Ein Fake-PDF-Detektor untersucht die Datei nicht. Er liest den Text in deiner PDF und bewertet Satz für Satz, wie maschinell diese Prosa wirkt. Wenn dein eigener Text als markiert zurückkommt, ist die Lösung kein saubererer PDF-Export. Es ist das Bearbeiten der Sätze, die das Signal tragen.
Die wichtigsten Erkenntnisse
- Ein Fake-PDF-Detektor bewertet Prosa, nicht Metadaten, Schriftarten oder Dateistruktur.
- Ein hoher Wert beweist keine Urheberschaft. Er beschreibt Muster im Text.
- Bewertungen auf Satzebene zeigen dir, welche Zeilen du korrigieren musst. Eine reine Dokumentbewertung tut das nicht.
- Unser eigener Durchlauf vom 04.10.2026 bewertete 1504 Referenzpassagen mit einem Mittelwert von 27 % und 12 unbearbeitete Modellpassagen mit einem Mittelwert von 52 %.
- Korrigiere die markierten Sätze in deinem eigenen Entwurf und prüfe dann erneut. Schreibe nicht das ganze Dokument neu.
Was prüft ein Fake-PDF-Detektor eigentlich?
Wenn Leute nach einem Fake-PDF-Detektor suchen, meinen sie normalerweise eines von drei Dingen. Sie wollen wissen, ob eine PDF von einem KI-Tool erzeugt wurde. Sie wollen wissen, ob der Text in einer PDF von einem Modell geschrieben wurde. Oder ihnen wurde gesagt, ihre PDF wirke maschinell erstellt, und sie wollen wissen, was das bedeutet.
Die ersten beiden Fragen sind nicht dasselbe. Eine PDF-Datei trägt Metadaten: Erstellungstool, Autorenfeld, Zeitstempel, manchmal eine eingebettete Producer-Zeichenkette. Diese Felder sind leicht zu bearbeiten und leicht zu entfernen. Kein seriöser Detektor behandelt sie als Beweis für irgendetwas. Wenn jemand behauptet, allein anhand der Metadaten erkennen zu können, dass eine PDF gefälscht ist, beschreibt er ein schwaches Signal, keinen Befund.
Die dritte Frage ist die, die für einen Autor zählt. Detektoren lesen den Text. Sie schauen auf Muster: wie vorhersehbar jedes Wort angesichts der vorangehenden Wörter ist, wie stark die Satzlänge variiert, wie oft der Entwurf auf dieselben Konnektoren zurückgreift. Das ist die Ebene, auf der sich ein maschinell erstellter Entwurf abhebt. Das Dateiformat ist dafür irrelevant.
Warum Ihr PDF-Text maschinell klingt
Maschinell erzeugte Prosa hat Gewohnheiten. Sie mittelt sich ein. Satzlängen gruppieren sich. Übergänge wiederholen sich. Jeder Absatz beginnt mit einem Themensatz und endet mit einer Zusammenfassung seiner selbst. Der Wortschatz bleibt in einem engen Band, weil das Modell das wahrscheinlichste nächste Wort wählt statt das spezifischste.
Unsere eigene Messung vom 04.10.2026 macht die Lücke sichtbar. Wir haben 12 Passagen unbearbeiteter Modellausgabe mit dem DeAIze-Detektor (lokales Ensemble, Lite-Stufe) bei einer Markierungsschwelle von 30 % bewertet. Mittlerer Wert 52 %, Median 49 %, Spanne 11–91 %. Derselbe Durchlauf bewertete 1504 Referenzpassagen aus unseren eigenen Leitfäden mit einem Mittelwert von 27 % und einem Median von 20 %. Beide Korpora sind Passagen, keine unabhängigen Dokumente, und die menschliche Urheberschaft in der Referenzstichprobe wurde nicht unabhängig überprüft. Lesen Sie es als Beschreibung zweier Textpopulationen, nicht als Falsch-Positiv-Rate.
Was diese Lücke Ihnen sagt, ist, wo das Signal liegt. Es liegt nicht im Thema. Es liegt im Rhythmus. Wenn Ihr Entwurf maschinell klingt, ist die Lösung auf Rhythmusebene anzusetzen, nicht auf Wortschatzebene.
Wenn Sie sehen möchten, welche konkreten Sätze das Signal tragen, lassen Sie Ihren Entwurf zuerst durch den DeAIze KI-Detektor laufen. Er bewertet das gesamte Dokument und hebt jeden Satz nach KI-Wahrscheinlichkeit hervor, sodass Sie die markierten Zeilen bearbeiten können, statt zu raten.
Die Verwechslung bei der Erkennung gefälschter Ausweise
Hier vermischt sich eine zweite Suchanfrage. Manche Leute landen hier auf der Suche nach der Erkennung gefälschter Ausweise, weil “gefälscht” und “Detektor” beide Themen in dieselben Suchergebnisse ziehen. Das sind unterschiedliche Probleme. Bei der Erkennung gefälschter Ausweise geht es um die Überprüfung von Identitätsdokumenten. Ein gefälschter PDF-Detektor im schriftstellerischen Sinne bezieht sich auf Prosamuster. Wenn Sie hier gelandet sind und das Erste gesucht haben, dann sind Sie hier falsch.
Wenn Sie hier gelandet sind, weil jemand Ihr Dokument markiert hat, ist die nützliche Frage enger gefasst: Welche Sätze wirken maschinell erzeugt, und habe ich sie geschrieben? Auf diese Frage gibt es eine Antwort, mit der Sie etwas anfangen können.
Was der Score nicht beweist
Das ist der Teil, den die meisten Leitfäden überspringen. Ein Detektor-Score ist kein Beweis für die Urheberschaft. Er ist eine Messung dessen, wie stark eine Passage den Mustern ähnelt, die ein Modell tendenziell erzeugt. Menschliches Schreiben kann diesen Mustern ähneln, besonders wenn es formell ist, übersetzt wurde oder von jemandem stammt, der in einer Zweitsprache schreibt. Modellausgaben können auch niedrig bewertet werden, insbesondere bei kurzen Passagen, in denen nicht genug Text zum Messen vorhanden ist.
Unsere Referenzstichprobe zeigte die Überschneidung direkt. Von 1504 Referenzpassagen erreichten 487 den Schwellenwert von 30 % oder lagen darüber. Das ist eine Anzahl von Passagen, keine Anzahl unabhängiger Dokumente, und es sagt Ihnen nicht, wie viele dieser Passagen von Menschen geschrieben wurden. Es sagt Ihnen, dass der Schwellenwert keine klare Grenze ist.
| Was Sie sehen | Was es bedeutet | Was es nicht bedeutet |
|---|---|---|
| Bewertung auf Dokumentebene | Wie maschinell der gesamte Text wirkt | Dass ein Modell ihn geschrieben hat |
| Satzhervorhebung | Welche Zeilen das Signal tragen | Dass diese Zeilen nicht von Ihnen stammen |
| Hohe Bewertung bei einer formellen Passage | Dichte, gleichmäßige, vorhersehbare Prosa | Fehlverhalten |
| Niedrige Bewertung bei einem kurzen Auszug | Nicht genug Text zum Messen | Dass der Text menschlich ist |
Wenn Sie eher mit einer Anschuldigung konfrontiert sind als mit einer Selbstprüfung, ist der nützliche nächste Schritt Dokumentation, nicht ein Umschreiben. KI-Detektoren können falschliegen, und der Umgang mit einer Markierung besteht darin, Ihre Entwurfshistorie und Ihre Notizen zu bewahren. Ein strittiges Dokument zu bearbeiten, bevor ein Gremium es sieht, verschlechtert Ihre Position, nicht verbessert sie.
Ein durchgerechnetes Beispiel: einen markierten Satz korrigieren
Die folgende Veranschaulichung ist erfunden, um die Methode zu zeigen. Sie ist kein gemessenes Vorher-Nachher.
Vorher (wirkt maschinell erzeugt): “Die Implementierung automatisierter Erkennungssysteme hat in akademischen Umgebungen zunehmend Verbreitung gefunden, und es ist wesentlich, dass Institutionen die Implikationen dieser Technologien bedenken.”
Nachher (klingt wie ein Mensch): “Universitäten begannen 2023 damit, Erkennungssoftware einzusetzen. Die meisten fragten nicht, was passiert, wenn sie falschliegt.”
An den Fakten hat sich nichts geändert. Die zweite Version ist kürzer, benennt ein Subjekt und bezieht eine Position. Außerdem stützt sie sich nicht mehr auf „zunehmend verbreitet“ und „es ist unerlässlich zu berücksichtigen“, also auf Formulierungen, die einen Text vorhersehbar machen.
Wende diesen Test auf deine eigenen markierten Zeilen an. Wenn ein Satz ohne Weiteres in ein beliebiges anderes Dokument zum selben Thema eingesetzt werden könnte, ohne dass es jemandem auffällt, trägt er Signal. Ersetze ihn durch etwas, das nur du schreiben würdest.
Eine Routine zur Bearbeitung auf Satzebene
- Führe den Detektor aus und lies die Satzmarkierungen, nicht nur die Dokumentbewertung. Die Markierungen sind die nützliche Ausgabe.
- Sortiere markierte Sätze in drei Kategorien: Sätze, die du geschrieben hast, Sätze, die du aus einem Modell eingefügt hast, und Sätze, bei denen du dir nicht sicher bist.
- Bei Sätzen, die du geschrieben hast, lass die Bedeutung stehen und ändere den Rhythmus. Teile einen langen Satz. Streiche einen Übergang. Ersetze ein abstraktes Substantiv durch ein konkretes.
- Bei eingefügten Sätzen überprüfe die Aussage, bevor du die Formulierung anfasst. Mengenangaben, Zitate, Verneinungen und Einschränkungen sind die vier Dinge, die beim Umschreiben kaputtgehen.
- Führe die Prüfung erneut aus. Manche Zeilen fallen weg. Manche nicht, und das ist normal.
Wenn du Hilfe beim Erzeugen von Alternativen für eine bestimmte Zeile möchtest, schlägt der Entwurfseditor überarbeitete Formulierungen für deinen eigenen Text vor. Vergleiche jeden Vorschlag mit deinem Original, bevor du ihn annimmst. Semantische Ähnlichkeit ist eine Prüfhilfe, kein Beweis dafür, dass deine Bedeutung erhalten geblieben ist.
Was zu tun ist, wenn du ihn nicht geschrieben hast
Wenn eine Passage in Ihrem Dokument von einem Modell stammt und Sie sie als Ihre eigene präsentieren, lässt sich das durch keine noch so große Bearbeitung korrigieren. Die Lösung ist die Offenlegung, und die Regel hängt von Ihrem Kontext ab. Studienarbeiten, Zeitschrifteneinreichungen und Kundenaufträge handhaben dies alle unterschiedlich. Wie KI-Erkennung funktioniert erklärt die Signale, aber die Richtlinienfrage ist davon getrennt und genau die ist entscheidend.
Bei einem Entwurf, der wirklich von Ihnen stammt, ist die Bearbeitungsrunde legitim. Sie machen Ihr eigenes Schreiben klarer und weniger generisch. Das haben Redakteure schon immer getan. Die Grenze ist die Urheberschaft, nicht das Vokabular.
Warum das Dateiformat die Leute immer wieder aus dem Tritt bringt
PDF ist ein Auslieferungsformat, kein Schreibformat. Wenn Sie ein Word-Dokument als PDF exportieren, bleibt die Textebene erhalten, und der Detektor liest sie genauso, wie er die .docx lesen würde. Schriftarten, Formatvorlagen und Tabellen ändern den Wert nicht. Auch erneutes Speichern, Komprimieren oder Drucken in PDF ändert nichts.
Was den Wert ändert, ist der Text selbst. Wenn Sie von einem Word-Dokument aus arbeiten und Ihre Formatierung während der Bearbeitung beibehalten möchten, DeAIze verarbeitet .docx-Uploads und bewahrt Schriftarten, Formatvorlagen und Tabellen während des Umschreibens. Der Detektor und der Editor akzeptieren beide .txt, .docx und .pdf.
Wo die ehrlichen Grenzen liegen
Die Erkennung ist englischsprachig ausgerichtet. DeAIze deckt Englisch und 9 weitere Sprachen sowohl für die Erkennung als auch für das Umschreiben ab, und die Benutzeroberfläche ist in 10 Sprachen verfügbar. Wenn Ihr Dokument übersetzt oder in einer zweiten Sprache verfasst ist, können Muster, die Detektoren als maschinell erzeugt lesen, einfach Übersetzungsartefakte sein. Das ist eine echte Quelle von Markierungen, und es lohnt sich, das zu wissen, bevor Sie mit dem Umschreiben beginnen.
Auch die Bewertungen unterscheiden sich je nach Instrument. Ein Modellwert, ein Anteil qualifizierender Prosa und ein Ähnlichkeitsprozentsatz sind nicht dasselbe, und keiner von ihnen beweist die Urheberschaft. Wenn Sie von einem Tool einen Wert und von einem anderen einen anderen Wert erhalten, ist das zu erwarten, kein Fehler. Die Frage ist, welches Ihnen eine Ausgabe auf Satzebene liefert, auf die Sie reagieren können.
Bereit zu sehen, welche Sätze maschinell erzeugt wirken?
Lassen Sie Ihr PDF durch den KI-Detektor laufen und lesen Sie die Satzhervorhebungen. Das ist der ganze Sinn der Bewertung auf Satzebene: Sie verwandelt eine Zahl, mit der Sie nichts anfangen können, in eine Liste von Zeilen, die Sie korrigieren können.
Wenn Sie Hilfe bei der Überarbeitung dieser Zeilen möchten, schlägt der Entwurfseditor Umformulierungen für Ihren eigenen Text vor. Er verarbeitet .txt, .docx und .pdf, und beim Umschreiben eines Word-Dokuments bleiben Schriftarten, Stile und Tabellen erhalten. Vergleichen Sie jeden Vorschlag mit Ihrem Original und überprüfen Sie Aussagen, Mengen, Zitate, Verneinungen und Einschränkungen, bevor Sie ihn akzeptieren.
Die Testversion zum Umschreiben gibt Ihnen nach der E-Mail-Bestätigung 200 Wörter, ohne Kreditkarte. Die Erkennung hat separate Limits, die in der aktuellen Benutzeroberfläche angezeigt werden. Wenn Sie nach der Testversion weitermachen möchten, ist Preise pay-as-you-go, Guthaben verfallen nie, und es gibt kein Abonnement. Sie können auch ein Konto erstellen und mit Ihrem eigenen Entwurf statt mit einem Beispiel beginnen.
Ihr Text wird nur für die aktuelle Aufgabe verarbeitet. Er wird niemals für das Training verwendet und niemals weiterverkauft.