KI-Detektoren: Wie zuverlässig lassen sich KI-Texte erkennen?

Dieser Beitrag ist ein Überblick auf Grundlage von Anbieterangaben, Dokumentation und öffentlich zugänglichen Berichten, kein benoteter Test aus eigener Hand. Preise und Funktionen ändern sich schnell; maßgeblich sind die Angaben des Anbieters. Benotet wird nur, was wir selbst über Wochen im Einsatz hatten: diese Werkzeuge stehen unter KI-Tools im Vergleich.

Wie ein KI-Detektor arbeitet

Ein KI-Detektor liest einen Text nicht wie ein Mensch. Er misst statistische Merkmale: wie vorhersehbar die Wortwahl ist und wie gleichmäßig Satzlänge und Satzbau ausfallen. Sprachmodelle wählen bevorzugt wahrscheinliche Wörter und schreiben ebenmäßig; Menschen springen häufiger. Viele Werkzeuge kombinieren diese Messung mit einem Klassifikator, der an Beispielen von KI- und Menschentexten trainiert wurde.

Heraus kommt eine Wahrscheinlichkeit, kein Befund. „87 Prozent KI“ heißt nicht, dass 87 Prozent des Textes von einer KI stammen, sondern dass der Text dem ähnelt, was das Werkzeug als KI-typisch gelernt hat. Wer den Wert als Beweis liest, missversteht das Instrument.

Die bekannten Werkzeuge

GPTZero ist das bekannteste Werkzeug und prüft neben Englisch auch Deutsch, Französisch, Spanisch und Portugiesisch; ein kostenloses Monatskontingent reicht für gelegentliche Tests. Der KI-Detektor von QuillBot prüft bis zu 1.200 Wörter pro Durchgang kostenlos und beherrscht nach Anbieterangaben mehr als 20 Sprachen, darunter Deutsch. Copyleaks nennt 30 Sprachen, Originality.ai und ZeroGPT richten sich vor allem an englischsprachige Texte.

Bei Scribbr ist die kostenlose Fassung auf Englisch und 500 Wörter beschränkt; deutsche Texte prüft der Anbieter nur im Rahmen der kostenpflichtigen Plagiatsprüfung ab 17,95 Euro. Der deutsche Anbieter PlagAware schreibt selbst, sein Wert sei kein Beweis für eine KI-Nutzung. Hochschulen setzen meist Turnitin ein, das Deutsch seit Herbst 2025 unterstützt und nur an Einrichtungen lizenziert wird.

Auffällig ist, wie vorsichtig die Anbieter selbst formulieren. Scribbr spricht von „keiner 100-prozentigen Genauigkeit“, Turnitin blendet Werte zwischen 1 und 19 Prozent nur noch mit Sternchen ein, weil sie zu unsicher sind.

Was die Forschung sagt

Die gründlichste Untersuchung stammt aus Berlin. Ein Team um Debora Weber-Wulff von der HTW Berlin testete 2023 vierzehn Detektoren, darunter Turnitin, und kam zu dem Schluss, sie seien „weder genau noch zuverlässig“. Die Werkzeuge neigten dazu, Texte für menschlich zu halten, und schon leichte Überarbeitung brachte ihre Trefferquote stark zum Einbruch.

OpenAI hat seinen eigenen Detektor im Juli 2023 nach sechs Monaten wieder zurückgezogen: Er erkannte nur 26 Prozent der KI-Texte und stufte 9 Prozent menschlicher Texte fälschlich als KI ein. Der Benchmark RAID, 2024 mit mehr als sechs Millionen Texten veröffentlicht, zeigte, dass Detektoren sich durch andere Modelle, andere Einstellungen oder gezielte Veränderungen leicht täuschen lassen.

Turnitin gibt für seine eigene Software an, bei Dokumenten mit mehr als 20 Prozent KI-Anteil weniger als ein Prozent Fehlalarme zu erzeugen, auf Satzebene rund vier Prozent. Bei einer Hochschule mit zehntausend Arbeiten im Semester ist auch ein Prozent eine dreistellige Zahl zu Unrecht verdächtigter Studierender.

Falscher Alarm: wen es besonders trifft

Eine Stanford-Studie von 2023 legte sieben Detektoren Aufsätze aus dem Englischtest TOEFL vor, geschrieben von Menschen, deren Muttersprache nicht Englisch ist. Im Schnitt stuften die Werkzeuge 61 Prozent davon als KI-Text ein, bei Aufsätzen von Muttersprachlern lagen sie fast immer richtig. Der Grund: Wer in einer Fremdsprache schreibt, wählt häufiger die naheliegenden Wörter, genau wie ein Sprachmodell.

Ähnlich gefährdet sind formelle und stark genormte Texte: Bewerbungen, Protokolle, Gesetzestexte. Berichten zufolge hielt ZeroGPT sogar die amerikanische Unabhängigkeitserklärung zu 98 Prozent für maschinengeschrieben. Und wer einen eigenen Text mit DeepL Write oder einer Rechtschreibhilfe glättet, macht ihn statistisch gleichförmiger; wie weit solche Werkzeuge eingreifen, zeigt der Beitrag Text mit KI umschreiben.

Humanizer: das Wettrüsten

Auf die Detektoren folgten die „Humanizer“: Dienste, die einen KI-Text so umformulieren, dass er die Prüfung besteht. Sie variieren Satzlängen, tauschen wahrscheinliche Wörter gegen seltenere und streuen kleine Unregelmäßigkeiten ein. Eine Studie vom Juni 2025 zeigte, dass gezieltes Umformulieren die Erkennungsrate über alle getesteten Detektoren hinweg im Mittel um fast 88 Prozent senkte, Wasserzeichen eingeschlossen.

Das macht Detektoren für den Ernstfall wertlos, aber Humanizer nicht harmlos. Die Texte werden oft schlechter, manchmal sinnentstellend, und an der Rechtslage ändern sie nichts: Wer eine nicht erlaubte KI-Nutzung verschleiert, täuscht, ob ein Programm es merkt oder nicht.

Wasserzeichen statt Rätselraten

Zuverlässiger als das Raten aus dem fertigen Text ist ein Wasserzeichen, das der Anbieter beim Schreiben einbaut: eine unsichtbare Verschiebung der Wortwahl, die sich mit dem passenden Schlüssel nachweisen lässt. Google hat sein Verfahren SynthID Text im Oktober 2024 als Open Source veröffentlicht und markiert damit Texte von Gemini; das Prüfportal SynthID Detector stellte Google im Mai 2025 vor.

OpenAI hat ein fertiges Verfahren 2024 nicht eingeführt, unter anderem mit dem Argument, es lasse sich durch Übersetzen umgehen. Anthropic hat im August 2026 angekündigt, Texte von Claude mit einem Wasserzeichen zu versehen; die Prüfschnittstelle steht vorerst nur ausgewählten Einrichtungen offen. Anthropic sagt selbst, dass ein vollständiges Umschreiben das Zeichen entfernt.

Rückenwind kommt aus Brüssel: Artikel 50 des AI Act verpflichtet Anbieter seit dem 2. August 2026, KI-Inhalte maschinenlesbar zu kennzeichnen; für Systeme, die schon vorher auf dem Markt waren, gilt eine Schonfrist bis zum 2. Dezember 2026. Ein Beweis für alle Fälle wird daraus trotzdem nicht: Offene Modelle auf dem eigenen Rechner markieren nichts, und jedes Zeichen verblasst mit der Überarbeitung.

Was deutsche Gerichte als Beweis verlangen

Das Verwaltungsgericht München hatte 2023 über einen Bewerber für einen Masterstudiengang der TU München zu entscheiden, dessen Essay eine Software zu 45 Prozent als KI-Text einstufte. Das Gericht gab der Hochschule recht, stützte sich aber vor allem auf die Gutachter: den Vergleich mit einem Probetext aus ChatGPT, den auffälligen Unterschied zu einem Essay des Vorjahres und das Urteil der Prüfenden.

Die Verwaltungsgerichte in Kassel (Februar 2026) und Köln (Juni 2026) haben Täuschungen ebenfalls bestätigt, ohne dass ein Detektor eine Rolle spielte: In Kassel überzeugten Widersprüche zwischen schriftlicher Arbeit und mündlicher Prüfung, in Köln erfundene Quellenangaben. Der Digitale Lehre Hub Niedersachsen rät Hochschulen seit 2025 ausdrücklich davon ab, Detektoren in Prüfungen einzusetzen, auch weil das Hochladen studentischer Texte zu einem Dienst in den USA eine Rechtsgrundlage nach der DSGVO braucht.

Was Sie mit einem Detektor anfangen können

Für Lehrende und Redaktionen taugt ein Detektor allenfalls als Anlass, genauer hinzusehen, nie als Urteil. Aussagekräftiger sind Gespräche über den Text, eine kurze mündliche Nachfrage, Zwischenstände und die Prüfung der Quellen: Erfundene Literaturangaben verraten eine KI zuverlässiger als jede Prozentzahl.

Wer selbst schreibt und einen Verdacht fürchtet, sichert Entwürfe, Notizen und den Versionsverlauf in Word oder Google Docs. Und wer KI erlaubt nutzt, sagt es: Ein offener Hinweis auf das Werkzeug erspart jede Diskussion über Prozentwerte. Welche Regeln Unternehmen dafür aufstellen sollten, steht im Ratgeber zu DSGVO und AI Act.

Kurzfassung: KI-Detektoren liefern Wahrscheinlichkeiten, keine Beweise. Sie übersehen umformulierte KI-Texte und verdächtigen Menschen, besonders Nicht-Muttersprachler. Wasserzeichen von Google und Anthropic helfen nur bei unveränderten Texten. Deutsche Gerichte stützen Täuschungsvorwürfe auf Gespräche, Vergleichstexte und erfundene Quellen, nicht auf Prozentwerte.