Stammt dieser Text von einer KI?
Ein Detektor misst, wie gleichmäßig formuliert wurde, nicht wer geschrieben hat. Die belastbare Prüfung läuft über Quellen, Zahlen und Details.
KI-generiertDieses Bild wurde mit KI erzeugt · Yves Hoppe / KI / cmt
Der Prozentwert erzeugt mehr Schaden als Klarheit
In Personalabteilungen, Redaktionen und Fachbereichen liegt inzwischen bei jedem zweiten Text die Frage in der Luft. Der naheliegende Weg ist ein Prüfwerkzeug, weil es in Sekunden eine Zahl liefert. Diese Zahl fühlt sich nach einem Befund an, ist aber nur eine Schätzung mit zwei systematischen Fehlern.
Der Preis eines falschen Alarms ist hoch und fällt sofort an. Wer einer Person unterstellt, ihre Bewerbung, ihren Bericht oder ihre Hausarbeit nicht selbst verfasst zu haben, und sich dabei auf einen Wert stützt, den man weder erklären noch belegen kann, steht ohne Grundlage da, sobald nachgefragt wird.
Gleichzeitig fängt das Werkzeug den Fall nicht, um den es eigentlich geht: den Text mit erfundener Quellenangabe, der ordentlich überarbeitet wurde und deshalb unauffällig durchläuft. Der Aufwand landet an der falschen Stelle.
KI-generiertDieses Bild wurde mit KI erzeugt · Yves Hoppe / KI / cmt
Symptom, Ursache, Lösung
Symptom
Ein Bewerbungsschreiben liest sich glatt und strukturiert, das Prüfwerkzeug meldet einen sehr hohen Wert.
Ursache
Geübte, knappe Sprache erzeugt dasselbe gleichmäßige Muster wie maschineller Text. Der Detektor kann beides nicht unterscheiden.
Lösung
Lass den Wert außen vor und stell im Gespräch zwei inhaltliche Fragen zu genannten Projekten. Was jemand kann, zeigt sich dort in Minuten, nicht in einer Statistik.
Symptom
Zwei Prüfwerkzeuge bewerten denselben Absatz gegensätzlich, eines meldet eindeutig maschinell, das andere eindeutig menschlich.
Ursache
Beide nutzen unterschiedliche Vergleichsmodelle und Schwellen. Einen gemeinsamen Maßstab gibt es nicht.
Lösung
Nutz den Widerspruch als Beleg dafür, dass die Methode nicht trägt, und wechsel auf die inhaltliche Prüfung von Quellen und Zahlen.
Symptom
Der Text einer langjährigen Kollegin, die in einer Fremdsprache schreibt, wird regelmäßig als maschinell eingestuft.
Ursache
Wer in einer Fremdsprache schreibt, wählt sicheren, gleichförmigen Satzbau und trifft damit genau das gemessene Merkmal.
Lösung
Nimm Detektoren aus dem Ablauf heraus, wo mehrsprachig geschrieben wird. Der zu erwartende Schaden aus falschem Verdacht ist größer als jeder Erkenntnisgewinn.
Symptom
Ein offensichtlich generierter Bericht durchläuft die Prüfung unauffällig und wird freigegeben.
Ursache
Der Text wurde nach der Erzeugung überarbeitet, und damit sind genau die statistischen Merkmale verschwunden, die gemessen werden.
Lösung
Verschieb den Prüfaufwand auf die Substanz: Fundstellen aufrufen, Zahlen zurückverfolgen, Zuständigkeiten und Namen gegenprüfen.
Symptom
In einem Fachartikel steht eine Quellenangabe, die sich nicht auffinden lässt, obwohl Titel und Jahr plausibel klingen.
Ursache
Sprachmodelle setzen Fundstellen aus wahrscheinlichen Bestandteilen zusammen. Das Ergebnis sieht korrekt aus und existiert nicht.
Lösung
Behandle das als den eigentlichen Befund. Er ist überprüfbar, belegbar und unabhängig von jeder Statistik, und er trägt eine sachliche Rückfrage.
Fünf Prüfungen, die mehr sagen als ein Prozentwert
- 01 Der Detektorwert bleibt ein Anhaltspunkt, kein Nachweis der Herkunft.
- 02 Jede Quellenangabe wird einzeln aufgerufen und gegengelesen.
- 03 Zahlen werden bis zur Ursprungsquelle zurückverfolgt.
- 04 Eine Rückfrage zum Detail zeigt, ob jemand den Inhalt beherrscht.
- 05 Versionsverlauf und Rohmaterial belegen die Entstehung.
Was du nach dieser Seite anders machst
Statt eines Werkzeugs bekommst du eine Reihenfolge von Prüfungen, die unabhängig von jeder Statistik funktioniert und die sich in einer normalen Durchsicht unterbringen lässt.
Wert richtig einordnen
Du liest einen Detektorwert als Hinweis auf gleichmäßige Formulierung, nicht als Herkunftsnachweis, und stützt darauf keine Entscheidung über eine Person.
Fehlerverteilung kennen
Du weißt, dass falscher Alarm vor allem geübte und fremdsprachige Schreibweise trifft, während überarbeitete maschinelle Texte durchlaufen.
Quellen einzeln aufrufen
Du prüfst jede Fundstelle, statt der Zusammenfassung zu glauben. Eine erfundene Quelle ist der einzige Befund, der wirklich belastbar ist.
Zahlen zurückverfolgen
Du gehst von der genannten Zahl bis zur Ursprungsquelle und nicht nur bis zur nächsten Seite, die dieselbe Zahl wiederholt.
Rückfrage zum Detail stellen
Du klärst mit einer inhaltlichen Nachfrage in wenigen Minuten, ob jemand den Stoff durchdrungen hat, statt über die Entstehung zu spekulieren.
Regeln vor Verdacht setzen
Du sorgst dafür, dass im Team feststeht, welcher Einsatz erlaubt ist und was gekennzeichnet wird. Ohne Regel gibt es keinen Verstoß, über den man reden kann.
KI-generiertDieses Bild wurde mit KI erzeugt · Yves Hoppe / KI / cmt
Worauf die Werkzeuge tatsächlich reagieren
Ein Sprachmodell wählt bei jedem Wort die wahrscheinlichste Fortsetzung. Genau das machen Detektoren messbar: Sie prüfen, wie vorhersagbar ein Text im Vergleich zu menschlichem Schreiben verläuft, und wie stark Satzlänge und Satzbau variieren. Maschinell erzeugter Text ist im Mittel gleichmäßiger, weniger überraschend, weniger sprunghaft. Aus dieser statistischen Auffälligkeit wird ein Prozentwert.
Damit ist auch klar, was der Wert nicht ist. Der Detektor kennt weder den Anbieter noch das Modell, er sieht nur den fertigen Text und rechnet ohne jede Kenntnis der Entstehung. Etwas anderes sind Wasserzeichen, die einzelne Anbieter in ihre Textausgaben legen und die Artikel 50 Absatz 2 auch verlangt. Die prüfst aber nicht du beim Lesen eines eingefügten Absatzes, sondern nur, wer das passende Prüfwerkzeug des jeweiligen Anbieters hat. Ein hoher Detektorwert heißt: Dieser Text ist ungewöhnlich gleichmäßig. Er heißt nicht: Dieser Text kommt aus einer Maschine.
Deshalb ist der Wert auch nicht robust. Wer den Text einmal umstellt, ein paar eigene Formulierungen einbaut oder ihn diktiert und dann überarbeitet, verändert genau die Merkmale, die gemessen werden. Das ist kein Umgehungstrick, das passiert bei ordentlicher Textarbeit von selbst.
Zwei Fehlerarten, die beide teuer sind
Der falsche Alarm trifft ausgerechnet die, die sich Mühe geben. Wer knapp, strukturiert und in geübter Fachsprache schreibt, produziert genau das gleichmäßige Muster, auf das der Detektor anspringt. Besonders betroffen sind Texte von Menschen, die in einer Fremdsprache schreiben und dabei auf einfachen, sicheren Satzbau ausweichen. Ein Verdacht auf dieser Grundlage ist arbeitsrechtlich wie zwischenmenschlich schwer wieder einzufangen.
Der übersehene Fall ist der zweite Fehler. Ein sorgfältig überarbeiteter maschineller Text kommt unauffällig durch, und zwar genau dann, wenn jemand ihn gezielt anpasst. Damit fängt das Werkzeug die harmlosen Fälle und lässt die aufwendigen durch.
Für eine Entscheidung im Betrieb ist eine Prüfung mit dieser Fehlerverteilung ungeeignet. Als Hinweis, an welcher Stelle man genauer hinschauen könnte, taugt sie, als Grundlage für Konsequenzen nicht.
Wasserzeichen und Herkunftsdaten helfen nur dort, wo sie mitkommen
Bei Bildern und Videos setzen sich Herkunftsangaben durch, die als Metadaten am Material hängen und die Bearbeitungsschritte mitführen. Der Ansatz ist belastbar, solange die Datei den Weg nicht verlässt. Ein Bildschirmfoto, ein Zuschnitt oder ein erneutes Speichern in einem anderen Programm entfernt diese Angaben ohne Vorwarnung.
Bei Text ist die Lage schwächer, aber nicht leer. Einzelne Anbieter legen inzwischen eine statistische Signatur in die Wortwahl ihrer Ausgaben, und Artikel 50 Absatz 2 verlangt von ihnen eine maschinenlesbare Markierung. Prüfen lässt sich das jedoch nur mit dem Werkzeug des jeweiligen Anbieters, es gibt kein anbieterübergreifendes Verfahren, und eine gründliche Überarbeitung schwächt die Signatur.
Dazu kommt eine Verwechslung, die im Alltag oft passiert: Kennzeichnungspflichten richten sich an die Anbieter generativer Systeme, die ihre Ausgaben maschinenlesbar markieren sollen. Dir als Leserin oder Leser eines eingefügten Absatzes hilft das nicht. Aus einer Anbieterpflicht wird kein Prüfwerkzeug für die eigene Posteingangsprüfung.
Was im Betrieb belastbarer ist
Die Prüfungen, die tatsächlich tragen, fragen nicht nach der Herkunft, sondern nach der Substanz. Ruf jede Quellenangabe einzeln auf. Erfundene oder falsch zugeordnete Fundstellen sind der zuverlässigste Befund überhaupt, weil er unabhängig von jeder Statistik überprüfbar ist. Verfolg Zahlen bis zur Ursprungsquelle, nicht bis zur nächsten Zusammenfassung.
Der zweite Zugang ist das Gespräch. Eine Rückfrage zu einem Detail, das im Text nur gestreift wird, zeigt in zwei Minuten, ob jemand den Inhalt durchdrungen hat. Das ist keine Falle, sondern das, was eine fachliche Durchsicht ohnehin leisten sollte.
Der dritte Zugang ist die Entstehung. Versionsverlauf, Zwischenstände, Notizen, Rohmaterial: Wer so arbeitet, kann seine Arbeit zeigen. Wer das nicht kann, hat ein Nachweisproblem, und das ist eine sachlichere Grundlage als ein Prozentwert.
Wie du damit umgehst, ohne jemanden falsch zu beschuldigen
Die wirksamste Maßnahme liegt vor dem Verdacht: Klär im Team, welcher Einsatz von KI-Unterstützung in Ordnung ist und was gekennzeichnet werden soll. In den meisten Häusern gibt es dazu keine Aussage, und ohne Regel gibt es auch keinen Verstoß, über den man reden könnte.
Wenn ein Verdacht entsteht, führ ihn über den Inhalt, nicht über ein Werkzeug. Benenne die konkrete Stelle, die nicht stimmt, und frag danach. Ein Prüfwert als Gesprächseinstieg erzeugt eine Verteidigungshaltung und lässt sich obendrein nicht belegen.
Und trenne zwei Fragen, die gern vermischt werden: ob ein Text maschinell entstanden ist, und ob er gut ist. Für das Ergebnis zählt die zweite. Ein sauber recherchierter, geprüfter Text bleibt brauchbar, gleich wie er entstanden ist, und ein erfundener bleibt unbrauchbar.
Dazu passende Kurse
Wer diese Prüfungen im Team verankern will, findet in Seminare, die den Blick für maschinelle Texte schärfen den passenden Einstieg.
Für den Schritt davor, also die Freigabe eigener Texte, gibt es Kurse zum Prüfen von Inhalten vor der Veröffentlichung .
Wie sicher bist du beim Thema wirklich?
Lesen fühlt sich schnell nach Können an. Ein kurzer Test zeigt dir, was davon schon sitzt und wo sich ein Kurs lohnt. Kostenlos, ohne Anmeldung, mit einer Erklärung zu jeder Antwort.
Die Inhalte wurden sehr gut vermittelt und Fragen wurden perfekt beantwortet.
Marco ist ein extrem guter Trainer, der mit seinem Fachwissen zum Thema KI sehr viel Expertise mitbringt.
Seminarleiter war sehr gut vorbereitet, Den Lehrstoff hat er ausführlich und praxisorientiert vorgetragen.
Häufige Fragen
Kann ich einen Detektorwert als Beweis verwenden?
Warum kommen zwei Werkzeuge zu gegensätzlichen Ergebnissen?
Woran erkenne ich einen maschinellen Text ohne Werkzeug?
Sollen wir KI-Nutzung intern kennzeichnen lassen?
Deine Ansprechpartner
Du bist dir nicht sicher, welcher Kurs oder welches Level zu dir passt? Wir beraten dich persönlich und kostenlos.
Yves Hoppe
Weiterbildung & Beratung
Hilft dir, aus dem KI-Programm den passenden Kurs für deinen Stand zu finden.
Norbert Jansen
Beratung & Inhouse
Plant mit dir Inhouse-Trainings, die auf eure Abläufe und euren Datenbestand zugeschnitten sind.
Die Prüfung ist eine Fähigkeit, kein Werkzeug
Wie sich Quellen, Zahlen und Zuständigkeiten in wenigen Minuten kontrollieren lassen, lässt sich an eigenen Texten üben, und genau das ist Inhalt der Seminare unten.