Claude und ChatGPT schreiben nicht auf die gleiche Weise, und sobald man den Unterschied erkennt, kann man ihn nicht mehr übersehen. Claude schränkt stärker ein und bildet längere, mit Qualifikatoren überladene Sätze. ChatGPT greift zu ordentlichen Listen, symmetrischen Übergängen und Gedankenstrichen. Keines ist schlechter. Beide hinterlassen Fingerabdrücke, die man lernen kann zu erkennen und zu entfernen.
Wichtigste Erkenntnisse
- Claude neigt dazu, einzuschränken, zu qualifizieren und Nebensätze zu verschachteln; ChatGPT neigt dazu, zu strukturieren, aufzuzählen und zu verbinden.
- Gedankenstriche, „darüber hinaus“, „es ist erwähnenswert“ und Listen mit drei Elementen sind die schnellsten Hinweise, die man zuerst prüfen sollte.
- Oft kann man allein anhand der Übergänge und Listen-Gewohnheiten erraten, welches Modell eine Passage erzeugt hat.
- Erkennungstools lesen solche Signale als Wahrscheinlichkeit, nicht als Beweis, also sollte man jeden Wert als Hinweis darauf betrachten, wo man bearbeiten sollte.
- Bearbeite das Muster, nicht die Persönlichkeit: Behalte die Ideen, ändere den Rhythmus.
Warum liest sich Claude anders als ChatGPT?
Beginne damit, worauf die beiden Modelle abgestimmt wurden. Die Ausgaben von Claude neigen dazu, vorsichtig und gesprächig zu sein. Es qualifiziert Aussagen, fügt Einschränkungen hinzu und schreibt oft Sätze, die als eigener Absatz stehen könnten. Die Ausgaben von ChatGPT neigen dazu, organisiert und kooperativ zu sein. Es greift früh nach Struktur, weist darauf hin, wohin es geht, und schließt Schleifen.
Das sind Tendenzen, keine Regeln. Eine kurze Aufforderung erhält von beiden eine kurze Antwort. Eine vage Aufforderung führt bei beiden zu Einschränkungen. Die Unterschiede zeigen sich am deutlichsten in mittellangen Texten: ein Blogabschnitt, ein Berichtsabsatz, eine E-Mail, die man einen von ihnen entwerfen ließ.
Hier ist die praktische Version. Lies die Passage und stelle drei Fragen. Schränkt sie ein, bevor sie behauptet? Zählt sie auf? Verbindet sie mit Übergängen, die du nicht gewählt hättest? Die Antworten deuten meist auf ein Modell hin.
Die stilistischen Fingerabdrücke, die sich zwischen großen Modellen unterscheiden
Vier Gewohnheiten trennen sie am zuverlässigsten: Hedging, Listen-Gewohnheiten, Übergangswörter und die Verwendung von Gedankenstrichen. Jede davon ist editierbar.
| Fingerabdruck | Claude-Tendenz | ChatGPT-Tendenz | Was zu tun ist |
|---|---|---|---|
| Hedging | Häufige Einschränkungen: “wohl”, “bis zu einem gewissen Grad”, “es kommt darauf an” | Weniger Einschränkungen, selbstbewusstere Formulierungen | Behalte eine Einschränkung, wo die Aussage wirklich unsicher ist; streiche den Rest |
| Listen-Gewohnheiten | Prosa, die Listenelemente in Sätze einbindet | Nummerierte oder mit Aufzählungszeichen versehene Struktur, oft in Dreiergruppen | Verwandle erzwungene Listen zurück in Prosa, es sei denn, der Leser braucht Schritte |
| Übergänge | Weichere Konnektoren: “das gesagt”, “trotzdem” | Schwerere Konnektoren: “darüber hinaus”, “des Weiteren”, “zusätzlich” | Lösche die Hälfte; lass die Absätze die Logik tragen |
| Gedankenstriche | Sparsam verwendet, oft für Einschübe | Häufig, manchmal zwei pro Absatz | Ersetze durch Kommas, Doppelpunkte oder Punkte |
Eine Anmerkung zum Gedankenstrich. Er ist für sich genommen kein KI-Marker. Viele menschliche Autoren verwenden ihn ständig. Das Verräterische ist Dichte plus Gleichförmigkeit: derselbe Strich, der jedes Mal dieselbe Aufgabe erfüllt, in einem Entwurf, in dem sonst nichts variiert.
Unsere eigene Messung von DeAIzes Detektor, durchgeführt am 2026-09-19 auf einem lokalen Ensemble bei einer Markierungsschwelle von 30 %, ergab hier etwas Nützliches. Über 46 handgeschriebene DeAIze-Leitfäden lag der mittlere KI-Wert bei 27 % und der Median bei 25 %, mit einer Spanne von 0 bis 55 %; 17 von 46 wurden markiert. Zwölf uneditierte Modellpassagen erzielten einen Mittelwert von 35 % und einen Median von 34 %, Spanne 25 bis 49 %. Die beiden Verteilungen überschneiden sich stark. Das ist das ehrliche Bild: Modellausgabe und menschliches Schreiben liegen dicht beieinander, weshalb es genau deshalb mehr zählt, auf die eigene Stimme hin zu editieren, als einem Score nachzujagen.
Wie erkennt man, welches Modell eine Passage geschrieben hat?
Oft können Sie es in weniger als einer Minute erraten. Gehen Sie die Passage in dieser Reihenfolge durch.
- Betrachten Sie den ersten Satz. Wenn er abschwächt, bevor er etwas aussagt, tendieren Sie zu Claude.
- Suchen Sie nach Listen. Sichtbare Aufzählung, besonders in Dreiergruppen, tendiert zu ChatGPT.
- Markieren Sie jedes Übergangswort. “Darüber hinaus” und “des Weiteren” tendieren zu ChatGPT; “allerdings” und “trotzdem” tendieren zu Claude.
- Zählen Sie Gedankenstriche pro Absatz. Hohe und gleichmäßige Dichte tendiert zu ChatGPT.
- Prüfen Sie die Vielfalt der Satzlängen. Die Sätze von Claude sind oft lang und verschachtelt; die von ChatGPT neigen dazu, gleichförmiger zu sein, mit einem pointierten Abschluss am Ende eines Abschnitts.
Dies ist eine Heuristik, kein Test. Modelle werden aktualisiert, Prompts formen die Ausgabe, und ein guter Prompt kann bewirken, dass eines wie das andere klingt. Nutzen Sie es, um zu entscheiden, was bearbeitet werden soll, nicht um Anschuldigungen zu erheben.
Wenn Sie sehen möchten, welche Sätze das maschinell erzeugte Signal tragen, bevor Sie mit der Bearbeitung beginnen, lassen Sie den Entwurf zuerst durch den KI-Detektor laufen. Bewertungen auf Satzebene verwandeln eine vage Sorge in eine kurze Liste von Zeilen, die korrigiert werden müssen.
Warum diese Muster für Erkennung und Lesbarkeit wichtig sind
Detektoren suchen nicht nach einem Modellnamen. Sie suchen nach statistischer Regelmäßigkeit: wie vorhersehbar jedes nächste Wort ist und wie stark der Satzrhythmus variiert. Absicherungen, gleichförmige Übergänge und sogar die Abstände von Gedankenstrichen schieben einen Text in Richtung des vorhersehbaren Endes der Skala.
Lesbarkeit ist wichtiger. Ein Absatz, der zweimal absichert, drei Dinge auflistet und mit „darüber hinaus“ beginnt, liest sich wie eine Vorlage, nicht wie ein Mensch. Leser überfliegen ihn. Redakteure streichen ihn. Derselbe Inhalt, geschrieben mit variierender Satzlänge und weniger Wegweisern, trifft härter.
Es gibt einen zweiten Grund, sich darum zu kümmern. Wenn Sie mit zwei Modellen schreiben und deren Gewohnheiten nie herausredigieren, wird Ihre veröffentlichte Stimme zu einer Mischung aus beiden Standardeinstellungen. Ihre Autorenzeile, der Rhythmus von jemand anderem. Die Lösung ist nicht, die Tools zu meiden; es ist, einen konsequenten Redaktionsdurchgang durchzuführen. Unser Leitfaden zum Aufbau einer konsistenten Schreibstimme mit KI erklärt, wie Sie diesen Durchgang schriftlich festhalten, damit er auch unter Termindruck Bestand hat.
Wie Sie die Ausgabe von Claude in Ihre eigene Stimme umwandeln
Die Fingerabdrücke von Claude sind größtenteils auf Satzebene, also findet die Arbeit ebenfalls auf Satzebene statt.
- Entfernen Sie gestapelte Einschränkungen. „Dies könnte möglicherweise darauf hindeuten“ wird zu „Dies deutet darauf hin“. Behalten Sie eine Einschränkung nur dort, wo Sie sie wirklich meinen.
- Teilen Sie verschachtelte Sätze. Wenn ein Satz zwei Nebensätze vor dem Verb hat, zerlegen Sie ihn. Zwei kurze Sätze sind besser als ein vorsichtiger.
- Verwandeln Sie Einschränkungen in Bedingungen. „Es hängt vom Kontext ab“ ist vage. „Es funktioniert für kurze Entwürfe, nicht für lange Berichte“ ist nützlich.
- Behalten Sie die beiläufigen Einschübe, die nach Ihnen klingen. Claude erzeugt oft einen natürlichen gesprochenen Rhythmus. Den lohnt es sich zu bewahren, nicht abzuschleifen.
Eine ausgearbeitete Illustration, die einen erfundenen Satz im Register von Claude verwendet:
Vorher: “Obwohl es argumentierbar sein mag, dass kürzere Sätze in den meisten Kontexten die Lesbarkeit verbessern, ist es erwähnenswert, dass dies stark vom Publikum abhängt.”
Nachher: “Kürzere Sätze lesen sich meist besser. Nicht immer. Ein technisches Publikum toleriert längere.”
Die Bedeutung blieb erhalten. Die Absicherung nicht.
Wie man die Ausgabe von ChatGPT in die eigene Stimme umwandelt
Die Fingerabdrücke von ChatGPT sind strukturell, also ist die Bearbeitung strukturell.
- Brich die Listen-Gewohnheit. Wenn drei Punkte als Aufzählung erscheinen, der Leser sie aber nicht abhaken muss, schreibe sie in einen Satz.
- Lösche die Hälfte der Übergänge. „Darüber hinaus“, „des Weiteren“ und „zusätzlich“ sind Gerüst. Sobald die Absätze in einer sinnvollen Reihenfolge stehen, können die meisten davon weg.
- Variiere den Rhythmus. ChatGPT beendet Abschnitte oft mit einer kurzen, abschließenden Zeile. Mach das manchmal, nicht jedes Mal.
- Dünne die Gedankenstriche aus. Ersetze etwa die Hälfte durch Kommas, Doppelpunkte oder Punkte, und variiere, welche du verwendest.
Eine ausgearbeitete Illustration, mit einem erfundenen Satz im Register von ChatGPT:
Vorher: „Darüber hinaus ist der Prozess effizient — er spart Zeit — und er reduziert auch Fehler, was für Teams wichtig ist.“
Nachher: „Der Prozess spart Zeit und reduziert Fehler. Teams bemerken beides.“
Was man nicht überkorrigieren sollte
Hier geht die meisten Selbstkorrekturen schief. Du entfernst die Gewohnheiten des Modells und endest mit etwas Abgehacktem, Gleichförmigem und genauso Maschinenlesbarem, nur kürzer.
Entferne nicht jede Abschwächung. Echte Autoren schwächen ab. “Wahrscheinlich”, “ungefähr”, “soweit ich das beurteilen kann” sind Ausdrücke, wie ehrliche Menschen sprechen. Wenn du sie alle entfernst, klingst du selbstsicherer, als es deine Belege zulassen.
Verbiete nicht den Gedankenstrich. Verbiete die Wiederholung. Ein Gedankenstrich in einem Absatz ist in Ordnung. Vier sind ein Muster.
Verflache nicht jede Liste zu Fließtext. Echte Schritte gehören in eine nummerierte Liste. Der Fingerabdruck ist eine Liste, wo Fließtext ausreichen würde, nicht eine Liste, wo eine Liste korrekt ist.
Jage keiner Punktzahl nach. Jeder Detektor liefert eine Wahrscheinlichkeitsschätzung, kein Urteil über die Urheberschaft. Zwei Tools können bei demselben Absatz unterschiedlicher Meinung sein, und keines lügt. Wenn du nur bearbeitest, um eine Zahl zu verschieben, erzeugst du Text, der ein Modell zufriedenstellt und einen Leser langweilt.
Und lass nicht zu, dass die Bearbeitung dein eigenes Urteilsvermögen auslöscht. Die Ideen, die Daten und die Schlussfolgerungen müssen deine sein. Bearbeiten ist, wie du die Verantwortung für einen Entwurf übernimmst; es ist kein Weg, die Arbeit eines anderen als deine eigene auszugeben.
Eine kurze Routine, die bei der Ausgabe beider Modelle funktioniert
Führen Sie denselben Durchgang durch, unabhängig davon, welches Modell den Entwurf erstellt hat.
- Lesen Sie es laut vor. Jede Stelle, an der Sie stocken, ist ein Satz zum Aufteilen oder Kürzen.
- Markieren Sie die Hedges, Übergänge und Gedankenstriche. Sie suchen nach Dichte, nicht nach Vorhandensein.
- Schreiben Sie die drei schlechtesten Sätze von Hand um. Das handschriftliche Umschreiben gibt den Rhythmus für den Rest vor.
- Bewerten Sie den Entwurf erneut und prüfen Sie, ob die markierten Zeilen die sind, die Sie bereits vermutet haben. Wenn ja, kennen Sie jetzt Ihre eigenen Schwachstellen.
- Halten Sie ein kurzes Stil-Briefing fest: Wörter, die Sie nie verwenden, bevorzugte Satzlängen, wie Sie einen Abschnitt eröffnen.
Wenn Sie einen zweiten Durchgang wünschen, bei dem die maschinellen Muster für Sie behandelt werden, bewertet der Entwurfseditor den Text, schreibt nur die markierten Sätze um und behält eine Umschreibung nur bei, wenn die Bedeutung erhalten bleibt. Sie können die Preise prüfen, bevor Sie sich festlegen, und die kostenlose Stufe bietet Ihnen bei der Anmeldung 200 Wörter ohne Kreditkarte.
Wo dies in den breiteren Redaktions-Stack passt
Die modellspezifischen Fingerabdrücke sind eine Ebene. Darunter liegen die allgemeinen Signale, die jeder Detektor liest: Burstiness, Perplexität und wie gleichmäßig der Text seine Informationen verteilt. Unser Erklärartikel zu Burstiness und Perplexität behandelt diese Ebene, wenn Sie die Mechanismen verstehen möchten.
Darüber steht die Frage, was als Ihre eigene Arbeit zählt. Wenn Sie für einen Kurs, eine Zeitschrift oder einen Kunden mit einer Offenlegungsregel schreiben, ist das verwendete Modell weniger wichtig als die Frage, ob das Argument und die Belege von Ihnen stammen. Unser Leitfaden dazu, ob das Umgehen der KI-Erkennung Betrug ist, arbeitet dies mit einem Offenlegungstest statt mit einem Slogan auf.
Für die meisten Autoren, die zwei oder drei Modelle verwenden, ist die praktische Antwort einfacher. Wählen Sie ein Modell zum Entwerfen, eines zum Kritisieren und bearbeiten Sie beide Ausgaben mit demselben Stil-Durchlauf. Die Fingerabdrücke spielen keine Rolle mehr, sobald Ihre Bearbeitungsroutine konsistent genug ist, um sie zu überschreiben.
Bereit zu sehen, welche Sätze maschinell klingen?
Zu raten, welches Modell eine Zeile geschrieben hat, ist nützlich. Schneller ist es zu wissen, welche Zeilen das Signal tragen. Fügen Sie einen Entwurf in den KI-Detektor ein und Sie erhalten eine Dokumentbewertung plus eine Aufschlüsselung pro Satz, sodass Sie genau sehen können, wo die Absicherungen, die Übergänge oder die Listen-Gewohnheit den Schaden anrichten.
Wenn Sie bereit sind, diese Zeilen zu korrigieren, anstatt sie nur zu finden, durchläuft der Entwurfseditor die vollständige Schleife: Bewerten, die markierten Sätze umschreiben, überprüfen, ob die Bedeutung erhalten geblieben ist, dann erneut bewerten und Ihnen das Vorher und Nachher zeigen. Die Website berichtet von einer durchschnittlichen KI-Score-Reduktion von über 60 % nach der Humanisierung, mit einem Bestfall von 71 %; dies sind die eigenen vorhergesagten Werte des Produkts, kein Urteil eines Drittanbieter-Detektors. Bei dem auf der Website verwendeten Beispielabsatz wird ein KI-Score von 92 % zu 4 %.
Beginnen Sie mit der kostenlosen Version: 200 Wörter bei der Anmeldung, keine Kreditkarte. Uploads verarbeiten .txt, .docx und .pdf, und das Umschreiben eines Word-Dokuments behält Schriftarten, Stile und Tabellen bei. Der Text wird nur für die aktuelle Aufgabe verarbeitet, niemals für das Training verwendet und niemals weiterverkauft.
Eine letzte Sache. Das Ziel ist nicht, einen Detektor zu besiegen. Es geht darum, wie Sie selbst zu klingen, während Sie weiterhin die Tools nutzen, die Sie schneller machen. Erkennen Sie die Fingerabdrücke, bearbeiten Sie sie heraus, behalten Sie die Ideen. Das ist die ganze Aufgabe.