KI-Texte erkennen kannst du an zehn sprachlichen Merkmalen recht zuverlässig, aber nie mit Sicherheit. Weder Stilmerkmale noch Detektor-Software liefern einen Beweis, nur Hinweise. Dieser Beitrag zeigt dir die zehn typischen Muster mit Beispielsätzen, erklärt ehrlich, warum Detektoren Fehlalarme produzieren, und was Lehrende und Prüfende stattdessen prüfen sollten.
Ich korrigiere seit Jahren Hausarbeiten, Projektberichte und Prüfungsantworten. Seit ChatGPT lese ich dabei anders: Ich achte auf Rhythmus, auf Floskeln, auf Behauptungen ohne Beleg. Trotzdem habe ich mich schon getäuscht, in beide Richtungen. Das ist der ehrliche Ausgangspunkt für alles, was folgt.
Kann man KI-Texte sicher erkennen?
Nein. Ein Sprachmodell erzeugt Text, der statistisch dem ähnelt, was Menschen schreiben. Je besser das Modell, desto kleiner der Unterschied. Was bleibt, sind Wahrscheinlichkeiten: Ein Text mit acht der zehn Merkmale ist wahrscheinlich maschinell entstanden oder stark maschinell überarbeitet. Beweisen lässt sich das nicht, und genau deshalb darf ein Verdacht nie allein auf dem Stil beruhen.
Dazu kommt ein zweites Problem: Die Merkmale wandern. Wörter und Konstruktionen, die 2024 als typisch galten, haben die Anbieter inzwischen gezielt reduziert, und jede Modellgeneration bringt eigene Vorlieben mit. Gleichzeitig übernehmen Menschen KI-Formulierungen in ihren eigenen Stil. Die Grenze verschwimmt von beiden Seiten. Für Lehrende ist das der Grund, warum ich im Leitfaden KI in der Unterrichtsvorbereitung auf Prozessprüfung statt Textjagd setze.
Zehn Merkmale typischer KI-Texte
Kein einzelnes Merkmal ist aussagekräftig. Menschen schreiben auch Floskeln, auch Dreier-Aufzählungen, auch perfekt fehlerfrei. Interessant wird es, wenn sich mehrere Muster über den ganzen Text ziehen.
1. Gleichförmiger Rhythmus
Menschen schreiben unregelmäßig: ein langer Satz, dann ein kurzer. Ein Nebensatz, der ausufert. KI-Texte halten oft eine mittlere Satzlänge durch, Absatz für Absatz, ohne Ausbruch nach oben oder unten.
Beispiel: „Die Digitalisierung verändert viele Bereiche. Unternehmen müssen sich darauf einstellen. Mitarbeiter benötigen neue Kompetenzen. Weiterbildung spielt eine zentrale Rolle.“
2. Dreier-Aufzählungen als Reflex
Drei Adjektive, drei Substantive, drei Vorteile. Die Dreiergruppe ist rhetorisch wirksam, und Sprachmodelle setzen sie ein, als gäbe es keine andere Zahl. Dazu gehören auch Doppelkonstruktionen, die mit „sondern auch“ enden und dem Satz eine Steigerung geben, die der Inhalt nicht hergibt.
Beispiel: „Die Lösung ist effizient, flexibel und zukunftssicher.“
3. Floskeln ohne Inhalt
Einleitungen, die Bedeutung behaupten statt zu zeigen. Verben wie „beleuchten“, „ganzheitlich betrachten“, „einen Mehrwert bieten“. Substantive wie „Herausforderungen“, „Potenziale“, „Aspekte“. Jedes einzelne Wort ist korrekt, zusammen sagen sie nichts.
Beispiel: „Es ist entscheidend, die Chancen und Herausforderungen ganzheitlich zu betrachten, um das volle Potenzial auszuschöpfen.“
4. Keine eigenen Beispiele
Menschen, die ein Thema kennen, erzählen Konkretes: der Kunde, der am Dienstag anrief; der Fehler im dritten Versuch. KI-Texte bleiben abstrakt oder erfinden Beispiele, die seltsam glatt wirken, mit runden Zahlen und ohne überflüssige Details.
Beispiel: „Ein mittelständisches Unternehmen konnte durch den Einsatz von KI seine Effizienz um 30 Prozent steigern.“ Welches Unternehmen, welche Aufgabe, gemessen wie? Keine Antwort.
5. Übertriebene Ausgewogenheit
Einerseits, andererseits, es kommt darauf an. Sprachmodelle sind darauf trainiert, niemanden vor den Kopf zu stoßen. Das Ergebnis ist ein Text, der jede Position nennt und keine vertritt.
Beispiel: „Einerseits bietet KI enorme Chancen, andererseits birgt sie Risiken, die es zu bedenken gilt. Letztlich hängt es vom individuellen Anwendungsfall ab.“
6. Häufung langer Gedankenstriche
Der lange Strich mitten im Satz, wo ein Komma oder ein Punkt gereicht hätte, war lange das auffälligste Erkennungszeichen. Englischsprachige Modelle haben ihn in deutsche Texte getragen, wo er im Alltag selten ist. Anbieter haben darauf reagiert, deshalb taugt das Merkmal heute weniger als vor zwei Jahren. In älteren Texten bleibt es ein starker Hinweis.
Beispiel (Striche hier als [Strich] markiert): „Die Antwort ist einfach [Strich] und doch komplex [Strich] wie so oft bei KI.“
7. Erfundene oder unscharfe Quellen
„Studien zeigen“, „Experten sind sich einig“, „laut einer Umfrage“. Ohne Namen, Jahr oder Link. Werden Quellen genannt, existieren sie manchmal nicht oder sagen etwas anderes. Warum Sprachmodelle Quellen erfinden, erkläre ich im Beitrag zu KI-Halluzinationen.
Beispiel: „Zahlreiche Studien belegen, dass Unternehmen mit KI-Einsatz deutlich produktiver sind.“
8. Fehlender Standpunkt
Ein Mensch, der schreibt, will etwas. Er ärgert sich, empfiehlt, warnt, widerspricht. KI-Texte beschreiben. Selbst wenn der Prompt eine Meinung verlangt, klingt sie wie eine Zusammenfassung fremder Meinungen.
Beispiel: „Es gibt verschiedene Perspektiven auf dieses Thema, die jeweils ihre Berechtigung haben.“
9. Perfekte Form bei dünnem Inhalt
Kein Tippfehler, keine fehlende Klammer, saubere Absätze, und trotzdem hast du nach dem Lesen nichts gelernt. Die Diskrepanz zwischen formaler Qualität und inhaltlicher Leere ist eines der verlässlicheren Zeichen, vor allem bei Schreibern, deren frühere Texte Fehler hatten.
Beispiel: Eine Seminararbeit ohne einen einzigen Kommafehler, deren Kernaussage sich in einem Satz zusammenfassen lässt, der schon in der Einleitung steht.
10. Generische Einleitungen und Schlussformeln
Der Text beginnt mit der Bedeutung des Themas in der heutigen Zeit und endet mit der Feststellung, dass das Thema weiter an Bedeutung gewinnen wird. Dazwischen hätte alles stehen können.
Beispiel: „In einer Zeit, in der Technologie unseren Alltag prägt, gewinnt das Thema zunehmend an Bedeutung.“ Und am Ende: „Es bleibt festzuhalten, dass das Thema viele Facetten hat.“
Was KI-Detektoren leisten und warum sie unzuverlässig sind
Detektoren wie GPTZero, Copyleaks oder ZeroGPT berechnen, wie vorhersehbar ein Text ist. Sprachmodelle wählen tendenziell wahrscheinliche Wörter, Menschen überraschen öfter. Das Verfahren funktioniert bei unbearbeiteten ChatGPT-Texten in Tests oft ordentlich. Es versagt bei überarbeiteten Texten, bei kurzen Texten, bei anderen Sprachen als Englisch und bei Menschen, die einfach schreiben.
Der letzte Punkt ist der schwerwiegendste. Eine Studie der Stanford University aus dem Jahr 2023 testete sieben verbreitete Detektoren mit Aufsätzen von Nicht-Muttersprachlern. Mehr als die Hälfte dieser von Menschen geschriebenen Texte wurde als KI eingestuft, während Aufsätze von Muttersprachlern fast immer richtig erkannt wurden. Der Grund: Wer in einer Fremdsprache schreibt, verwendet einen kleineren Wortschatz und einfachere Sätze, also genau das, was Detektoren als maschinell werten.
OpenAI selbst hatte Anfang 2023 einen eigenen Detektor veröffentlicht und ihn im Juli desselben Jahres wegen geringer Genauigkeit wieder abgeschaltet. Seitdem haben die Werkzeuge dazugelernt, das Grundproblem ist geblieben: Ein Detektor liefert eine Wahrscheinlichkeit, kein Ergebnis. Und er gibt sie oft mit einer Selbstsicherheit aus, die der Treffsicherheit nicht entspricht. Für deutsche Texte sind die Ergebnisse in Tests zusätzlich schwächer, weil die meisten Modelle auf Englisch trainiert wurden.
Wasserzeichen und Kennzeichnungspflicht
Eine technische Lösung wird seit Jahren versprochen: unsichtbare Wasserzeichen im Text. Google hat mit SynthID Text ein Verfahren veröffentlicht, das die Wortwahl des Modells so steuert, dass ein Prüfprogramm das Muster später wiederfindet. Google selbst nennt die Grenzen: Die Erkennung ist probabilistisch, und sie wird schwach, sobald ein Text gründlich umgeschrieben oder übersetzt wird. Der öffentliche SynthID-Detektor, den Google im Oktober 2026 freigegeben hat, prüft zudem nur Bilder, Video und Audio, keine Texte.
Rechtlich bewegt sich etwas. Die EU-KI-Verordnung verlangt von Anbietern, KI-Ausgaben maschinenlesbar zu kennzeichnen; für Systeme, die vor dem 2. August 2026 auf dem Markt waren, läuft die Frist bis Dezember 2026. Für dich als Leser ändert das vorerst wenig: Es gibt kein öffentliches Werkzeug, das ChatGPT- oder Claude-Texte anhand eines Wasserzeichens zuverlässig erkennt. Und ein kopierter, umformulierter Text verliert das Zeichen ohnehin.
Der bessere Weg: Inhalt prüfen statt Stil raten
Ob ein Text von einer KI stammt, ist oft die falsche Frage. Die richtige lautet: Stimmt, was drinsteht, und steht der Verfasser dahinter? Drei Prüfungen bringen dich weiter als jeder Detektor.
- Fakten: Nimm drei konkrete Behauptungen und prüfe sie. Zahlen, Namen, Daten. Ein KI-Text ohne menschliche Kontrolle fällt hier meist durch
- Quellen: Existiert jede zitierte Quelle, und sagt sie das, was behauptet wird? Erfundene Literaturangaben sind das häufigste harte Indiz
- Standpunkt: Kann der Verfasser erklären, warum er zu diesem Schluss kommt, und was er weggelassen hat? Wer den Text selbst gedacht hat, kann das
Diese Prüfung ist unabhängig davon, ob ein Mensch, eine Maschine oder beide den Text geschrieben haben. Sie bewertet das, worauf es ankommt. Wer die Begriffe rund um Sprachmodelle nachschlagen will, findet sie im KI-Glossar.
Für Lehrende und Prüfende: Prozess statt Produkt
Als Dozent habe ich den Wettlauf aufgegeben. Wenn ich die Hausarbeit nicht sicher zuordnen kann, muss ich anders prüfen. Nicht das fertige Produkt entscheidet, sondern der Weg dorthin und das Gespräch darüber.
Zwei Hinweise aus Erfahrung. Erstens: Verdächtige nie auf Basis eines Detektorwerts allein, und sprich einen Verdacht als Frage an, nicht als Urteil. Die Stanford-Zahlen zeigen, wen Fehlalarme am häufigsten treffen: Lernende, die ohnehin mit der Sprache kämpfen. Zweitens: Lade keine Schüler- oder Teilnehmertexte in Online-Detektoren hoch. Die Texte enthalten oft Namen und persönliche Inhalte und landen auf fremden Servern. Welche Daten grundsätzlich nicht in KI-Tools gehören, steht im Beitrag Was du nie in ChatGPT eingeben solltest.
Viele Hochschulen gehen inzwischen denselben Weg: Zwischenversionen, mündliche Anteile, Präsentationen, klare Regeln zur erlaubten KI-Nutzung. Detektoren gelten dort, wo sie noch eingesetzt werden, als Hinweis, nicht als Beweis.
Für Teams und Redaktionen: Nutzung regeln statt jagen
Im Betrieb ist die Frage selten „Hat jemand KI benutzt?“, sondern „Ist der Text gut und stimmt er?“. Eine kurze interne Regel löst mehr als jede Kontrolle: KI ist für Entwürfe erlaubt, jede Zahl und jede Quelle prüft ein Mensch, und wer veröffentlicht, verantwortet den Inhalt. Dazu ein Hinweis, welche Daten in kein KI-Tool gehören. Mehr braucht ein Team meist nicht.
Umgekehrt: Eigene KI-Texte menschlicher machen
Du nutzt KI für Entwürfe und willst, dass das Ergebnis nach dir klingt? Die zehn Merkmale sind deine Checkliste, nur rückwärts. Streiche Floskeln, ersetze abstrakte Behauptungen durch ein konkretes Beispiel aus deiner Erfahrung, nimm Stellung, variiere die Satzlänge, prüfe jede Quelle. Das ist Arbeit, aber weniger als neu schreiben.
Besser noch, du steuerst das schon im Prompt: Gib Beispiele vor, verlange einen Standpunkt, verbiete Füllwörter, fordere kurze Sätze. Wie das geht, zeige ich in der Anleitung zum Prompts schreiben. Und wenn der Text veröffentlicht wird, kennzeichne die KI-Beteiligung. Das ist kein Makel. Ein unentdeckter KI-Text, der auffliegt, ist einer.
Häufige Fragen
Kann man KI-Texte wirklich erkennen?
Mit Hinweisen ja, mit Sicherheit nein. Stilmerkmale und Detektoren liefern Wahrscheinlichkeiten, die bei überarbeiteten Texten, kurzen Texten und Nicht-Muttersprachlern stark danebenliegen. Ein Beweis entsteht erst durch Inhalt, Quellen und ein Gespräch mit dem Verfasser.
Woran erkennt man KI-generierte Texte?
An gleichförmigem Rhythmus, Dreier-Aufzählungen, Floskeln, fehlenden eigenen Beispielen, übertriebener Ausgewogenheit, erfundenen Quellen, fehlendem Standpunkt und generischen Einleitungen. Zählt, wie viele Merkmale zusammenkommen; eines allein sagt nichts.
Gibt es einen kostenlosen KI-Detektor?
Ja, etwa GPTZero, Copyleaks oder ZeroGPT in Gratis-Varianten mit Textlimits. Die Ergebnisse widersprechen sich zwischen den Werkzeugen oft deutlich, und bei deutschen Texten sind sie schwächer. Nutze sie höchstens als einen Hinweis unter mehreren, nie als Grundlage für einen Vorwurf.
Erkennt die Uni ChatGPT-Texte?
Nicht zuverlässig, und viele Hochschulen wissen das. Sie setzen deshalb auf Entwurfsstufen, mündliche Prüfungsanteile und klare Regeln zur erlaubten Nutzung. Wer KI nutzt, wo es verboten ist, riskiert trotzdem viel: Erfundene Quellen und ein Gespräch, in dem man den eigenen Text nicht erklären kann, fallen auf.
Was ist ein KI-Wasserzeichen?
Ein unsichtbares Muster in der Wortwahl, das ein Modell beim Schreiben einbaut und ein Prüfprogramm später erkennt. Google hat mit SynthID Text ein solches Verfahren veröffentlicht. Es funktioniert nur für Texte aus Modellen, die es einsetzen, und wird durch Umschreiben oder Übersetzen schwach.
Sind KI-Texte verboten?
Nein. Die EU-KI-Verordnung verlangt Transparenz in bestimmten Fällen, etwa bei Deepfakes oder bei KI-Texten zu Themen von öffentlichem Interesse ohne redaktionelle Prüfung. Ob KI in einer Prüfung oder im Job erlaubt ist, regeln Prüfungsordnung, Arbeitgeber oder Auftraggeber.
Kurz gesagt
Die zehn Merkmale schärfen deinen Blick, mehr nicht. Verlass dich auf Inhalt, Quellen und Gespräch, nicht auf Prozentwerte. Wenn du Lehrkraft, Dozent oder Trainer bist, lohnt sich als nächster Schritt der Blick auf die Vorbereitung: Im Leitfaden KI in der Unterrichtsvorbereitung zeige ich, wie du Aufgaben baust, bei denen die Frage „Mensch oder Maschine?“ gar nicht mehr im Mittelpunkt steht.
