Ein Kunde hat Ihre menschliche Übersetzung durch einen KI-Detektor laufen lassen, und sie wurde markiert. Sie haben die Arbeit selbst gemacht. Warum also löst KI-Erkennung bei übersetztem Text das Tool aus, und was übergeben Sie dem Kunden jetzt tatsächlich? Die Antwort liegt im Unterschied zwischen Übersetzungsartefakten und Generierungssignalen und darin, wie Sie Ihre Arbeit dokumentieren.
Wichtigste Erkenntnisse
- Übersetzung erzeugt Parallelstrukturen, Lehnübersetzungen und ein konsistentes Register. Detektoren lesen dieselben Muster als maschinelle Generierung.
- Ein Übersetzungsmuster stammt aus dem Ausgangstext. Ein Generierungsmuster stammt aus einem Modell, das wahrscheinliche nächste Wörter vorhersagt. Sie sehen an der Oberfläche ähnlich aus und unterscheiden sich darunter.
- Dokumentieren Sie die Übersetzung mit CAT-Tool-Protokollen, Revisionsverlauf und Übersetzeranmerkungen, bevor der Kunde danach fragt.
- Ein Detektor-Score ist eine Wahrscheinlichkeitsschätzung, kein Beweis der Urheberschaft. Sagen Sie das klar, ohne defensiv zu klingen.
- Widersprechen Sie, wenn die Markierung dem dokumentierten Prozess widerspricht. Passen Sie Ihr Lieferformat an, wenn es bei der Markierung wirklich um Lesbarkeit geht.
- Unsere eigene Messung am 19.09.2026 ergab, dass eine von Menschen verfasste Stichprobe von 46 DeAIze-Leitfäden im Mittel 27 % KI erreichte, wobei 17 von 46 bei einer Schwelle von 30 % markiert wurden. Auch menschlicher Text wird markiert.
Warum wird meine Übersetzung als KI angezeigt?
Weil Übersetzung und Generierung überlappende Fingerabdrücke hinterlassen. Ein Detektor liest keine Bedeutung. Er misst Oberflächenstatistiken: wie vorhersehbar jedes Wort angesichts der vorangehenden Wörter ist, wie stark die Satzlänge variiert, wie oft sich dieselbe syntaktische Form wiederholt.
Ein Übersetzer, der von einem Ausgangstext ausgeht, übernimmt den Rhythmus der Quelle. Wenn das deutsche Original lange Nebensätze verwendet, trägt die englische Version diese Form. Wenn das Französische Nominalisierungen verwendet, neigt die englische Version zum Nominalstil. Sie haben diese Muster nicht frei gewählt. Die Quelle tat es. Aber ein Detektor sieht geringe Varianz und konsistente Struktur und liest sie genauso wie Modellausgaben.
Fügt man die üblichen Zwänge professioneller Übersetzung hinzu, wächst die Überschneidung. Die Terminologie bleibt über ein Dokument hinweg konsistent, weil sie es muss. Das Register bleibt flach, weil die Vorgabe es so verlangt. Satzanfänge wiederholen sich, weil die Quelle sie wiederholt. Jedes einzelne davon ist ein Zeichen von Sorgfalt. Jedes einzelne davon erhöht auch einen KI-Score.
Unsere eigene Messung belegt den Punkt aus der anderen Richtung. Am 2026-09-19 haben wir 46 handgeschriebene DeAIze-Leitfäden mit dem DeAIze-Detektor bei einer Markierungsschwelle von 30 % bewertet. Der mittlere KI-Score lag bei 27 %, der Median bei 25 %, und die Spanne reichte von 0 bis 55. Siebzehn der 46 wurden markiert. Das sind von Menschen verfasste Leitfäden über KI-Erkennung, geschrieben von Leuten, die die Erkennungsmerkmale kennen. Menschlicher Text landet oft genug im selben Bereich wie maschineller Text, sodass eine einzelne Markierung sehr wenig beweist.
Übersetzungsartefakte versus Generierungssignale
Das ist die Unterscheidung, die das Kundengespräch entscheidet, also lohnt es sich, präzise zu sein.
Ein Übersetzungsartefakt ist eine Spur des Übertragungsprozesses. Es stammt aus der Ausgangssprache, der Fachkonvention oder der Entscheidung des Übersetzers, die Bedeutung auf Kosten des natürlichen Rhythmus zu bewahren. Beispiele: eine Lehnübersetzung, die die Präposition der Quelle beibehält, eine Passivkonstruktion, die existiert, weil die Quelle eine verwendete, ein Begriff, der wörtlich wiederholt wird, weil das Glossar es so vorschreibt.
Ein Generierungssignal ist eine Spur der Next-Token-Vorhersage. Es stammt von einem Modell, das die wahrscheinlichste Fortsetzung wählt. Beispiele: ein Absatz, der mit einer Definition beginnt und mit einer Zusammenfassung endet, eine Liste mit drei Elementen, die alle dieselbe grammatische Form haben, eine Übergangsphrase, die nichts hinzufügt.
Die beiden können in einem einzelnen Satz identisch aussehen. Sie unterscheiden sich, wenn man das Dokument als Ganzes betrachtet.
| Signal | Typisch für Übersetzung | Typisch für Generierung | Wie man sie unterscheidet |
|---|---|---|---|
| Parallelstruktur | Ja, aus der Quellsyntax übernommen | Ja, aus templateartiger Ausgabe | Prüfen Sie die Quelle: Gibt es die Parallelstruktur dort? |
| Konsistentes Register | Ja, vom Brief und Glossar gefordert | Ja, aus einheitlicher Modellstimme | Fragen Sie, ob der Brief es verlangte |
| Wiederholte Terminologie | Ja, durch Glossar und TM gesteuert | Manchmal, durch geringe lexikalische Vielfalt | Prüfen Sie Termbase- und TM-Übereinstimmungen |
| Gleichmäßige Satzlänge | Häufig in technischer Übersetzung | Häufig in uneditierter Modellausgabe | Vergleichen Sie mit Ihrer eigenen früheren Arbeit im selben Sprachpaar |
| Generische Übergänge | Gelegentlich, aus Quellkonnektoren | Häufig, aus Diskurs-Templates | Zählen Sie, wie viele Übergänge keine neue Information tragen |
| Benannte Entitäten, Daten, Zahlen | Dicht und spezifisch | Oft vage oder fehlend | Übersetzung bewahrt Fakten; Generierung erfindet sie manchmal |
Diese letzte Zeile ist das stärkste Unterscheidungsmerkmal, das Sie haben. Eine Übersetzung trägt die Spezifika der Quelle: Namen, Zahlen, Daten, Produktcodes. Uneditierte Modellausgabe neigt dazu, sich vage auszudrücken oder zu erfinden. Wenn Ihr Dokument voll von überprüfbaren Spezifika ist, ist das ein Beweis, und es ist ein Beweis, den ein Kunde überprüfen kann, ohne Ihnen zu vertrauen.
Wir haben auch die Häufigkeit von KI-Verwechslungsmerkmalen im selben Lauf vom 19.09.2026 gezählt: 3 pro 100 Wörter in der menschlichen Stichprobe gegenüber 1 pro 100 Wörter in der uneditierten Modellausgabe. Das sollte man sacken lassen. Die von Menschen geschriebenen Leitfäden enthielten mehr oberflächliche Verräter als der reine Modelltext. Das Zählen von Verrätern ist kein zuverlässiger Urheberschaftstest, weshalb eine markierte Übersetzung genau genommen kein Urteil ist.
Wenn Sie sehen möchten, welche konkreten Sätze das Signal tragen, anstatt über einen einzelnen Dokumentwert zu streiten, lassen Sie die Übersetzung durch den DeAIze KI-Detektor laufen — er bewertet die gesamte Datei und hebt jeden Satz nach KI-Wahrscheinlichkeit hervor, sodass Sie den Kunden auf die betreffenden Zeilen hinweisen können.
Warum behandelt ein Detektor übersetzten Text anders als muttersprachliche Texte?
Drei Mechanismen leisten den Großteil der Arbeit.
Vorhersagbarkeit. Detektoren schätzen ein, wie überraschend jedes Wort im Kontext ist. Hochfrequente Wörter an Positionen mit hoher Wahrscheinlichkeit senken diese Überraschung. Die Übersetzung in eine zweite Sprache landet oft bei der Standardwiedergabe statt bei der idiomatischen, und die Standardwiedergabe ist per Definition die vorhersagbare. Muttersprachliches Schreiben im selben Genre driftet stärker.
Burstiness. Menschliches Schreiben variiert Satzlänge und -struktur ungleichmäßig. Die Übersetzung glättet diese Variation, weil der Rhythmus der Ausgangssprache dem des Übersetzers übergestülpt wird. Das Ergebnis liest sich gleichmäßig, und gleichmäßig wirkt auf einen Detektor, der auf unredigierte Modellausgaben abgestimmt ist, maschinell erzeugt.
Registereinheitlichkeit. Ein Modell schreibt das gesamte Dokument in einer Stimme. Ein Übersetzer tut das auch, wenn die Vorgabe es verlangt. Der Detektor kann nicht erkennen, warum die Stimme einheitlich ist, nur dass sie es ist.
Nichts davon bedeutet, dass der Detektor defekt ist. Es bedeutet, dass der Detektor einen Stellvertreter misst, und die Übersetzung erzeugt den Stellvertreter, ohne die Sache zu erzeugen, für die der Stellvertreter steht.
Wie dokumentiert man eine menschliche Übersetzung?
Die Dokumentation ist Ihr Fall. Erstellen Sie sie während der Arbeit, nicht nach der Warnung.
- Exportieren Sie das CAT-Tool-Protokoll. Die meisten CAT-Umgebungen zeichnen Segment-Zeitstempel, Bearbeitungsverlauf und Übereinstimmungsstatistiken auf. Ein Protokoll, das über Stunden eingegebene Segmente mit Fuzzy-Übereinstimmungen aus Ihrem eigenen TM zeigt, ist Prozessbeweis. Speichern Sie es als Datei zusammen mit der Lieferung.
- Bewahren Sie den Revisionsverlauf auf. Wenn ein zweiter Übersetzer oder ein Prüfer die Datei bearbeitet hat, behalten Sie die nachverfolgten Änderungen und die Überprüfungsnotizen. Zwei Sätze menschlicher Bearbeitungen am selben Segment sind ein Muster, das kein Modell erzeugt.
- Schreiben Sie Übersetzeranmerkungen für alles, was beanstandet wird. Eine kurze Anmerkung, die erklärt, dass eine Konstruktion eine bewusste Lehnübersetzung ist, weil der Styleguide des Kunden Quellentreue verlangt, ist mehr wert als ein Absatz voller Leugnung. Halten Sie sie sachlich und spezifisch für das Segment.
- Bewahren Sie die Quelle und das Referenzmaterial auf. Die Quelldatei, das Glossar, den TM-Export. Diese ermöglichen es einem Kunden, unabhängig zu überprüfen, dass das Englische dem Deutschen oder dem Japanischen folgt und nicht der Vermutung eines Modells.
- Dokumentieren Sie Ihre Anfragen. Wenn Sie den Kunden zu einem mehrdeutigen Begriff gefragt haben, bewahren Sie die E-Mail auf. Dieser Austausch ist datiert, menschlich und spezifisch.
Wenn Sie die allgemeine Form eines Dokumentationspakets wünschen, lässt sich der Workflow in AI Detection Take Home Assignment: What to Document gut auf Übersetzungsarbeit übertragen: Zeitstempel, Entwürfe, Notizen und eine kurze schriftliche Begründung.
Wie sprechen Sie mit einem Kunden, der dem Detektor-Score vertraut?
Der Kunde ist nicht unvernünftig. Er hat für Originalarbeit bezahlt, und ein Tool hat ihm gesagt, dass sie möglicherweise nicht original ist. Ihre Aufgabe ist es, das Gespräch vom Score zum Prozess zu lenken, ohne das Tool abzutun.
Beginnen Sie damit, sich darüber zu einigen, was der Score ist. Die Ausgabe eines Detektors ist eine Wahrscheinlichkeitsschätzung, kein Beweis der Urheberschaft. Die meisten Tools sagen dies in ihrer eigenen Dokumentation. Sie bitten den Kunden nicht, dem Detektor zu misstrauen. Sie bitten ihn, ihn als eines von mehreren Signalen zu behandeln.
Dann übergeben Sie die Prozessnachweise. Keine Verteidigung. Einen Ordner. Das CAT-Protokoll, die Revisionshistorie, die Notizen, das Ausgangsmaterial, die Termbase. Lassen Sie den Kunden die Schlussfolgerung ziehen.
Bieten Sie dann die Ansicht auf Satzebene an. Eine Bewertung für das gesamte Dokument lädt zu einer Diskussion über das Dokument ein. Eine Aufschlüsselung auf Satzebene lädt zu einem Gespräch über konkrete Zeilen ein, und konkrete Zeilen sind der Ort, an dem Sie jede Entscheidung erklären können. Wenn der Kunde es selbst sehen möchte, verweisen Sie ihn auf ein Tool, das die Wahrscheinlichkeit pro Satz statt einer einzelnen Zahl ausgibt.
Seien Sie schließlich ehrlich über die Grenze. Sie können keinen bestimmten Wert bei irgendeinem Detektor versprechen. Niemand kann das, weil die Modelle hinter diesen Werten sich ohne Vorankündigung ändern und keines von ihnen einen stabilen Schwellenwert veröffentlicht. Was Sie versprechen können, ist ein dokumentierter Prozess und die Bereitschaft, jedes Segment zu besprechen.
Wann sollten Sie Widerstand leisten und wann sollten Sie anpassen?
Leisten Sie Widerstand, wenn die Markierung dem dokumentierten Prozess widerspricht. Wenn Sie ein CAT-Protokoll, eine Revisionshistorie und einen Ausgangstext haben, der jede markierte Konstruktion erklärt, haben Sie einen stärkeren Fall als der Wert. Bleiben Sie höflich bei Ihrer Position und halten Sie sie schriftlich fest.
Passen Sie an, wenn die Markierung in Wahrheit eine Lesbarkeitsbeschwerde im Gewand eines Detektors ist. Manchmal markiert ein Kunde eine Übersetzung als KI, weil sie flach klingt, und die Flachheit ist ein echtes Qualitätsproblem. Lehnübersetzungen, die die Ausgangssyntax auf Kosten englischer Idiomatik bewahren, sind in einem Rechtstext vertretbar und in Werbetexten unhaltbar. Wenn der eigentliche Einwand des Kunden ist, dass der Zieltext wie eine Übersetzung klingt, ist das behebbare Arbeit, und ihre Behebung wird den Wert in der Regel als Nebeneffekt senken.
Ein Mittelweg: Liefern Sie die originalgetreue Version plus eine leicht naturalisierte Variante für die Segmente, die dem Kunden wichtig sind. Sie behalten das Argument der Quellentreue bei und geben dem Kunden etwas zum Abnehmen.
Was tun Sie, wenn die Markierung auf Ihrem eigenen Englisch liegt?
Übersetzer, die in eine Zweitsprache arbeiten, sehen sich mit einer zweiten Ebene dieses Problems konfrontiert. Ihre eigene Prosa trägt dieselben Marker, die nicht muttersprachliche Autoren markiert werden lassen, und diese Marker kommen zu den Übersetzungsartefakten noch hinzu. Die Muster sind in Why an AI Detector Flags Non Native English Writers gut dokumentiert, und die praktische Antwort ist dieselbe: mehr dokumentieren und in den Segmenten, die genau gelesen werden, auf idiomatische Variation hin bearbeiten.
Wenn Sie einen Entwurf bereinigen, bei dem tatsächlich maschinelle Hilfe im Spiel war – etwa ein erster Durchlauf durch eine Maschinenübersetzungs-Engine –, ist das eine andere Situation, und sie erfordert eine andere Antwort. Sie würden sich dann Translated Text AI Detection: Spot MT Artifacts Before Detectors Do ansehen statt einer Prozessverteidigung.
Ein kurzes durchgerechnetes Beispiel
Nur zur Veranschaulichung. Angenommen, der deutsche Ausgangssatz ist lang und reiht drei Nebensätze aneinander. Eine originalgetreue englische Wiedergabe behält alle drei bei, verwendet ein Passiv, wiederholt ein Substantiv statt eines Pronomens und beginnt mit einer Präpositionalphrase. Ein Detektor könnte diesen Satz als hochwahrscheinlich KI-generiert markieren.
Eine naturalisierte Wiedergabe teilt ihn in zwei Sätze auf, erhebt den Agens zum Subjekt und ersetzt das wiederholte Substantiv durch ein Pronomen. Die Bewertung dieses Satzes fällt in der Regel niedriger aus.
Keine der beiden Versionen ist falsch. Die erste entspricht dem, was das Briefing verlangt hat. Die zweite ist die, die der Detektor bevorzugt. Zu wissen, welche man geliefert hat und warum, ist die ganze Diskussion.
Was ein Detektor-Score einem Kunden sagen kann und was nicht
Ein Score kann einem Kunden nicht sagen, wer einen Satz geschrieben hat. Er kann ihm sagen, dass ein Satz dem statistischen Profil unredigierten Modell-Outputs ähnelt. Das sind unterschiedliche Aussagen, und ihre Vermischung führt dazu, dass gute Übersetzer Arbeit verteidigen müssen, die sie von Hand erledigt haben.
Was ein Score leisten kann, ist eine Überprüfung anzustoßen. Wenn ein Kunde ihn so behandelt — als Triage-Signal, das sagt „schau dir diese Zeilen an” —, ist das Tool nützlich. Wenn er ihn als Urteil behandelt, tut das Tool etwas, wofür es nie entwickelt wurde. Eine ausführlichere Betrachtung dieser Lücke finden Sie unter How AI Detection Works: The Signals Behind the Score.
Bereit zu sehen, welche Sätze maschinell wirken?
Wenn ein Kunde eine markierte Übersetzung zurückschickt, ist der schnellste Weg, das Gespräch voranzubringen, ihm die Zeilen zu zeigen. Fügen Sie die Datei in den DeAIze KI-Detektor ein und Sie erhalten eine Dokumentbewertung sowie eine KI-Wahrscheinlichkeit pro Satz, sodass Sie jedes markierte Segment durchgehen und die Entscheidung dahinter erklären können.
Wenn die Markierung auf Segmente fällt, die Sie abschwächen statt verteidigen möchten, schreibt der Humanizer nur die markierten Sätze um, prüft, ob die Bedeutung erhalten geblieben ist, und bewertet dann erneut und meldet vorher und nachher. Er ist für Ihre eigenen Entwürfe gedacht. Er ist kein Weg, die Arbeit von jemand anderem als Ihre eigene auszugeben.
Sie können es bei der Anmeldung mit 200 Wörtern ohne Kreditkarte testen. Wenn Sie bereit sind, einen vollständigen Auftrag auszuführen, ist die Preisgestaltung pay-as-you-go, Credits verfallen nie und es gibt kein Abonnement. Word-Dokumente behalten ihre Schriftarten, Stile und Tabellen während des Rewrites bei, was wichtig ist, wenn das Ergebnis eine formatierte Datei statt reiner Text ist.
Eine letzte Sache, weil es der Teil ist, nach dem Kunden fragen: Der von Ihnen eingefügte Text wird nur für die aktuelle Aufgabe verarbeitet. Er wird nicht für das Training verwendet und nicht weiterverkauft. Wenn ein Kunde das schriftlich möchte, bevor er eine Datei in die Nähe eines Tools lässt, deckt die FAQ dies ab.