Question 1

Wie funktioniert der KI-Text-Detektor?

Accepted Answer

Unser Detektor nutzt eine Kombination aus zwei Analysemethoden: Eine fortschrittliche Kompressionsanalyse (80 % Gewichtung), die misst, wie gut ein Text mit KI-Referenzmustern komprimiert, und eine erweiterte Sprachanalyse (20 % Gewichtung) mit über 15 verschiedenen linguistischen Metriken. Zusätzlich analysiert das System spezifische Muster wie Em-Dash-Nutzung, modellspezifische Phrasen und typische KI-Wörter, um nicht nur zu erkennen, ob ein Text KI-generiert ist, sondern auch welches Modell (ChatGPT, Claude, Gemini) wahrscheinlich verwendet wurde.

Question 2

Wie erkennt der Detektor, welches KI-Modell verwendet wurde?

Accepted Answer

Der Detektor analysiert modellspezifische Muster: ChatGPT verwendet häufig Em-Dashes (—), Phrasen wie 'delve into', 'it's worth noting' und strukturierte Formatierung. Claude zeigt minimale Em-Dash-Nutzung, neutrale Formulierungen wie 'according to', 'based on' und einen natürlicheren Ton. Gemini nutzt praktisch keine Em-Dashes, ist sehr direkt und verwendet Phrasen wie 'not only', 'but also'. Die Erkennung basiert auf der Analyse von über 40 modellspezifischen Phrasen und Mustern. Beachte: Die Modell-Erkennung ist eine Schätzung und kann bei nachbearbeiteten oder gemischten Texten ungenau sein.

Question 3

Was bedeuten die erweiterten Metriken (TTR, 3-Grams, etc.)?

Accepted Answer

Die erweiterten Metriken basieren auf wissenschaftlicher AI-Erkennungsforschung 2025: TTR (Type-Token Ratio) misst Vokabularvielfalt - AI nutzt oft weniger vielfältiges Vokabular (niedrige TTR). 3-Gram Analyse zählt wiederholte 3-Wort-Sequenzen - AI wiederholt Phrasen häufiger als Menschen (bis zu 93 % Erkennungsgenauigkeit). Satzlängen-Varianz (Standardabweichung) zeigt, wie unterschiedlich lang Sätze sind - niedrige Werte deuten auf gleichförmige AI-Sätze hin. Flesch Reading Ease bewertet Textkomplexität auf einer 0-100 Skala. Personalpronomen-Dichte misst persönlichen Ton - AI nutzt seltener 'Ich', 'Du', 'Wir' und schreibt passiver.

Question 4

Was sind die stilometrischen Metriken (Adjektive, Adverbien, Passiv)?

Accepted Answer

Die stilometrischen Metriken basieren auf Part-of-Speech (POS) Forschung 2025 und zeigen deutliche Unterschiede: Adjektiv/Adverb-Analyse - AI-Modelle (besonders LLMs) nutzen signifikant mehr Adjektive, aber weniger Adverbien als Menschen. Das Adjektiv/Adverb-Verhältnis über 2,5 ist ein starker AI-Indikator. Ausrufezeichen-Dichte - ChatGPT 'liebt' Ausrufezeichen, besonders in Social Media Kontexten (Forschung 2025). Fragezeichen - Menschen nutzen mehr Fragezeichen, besonders in akademischem und dialogischem Schreiben. Passive Stimme - Entgegen der Erwartung nutzt AI MEHR passive Konstruktionen als Menschen (validiert 2025). Durchschnittliche Wortlänge und Zahlen/Symbole-Dichte zeigen ebenfalls messbare Unterschiede.

Question 5

Wie genau ist die Erkennung?

Accepted Answer

Die Genauigkeit hängt von verschiedenen Faktoren ab, einschließlich der Textlänge, des verwendeten KI-Modells und ob der Text nachbearbeitet wurde. Längere Texte (über 200 Wörter) liefern deutlich zuverlässigere Ergebnisse. Die Bewertung sollte als starker Hinweis verstanden werden, kann aber keine hundertprozentige Garantie bieten. Besonders bei stark bearbeiteten oder gemischten Texten kann die Einschätzung schwieriger sein.

Question 6

Welche Textarten kann der Detektor analysieren?

Accepted Answer

Der Detektor funktioniert optimal mit Fließtexten ab 50 Wörtern, idealerweise über 200 Wörter. Er analysiert erfolgreich Blogbeiträge, wissenschaftliche Artikel, Essays, Produktbeschreibungen, Nachrichtenartikel und andere längere Texte. Weniger geeignet ist er für: Lyrik, technische Dokumentationen, Listen, Tabellen, Code-Kommentare oder sehr kurze Texte unter 50 Wörtern.

Question 7

Kann der Detektor verschiedene KI-Modelle erkennen?

Accepted Answer

Ja, der Detektor erkennt Texte verschiedener KI-Modelle wie ChatGPT (alle Versionen), Claude, Gemini, Llama, Mistral und andere. Die Erkennungsrate ist bei neueren Modellen wie GPT-4 und Claude 3 besonders hoch. Ältere oder spezialisierte Modelle können manchmal schwieriger zu erkennen sein. Die Kompressionsanalyse funktioniert modellübergreifend gut, da sie grundlegende Eigenschaften von KI-Texten erfasst.

Question 8

Was bedeutet die Konfidenz-Bewertung?

Accepted Answer

Die Konfidenz zeigt auf einer Skala von 0-100 %, wie sicher sich das System bei seiner Einschätzung ist. Über 80 %: Sehr sichere Einschätzung, klare Merkmale erkannt. 60-80 %: Deutliche Tendenz, aber mit gewissen Unsicherheiten. Unter 60 %: Unklare Einschätzung, der Text zeigt gemischte Merkmale. Je höher die Konfidenz, desto eindeutiger sind die erkannten Muster.

Question 9

Kann der Detektor nachbearbeitete KI-Texte erkennen?

Accepted Answer

Die Erkennung von nachbearbeiteten KI-Texten ist eine besondere Herausforderung. Leichte Bearbeitungen (Rechtschreibkorrekturen, kleine Umformulierungen) werden meist noch erkannt. Bei stärkeren Überarbeitungen sinkt die Erkennungsrate. Wenn die Sprach- und Kompressionsanalyse unterschiedliche Ergebnisse liefern, deutet dies oft auf nachbearbeitete Texte hin. Der Detektor zeigt dies in der Erklärung an.

Question 10

Warum verwendet der Detektor eine Kompressionsanalyse?

Accepted Answer

KI-generierte Texte folgen oft vorhersehbaren Mustern und haben eine höhere interne Konsistenz. Dies führt dazu, dass sie sich besser komprimieren lassen, wenn sie mit ähnlichen KI-Texten kombiniert werden. Menschliche Texte sind variabler und individueller, wodurch sie schlechter komprimieren.

Question 11

Ist das Ergebnis rechtlich verwertbar oder als Beweis geeignet?

Accepted Answer

Nein, die Ergebnisse dieses Detektors sind NICHT als rechtlicher Beweis oder für offizielle Nachweise geeignet. Es handelt sich um eine technische Analyse, die Hinweise liefert, aber keine absolute Gewissheit bieten kann. Für akademische Arbeiten, rechtliche Dokumente oder andere offizielle Zwecke sollte das Tool nur als erster Anhaltspunkt dienen. Eine endgültige Beurteilung sollte immer durch Menschen oder ausgefeiltere Systeme erfolgen.

KI-Text-Detektor

Häufig gestellte Fragen

8 Weitere forschungsbasierte Metriken (Stilometrie & POS-Analyse)

5 Neue wissenschaftlich validierte Metriken

KI-Modell-Erkennung & Erweiterte Muster-Analyse

Erweiterte Analysemetriken

Erste Veröffentlichung