Kurze Captions werden anders markiert, weil so wenig Text zum Bewerten vorhanden ist. Bei vierzig Wörtern macht ein steifer Satz einen großen Teil der Stichprobe aus, und Detektoren haben weniger Signale, mit denen sie arbeiten können. Die Lösung besteht nicht darin, sich bei Social-Media-Posts vollständig vor der KI-Erkennung zu verstecken. Sie besteht darin, die Dinge zu variieren, die Modelle konstant halten: Hooks, Zeilenumbrüche, Slang und konkrete Details.
Warum werden kurze Captions anders markiert als lange Artikel?
Ein Detektor liest eine Caption so, wie ein Fremder einen Haftzettel liest. Es gibt nicht genug Kontext, um den Rhythmus zu beurteilen, also wiegen oberflächliche Gewohnheiten schwerer. Ein langer Artikel kann einen flachen Absatz verkraften. Eine Caption nicht.
Wir haben am 2026-09-13 unsere eigene Messung durchgeführt und zwei Korpora mit dem DeAIze-Detektor bei einer Markierungsschwelle von 30 % bewertet. Die von Menschen geschriebene Stichprobe bestand aus 23 handgeschriebenen DeAIze-Leitfäden mit einem mittleren KI-Score von 21 % und einer Spanne von 0-46 %. Die uneditierte Modellausgabe bestand aus 12 Passagen, die aus festen Prompts generiert wurden, mit einem Mittelwert von 33 % und einer Spanne von 4-46 %. Die Spannen überschneiden sich stark. Diese Überschneidung ist die ganze Geschichte für kurze Texte: Länge ist kein Schutz, und ein hoher Wert ist kein Beweis.
Die praktische Konsequenz für einen Social Manager ist, dass du eine Caption nicht so bearbeiten kannst wie einen Blogpost. Du hast weniger Wörter, um ein Muster zu verwässern, also muss jede Zeile eine menschliche Entscheidung tragen. Das bedeutet normalerweise, dass der Hook, der Zeilenumbruch und die Schlusszeile die Stellen sind, an denen die Arbeit stattfindet.
Was solltest du in einer Caption variieren?
Variiere die vier Dinge, die ein Modell konstant zu halten neigt.
Hooks. Modelle beginnen mit einer ausgewogenen Zusammenfassung. Menschen beginnen mitten im Gedanken. Statt „Hier sind drei Wege, um deine Morgenroutine zu verbessern“, versuche „Ich habe aufgehört, das zu tun, was alle empfehlen.“ Das Zweite ist riskanter und spezifischer, und genau deshalb liest es sich menschlich.
Zeilenumbrüche. Generierte Captions brechen oft jedes Mal an derselben logischen Stelle, meist nach einem vollständigen Satzteil. Brich manchmal mitten im Satzteil. Setze ein einzelnes Wort in eine eigene Zeile. Und wiederhole diese Form dann nicht im nächsten Post.
Slang und Register. Ein Modell greift zu „leverage“ und „seamless“. Deine Marke wahrscheinlich nicht. Wenn dein Team in Slack „ship it“ sagt, kann die Caption das auch sagen. Schreibe die Wörter auf, die deine Marke tatsächlich verwendet, und die, die sie niemals verwenden würde, und halte diese Liste neben dem Entwurf.
Spezifität. Zahlen, Ortsnamen, Produktnamen, eine Tageszeit, ein Kunden-zitat. Eine Caption mit einem konkreten Detail ist schwerer mit einer Vorlage zu verwechseln als eine Caption mit drei glatten Allgemeinplätzen.
Wie hältst du die Markenstimme über eine Charge hinweg konsistent?
Ein Batch ist der Punkt, an dem die Stimme abdriftet. Zehn Captions, die nacheinander in einem Chatfenster geschrieben werden, nähern sich langsam dem Standardregister des Modells an, und bei Caption acht klingt deine Marke wie die aller anderen.
Die Lösung ist ein kurzes Style-Briefing, das du vor dem Batch einfügst, nicht danach. Halte es auf einer Seite: drei Wörter, die die Marke ist, drei Wörter, die sie nicht ist, zwei Beispiel-Captions, die funktioniert haben, und eine Liste verbotener Phrasen. Dann generiere und bearbeite den Batch als Batch. Lies die zehn Captions hintereinander. Die, die wie eine Pressemitteilung klingt, ist die, die umgeschrieben werden muss.
Wenn du Tools für einen Batch-Workflow vergleichst, prüfe, was der kostenlose Tarif tatsächlich bietet, bevor du dich festlegst. DeAIze startet mit 200 Wörtern bei der Anmeldung, ohne Kreditkarte, und die Preisseite zeigt die Pay-as-you-go-Tarife mit Credits, die nie ablaufen.
LinkedIn, Instagram und X: Was ändert sich auf jeder Plattform?
Plattformnormen verändern, was als Verräter gilt. Eine Phrase, die auf LinkedIn normal klingt, wirkt auf X wie eine Vorlage.
| Plattform | Typische Länge | Was generiert wirkt | Was zuerst variieren | Gut für |
|---|---|---|---|---|
| 100-200 Wörter | Ausgewogene dreiteilige Struktur, “I’m excited to share” | Die Eröffnungszeile und die Schlussfrage | B2B-Storytelling, Hiring, Thought Leadership | |
| 20-80 Wörter | Identischer Zeilenumbruchrhythmus, generische Ermutigung | Der Hook und das erste Emoji oder dessen Fehlen | Produkt, Lifestyle, Community-Antworten | |
| X | Unter 40 Wörter | Vollständige Sätze ohne Fragment, kein Slang | Satzfragmente und die letzten drei Wörter | News, Reaktionen, schnelle Takes |
LinkedIn bestraft Symmetrie. Wenn jeder Post einen Hook, drei Aufzählungspunkte und eine Frage hat, ist das Muster der Verräter, nicht ein einzelnes Wort. Instagram bestraft Gleichförmigkeit über Posts hinweg stärker als jede einzelne Bildunterschrift. X bestraft Politur: ein Fragment schlägt meist einen vollständigen Satz.
Eine Prüfung vor der Veröffentlichung für eine Bildunterschrift, die du mit KI entworfen hast
Führe das durch, bevor du planst, nicht nachdem jemand einen Screenshot gemacht hat.
- Lies es laut vor. Jede Formulierung, die du einer Kollegin nicht sagen würdest, wird umgeschrieben.
- Prüfe die ersten sechs Wörter. Wenn sie jeden Post zum Thema eröffnen könnten, ersetze sie.
- Streiche ein Adjektiv. Generierter Text ist adjektivlastig.
- Füge ein konkretes Detail hinzu: ein Datum, eine Zahl, einen Namen, einen Ort.
- Prüfe die Zeilenumbrüche gegen deine letzten drei Posts. Wenn sich die Form wiederholt, ändere sie.
- Füge es in einen Detektor ein und lies die Ausgabe auf Satzebene, nicht nur den Dokumentwert.
Dieser letzte Schritt ist wichtig, weil die Erkennung auf Satzebene erfolgt. Ein Gesamtwert der Bildunterschrift von „markiert“ kann von einer einzigen steifen Zeile stammen. Diese Zeile umzuschreiben ist eine andere Aufgabe als die Bildunterschrift umzuschreiben.
Was der Wert dir sagt und was nicht
Hier ist der ehrliche Teil. Ein Detektor-Score ist eine Wahrscheinlichkeitsschätzung, kein Beweis für die Urheberschaft. Zwei Tools werden bei derselben Bildunterschrift unterschiedliche Ergebnisse liefern, und bei kurzem Text unterscheiden sie sich am stärksten. Unsere eigene Messung ergab, dass sich die menschliche Stichprobe und die uneditierte Modellausgabe über den größten Teil ihres Bereichs überschnitten. Eine Bildunterschrift, die in diesem Überschneidungsbereich liegt, sagt für sich genommen sehr wenig aus.
Die Angst, die es wert ist, benannt zu werden: Sie befürchten, dass ein Kunde oder eine Plattform eine Markierung als Urteil über Ihre Arbeit behandelt. In den meisten sozialen Kontexten lässt niemand Bildunterschriften durch einen Detektor laufen. Was tatsächlich auffällt, ist Beliebigkeit. Die Markierung ist ein Symptom eines echten Problems, nämlich dass der Text so klingt, als hätte ihn jeder schreiben können.
Das ordnet die Aufgabe neu ein. Sie versuchen nicht, ein Tool zu besiegen. Sie versuchen, die Bildunterschrift nach der Marke klingen zu lassen, und das Tool ist eines von mehreren Signalen. Wenn Sie verstehen möchten, woraus das Signal besteht, behandelt wie KI-Erkennung funktioniert die zugrunde liegende Mechanik, ohne zu viel zu versprechen.
Die Häufigkeit von KI-Verrat ist ein nützlicher Näherungswert. In unserer Messung vom 13.09.2026 enthielt die von Menschen geschriebene Stichprobe 4 Verrate pro 100 Wörter, während die uneditierte Modellausgabe 1 pro 100 Wörter enthielt. Das klingt verkehrt herum, bis man sich ansieht, was als Verrat zählt: Die menschlichen Leitfäden wiederholen strukturelle Gewohnheiten, weil sie eine Serie sind, während die generierten Passagen unterschiedliche Prompts waren. Lesen Sie das nicht als “Menschen sind besser erkennbar”. Lesen Sie es als: wiederholte Struktur, nicht Wortschatz, ist das, was sich ansammelt.
Ein durchgerechnetes Beispiel
Illustration, kein echter Kundenbeitrag.
Vorher: “Wir freuen uns, bekannt geben zu können, dass unsere neue Plattform jetzt live ist und Teams, die ihren Workflow optimieren möchten, ein nahtloses Erlebnis bietet.”
Nachher: “Sie ist live. Wir haben das Dashboard neu gebaut, damit du jede Übergabe an einem Ort sehen kannst. Hat länger gedauert als geplant.”
Die zweite Version ändert den Einstieg, streicht die Adjektive, fügt ein konkretes Detail hinzu und gibt etwas zu. Sie enthält zufällig auch weniger der Muster, nach denen ein Detektor sucht. Das ist kein Zufall, aber auch keine Garantie. Schreibe dieselbe Bildunterschrift auf fünf Arten um, und du erhältst fünf verschiedene Bewertungen.
Wo Humanisierung passt – und wo nicht
Wenn du einen Stapel mit einem Modell entworfen hast und die Bildunterschriften flach klingen, kann ein Humanizer die markierten Sätze bereinigen, während du die Bedeutung beibehältst. DeAIze führt eine geschlossene Schleife aus: den Text bewerten, nur die markierten Sätze umschreiben, eine Umschreibung nur behalten, wenn die semantische Ähnlichkeit besagt, dass die Bedeutung erhalten geblieben ist, dann erneut bewerten und vorher/nachher berichten. Die Website meldet eine durchschnittliche Reduzierung des KI-Scores um über 60 % nach der Humanisierung, mit einem Bestwert von 71 %, und das sind die eigenen vorhergesagten Werte des Produkts, kein Urteil eines Drittanbieter-Detektors.
Was es nicht tun wird, ist deiner Marke eine Stimme zu geben. Die Stimme kommt aus dem Style-Brief, der Liste verbotener Phrasen und der Entscheidung darüber, was deine Marke niemals sagen würde. Wenn du in einer größeren Content-Pipeline arbeitest, deckt KI-Text humanisieren den breiteren Workflow ab. Speziell für Social Media ist der Stapel die Arbeitseinheit, nicht die Bildunterschrift.
Noch etwas, das klar gesagt werden muss: Die Ideen, die Angebote, die Kundengeschichte und die Aussagen müssen von dir stammen. Eine Bildunterschrift so zu bearbeiten, dass sie nach deiner Marke klingt, ist Handwerk. Die Arbeit eines anderen unter deinem Namen zu veröffentlichen, ist es nicht.
Die Kurzfassung
Kurze Bildunterschriften werden anders markiert, weil weniger Text vorhanden ist, um ein Muster aufzufangen. Variiere Einstiege, Zeilenumbrüche, Umgangssprache und Konkretheit. Halte die Stimme konsistent mit einem einseitigen Briefing, das du vor dem Batch einfügst, nicht mit einem Aufräumdurchgang danach. Passe dich an die Plattform an, denn LinkedIn, Instagram und X belohnen unterschiedliche Formen. Führe die Sechs-Schritte-Prüfung durch, bevor du planst. Behandle die Detektor-Ausgabe als Signal, nicht als Urteil, und denke daran, dass die generische Qualität das Problem ist, auf das die Markierung hinweist.
Messhinweis: Die Zahlen in diesem Artikel stammen aus unserem eigenen Detektor-Lauf vom 13.09.2026 — n = 23 handgeschriebene Leitfäden gegenüber n = 12 unbearbeiteten Modellausgaben, medianer KI-Score 22 % bzw. 34 %. Methode: /methodology/.