Wie man einen KI-Erkennungswert liest, ohne ihm blind zu vertrauen

Ein Erkennungswert ist keine Wahrscheinlichkeit dafür, dass eine bestimmte Person KI benutzt hat. Er misst, wie stark ein Text den statistischen Mustern KI-generierter Texte ähnelt: gleichmäßige Wortwahl, geringe Schwankung der Satzlänge, vorhersehbare Übergänge. Ein Wert von achtzig Prozent bedeutet, dass der Text diesem Muster ähnelt – nicht, dass eine Wahrscheinlichkeit von achtzig Prozent besteht, dass er generiert wurde. Die Zahl als Urteil statt als Ähnlichkeitsmaß zu lesen, ist der mit Abstand häufigste Fehler.

Die Muster, auf die Detektoren anspringen, sind genau jene, die sorgfältiges Redigieren erzeugt. Ein Text, der durch eine Grammatikprüfung, einen Stilleitfaden oder mehrere Überarbeitungsrunden gelaufen ist, nähert sich genau jener Regelmäßigkeit an, die als maschinenähnlich markiert wird. Deshalb erzielen polierte Unternehmenstexte, technische Dokumentation und stark überarbeitete Studierendenarbeiten oft höhere Werte als grobe erste Entwürfe, die tatsächlich mitten in der Nacht von einem Menschen getippt wurden.

Wer in einer Fremdsprache schreibt, verwendet tendenziell einen engeren Wortschatz, einfachere Satzstrukturen und konventionellere Formulierungen, weil das die Konstruktionen sind, bei denen man sich am sichersten fühlt. Detektoren lesen diese Zurückhaltung als maschinenähnliche Regelmäßigkeit. Das Ergebnis ist eine systematische Verzerrung: Derselbe inhaltliche Aufsatz erhält unterschiedliche Werte, je nachdem, ob die schreibende Person Englisch als Erstsprache gelernt hat. Jeder Prozess, der einen Score als Beweis behandelt, erzeugt entlang genau dieser Linie unfaire Ergebnisse.

Detektion hängt von statistischem Signal ab, und kurze Passagen enthalten davon nicht genug. Ein einzelner Absatz kann je nach den zufällig enthaltenen Sätzen drastisch schwanken. Werkzeuge wie NotGPT akzeptieren aus genau diesem Grund umfangreiche Eingaben. Wenn eine Entscheidung wichtig ist, sollte das gesamte Dokument geprüft werden statt eines Auszugs; jedes Ergebnis aus weniger als ein paar hundert Wörtern sollte bestenfalls als Anhaltspunkt gelten.

Ein hoher Score ist ein Grund für genaueres Hinsehen, keine Schlussfolgerung. Nützliche weiterführende Belege sind die Entstehungsgeschichte des Entwurfs, die Fähigkeit der schreibenden Person, die eigene Argumentation zu erläutern, und die Konsistenz mit früheren Arbeiten. Im Unterrichts- oder Redaktionskontext ist ein Gespräch die produktivere Reaktion als eine Beschuldigung. Erkennungswerkzeuge lassen sich am besten als Filter einsetzen, der entscheidet, wohin Aufmerksamkeit fließt – nie als das, was über einen Ausgang entscheidet.

Die andere legitime Anwendung ist die Selbstprüfung. Wer mit KI-Unterstützung entworfen hat und möchte, dass das Ergebnis wie die eigene Arbeit wirkt, erfährt durch einen Score, ob es noch generiert klingt. Kombiniert mit einem Überarbeitungsdurchgang wird daraus eine Revisionsschleife statt einer Umgehungstaktik: Das Ziel ist ein Text, der die eigene Argumentation und Stimme trägt – und genau das lässt auch den Score sinken. Datenschutz spielt hier eine Rolle, und für alles Unveröffentlichte sind Werkzeuge vorzuziehen, die eingereichte Inhalte nicht speichern.