Wenn Sie wissen möchten, wie Sie prüfen können, ob ein Text von KI geschrieben wurde, beginnen Sie mit der am wenigsten anklagenden verfügbaren Prüfung. Ein Detektor-Score ist ein Input, kein Urteil. Führen Sie ihn aus, notieren Sie, welche Sätze das Signal tragen, und fragen Sie dann den Autor nach Quellen und Vorgehen, bevor Sie überhaupt KI erwähnen. Erst wenn die Antworten und die Metadaten gegen die Einreichung sprechen, eskalieren Sie.
Was misst ein Detektor-Score eigentlich?
Detektoren erkennen keine Urheberschaft. Sie messen, wie vorhersehbar ein Text ist. Sprachmodelle erzeugen Wortfolgen, die nahe an der statistischen Mitte ihrer Trainingsverteilung liegen, daher neigen Tools, die Token-Wahrscheinlichkeiten modellieren, dazu, solche Texte als maschinenähnlich zu bewerten. Menschliches Schreiben schweift ab: Es wiederholt eine Lieblingsphrase, lässt ein Fragment fallen, erklärt ein Nebenthema übermäßig, setzt ein Komma, wo ein Gedankenstrich hingehört.
Deshalb ist die Ausgabe ein Prozentsatz mit einem angehängten Schwellenwert, kein Ja oder Nein. Deshalb sind sich zwei Tools bei demselben Aufsatz routinemäßig uneinig – sie gewichten unterschiedliche Signale und wählen unterschiedliche Grenzwerte. Wenn Sie die Mechanik verstehen möchten, deckt unsere Aufschlüsselung wie KI-Erkennung funktioniert die Signale ohne Marketing ab.
Die praktische Konsequenz für Sie: Ein hoher Score bedeutet „das liest sich statistisch typisch“. Er bedeutet nicht „diese Person hat betrogen“. Viele echte Texte erzielen hohe Werte, und unsere eigenen Messungen zeigen, warum Sie eine Markierung nicht als Befund behandeln sollten.
Am 19.09.2026 haben wir zwei Korpora mit dem DeAIze-Detektor (lokales Ensemble, Lite-Tier) bei einer Markierungsschwelle von 30 % bewertet. Eine Stichprobe von 46 handgeschriebenen DeAIze-Leitfäden hatte einen mittleren KI-Score von 27 % und einen Median von 25 %, mit einer Spanne von 0–55 %. 17 dieser 46 von Menschen geschriebenen Dokumente wurden markiert. Das ist unser eigenes Instrument an unseren eigenen Texten, kein Urteil eines Dritten – aber es reicht, um zu zeigen, dass eine Markierung bei einer niedrigen Schwelle ein Ausgangspunkt ist, keine Schlussfolgerung.
Derselbe Durchlauf bewertete 12 unbearbeitete Modellpassagen, die aus festen Prompts generiert und danach nicht mehr angefasst wurden, mit einem Mittelwert von 35 % und einem Median von 34 %, Spanne 25-49 %. Man beachte, was das bedeutet. Unbearbeitete Maschinenausgabe lag nicht bei 100 %. Selbst sauberer Modelltext wird nicht allein durch eine Punktzahl automatisch verurteilt. Wenn die Obergrenze für rohen KI-Text im Vierzig-Prozent-Bereich liegt, dann sagt eine Einreichung mit einer Punktzahl im Fünfzig-Prozent-Bereich für sich genommen fast nichts aus.
Warum eine hohe Punktzahl kein Beweis für irgendetwas ist
Drei Dinge treiben eine Punktzahl nach oben, ohne dass KI beteiligt ist.
Formelhaftes Schreiben. Laborberichte, Literaturreviews, Prüfungsantworten und Anschreiben folgen alle erlernten Strukturen. Vorhersehbare Struktur sieht wie vorhersehbare Sprache aus.
Nicht-muttersprachliches Englisch. Schreibende, die in einer Zweitsprache arbeiten, wählen oft die sicherste, standardmäßigste verfügbare Formulierung, weil die idiomatische Alternative riskant wirkt. Diese Einebnung liest sich wie maschinell. Wir haben einen ganzen Artikel darüber geschrieben, warum KI-Detektoren nicht-muttersprachliche Englischschreibende markieren, und es ist das mit Abstand häufigste Falsch-positiv-Muster, das Lehrkräfte uns melden.
Starke Bearbeitung. Lässt man einen Entwurf durch ein Grammatikwerkzeug, ein Paraphrasierungswerkzeug oder einen Zusammenfasser laufen, schleift man genau die Unregelmäßigkeiten ab, die Detektoren als Beweis für eine Person verwenden. Ironischerweise kann ein Student, der einen Schreibassistenten benutzt hat, um seine eigene Arbeit aufzuräumen, am Ende maschineller wirken als einer, der das nicht getan hat.
Nichts davon macht den Score nutzlos. Es macht ihn zu einem Signal unter mehreren. Der Fehler besteht darin, einen Prozentsatz als Befund zu behandeln, bevor Sie irgendeinen der anderen Schritte unternommen haben.
Wenn Sie diejenige sind, die überprüft wird, und nicht diejenige, die überprüft, führen Sie Ihren eigenen Entwurf zuerst durch den KI-Detektor und sehen Sie, welche Sätze das Signal tragen – korrigieren Sie dann diese Zeilen, bevor Sie einreichen, und bewahren Sie das Vorher und Nachher auf, damit Sie Ihre Arbeit zeigen können. Kostenlose Scans akzeptieren bis zu 800 Wörter, vorbehaltlich von Raten-/Kapazitätsgrenzen. Längere Scans erfordern ein Konto und Credits, mit einem Maximum von 3.000 Wörtern pro Prüfung. Die kostenlose Stufe gibt Ihnen außerdem nach der E-Mail-Bestätigung ein einmaliges Kontingent von 200 Wörtern zum Umschreiben, ohne Kreditkarte.
Die Quellenfrage, die Sie stellen, bevor Sie KI erwähnen
Dies ist der Schritt, den die meisten überspringen, und es ist derjenige, der die Mehrheit der Fälle löst.
Bitten Sie den Autor, Sie durch sein Material zu führen. Nicht „haben Sie KI verwendet“ – diese Frage lädt zu einer defensiven Antwort ein und lehrt nichts. Fragen Sie stattdessen:
- Woher stammt dieses Argument? Welche Lektüre hat Sie dazu geführt?
- Welcher Teil war am schwierigsten zu schreiben, und warum?
- Können Sie mir einen früheren Entwurf zeigen?
- Was würden Sie ändern, wenn Sie eine weitere Woche hätten?
- Welche Quelle würden Sie weglassen, wenn Sie eine streichen müssten, und was würden Sie verlieren?
Ein Autor, der die Arbeit selbst gemacht hat, kann diese Fragen schlecht beantworten und trotzdem beantworten. Er wird sich an die Sackgasse erinnern, an den Absatz, den er viermal umgeschrieben hat, an die Quelle, die er fast zitiert hätte und dann doch nicht. Ein Autor, der das Denken ausgelagert hat, wird glatte, allgemeine Antworten liefern, die auf jeden Aufsatz zum Thema passen könnten.
Halten Sie fest, was sie sagen. Wenn Sie später eine Entscheidung gegenüber einer Abteilung oder einem Einspruchsverfahren eines Studierenden rechtfertigen müssen, ist das Transkript dieses Gesprächs mehr wert als jeder Screenshot eines Detektors. Sie können sie auch auf unseren Leitfaden zum KI-gestützten Schreiben für Studierende hinweisen, damit sie verstehen, wo an Ihrer Einrichtung die Grenze verläuft.
Metadaten- und Versionsverlaufsprüfungen, die Spuren hinterlassen
Dokumente tragen Beweise, die der Text nicht liefert. Nichts davon ist ebenfalls schlüssig, aber es ist überprüfbar und hängt nicht von der Meinung eines Modells ab.
| Prüfung | Was sie zeigen kann | Was sie nicht zeigen kann |
|---|---|---|
| Dateieigenschaften (Autor, erstellt, geändert) | Ob der angegebene Autor mit dem Konto übereinstimmt, das die Datei erstellt hat, und ob das Erstellungsdatum plausibel ist | Wer die Wörter getippt hat — Dateien werden zwischen Rechnern kopiert |
| Versionsverlauf in Google Docs oder Word | Ob das Dokument in einem normalen Entwurfsmuster gewachsen ist oder nahezu fertig erschien | Ob ein Entwurf von woanders eingefügt wurde |
| Einfügeereignisse und Formatierungsbrüche | Ein Textblock mit anderen Schriftmetriken oder Abständen als der Rest | Ob dieser Block KI-generiert oder aus einer Quelle kopiert wurde |
| Bearbeitungszeitpunkt | Ob das gesamte Werk in einer Sitzung ohne Überarbeitung entstanden ist | Ob der Autor einfach schnell tippt |
| Zitierhygiene | Referenzen, die existieren, mit den Behauptungen übereinstimmen und im Text erscheinen | Ob der Autor sie gelesen hat |
Zwei Muster sind beachtenswert. Erstens: ein Dokument, das Minuten vor der Frist erstellt wurde, ohne Versionsverlauf und ohne Zwischenentwürfe. Zweitens: Prosa, die mitten im Absatz den Ton wechselt — ein Abschnitt in der üblichen Stimme des Autors, ein anderer in flachen, gleichmäßigen Sätzen ohne Tippfehler. Nichts davon beweist etwas. Beides ist eine Frage wert.
Seien Sie vorsichtig damit, Metadaten als Anschuldigung zu verwenden. Gemeinsam genutzte Computer, Schulkonten, exportierte PDFs, Übergaben vom Telefon an den Laptop und Gruppenvorlagen verfälschen alle das Bild. Nutzen Sie Metadaten, um zu entscheiden, ob Sie nachfragen, nicht um zu entscheiden, was Sie denken.
Wie man Signale zu einer Triage-Entscheidung kombiniert
Hören Sie auf, ein Urteil fällen zu wollen. Sortieren Sie die Einreichung in einen von drei Bereichen ein und handeln Sie entsprechend.
Bereich eins: keine Maßnahme. Die Bewertung ist niedrig, der Verfasser erklärt seinen Prozess überzeugend, die Metadaten sind unauffällig. Ihnen mag der Text trotzdem nicht gefallen. Das ist eine redaktionelle Anmerkung, kein Integritätsproblem.
Bereich zwei: eine Frage stellen. Ein Signal ist vorhanden – ein markierter Abschnitt, eine verdächtige Lücke in der Versionshistorie, Antworten, die vage bleiben. Hier fragen Sie nach Prozess und Quellen, ohne Detektion zu erwähnen. Viele Fälle enden hier, mit einem besseren Entwurf und ohne Anschuldigung.
Bereich drei: formelles Gespräch. Zwei oder mehr unabhängige Signale stimmen überein: Die markierten Sätze häufen sich in denselben Passagen, der Verfasser kann sein eigenes Argument nicht erklären, und die Metadaten zeigen keine Entwurfsarbeit. Auch jetzt beweisen Sie keine KI-Nutzung. Sie eröffnen einen Prozess, für den Ihre Institution oder Publikation bereits Regeln hat.
Die Reihenfolge ist wichtig. Zuerst bewerten, weil es kostengünstig ist und Ihnen zeigt, wo Sie nachsehen sollten. Zweitens Quellenfragen, weil sie am informativsten und am wenigsten schädlich sind. Drittens Metadaten, weil sie am leichtesten falsch zu interpretieren und am schwierigsten einem Studenten zu erklären sind.
Was zu tun ist, wenn die Signale sich widersprechen
Sie werden es tun. Eine hohe Punktzahl bei einem überzeugenden Schreiber. Eine saubere Punktzahl mit einer Versionshistorie, die keinen Sinn ergibt. Ein Dokument, das flach wirkt, aber ein wirklich originelles Argument enthält, das niemand sonst in der Klasse vorgebracht hat.
Wenn sie sich widersprechen, gewichten Sie die Signale danach, wie schwer sie zu fälschen sind. Eine Detektor-Punktzahl ist leicht zu beeinflussen – ein Paraphrase-Durchlauf verändert sie. Eine Erklärung der eigenen Argumentation ist schwer zu fälschen, weil sie Kenntnis des Materials erfordert. Eine Versionshistorie ist schwer zu fälschen, aber leicht auf legitime Weise zu verlieren.
Der Tiebreaker ist also immer das Gespräch. Bitten Sie den Schreiber, eine bestimmte Behauptung in eigenen Worten zu verteidigen, und fragen Sie dann, woher sie stammt. Wenn er die Idee in einer von ihm gelesenen Quelle verorten und erklären kann, warum er sie überzeugend fand, haben Sie Ihre Antwort, unabhängig davon, was das Tool gesagt hat. Wenn er das nicht kann, leistet die Punktzahl nicht mehr die Arbeit – seine Unfähigkeit, seinen eigenen Text zu erklären, tut es.
Eine weitere Überprüfung, die nichts kostet: Vergleichen Sie die Einreichung mit der früheren Arbeit dieses Schreibers. Ein Student, der das ganze Semester in einer Stimme geschrieben hat und plötzlich etwas in einer anderen einreicht, zeigt Ihnen eine Diskontinuität. Das ist ein Beweis über den Entwurf, nicht über die Person, und es ist fair, dies als solches anzusprechen.
Was nach dem Gespräch zu tun ist
Schreiben Sie Ihre Entscheidung und die Begründung dafür in zwei oder drei Sätzen auf, solange sie noch frisch ist. Notieren Sie die Punktzahl, die Sie gesehen haben, welche Sätze sie getragen haben, was der Verfasser über seine Quellen gesagt hat und was die Metadaten gezeigt haben. Wenn nichts anderes, schützt Sie das, falls der Fall angefochten wird — und es zwingt Sie zu bemerken, wenn Sie aufgrund eines Gefühls statt eines Signals handeln.
Dann entscheiden Sie, was der Verfasser braucht. Drei Ergebnisse sind häufig. Sie haben es selbst geschrieben und das Tool lag falsch: Sagen Sie es ihnen und sagen Sie ihnen, was sie behalten sollen. Sie haben KI als Werkzeug verwendet und nicht erkannt, dass es außerhalb Ihrer Regeln liegt: Verweisen Sie sie auf die Richtlinie und auf unsere Aufschlüsselung von was eine akademische Integritätsrichtlinie tatsächlich erlaubt. Sie haben Arbeit eingereicht, die nicht von ihnen stammt: Befolgen Sie den Prozess Ihrer Einrichtung und behalten Sie Ihre Notizen.
Wenn die Einreichung Ihr eigener Entwurf war und die Markierung auf Ihrem Text liegt, ist die Lösung anders. Lesen Sie die markierten Sätze und fragen Sie sich, ob jeder einzelne etwas aussagt, das nur Sie hätten sagen können. Wo nicht, schreiben Sie ihn mit einem spezifischen Detail, einer echten Zahl aus Ihrer eigenen Arbeit oder einem Beispiel, das Sie tatsächlich erlebt haben, um. Das ist kein Austricksen eines Detektors. Es ist die Bearbeitung, die der Satz ohnehin brauchte, und unser Leitfaden zur Bereinigung maschinell erzeugter Muster führt Zeile für Zeile hindurch.
Die Grenzen, die Sie laut aussprechen sollten
Sagen Sie diese Dinge zu Studierenden, zu Mitwirkenden und zu sich selbst, bevor Sie aufgrund einer Punktzahl handeln.
Die Erkennungsausgabe ist eine Wahrscheinlichkeitsschätzung. Sie ist kein Beweis für die Urheberschaft, und kein uns bekanntes Tool veröffentlicht eine Zahl, die es Ihnen erlauben würde, sie als solche zu behandeln. DeAIze garantiert kein bestimmtes Ergebnis bei einem Drittanbieter-Detektor, und niemand sonst tut das auch.
Metadaten sind Indizien. Sie beschreiben Dateien, nicht Personen.
Quellenfragen sind das stärkste Signal, das Ihnen zur Verfügung steht, und sie hängen vollständig von Ihrem Urteilsvermögen ab. Das ist unbequem, aber es ist ehrlicher, als die Entscheidung an einen Prozentsatz auszulagern.
Und was niemand in Richtliniendokumenten sagt: Die Kosten einer falschen Anschuldigung sind viel höher als die Kosten einer unentdeckten Einreichung. Ein Student, der zu Unrecht des Betrugs beschuldigt wird, erinnert sich jahrelang daran. Ein schwacher Aufsatz, der durchrutscht, ist ein Bewertungsproblem, das Sie im nächsten Semester beheben können. Wenn Ihre Signale wirklich im Widerspruch stehen und Sie sie nicht auflösen können, lassen Sie den Text stehen und bewerten Sie ihn nach seinen Verdiensten.
Bereit zu sehen, welche Sätze maschinell verfasst wirken?
Wenn Sie diejenige Person sind, die unter die Lupe genommen wird – ein Mitwirkender, dessen Entwurf als markiert zurückkam, oder ein Autor, der ein Modell zum Einstieg verwendet hat –, diskutieren Sie nicht mit einer Bewertung des gesamten Dokuments. Holen Sie sich stattdessen die Ansicht auf Satzebene.
Fügen Sie Ihren Text in den KI-Detektor ein und schauen Sie, welche Zeilen das Signal tragen. Die Erkennung dort arbeitet auf Satzebene: Sie erhalten eine Dokumentbewertung und eine Aufschlüsselung pro Satz, sodass Sie sehen können, ob die Markierung auf drei Sätzen oder auf dem gesamten Text liegt. Öffnen Sie dann den Entwurfseditor und korrigieren Sie nur die Zeilen, die es brauchen, und behalten Sie Ihre eigene Stimme im Rest bei.
Wenn Sie die Umschreibung lieber erledigen lassen möchten, führt der Humanizer eine geschlossene Schleife aus: den Text bewerten, die markierten Sätze umschreiben, eine Umschreibung nur behalten, wenn die semantische Ähnlichkeit bestätigt, dass die Bedeutung erhalten geblieben ist, dann erneut bewerten und vorher und nachher berichten. Die Website meldet eine durchschnittliche Reduzierung des KI-Scores von mindestens 60 % nach dem Humanisieren, mit einem Bestfall von 71 %, basierend auf den eigenen vorhergesagten Scores des Produkts — kein offizielles Urteil eines Drittanbieter-Detektors. Bei dem auf der Website verwendeten Beispielabsatz wird ein KI-Score von 92 % zu 4 % KI.
Kostenlose Erkennungsscans erlauben bis zu 800 Wörter und unterliegen Begrenzungen der Anfragehäufigkeit und Kapazität. Längere Scans erfordern ein Konto und Guthaben, mit höchstens 3.000 Wörtern pro Prüfung. Der kostenlose Tarif bietet nach Bestätigung der E-Mail-Adresse ein separates, einmaliges Kontingent zum Umschreiben von 200 Wörtern, ohne Kreditkarte. Wenn Sie mehr benötigen, ist die Preisgestaltung pay-as-you-go, Guthaben verfallen nie und es gibt kein Abonnement. Uploads akzeptieren .txt, .docx und .pdf, und beim Umschreiben eines Word-Dokuments bleiben Schriftarten, Stile und Tabellen erhalten.
Welchen Weg Sie auch wählen, die Regel vom Anfang dieses Beitrags gilt weiterhin. Die Ideen, die Daten und die Schlussfolgerungen müssen von Ihnen stammen. Die Tools können Ihnen helfen, sie mit Ihrer eigenen Stimme auszudrücken — das Denken können sie Ihnen nicht abnehmen.