Perplexität misst, wie vorhersehbar jedes Wort angesichts der ihm vorausgehenden Wörter ist. Burstiness misst, wie stark Satzlänge und -struktur innerhalb einer Passage variieren. Detektoren kombinieren diese beiden Signale mit weiteren, um einzuschätzen, ob ein Text maschinell generiert wurde. Keine der beiden Metriken beweist die Urheberschaft, und beide lassen sich durch Bearbeitung verändern.
Die wichtigsten Erkenntnisse
- Perplexität ist ein Vorhersagbarkeitswert: niedrige Perplexität bedeutet, dass jedes nächste Wort aus dem Kontext leicht zu erraten war.
- Burstiness ist ein Variationswert: niedrige Burstiness bedeutet, dass Ihre Sätze alle ungefähr gleich lang und gleich aufgebaut sind.
- Detektoren lesen diese als Signale, nicht als Urteile – ein hoher Wert ist eine Wahrscheinlichkeitsschätzung, kein Beweis.
- Die Variation der Satzlänge ist der schnellste Hebel, den Sie betätigen können, weil sie die Burstiness direkt verändert und gleichzeitig die Perplexität verschiebt.
- Unsere eigene Messung vom 19.09.2026 ergab, dass handgeschriebene DeAIze-Leitfäden einen durchschnittlichen KI-Wert von 27 % hatten (n = 46), während unbearbeitete Modellausgaben durchschnittlich 35 % erreichten (n = 12) – die Überschneidung ist der Punkt.
- Sie können sich bei keinem Detektor zu einer garantierten Zahl hineditieren, und Sie sollten es auch nicht versuchen.
Was ist Perplexität in der KI-Erkennung?
In der Sprachmodellierung ist Perplexität ein Maß für Überraschung. Ein Modell weist jedem Wort eine Wahrscheinlichkeit zu, basierend auf allem, was ihm vorausgeht. Wenn das Modell “the” mit hoher Sicherheit erwartet, trägt dieses Wort wenig Überraschung bei. Perplexität aggregiert diese Wahrscheinlichkeiten über eine Passage zu einer einzigen Zahl: niedrige Perplexität bedeutet, dass der Text leicht vorherzusagen war, hohe Perplexität bedeutet, dass er schwer vorherzusagen war.
Ein Detektor verwendet ein Sprachmodell – oft ein kleineres, schnelleres als das Modell, das den Text geschrieben hat –, um Ihren Entwurf auf dieselbe Weise zu bewerten. Text, den ein Modell leicht vorhersagen kann, wirkt tendenziell maschinell generiert, weil generative Modelle darauf optimiert sind, wahrscheinliche Fortsetzungen zu erzeugen. Menschliches Schreiben enthält mehr lokale Überraschungen: ein plötzliches konkretes Substantiv, eine Nebenbemerkung, einen Satzteil, der nicht dem erwarteten Pfad folgt.
Deshalb kann ein flüssiger, ausgefeilter Absatz als maschinell erstellt bewertet werden. Flüssigkeit und Vorhersagbarkeit sind eng verwandt. Ein Autor, der die Regeln klarer Prosa verinnerlicht hat – nichts variieren, alles verbinden, Überraschungen vermeiden – kann Text mit wirklich geringer Perplexität erzeugen, ohne jemals einen Chatbot zu öffnen.
Perplexität ist auch der Grund, warum kurze Texte unzuverlässig sind. Eine Stichprobe von zwei Sätzen gibt dem Modell fast keinen Kontext, von dem es überrascht werden könnte, sodass die Schätzung stark schwankt. Wenn Sie ein Fragment prüfen, rechnen Sie mit Rauschen.
Was ist Burstiness bei der KI-Erkennung?
Burstiness dreht sich um Rhythmus. Nehmen Sie die Längen Ihrer Sätze und schauen Sie, wie stark sie sich unterscheiden. Ein Abschnitt, in dem jeder Satz 18 bis 22 Wörter lang ist, hat eine geringe Burstiness. Ein Abschnitt mit 6, 31, 12, 44, 9 hat eine hohe Burstiness.
Menschliche Autoren sind zufällig bursty. Wir schreiben einen langen, differenzierten Satz, wenn eine Idee entfaltet werden muss, dann einen kurzen, um sie zu pointieren. Wir unterbrechen uns selbst. Wir stellen einen Nebensatz voran, weil es besser klang. Maschinenausgaben neigen zu einem gleichmäßigen Rhythmus mittlerer Länge, weil das Modell aus einer Verteilung sampelt, die sichere, vollständige Sätze belohnt.
Burstiness ist leichter zu erkennen als Perplexität, weil man sie buchstäblich zählen kann. Öffnen Sie Ihren Entwurf, tragen Sie die Satzlängen in eine Spalte ein und betrachten Sie die Form. Wenn die Zahlen sich häufen, haben Sie ein Burstiness-Problem, unabhängig davon, wer oder was den Text geschrieben hat.
Wenn Sie die Burstiness in Ihrem eigenen Entwurf sehen möchten, anstatt sie nur zu erraten, hebt der KI-Detektor jeden Satz nach KI-Wahrscheinlichkeit hervor, sodass Sie genau sehen können, welche Zeilen das Signal tragen, bevor Sie etwas ändern.
Wie beeinflusst die Variation der Satzlänge die KI-Bewertung?
Die Satzlänge ist die am einfachsten zu kontrollierende Variable und speist beide Metriken.
Wenn Sie lange und kurze Sätze abwechseln, erhöhen Sie die Burstiness direkt. Sie erhöhen auch indirekt die Perplexität: Ein sehr kurzer Satz nach einem langen ist für ein Sprachmodell schwerer vorherzusagen, da die erwartete Fortsetzung ein weiterer langer Satz war. Die beiden Metriken sind nicht unabhängig. Variation in der Struktur erzeugt Überraschung in der Wortwahl.
Hier ist eine kleine Beispielillustration, kein echtes Dokument:
Vorher (gleichmäßiger Rhythmus):
Die Studie untersucht den Zusammenhang zwischen urbaner Dichte und der Nutzung öffentlicher Verkehrsmittel in mehreren Metropolregionen. Die Analyse stützt sich auf Umfragedaten, die über einen mehrjährigen Zeitraum erhoben wurden. Die Ergebnisse deuten darauf hin, dass die Dichte allein keine Fahrgastmuster vorhersagt. Die Autoren empfehlen weitere Forschung zu lokalen politischen Kontexten.
Jeder Satz hat eine ähnliche Länge und die gleiche Form: Subjekt, Verb, Objekt, Qualifizierer. Er liest sich wie eine Zusammenfassung, weil er eine ist.
Nachher (variierter Rhythmus):
Die Dichte allein sagt die Nutzung öffentlicher Verkehrsmittel nicht voraus. Das ist das Ergebnis, und es hält mehreren Metropolregionen und Jahren von Umfragedaten stand. Was sagt die Fahrgastzahlen voraus? Die lokale Politik. Die Autoren wollen mehr Forschung dazu, was eine höfliche Art zu sagen ist, dass das Dichte-Argument überverkauft wurde.
Gleiche Behauptungen. Die zweite Version stellt eine Frage, verwendet einen Drei-Wort-Satz und lässt einen Satz lang laufen. Die Burstiness ist höher, und ein Modell, das sie Wort für Wort bewertet, hat mehr Stellen, an denen es überrascht werden kann.
Keine der beiden Versionen ist von Natur aus ehrlicher. Die zweite ist einfach weniger vorhersehbar.
Warum erzielt unveränderte Modellausgabe manchmal trotzdem eine niedrige Bewertung?
Diesen Teil lassen die meisten Erklärungen aus. In unserer eigenen Messung am 19.09.2026 haben wir 12 unveränderte Modellpassagen gegen 46 handgeschriebene DeAIze-Leitfäden mit dem DeAIze-Detektor bei einer Markierungsschwelle von 30 % bewertet. Die unveränderte Modellausgabe erreichte einen durchschnittlichen KI-Score von 35 % (Median 34 %, Bereich 25–49 %). Die von Menschen geschriebenen Leitfäden erreichten durchschnittlich 27 % (Median 25 %, Bereich 0–55 %).
Die Verteilungen überschneiden sich. Einige menschliche Leitfäden erzielten höhere Werte als einige Modellpassagen. Das ist das ehrliche Bild: Perplexität und Burstiness sind Signale, und Signale überschneiden sich. Ein Detektor, der daraus Sicherheit ableiten würde, würde Sie belügen.
Wir haben im selben Durchlauf auch die Häufigkeit von KI-Verratssignalen gezählt: 3 pro 100 Wörter in der menschlichen Stichprobe gegenüber 1 pro 100 Wörter in der unveränderten Modellausgabe. Die menschlichen Autoren verwendeten mehr der Standardphrasen, die man mit maschinellem Schreiben verbindet – „darüber hinaus“, „es ist erwähnenswert“, verbindende Gerüste – als das Modell. Verratssignale sind für sich genommen ein schwaches Signal, und sie können in die falsche Richtung weisen.
Wenn Sie das größere Bild davon möchten, wie diese Signale mit anderen zusammenwirken, deckt wie KI-Erkennung funktioniert den gesamten Stack ab.
Konkrete Bearbeitungsschritte, die Perplexität und Burstiness verändern
Dies sind die Maßnahmen, die tatsächlich die Zahlen bewegen. Wenden Sie sie auf Ihren eigenen Entwurf an.
- Zählen Sie Ihre Satzlängen. Schreiben Sie sie in eine Liste. Wenn die Spannweite gering ist, ist das Ihre erste Korrektur.
- Teilen Sie einen langen Satz in drei auf. Nicht in zwei – drei, sodass einer davon sehr kurz ist.
- Fügen Sie eine Frage dort ein, wo der Text erklärt. Eine direkte Frage erhöht die Perplexität, weil die erwartete Fortsetzung eine Aussage war.
- Ersetzen Sie ein abstraktes Substantiv durch ein konkretes. „Mehrere Faktoren“ wird zu „Parkplatzmindestanzahl“. Spezifität ist unvorhersehbar.
- Streichen Sie ein Bindewort. „Darüber hinaus“, „des Weiteren“ und „zusätzlich“ sind die vorhersehbarsten Wörter in jedem Absatz.
- Variieren Sie Ihre Satzanfänge. Wenn drei aufeinanderfolgende Sätze mit dem Subjekt beginnen, invertieren Sie einen.
- Lesen Sie es laut vor. Ihr Ohr erfasst eine monotone Kadenz schneller als Ihr Auge.
| Bearbeitung | Auswirkung auf Burstiness | Auswirkung auf Perplexität |
|---|---|---|
| Einen langen Satz in drei aufteilen | Große Zunahme | Mäßige Zunahme |
| Eine direkte Frage hinzufügen | Mäßige Zunahme | Große Zunahme |
| Abstraktes Substantiv durch konkretes ersetzen | Gering | Mäßige Zunahme |
| Ein Bindewort löschen | Gering | Geringe Zunahme |
| Einen Nebensatz zur Betonung voranstellen | Mäßige Zunahme | Mäßige Zunahme |
| Jeden Satz auf die gleiche Länge umschreiben | Große Abnahme | Große Abnahme |
Beachten Sie die letzte Zeile. Sie können die Lesbarkeit Ihres Textes verringern und gleichzeitig Ihren KI-Score erhöhen. Flache Prosa sieht nicht automatisch menschlich aus; sie wirkt einfach nur flach.
Was sind die Einschränkungen dieser beiden Metriken?
Perplexität und Burstiness sind nützlich, weil sie überprüfbar sind. Sie können Satzlängen zählen. Sie können sehen, wo ein Modell überrascht war. Das ist mehr, als Sie von einem Blackbox-Prozentsatz erhalten.
Aber sie sind kein Urteil, und sie als ein solches zu behandeln, verursacht echten Schaden.
Sie bestrafen sauberes Schreiben. Ein sorgfältiger Lektor, der die Satzlänge für einen Hausstil vereinheitlicht, erzeugt Text mit geringer Burstiness. Ebenso ein nicht muttersprachlicher englischer Autor, der Lehrbuchregeln anwendet. Das ist ein bekanntes Fehlermuster, und es lohnt sich, warum ein KI-Detektor nicht muttersprachliche englische Autoren markiert zu lesen, wenn das auf Sie zutrifft.
Sie sind bei kurzem Text instabil. Eine Stichprobe von 200 Wörtern kann keine zuverlässige Schätzung stützen. Ein einzelner Absatz ebenso wenig.
Sie wissen nicht, wer die Worte geschrieben hat. Perplexität misst Vorhersagbarkeit. Ein vorhersagbarer Absatz, der von einem Menschen geschrieben wurde, ist immer noch vorhersagbar.
Detektoren widersprechen sich gegenseitig. Unterschiedliche Modelle, unterschiedliche Schwellenwerte, unterschiedliche Trainingsdaten. Wenn zwei Tools Ihnen unterschiedliche Ergebnisse liefern, ist das erwartetes Verhalten, kein Beweis dafür, dass eines defekt ist. Sind KI-Detektoren genau? geht durch, warum zwei Tools bei demselben Aufsatz nicht übereinstimmen.
Das Bearbeiten für die Metrik ist nicht dasselbe wie das Bearbeiten für den Leser. Das Jagen nach Burstiness kann holprige, selbstbewusste Prosa erzeugen. Wenn ein Satz lang besser liest, lassen Sie ihn lang.
Eine praktische Routine zur Überprüfung Ihres eigenen Entwurfs
Hier ist eine Abfolge, die bei einem normalen Artikel etwa zehn Minuten dauert.
- Lassen Sie den Entwurf durch einen Detektor laufen, der satzweise Hervorhebungen anzeigt, nicht nur eine Dokumentbewertung. Der KI-Detektor macht genau das: eine Bewertung für das gesamte Dokument plus eine Aufschlüsselung pro Satz.
- Schauen Sie, welche Sätze das Signal tragen. Normalerweise ist es eine Reihe ähnlich langer Aussagen in der Mitte eines erklärenden Abschnitts.
- Schreiben Sie nur diese Sätze um. Lassen Sie alles andere unangetastet – Sie versuchen, ein Rhythmusproblem zu beheben, nicht ein ganzes Dokument zu waschen.
- Bewerten Sie erneut. Wenn die markierte Reihe verschwunden ist, hören Sie auf. Jagen Sie keiner Zahl nach.
- Prüfen Sie, ob die Bedeutung erhalten geblieben ist. Diesen Schritt überspringen die Leute. Eine Umschreibung, die Ihre Aussage verändert, ist schlimmer als eine Markierung.
Dieser letzte Punkt ist wichtiger als jede Kennzahl. Wenn Sie KI verwendet haben, um einen Abschnitt zu entwerfen, müssen die Ideen, Daten und Schlussfolgerungen immer noch Ihre eigenen sein. Das Umschreiben auf Burstiness macht die Argumente eines anderen nicht zu Ihren eigenen, und keine Detektor-Bewertung ändert das.
Wenn es Ihnen um ein formales Verfahren und nicht um einen Entwurf geht, erklärt der Leitfaden zur akademischen Integritätsrichtlinie, was Institutionen üblicherweise bewerten.
Wo Burstiness und Perplexität ins Gesamtbild passen
Betrachten Sie sie als zwei Regler auf demselben Panel. Perplexity verfolgt die Vorhersagbarkeit auf Wortebene. Burstiness verfolgt die strukturelle Variation. Detektoren kombinieren sie mit Token-Mustern, Wiederholungsmaßen und anderen Merkmalen und geben dann eine Wahrscheinlichkeit aus.
Diese Wahrscheinlichkeit ist eine Schätzung. Sie ist kein Beweis für die Urheberschaft, und kein verantwortungsvolles Tool sollte sie als solchen darstellen. DeAIze meldet eine durchschnittliche Reduzierung des KI-Scores von über 60 % nach der Humanisierung, basierend auf unseren eigenen vorhergesagten Scores, mit einem Bestfall von 71 %, und bei dem auf der Website verwendeten Beispielabsatz wird ein KI-Score von 92 % zu 4 % KI. Dies sind unsere vorhergesagten Scores, kein offizielles Urteil eines Drittanbieter-Detektors, und sie werden nicht mit dem übereinstimmen, was jedes Tool meldet.
Was Sie sicher wissen können, ist der Mechanismus. Wenn Sie verstehen, warum ein flacher Absatz einen hohen Score erzielt, können Sie ihn gezielt und nach Ihren eigenen Vorstellungen korrigieren, ohne zu raten.
Bereit zu sehen, welche Sätze maschinell klingen?
Über Perplexity zu lesen ist nicht dasselbe, wie sie in Ihrem Entwurf zu sehen. Der schnellste Weg, den Mechanismus zu verstehen, ist, ihn an Ihrem eigenen Text zu beobachten.
Beginnen Sie mit dem KI-Detektor, um eine Aufschlüsselung auf Satzebene zu erhalten, und verwenden Sie dann den Entwurfseditor, um nur die markierten Zeilen neu zu schreiben und erneut zu bewerten. Wenn Sie sehen möchten, wie die Schleife funktioniert, bevor Sie sich festlegen, listet die Preisgestaltung die Pay-as-you-go-Stufen mit Credits auf, die nie ablaufen, und Sie können sich registrieren für 200 kostenlose Wörter ohne Kreditkarte.
Wenden Sie es auf einen Absatz an. Wenn die hervorgehobenen Sätze diejenigen sind, die Sie bereits als flach vermutet haben, haben Sie den Mechanismus verstanden. Das ist der Sinn der Übung.