Anleitungen
KI-Texte erkennen
Kurzantwort
Ein KI-Detektor schätzt nur, wie wahrscheinlich ein Text maschinell erzeugt ist, und liegt dabei oft falsch. In einer Studie mit 14 Werkzeugen erreichte keines mehr als 80 Prozent Treffsicherheit1, und englische Aufsätze von Nicht-Muttersprachlern wurden in einer anderen Untersuchung im Schnitt zu 61 Prozent zu Unrecht als KI eingestuft2. Ein Prozentwert aus einem Detektor kann deshalb höchstens Anlass für Nachfragen sein.

Ob ein Text von einem Menschen oder einer Maschine stammt, lässt sich mit heutigen Werkzeugen nicht sicher feststellen. Detektoren geben eine Wahrscheinlichkeit aus, die bei unbearbeiteten KI-Texten oft stimmt, bei überarbeiteten Texten oft nicht, und die bei manchen menschlichen Texten falschen Alarm schlägt. Wer prüfen muss, verlässt sich besser auf inhaltliche Merkmale und auf ein Gespräch mit der Person, die den Text eingereicht hat.
Für Fotos und Grafiken gelten andere Prüfwege, etwa Metadaten und Rückwärtssuche, beschrieben in KI-Bilder erkennen. Anleitungen, wie man Detektoren austrickst, gibt es hier nicht.
Wie KI-Detektoren arbeiten
Die meisten Detektoren sind selbst kleine Modelle zur Textklassifikation. Sie wurden mit Beispielen menschlicher und maschineller Texte trainiert und achten auf statistische Muster: wie vorhersehbar die Wortfolge ist, wie gleichmäßig Satzlänge und Satzbau ausfallen, welche Wendungen häufig vorkommen. Sprachmodelle wählen bevorzugt wahrscheinliche Wörter, menschliche Texte sind im Schnitt unregelmäßiger. Am Ende steht ein Wert, etwa "87 Prozent KI", der wie ein Messergebnis aussieht, aber eine Schätzung ist.
Daraus folgen die bekannten Schwächen. Ein sehr sachlicher, formelhafter Text eines Menschen sieht für den Detektor maschinell aus. Ein KI-Text, den jemand überarbeitet hat, verliert die typischen Muster. Und jedes neue Sprachmodell schreibt etwas anders als die Modelle, mit denen der Detektor trainiert wurde.
Zwei Einschränkungen nannte OpenAI für seinen eigenen Detektor ausdrücklich: Bei Texten unter 1.000 Zeichen war er unzuverlässig, und er war für Englisch gebaut und arbeitete in anderen Sprachen schlechter3. Wer deutsche Texte oder kurze Antworten prüft, etwa aus einer Online-Prüfung oder einem Bewerbungsformular, liest Detektorwerte deshalb mit besonderer Vorsicht.
Eine sicherere Lösung wären unsichtbare Markierungen, die der Anbieter schon beim Erzeugen in den Text einbaut, ein Wasserzeichen. Für Texte gibt es das bislang nicht flächendeckend. OpenAI hat seinen eigenen Detektor im Juli 2023 wegen geringer Genauigkeit zurückgezogen und erklärt, an Verfahren zum Herkunftsnachweis zu forschen3.
Was Studien über die Trefferquote sagen
- Band Spannweite über alle Werkzeuge
- Balken einzelnes Ergebnis
- gestrichelt Angabe des Herstellers
Die gründlichste unabhängige Untersuchung stammt von einem europäischen Forschungsteam um Debora Weber-Wulff. Es testete 14 Werkzeuge, zwölf frei verfügbare und die kommerziellen Systeme Turnitin und PlagiarismCheck1. Gewertet nach richtig und falsch erreichten die Werkzeuge zwischen 33 und 76 Prozent Treffsicherheit; Turnitin lag vorn, keines kam über 80 Prozent1. Das Fazit der Autorinnen und Autoren: Die Werkzeuge sind weder genau noch zuverlässig1.
Menschliche Texte erkannten die Werkzeuge im Mittel zu 96 Prozent richtig1. KI-Texte, die ein Mensch nachbearbeitet hatte, wurden dagegen nur noch zu 42 Prozent erkannt, maschinell umformulierte KI-Texte zu 26 Prozent1. Die Werkzeuge neigen also dazu, im Zweifel "Mensch" zu sagen. Das ist bei Prüfungen die vorsichtigere Richtung, bedeutet aber, dass sie gerade die Mischform aus KI-Entwurf und eigener Überarbeitung kaum finden, die die Forschenden für den häufigsten Fall halten1.
OpenAI veröffentlichte für seinen eigenen, inzwischen abgeschalteten Klassifikator ähnlich ernüchternde Zahlen: 26 Prozent der KI-Texte richtig erkannt, 9 Prozent der menschlichen Texte fälschlich als KI eingestuft3. Turnitin gibt für sein System eine Fehlalarmquote von unter einem Prozent an und räumt zugleich ein, dass falsche Treffer vorkommen4. Das ist eine Angabe des Herstellers, keine unabhängige Messung.
Wie man solche Zahlen liest, erklärt der Lexikonbeitrag zu Präzision und Recall: Ein Detektor kann wenige Fehlalarme haben und trotzdem viele KI-Texte übersehen. Die Studien stammen zudem aus 2023123. Für neuere Sprachmodelle und neuere Detektoren können die Werte anders ausfallen.

Falsche Verdächtigungen
Besonders heikel sind Fehlalarme, wenn sie bestimmte Gruppen treffen. Ein Team um Weixin Liang und James Zou ließ 91 englische Aufsätze aus der Sprachprüfung TOEFL, geschrieben von Menschen, durch sieben verbreitete Detektoren laufen2. Im Durchschnitt stuften die Werkzeuge 61,22 Prozent der Aufsätze als KI ein; 89 der 91 Aufsätze, also 97,80 Prozent, markierte mindestens ein Detektor2. Aufsätze amerikanischer Achtklässler erkannten dieselben Werkzeuge dagegen fast fehlerfrei als menschlich2.
Die Erklärung liegt in der Arbeitsweise: Wer in einer Fremdsprache schreibt, nutzt einfachere, häufigere Wörter und gleichmäßigere Sätze, und genau das gilt den Detektoren als Zeichen für KI. Auch menschliche Texte, die maschinell übersetzt wurden, erkannten die Werkzeuge in der Studie von Weber-Wulff deutlich schlechter als menschlich1.
Wer zu Unrecht verdächtigt wird, kann am besten mit seinem Arbeitsprozess antworten: Notizen, Gliederung, frühere Fassungen, der Versionsverlauf im Schreibprogramm, Quellen mit Lesespuren. Die Universität Potsdam empfiehlt Lehrenden bei einem Verdacht ein Klärungsgespräch mit Detailfragen zu Inhalt, Quellen und Schreibprozess, weil sich Urheberschaft oft daran zeigt, dass jemand die Entstehung plausibel erklären kann5.

Merkmale ohne Werkzeug
Ohne Detektor bleiben Indizien. Die Handreichung der Universität Potsdam nennt vier5:
- Erfundene Quellen: Zitate oder Literaturangaben, die es nicht gibt oder die den behaupteten Inhalt nicht stützen.
- Stilbrüche: Fehlerfreie, sehr gewandte Passagen wechseln mit einfachen, fehlerhaften ab, oder die Art zu gendern ändert sich mitten im Text.
- Oberflächlichkeit: Der Text klingt gewandt, bleibt aber vage, wiederholt Argumente und meidet konkrete Bezüge zum Seminar oder zum Ort.
- Fehlender aktueller Bezug: Neuere Debatten oder Ereignisse fehlen, je nach Trainingsstand des Modells.
Das erste Merkmal lässt sich am leichtesten prüfen. Such drei Literaturangaben heraus und schau, ob es die Werke gibt und ob die zitierte Stelle dort steht. Erfundene Quellen sind eine typische Form der KI-Halluzination und bei einer Hausarbeit ohnehin ein Mangel.
Sprachliche Muster sind schwache Hinweise: viele Dreierreihen, gleich gebaute Absätze, Schlusssätze, die nur wiederholen, Wörter wie "zudem" und "maßgeblich" in auffälliger Dichte. Solche Muster findest du aber auch bei Menschen, die viel Werbetext lesen oder nach Schreibratgebern arbeiten. Keines davon beweist für sich etwas.
Einen Verdachtsfall Schritt für Schritt prüfen
Wer als Lehrkraft, Ausbilderin oder Redakteur einen Text vor sich hat, der merkwürdig wirkt, kommt mit einer festen Reihenfolge weiter als mit einem Detektor:
- Kläre die Regeln. War KI bei dieser Aufgabe verboten, erlaubt oder mit Angabe erlaubt? Ohne klare Vorgabe gibt es keinen Verstoß, nur eine Frage der Qualität.
- Prüfe den Inhalt. Stimmen Quellen, Zitate und Zahlen? Geht der Text auf die konkrete Aufgabe ein oder bleibt er allgemein?
- Vergleiche mit früheren Arbeiten derselben Person. Ein plötzlicher Sprung in Wortschatz und Stil ist ein Indiz, kann aber auch Übung, Nachhilfe oder ein gutes Lektorat bedeuten.
- Führe ein Gespräch über Inhalt und Entstehung. Wer einen Text selbst geschrieben hat, kann meist erklären, warum ein Absatz an seiner Stelle steht und woher eine Quelle stammt.
- Dokumentiere, was du geprüft hast, und entscheide nach den Regeln deiner Schule, Hochschule oder deines Betriebs.
Für Schreibende gilt der umgekehrte Rat: Wenn KI erlaubt ist, gib an, wofür du sie genutzt hast, etwa für die Gliederung oder die Rechtschreibung. Eine offene Angabe nimmt einem späteren Verdacht die Grundlage.
Lage an Schulen und Hochschulen
Die Universität Potsdam schreibt in ihrer Handreichung vom Mai 2026, die Beweislast für einen Täuschungsversuch liege bei den Prüfenden, und KI-Detektoren seien nicht zuverlässig und lieferten keine rechtssicheren Beweise, weil sie nur Wahrscheinlichkeiten bewerten5. Gelingt der Nachweis nicht, empfiehlt sie die inhaltliche Bewertung: Erfundene Quellen oder eine verfehlte Fragestellung rechtfertigen eine schlechte Note auch ohne Täuschungsnachweis5.
Welche Hilfsmittel erlaubt sind, regelt jede Hochschule selbst, oft sogar jede Prüfung. In Potsdam gilt die Nutzung nicht zugelassener Hilfsmittel als Täuschung und führt zur Note "nicht ausreichend"5. Für Studierende heißt das: vor jeder Arbeit klären, was erlaubt ist und wie KI-Nutzung anzugeben ist. Was an Hochschulen allgemein gilt, steht in KI im Studium, für Abschlussarbeiten in KI in der Bachelorarbeit. Für Schulen legen die Länder Regeln fest, die Übersicht dazu bietet KI in der Schule.
Wenn du einen Detektor trotzdem einsetzt
Lehrkräfte, Redaktionen und Personalabteilungen greifen trotzdem zu Detektoren, oft zur Vorsortierung. Dann helfen ein paar Regeln:
- Teste das Werkzeug zuerst mit Texten, deren Herkunft du kennst, etwa mit eigenen alten Texten und mit einem frisch erzeugten KI-Text. So siehst du, wie es bei deinen Textsorten reagiert.
- Behandle jeden Wert als Anlass zum Nachfragen, nie als Entscheidung. Notiere, welches Werkzeug in welcher Version welchen Wert geliefert hat.
- Kläre den Datenschutz. Texte von Schülerinnen, Studierenden oder Bewerbern sind personenbezogene Daten, und viele kostenlose Detektoren speichern die eingereichten Texte.
- Führe ein Gespräch, bevor du Konsequenzen ziehst, und lass die Person ihren Arbeitsprozess zeigen.
Die zwölf frei verfügbaren Werkzeuge lagen in der Studie von Weber-Wulff zwischen 33 und 74 Prozent Treffsicherheit, das beste Ergebnis erreichte mit 76 Prozent ein kommerzielles System1. Eine Empfehlung für ein bestimmtes Werkzeug geben wir deshalb nicht. Wer eigene Texte überarbeiten will, damit sie besser klingen, findet in Texte verbessern mit KI Hinweise zu Korrektur und Stil.
Was das für dich heißt
Ein Detektorwert ist ein Anlass für Fragen, die Antwort liefert das Gespräch über Inhalt und Entstehung.
- Prüfe bei einem Verdacht zuerst drei Quellenangaben, statt einen Detektor zu befragen.
- Bewahre beim eigenen Schreiben Notizen und Zwischenstände auf, dann kannst du deine Arbeit belegen.
- Kläre vor jeder Prüfungsarbeit, welche KI-Nutzung erlaubt ist und wie du sie angibst.
- Lade fremde Texte nur in Detektoren hoch, wenn der Datenschutz geklärt ist.
Häufige Fragen
Wie zuverlässig erkennt Turnitin KI-Texte?
In der unabhängigen Studie von Weber-Wulff und Kollegen war Turnitin das beste der 14 Werkzeuge, kam aber nicht über 80 Prozent Treffsicherheit. Der Hersteller selbst nennt eine Fehlalarmquote unter einem Prozent und räumt ein, dass falsche Treffer vorkommen.
Kann ein KI-Detektor beweisen, dass ein Text von einer KI stammt?
Nein. Detektoren schätzen eine Wahrscheinlichkeit. Die Universität Potsdam hält in ihrer Handreichung fest, dass Detektorergebnisse keine rechtssicheren Beweise sind.
Was kann ich tun, wenn mein eigener Text als KI markiert wurde?
Zeig Notizen, Gliederung, frühere Fassungen und den Versionsverlauf deines Schreibprogramms. Biete ein Gespräch an, in dem du Inhalt und Quellen erklärst.
Gibt es einen kostenlosen KI-Detektor, der funktioniert?
Einen verlässlichen gibt es weder kostenlos noch gegen Geld. In der Vergleichsstudie lagen die frei verfügbaren Werkzeuge zwischen 33 und 74 Prozent Treffsicherheit.
Quellen
Stand:
- Weber-Wulff, D. u. a., International Journal for Educational Integrity 19, 26: Testing of Detection Tools for AI-Generated Text, Stand 10.07.2023, abgerufen am 22.11.2026. zurück
- Liang, W. u. a., Patterns (Cell Press): GPT detectors are biased against non-native English writers, Stand 10.07.2023, abgerufen am 22.11.2026. zurück
- OpenAI: New AI classifier for indicating AI-written text, Stand 20.07.2023, abgerufen am 22.11.2026. zurück
- Turnitin: Understanding false positives within our AI writing detection capabilities, abgerufen am 22.11.2026. zurück
- Universität Potsdam, Zentrum für Qualitätsentwicklung in Lehre und Studium: Handreichung KI und Prüfungen an der Universität Potsdam, Version 1.1, Stand 28.05.2026, abgerufen am 22.11.2026. zurück





