GPTZero und ZeroGPT liefern dir beide eine Zahl, und wenn die Zahlen nicht übereinstimmen, bleibt dir nur zu raten, welcher dein Lehrer, Lektor oder Kunde glauben wird. Keine der beiden ist ein Urteil. Beide sind Wahrscheinlichkeitsschätzungen, die auf denselben groben Signalen basieren, und die praktische Frage ist nicht, welches Tool recht hat — sondern welche Sätze in deinem Entwurf den Schaden anrichten und was du heute dagegen tust.
Was melden GPTZero und ZeroGPT eigentlich?
Die Hauptausgabe von GPTZero ist eine KI-Wahrscheinlichkeit auf Dokumentebene, plus eine Aufschlüsselung pro Satz in den meisten Tarifen. Sie stützt sich auf zwei benannte Signale, Perplexität und Burstiness, und hebt die Sätze hervor, die sie am wahrscheinlichsten für maschinell generiert hält. ZeroGPT gibt dir einen Prozentsatz für den eingefügten Text und, in der ausführlicheren Ansicht, eine Aufteilung pro Satz zwischen dem, was es als menschliche und KI-Anteile bezeichnet. Beide sind bei geringem Umfang kostenlos testbar, weshalb Autoren sie genau deshalb vergleichen.
Die Überschneidung ist wichtiger als die Unterschiede. Beide schätzen dasselbe: wie vorhersehbar deine Wortwahl ist und wie gleichmäßig deine Satzlängen liegen. Gleichförmige Sätze mittlerer Länge mit gängigen Übergängen wirken vorhersehbar. Unregelmäßiger Rhythmus mit spezifischen Substantiven wirkt weniger vorhersehbar. Das ist die ganze Maschinerie, und deshalb kann derselbe Absatz bei einem Tool einen hohen Wert und beim anderen einen Grenzwert erreichen.
Warum sind GPTZero und ZeroGPT beim selben Text uneinig?
Weil sie nicht dasselbe mit derselben Auflösung messen. Unterschiede, die zuverlässig den einen Wert, aber nicht den anderen beeinflussen:
- Satzaufteilung. Ein Tool behandelt einen 30-Wörter-Satz möglicherweise als eine Einheit; das andere bricht ihn am Semikolon auf. Kurze Segmente geben dem Modell weniger zum Arbeiten, und die Bewertung kurzer Texte ist von Natur aus verrauschter.
- Mindestlänge. Fügen Sie 80 Wörter ein, und beide Tools raten. Fügen Sie 800 ein, und sie konvergieren häufiger, als man denkt.
- Trainingsdaten und Schwellenwerte. Jeder Anbieter legt seinen eigenen Grenzwert fest, ab dem etwas als KI gilt. Ein Wert, der knapp unter der Grenze des einen Tools liegt, kann knapp über der des anderen liegen.
- Was als „gemischt“ zählt. Manche Tools teilen ein Dokument in KI- und menschliche Anteile auf; andere liefern einen einzigen gemischten Wert. Ein gemischter Wert verbirgt die Tatsache, dass drei Sätze die ganze Markierung tragen.
- Aktualisierungsrhythmus. Beide Produkte werden neu trainiert und neu abgestimmt. Ein Ergebnis, das Sie letztes Semester per Screenshot festgehalten haben, ist keine feste Eigenschaft Ihres Schreibens.
Wenn also jemand fragt, welches der beiden genau ist, lautet die ehrliche Antwort, dass keines eine Genauigkeitszahl veröffentlicht, auf die Sie sich verlassen sollten, und dass Uneinigkeit zwischen ihnen normal ist und kein Beweis für einen Fehler. Wir behandeln die Ausgabe des Detektors als Wahrscheinlichkeitsschätzung, nicht als Beweis der Urheberschaft, und jeder, der Ihren Bericht liest, sollte das ebenfalls tun.
Wenn Sie Tools vergleichen, um zu entscheiden, was Sie kaufen, statt was Sie reparieren sollen, ist die kostenlose Version das günstige Experiment: 200 Wörter bei der Anmeldung, keine Kreditkarte, und Sie können die Hervorhebung auf Satzebene sehen, bevor Sie etwas ausgeben, unter /pricing/.
Auf welchen Wert sollten Sie reagieren?
Reagieren Sie auf die Ansicht auf Satzebene, egal welches Tool sie Ihnen bietet. Ein Dokumentwert sagt Ihnen, ob Sie sich Sorgen machen sollten; eine Satzliste sagt Ihnen, wo. Wenn GPTZero Ihren dritten Absatz hervorhebt und ZeroGPT die Markierung gleichmäßig über das gesamte Stück verteilt, ist der Absatz das eigentliche Signal und die gleichmäßige Verteilung wahrscheinlich ein Längenartefakt.
Eine praktikable Regel: Wenn beide Tools denselben Satz markieren, korrigieren Sie ihn. Wenn nur eines das tut, lesen Sie den Satz laut vor. Wenn er wie eine Pressemitteilung klingt, korrigieren Sie ihn trotzdem. Wenn er wie Sie klingt, lassen Sie ihn und notieren Sie die Uneinigkeit.
| Situation | GPTZero sagt | ZeroGPT sagt | Was zu tun ist |
|---|---|---|---|
| Beide markieren denselben Absatz | Markiert | Markiert | Diese Sätze zuerst umschreiben — höchstes Konfidenzsignal |
| Einer markiert, einer besteht | Markiert | Mensch | Laut vorlesen; nur korrigieren, wenn der Rhythmus flach ist |
| Gesamtes Dokument gleichmäßig markiert | Hoch | Hoch | Nach Längenartefakten suchen; prüfen, ob der Text unter ~200 Wörtern liegt |
| Nur die Schlussfolgerung markiert | Markiert | Mensch | Häufiges Muster — Schlussfolgerungen fassen zusammen, und Zusammenfassungen sind vorhersehbar |
| Kurzer Auszug markiert | Hoch | Hoch | Mit dem vollständigen Dokument erneut testen, bevor etwas geändert wird |
Was sagt unsere eigene Messung über markierten Text?
Wir haben unseren Detektor am 2026-09-19 über zwei Korpora laufen lassen, mit einer Markierungsschwelle von 30%, unter Verwendung des lokalen Ensembles auf der Lite-Stufe. Eine von Menschen geschriebene Stichprobe von 46 handgeschriebenen DeAIze-Leitfäden erzielte einen mittleren KI-Score von 27%, Median 25%, Bereich 0-55%, wobei 17 von 46 bei dieser Schwelle markiert wurden. Unbearbeitete Modellausgabe — 12 Passagen, die aus festen Prompts generiert und unverändert gelassen wurden — erzielte einen Mittelwert von 35%, Median 34%, Bereich 25-49%.
Lesen Sie das noch einmal, denn es ist das Nützlichste auf dieser Seite. Menschliches Schreiben und unbearbeitete Modellausgabe überschnitten sich stark. Die unbearbeitete Ausgabe war nicht dramatisch höher. Die Lücke zwischen “definitiv menschlich” und “definitiv maschinell” ist viel schmaler, als das Marketing rund um diese Tools suggeriert, und bei einer strengen Schwelle wird ein großer Anteil wirklich menschlicher Dokumente markiert.
Wir haben auch die Häufigkeit von KI-Verratssignalen gezählt — Standardübergänge, Hedges, die üblichen Oberflächengewohnheiten — und fanden 3 pro 100 Wörter in der menschlichen Stichprobe gegenüber 1 pro 100 Wörter in der unbearbeiteten Modellausgabe. Mit anderen Worten: Menschliche Autoren verwenden mehr von den Phrasen, die mit KI assoziiert werden, als die Modelle. Das sollte man sacken lassen, bevor man wegen eines einzelnen markierten Satzes in Panik gerät.
Warum liest sich mein eigener Text maschinell?
Normalerweise eines von vier Dingen, keines davon betrifft die Urheberschaft:
- Sie haben auf Politur hin bearbeitet. Jeder Durchgang, der einen Satz auf die gleiche Länge wie seine Nachbarn glättet, erhöht die Vorhersagbarkeit. Formelles akademisches und geschäftliches Schreiben tut dies standardmäßig.
- Sie schreiben in einer Zweitsprache. Nicht-Muttersprachler greifen oft zu sicheren, hochfrequenten Konstruktionen – denselben, die Detektoren mit generiertem Text assoziieren. Wenn das auf Sie zutrifft, ist die Markierung ein Stilartefakt und es gibt ein dokumentiertes Muster dafür.
- Sie haben irgendwo in der Pipeline KI verwendet. Gliederung, Erweiterung von Aufzählungspunkten oder ein Grammatikwerkzeug, das ganze Teilsätze umgeschrieben hat. Das Ergebnis ist ein Hybridentwurf, und Hybride sind am schwierigsten zu bewerten.
- Der Text ist kurz. Ein 150-Wörter-Abstract oder eine LinkedIn-Bildunterschrift gibt jedem Detektor sehr wenig zum Arbeiten. Kurze Textbewertungen schwanken stark.
Nichts davon bedeutet, dass Sie betrogen haben. Alles davon bedeutet, dass der Entwurf ein Rhythmusproblem hat, das Sie auf Satzebene beheben können.
Wie beheben Sie einen markierten Entwurf, ohne ihn auszunehmen?
Die Methode, die funktioniert, ist langweilig: lokalisieren, gezielt umschreiben, Bedeutung überprüfen, neu bewerten.
- Bewerten Sie das gesamte Dokument. Notieren Sie den Dokumentwert, aber handeln Sie noch nicht danach.
- Listen Sie die markierten Sätze auf. Schreiben Sie sie in der Reihenfolge auf, ohne den umgebenden Kontext.
- Fragen Sie bei jedem, was er tut. Ein markierter Übergang ist billig zu beheben. Ein markierter Satz, der Ihr eigentliches Argument trägt, ist es nicht – dieser braucht ein anderes Verb, ein konkretes Beispiel oder eine Zahl, keine Paraphrase.
- Schreiben Sie nur diese Sätze um. Lassen Sie den Rest in Ruhe. Pauschales Umschreiben führt dazu, dass die Bedeutung abdriftet.
- Prüfen Sie, ob die Aussage erhalten geblieben ist. Vergleichen Sie den neuen Satz mit dem alten und bestätigen Sie denselben Fakt, denselben Umfang, dieselbe Stärke der Aussage.
- Bewerten Sie neu. Wenn sich der Dokumentwert verändert hat und die Bedeutung erhalten geblieben ist, behalten Sie die Änderung bei. Wenn nicht, machen Sie sie rückgängig.
Hier ist eine Illustration, kein echter Kundenentwurf. Vorher: „Es ist wichtig, die verschiedenen Faktoren zu berücksichtigen, die zur Gesamteffektivität des vorgeschlagenen Ansatzes beitragen.“ Dieser Satz sagt fast nichts und ist maximal vorhersehbar. Nachher: „Drei Dinge entscheiden darüber, ob dieser Ansatz funktioniert: die Stichprobengröße, die Qualität der Labels und wie lange man ihn laufen lässt.“ Gleiche Stelle im Absatz, gleiche Funktion, aber jetzt legt er sich auf Konkretes fest – und Konkretes ist für jeden Detektor am schwersten als maschinell erzeugt einzustufen, weil es der am wenigsten vorhersehbare Inhalt im Dokument ist.
Der letzte Punkt ist der, den die Leute übersehen. Der schnellste Weg, einen KI-Score zu senken, ist nicht, Synonyme auszutauschen. Es ist, etwas in den Satz zu setzen, das nur Sie geschrieben haben könnten – eine Zahl, einen Namen, ein Datum, eine Entscheidung, die Sie getroffen haben. Detektoren schätzen Vorhersehbarkeit, also besteht die Lösung darin, weniger vorhersehbar zu sein und dabei auch noch informativer.
Was, wenn ein Detektor Texte markiert, die Sie vollständig selbst geschrieben haben?
Dann haben Sie einen False Positive, und die sind häufig – unsere eigene Messung hat 17 von 46 von Menschen geschriebenen Dokumenten bei einer Schwelle von 30 % markiert. False Positives treffen am härtesten an drei Stellen zu: formale akademische Prosa, Texte in einer Zweitsprache und alles Kurze. Wenn eine Person Sie beschuldigt und nicht ein Tool, ist der nützliche Schritt, Ihren Prozess zu zeigen – Entwurfsdateien, Zeitstempel, Notizen, die Versionshistorie, die zeigt, wie der Text entstanden ist. Halten Sie diese bereit, bevor Sie sie brauchen.
Es hilft auch, klar zu sagen, was Detektor-Ausgaben sind. Es ist eine Wahrscheinlichkeitsschätzung, die von einem privaten Modell mit unveröffentlichten Schwellenwerten erzeugt wird. Es ist keine Tatsachenfeststellung, und eine Uneinigkeit zwischen GPTZero und ZeroGPT ist eine normale Eigenschaft zweier Schätzungen, kein Beweis dafür, dass einer von ihnen Sie erwischt hat.
Was sollten Sie als Nächstes konkret tun?
Wenn sich Ihr Text maschinell hergestellt liest und Sie zwei widersprüchliche Bewertungen vor sich haben, hören Sie auf, Tools zu vergleichen, und beginnen Sie, Sätze zu bearbeiten. Wählen Sie das Tool, das Ihnen Hervorhebungen auf Satzebene bietet, arbeiten Sie die markierte Liste von oben nach unten ab und bewerten Sie nach jedem Durchgang neu statt erst am Ende. Wenn Sie den Hintergrund dazu möchten, warum all das passiert, führt /blog/how-ai-detection-works/ durch die Signale, und /blog/are-ai-detectors-accurate/ behandelt, warum zwei Tools denselben Absatz betrachten und unterschiedlicher Meinung sein können.
Wenn Sie die Schleife automatisiert haben möchten, erledigt der Entwurfseditor dies in einem Durchgang: den Text bewerten, nur die markierten Sätze umschreiben, eine Umschreibung nur behalten, wenn die semantische Ähnlichkeit besagt, dass die Bedeutung erhalten geblieben ist, dann neu bewerten und vorher und nachher berichten. Er läuft unter /draft-editor/, und die Detektor-Hälfte — einschließlich Hervorhebung auf Satzebene — ist unter /ai-detector/. Die Website berichtet von einer durchschnittlichen Reduzierung des KI-Scores um 60 %+ nach der Humanisierung, im besten Fall 71 %, und bei dem auf der Website verwendeten Beispielabsatz wird ein KI-Score von 92 % zu 4 %. Das sind die eigenen vorhergesagten Scores des Produkts, kein Urteil eines Drittanbieters, und kein Tool kann Ihnen eine bestimmte Zahl auf dem Detektor eines anderen versprechen.
Eine Einschränkung, die klar ausgesprochen werden sollte: Die Ideen, Daten und Schlussfolgerungen müssen Ihre eigenen sein. Das Humanisieren eines Entwurfs verbessert, wie er sich liest. Es macht die Arbeit eines anderen nicht zu Ihrer, und es wird Ihnen nicht helfen, wenn die zugrunde liegende Aussage nie Ihre eigene war.
Bereit zu sehen, welche Sätze maschinell hergestellt klingen?
Fügen Sie Ihren Entwurf in den Detektor ein und achten Sie auf die Hervorhebung auf Satzebene, nicht auf die Schlagzeilenzahl. Dort liegt die Arbeit. Korrigieren Sie die Zeilen, die das Signal tragen, lassen Sie diejenigen stehen, die nach Ihnen klingen, und bewerten Sie neu, um zu bestätigen, dass die Bedeutung erhalten geblieben ist. Starten Sie kostenlos mit 200 Wörtern und ohne Kreditkarte unter /register, oder prüfen Sie die Credit-Preise unter /pricing/, wenn Sie ein längeres Dokument bearbeiten. Uploads akzeptieren .txt, .docx und .pdf, und das Umschreiben einer Word-Datei behält Schriftarten, Stile und Tabellen bei. Erkennung und Umschreibung decken Englisch und neun weitere Sprachen ab, die Benutzeroberfläche ist in zehn Sprachen verfügbar, und Ihr Text wird nur für die aktuelle Aufgabe verarbeitet — niemals für das Training verwendet, niemals weiterverkauft.