie groß ein Unterschied noch normal ist.
Praxis
Kann eine Rechtschreibprüfung oder ein Schreibassistent den KI-Wert erhöhen?
Welche Änderungen in Korrekturprogrammen und Schreibassistenten einen eigenen Text in Richtung maschinellen Stil schieben, welche nicht und wie Sie das Original schützen.
Wie man Aufgaben stellt, die ein Modell nicht übernehmen kann
Was eine Aufgabenstellung gegen Modelle widerstandsfähig macht — eigene Daten, konkreter Kontext, Zwischenabgaben und eine kurze Verteidigung.
Wie man dreißig Seminararbeiten an einem Vormittag schafft
Ein Vorgehen, mit dem sich ein ganzer Stapel studentischer Arbeiten durchgehen lässt, ohne bei jeder eine halbe Stunde zu verbringen.
Humanisierung oder Umschreiben von Hand: wann sich was lohnt
Der Unterschied zwischen dem automatischen Umschreiben eines Satzes und dem Umschreiben mit eigener Hand, und wie man die Humanisierung nutzt, damit der Text nicht schlechter klingt.
Die Masterarbeit kapitelweise prüfen
Warum man nicht die ganze Arbeit auf einmal prüft, wo sich Fehlalarme häufen und wann man die Prüfung einplant.
Wie man die Erkennung in den Redaktionsablauf mit freien Autoren einbaut
Wo die KI-Prüfung im Redaktionsablauf hingehört, wie man sie den Autorinnen und Autoren kommuniziert und was man mit dem Ergebnis macht.
Von KI geschriebene Motivationsschreiben: was das fürs Recruiting heißt
Warum Motivationsschreiben als Filter heute kaum noch taugen und wie man das Verfahren anpasst, statt Schuldige zu suchen.
Kontrollfragen statt Beschuldigung
Warum ein Gespräch über den Text besser funktioniert als die Konfrontation mit einer Zahl und wie man die Fragen vorbereitet.
Warum ein Prüfverlauf hilft und was sich daraus ablesen lässt
Eine einmalige Prüfung sagt wenig. Was mehrere Prüfungen derselben Person über die Zeit verraten.
PDF und DOCX prüfen, ohne den Text zu kopieren
Welche Formate sich hochladen lassen, was man mit einem gescannten PDF macht und warum sich das Prüfen der Datei mehr lohnt als das eines Ausschnitts.
Wie Sie einen Text prüfen, den Sie extern beauftragt haben
Was vorher zu vereinbaren ist, was Sie bei Lieferung lesen und wie Sie einen Verdacht ansprechen, ohne die Zusammenarbeit zu zerstören.
Die erste Textprüfung Schritt für Schritt
Was Sie bei der ersten Erkennung tun, in welcher Reihenfolge Sie das Ergebnis lesen und was Sie gleich am Anfang lassen sollten.
Darf ich KI für die Hausarbeit nutzen? Wie Sie es herausfinden
Wo die Regeln stehen, was meist erlaubt ist, wie Sie den Einsatz angeben und was Sie in einer wissenschaftlichen Arbeit lassen sollten.
Entscheiden
Einen KI-Textdetektor auswählen: sieben Dinge, die den Vergleich lohnen
Woran man KI-Textdetektoren vergleicht — Tschechisch und Slowakisch, Sätze statt einer einzigen Zahl, Umgang mit Falschmeldungen, Verlauf und Umgang mit Daten.
KI-Inhalte und SEO: was Suchmaschinen wirklich stört
Suchmaschinen bestrafen KI-Text nicht als solchen. Was die Ergebnisse wirklich drückt und wo die Erkennung Redaktionen nützt.
Wann man keinen Detektor laufen lässt: Fälle ohne Nutzen
Kurze Texte, feste Formulierungen, fremde Sprachen und Fälle ohne Gesprächsmöglichkeit — wann ein Detektor nicht hilft und was stattdessen zählt.
Ist das Humanisieren eines Textes Betrug? Wo die Grenze verläuft
Wann Umschreiben normale redaktionelle Arbeit ist, wann es die Regeln umgeht und woran man den Unterschied erkennt.
Regeln
Vorwurf, mit KI geschrieben zu haben: was Sie belegen können
Welche Belege standhalten, wenn ein ehrlich geschriebener Text als maschinell gilt, und wie man darüber mit Hochschule oder Arbeitgeber spricht.
Kann das Ergebnis eines Detektors ein Beweis sein?
Was das Ergebnis eines Detektors trägt und was nicht, wie man in Schule und Redaktion damit umgeht und was man statt einer Beschuldigung tut.
Was mit dem Text passiert, den Sie in einen Detektor einfügen
Wonach man bei jedem Werkzeug fragt, wo der Text in DetekceGPT gespeichert wird und warum das bei fremden Arbeiten wichtig ist.
Wie man Schulregeln für den Einsatz von KI schreibt
Was eine Regel enthalten muss, damit sie funktioniert — konkrete Grenzen statt eines Verbots und ein vereinbartes Vorgehen bei Verdacht.
KI-Regeln im Unternehmen: was vorher festgehalten gehört
Was eine betriebliche KI-Regel enthalten muss — wo sie erlaubt ist, was nicht in den Chat gehört und wer für das Ergebnis geradesteht.
KI im Fachtext: was Verlage von Autorinnen und Autoren verlangen
Warum ein Modell nicht Mitautor sein kann, was in die Erklärung zur KI-Nutzung gehört und wo bei Sprachkorrektur die Grenze liegt.
Ist Text von KI ein Plagiat? Worin er sich vom Abschreiben unterscheidet
Warum generierter Text durch die Ähnlichkeitsprüfung geht, warum er trotzdem meist ein Regelverstoß ist und was Prüfungsordnungen dazu sagen.