KI-Detektor Fehlalarm: Wenn dein eigener Text als KI gilt

Ein falsch-positives Ergebnis heißt: Ein menschlicher Text wird als KI eingestuft. Falsch negativ ist das Gegenteil, ein KI-Text bleibt unauffällig. Beide Fehler hängen zusammen. Stellt ein Anbieter sein Tool sehr streng ein, findet es mehr KI-Texte, markiert aber auch mehr menschliche. Stellt er es vorsichtig ein, rutschen mehr KI-Texte durch. Ein Detektor arbeitet mit statistischen Mustern wie Wortwahl, Satzbau und Vorhersagbarkeit. Er sieht nicht, wer geschrieben hat, sondern nur, wie der Text aussieht.

Die bekannteste Vergleichsstudie stammt von Debora Weber-Wulff und Kollegen (2023). Alle 14 getesteten Tools lagen unter 80 Prozent Genauigkeit. Menschliche Texte wurden zwar zu 96 Prozent richtig eingeordnet. Wurden aber menschliche Texte aus anderen Sprachen maschinell ins Englische übersetzt, sank die Genauigkeit um 20 Prozent.

Deutlicher wird es bei Nicht-Muttersprachlern. In der Studie von Liang und anderen (2023) stuften sieben Detektoren englische TOEFL-Aufsätze im Schnitt zu 61,22 Prozent fälschlich als KI ein. 18 von 91 Aufsätzen wurden von allen sieben Tools markiert, 89 von 91 von mindestens einem. Auch Perkins und andere (2024) fanden, dass die getesteten Detektoren menschliche Kontrolltexte nur zu 67 Prozent richtig erkannten, und warnen vor falschen Vorwürfen gegen Nicht-Muttersprachler.

Menschen sind dabei nicht besser. In einer Studie mit deutschen Abschlussarbeiten (2025) erkannten 63 Lehrende einer Hochschule nur 64 Prozent der menschlichen Auszüge als menschlich. Mehr zu den Zahlen findest du in Wie zuverlässig sind KI-Detektoren?

Was Detektoren als „maschinell“ deuten, ist oft einfach gutes, regelgerechtes Schreiben. Eine Stellungnahme der Universität Hannover (2025) hält fest: „Insbesondere gut strukturierte Texte können von dieser falsch-positiv Bewertung betroffen sein.“ Die Autorinnen und Autoren raten, im Prüfungskontext von Detektoren abzusehen.

Selbst die Anbieter räumen das ein. ZeroGPT schreibt in seinen FAQ, dass sehr glatte, formelhafte Texte wie KI wirken können. Sapling nennt auf seiner deutschen Seite kurze, generische und aufsatzartige Texte als typische Fälle. QuillBot erwähnt auf der Seite seines AI-Detectors formelhafte juristische und akademische Texte. Turnitin zeigt Werte zwischen 1 und 19 Prozent laut eigenem Leitfaden gar nicht mehr als Zahl an, weil dort Fehlalarme häufiger sind.

Für deutsche Texte bedeutet das: Wer sachlich, fehlerfrei und mit vielen Fachbegriffen schreibt, kann leichter auffallen, ohne etwas falsch gemacht zu haben.

Unser kostenloser Check zeigt keine Prozentzahl, sondern Treffer in vier Kategorien. Auch dort kann ein menschlicher Text Treffer bekommen, und jede Markierung erklärt dir, warum. Ein Beispiel ist das schmale geschützte Leerzeichen U+202F. Es kann aus KI-Antworten stammen, wird aber auch in sorgfältig gesetzten deutschen Texten verwendet, etwa in „z. B.“, wie die Gesellschaft für deutsche Sprache erklärt. Mehr dazu unter unsichtbare Zeichen finden.

Ähnlich ist es beim langen Gedankenstrich, bei Sternchen für Fettdruck aus einer Vorlage oder bei Wörtern wie „facettenreich“ und „vielschichtig“. Menschen benutzen sie auch. Welche Wörter wir markieren, steht in Typische ChatGPT-Wörter und Gedankenstriche. Deshalb gilt für jeden Treffer: Er ist ein Hinweis, kein Beweis.

Bleib ruhig und schau dir an, welche Stellen genau markiert wurden. Ein einzelner Wert ohne Begründung sagt wenig, konkrete Stellen kannst du dagegen erklären. Halte fest, wie dein Text entstanden ist: Entwürfe, Versionsverlauf, Notizen und Quellen helfen dir, wenn jemand nachfragt.

Wird dir in Uni oder Schule ein Vorwurf gemacht, hilft oft der Blick auf die Regeln deiner Einrichtung. Einen Überblick findest du in KI-Regeln an Hochschulen. Wie Gerichte Detektorergebnisse bisher bewertet haben, steht auch in Wie zuverlässig sind KI-Detektoren?. Wie unterschiedlich Prozentwerte gemeint sind, erklären wir in KI-Score verstehen.