KI-Texte erkennen: welche Detektoren taugen und wo sie dich täuschen

Das Anschreiben einer Bewerberin klingt verdächtig glatt, der Text der Agentur liest sich wie hundert andere: Für solche Momente versprechen KI-Detektoren eine Prozentzahl in Sekunden. Wie verlässlich diese Zahl ist, haben Forschende inzwischen gemessen, und am 5. Oktober hat OpenAI angekündigt, auch ChatGPT-Texte in der EU mit einem unsichtbaren Wasserzeichen zu versehen. Hier liest du, was die Messungen zeigen, welche Werkzeuge dabei gut abschneiden und wie du einen Text prüfst, ohne jemandem Unrecht zu tun. Stand 13. Oktober 2026.

Ein getipptes Manuskript mit Korrekturen am Rand. Ob ein Text von Mensch oder Maschine stammt, zeigt kein Stift und auch kein Detektor mit Gewissheit. Foto: Ron Lach auf Pexels

Kann man KI-Texte erkennen? Was die Messungen zeigen

Ein KI-Detektor rechnet aus, wie wahrscheinlich ein Text von einem Sprachmodell stammt. Er vergleicht Wortwahl und Satzmuster mit dem, was Modelle typischerweise erzeugen, und gibt eine Prozentzahl oder ein Etikett aus. Zwei Fehler sind dabei möglich, und für dein Unternehmen wiegen sie sehr unterschiedlich. Ein falsch-positiver Befund erklärt einen menschlichen Text zur KI, das trifft dann zum Beispiel eine Bewerberin zu Unrecht. Ein falsch-negativer Befund lässt einen KI-Text durchgehen.

Wie häufig beides passiert, ist inzwischen gut untersucht. Die wichtigsten unabhängigen Messungen, ganz überwiegend mit englischen Texten:

Direkt vergleichbar sind die Studien nicht, sie nutzen andere Texte, Schwellen und Werkzeugversionen. Eine Verschiebung zeigen sie trotzdem. Die frühen Werkzeuge lagen bei menschlichen Texten oft daneben; der eigene Klassifikator von OpenAI erkannte 2023 nach Angaben des Herstellers nur 26 Prozent der KI-Texte, markierte 9 Prozent der menschlichen Texte fälschlich und wurde nach knapp sechs Monaten wegen zu geringer Genauigkeit eingestellt. Die meisten heutigen kommerziellen Detektoren sind vorsichtiger geworden. Sie beschuldigen selten einen Menschen, lassen dafür aber mehr KI-Text durch. Turnitin schreibt das offen in seine Dokumentation: Um die Quote falscher Verdächtigungen niedrig zu halten, nimmt der Anbieter in Kauf, KI-Text zu übersehen.

Auch das Lesen hilft wenig. An einer deutschen Hochschule für angewandte Wissenschaften sollten Lehrende Textauszüge einordnen. Sie erkannten KI-Texte in 57 Prozent und menschliche Texte in 64 Prozent der Fälle, also kaum besser als beim Münzwurf. Die getesteten Detektoren schnitten laut den Autoren ebenfalls nur knapp besser als der Zufall ab.

Welche KI-Detektoren taugen: Herstellerangaben und unabhängige Tests

Viele Anbieter werben mit Genauigkeiten um 99 Prozent oder, wie Turnitin, mit Falsch-positiv-Quoten unter 1 Prozent. Diese Werte stammen aus eigenen Testsätzen und lassen sich nicht direkt vergleichen. Die folgende Übersicht stellt sie neben das, was unabhängige Forschende gemessen haben. Stand 13. Oktober 2026:

GPTZero bestreitet die Rangfolge. Der Anbieter hat die Chicagoer Daten mit einem neueren Modell selbst nachgerechnet, wirft den Forschenden ein falsch ausgelesenes Feld der Schnittstelle vor und sieht sich dort mit 99,3 Prozent erkannten KI-Texten knapp vor Pangram. Unabhängig bestätigt ist diese Nachrechnung nicht. In seinem eigenen Vergleich vom Februar mit Texten, die durch Umgehungsdienste gelaufen sind, kommt GPTZero mit Modell 4.3b auf 91,8 Prozent erkannte KI-Texte und Pangram in Version 3.2 auf 68,1 Prozent. Die Chicagoer Studie hatte das umgekehrte Bild gemessen. Zum Start von Modell 4o meldet GPTZero auf einem Benchmark von Epoch AI für beide Werkzeuge 0 Prozent Falsch-Positive und 2,69 Prozent übersehene KI-Texte gegenüber 2,86 Prozent bei Pangram 4. Auch das ist eine Herstellerangabe.

Für deine Auswahl heißt das: Die Falsch-positiv-Quote zählt mehr als die Werbezahl, weil ein falscher Verdacht gegen einen Menschen teurer ist als ein übersehener KI-Absatz. Und die großen Messungen sind englisch. Für Deutsch gibt es kaum unabhängige Daten: Der RAID-Benchmark prüfte in einem Zusatzdatensatz deutsche Nachrichtentexte mit Detektorversionen von 2024, GPTZero erkannte dort bei 5 Prozent Falsch-Positiven 49,5 Prozent der KI-Texte, Originality 89,1 Prozent. Aktuelle Werte für Deutsch stammen von den Herstellern. Turnitin prüft deutsche Texte erst seit dem 6. Oktober 2026, Umformulierungs- und Umgehungsdienste erkennt es laut eigener Dokumentation aber nur bei englischen Texten. Kostenlose Web-Detektoren ohne veröffentlichte Methode und ohne Angabe, was mit deinem eingefügten Text passiert, scheiden für Firmentexte aus.

Wo Detektoren dich täuschen

Die Messungen zeigen ziemlich genau, in welchen Situationen ein Detektorwert wenig bedeutet.

Kurze Texte. Je weniger Wörter, desto schwächer das statistische Signal. Turnitin erstellt einen Bericht erst ab 300 Wörtern Fließtext, Pangram hält Ergebnisse erst ab 50 Wörtern für belastbar. Eine LinkedIn-Nachricht oder ein kurzes Anschreiben liegt oft genau in dieser Grauzone.

Texte von Nicht-Muttersprachlern. Die Stanford-Autoren erklären das so: Wer in einer Fremdsprache schreibt, wählt Wörter weniger vielfältig, der Text wird für Detektoren statistisch vorhersehbar und wirkt deshalb maschinell. Ließen sie die Wortwahl der Aufsätze per ChatGPT anreichern, sank die Fehlquote von 61 auf 12 Prozent. Für Unternehmen mit internationalen Bewerberinnen und Bewerbern ist das bei älteren Werkzeugen der heikelste Punkt.

Überarbeitung, Übersetzung, Humanizer. Von Hand nachbearbeitete KI-Texte erkannten die Werkzeuge 2023 nur noch zu 42 Prozent, unbearbeitete zu 74 Prozent. Maschinell ins Englische übersetzte Menschentexte senkten die Genauigkeit um 20 Prozent. Und Dienste, die KI-Text gezielt umschreiben, damit er menschlich wirkt, hebeln manche Detektoren weitgehend aus.

Das neueste Modell. Detektoren lernen an Texten bekannter Modelle, und der RAID-Benchmark zählt unbekannte Modelle ausdrücklich zu ihren Schwachstellen. In der Studie von 2026 fielen ausgerechnet die Arbeiten aus ChatGPT Deep Research durch die Raster von drei der vier Werkzeuge.

Niedrige Prozentwerte. Turnitin zeigt bei einem erkannten KI-Anteil unter 20 Prozent nur noch ein Sternchen statt einer Zahl, weil Ergebnisse in diesem Bereich weniger verlässlich und falsche Treffer wahrscheinlicher sind. Ein Wert von 12 Prozent aus einem anderen Werkzeug verdient dieselbe Vorsicht.

Wasserzeichen: die zweite Spur, die du noch nicht lesen kannst

Detektoren schätzen im Nachhinein. Ein Wasserzeichen setzt früher an: Das Modell verschiebt beim Schreiben die Wortwahl nach einem geheimen Muster, das für Leser unsichtbar bleibt und sich mit dem passenden Schlüssel statistisch nachweisen lässt. Die Grundlage ist seit dem 2. August 2026 Artikel 50 Absatz 2 der KI-Verordnung. Er verpflichtet Anbieter generativer KI, ihre Ausgaben maschinenlesbar als künstlich erzeugt zu kennzeichnen. Für Systeme, die schon vor dem 2. August auf dem Markt waren, gilt nach dem Digital Omnibus eine Frist bis zum 2. Dezember 2026.

Stand heute sieht es bei den drei großen Anbietern so aus:

• Google markiert Gemini-Texte mit SynthID. Das Verfahren ist seit Oktober 2024 in Nature beschrieben, wurde im Live-Betrieb an fast 20 Millionen Gemini-Antworten erprobt, ohne dass die Textqualität litt, und ist als Open Source verfügbar. Das seit dem 7. Oktober 2026 für alle geöffnete Prüfportal SynthID Detector prüft laut Google Bilder, Videos und Audio, Text aber nicht.
• Bei Anthropic tragen Claude-Modelle, die seit dem 2. August 2026 in der EU erschienen sind, ab dem Start ein Text-Wasserzeichen, eine Variante von SynthID-Text. Laut Hilfe-Center gilt die Markierung weltweit. Von den älteren Modellen hat Anthropic bisher Opus 4.8, Opus 5, Sonnet 5 und Fable 5 nachgerüstet, auf Amazon Bedrock soll das für Opus 4.8, Sonnet 5 und Fable 5 bis zum 17. Oktober abgeschlossen sein. Opus 4.5 bis 4.7, Sonnet 4.5 und 4.6, Haiku 4.5 und Mythos 5 schreiben laut der Modelltabelle (Stand 8. Oktober) noch ohne Text-Wasserzeichen. Was das für eure Inhalte bedeutet, steht in unserem Beitrag zu Claudes unsichtbarem Wasserzeichen. Inzwischen gibt es eine Prüfschnittstelle in einer geschlossenen Vorschau, offen nur für berechtigte Stellen wie Behörden, Medien, Faktenchecker und Forschende sowie für Unternehmen, die nach der KI-Verordnung selbst zur Prüfung verpflichtet sind. Der kostenlose Claude Content Checker liest nur die Herkunftsdaten von Dateien, Text prüft er nicht.
• OpenAI hat am 5. Oktober 2026 angekündigt, ChatGPT- und Codex-Texte in der EU in den folgenden Wochen mit einem Wasserzeichen zu versehen. In der API bleibt es standardmäßig aus, Kunden können es dort weltweit für ausgewählte Modelle selbst einschalten. Den Detektor bekommen vorerst nur zugelassene Forschende und Fachorganisationen, laut Hilfe-Center derzeit Forschungs- und Hochschuleinrichtungen; OpenAI begründet das mit dem Risiko übersehener Wasserzeichen und falscher Treffer. Allgemeine Geschäftsanwendungen wie Betrugsabwehr oder Echtheitsprüfung liegen laut Hilfe-Center ausdrücklich außerhalb des Programms, ebenso die Prüfung studentischer Arbeiten.

Auch Wasserzeichen haben Grenzen, und die Anbieter benennen sie selbst. OpenAI fand nach eigenen Angaben bei einer Ziel-Falsch-positiv-Quote von 1 Prozent das Wasserzeichen bei Texten etwa zu Psychologie in rund 80 Prozent der Passagen mit 200 Token und in rund 95 Prozent der Passagen mit 400 Token; bei Mathematik lag die Erkennung deutlich niedriger. Ersetzte man in Passagen mit 400 Token 10 Prozent der Wörter durch Synonyme, sank die Erkennung von rund 92 auf 66 Prozent, bei 25 Prozent der Wörter auf 17 Prozent. Auch die Sprache zählt: Über alle 24 EU-Amtssprachen lag die Erkennung bei 1 Prozent Falsch-positiv-Quote laut OpenAI zwischen 42,2 Prozent für Rumänisch und 69,0 Prozent für Spanisch; für Sprachen unter 60 Prozent hat OpenAI das Signal nach eigenen Angaben verstärkt. Anthropic schreibt, dass leichte Bearbeitung das Wasserzeichen wohl nicht ganz entfernt, eine vollständige Neuformulierung aber schon. Und OpenAI wie Anthropic halten ausdrücklich fest: Fehlt das Wasserzeichen, ist das kein Beleg für einen menschlichen Autor. Der Text kann aus einem anderen Modell stammen, übersetzt, stark bearbeitet oder einfach zu kurz sein.

Für deine eigenen Veröffentlichungen gilt außerdem Artikel 50 Absatz 4: Wer KI-Text veröffentlicht, um die Öffentlichkeit über Angelegenheiten von öffentlichem Interesse zu informieren, muss das offenlegen, es sei denn, der Text wurde menschlich geprüft und jemand trägt die redaktionelle Verantwortung. Das Wasserzeichen des Anbieters erledigt diesen Hinweis nicht für dich. Fristen und Ausnahmen haben wir im Beitrag zur Kennzeichnungspflicht für KI-Inhalte seit dem 2. August 2026 aufgeschlüsselt.

„Das Ergebnis solcher automatischen Detektionsmechanismen sollte daher lediglich als Hinweis dienen und nicht die endgültige Entscheidungsgrundlage sein.“

— Bundesamt für Sicherheit in der Informationstechnik, Generative KI-Modelle, Version 2.0, 17.01.2025

Drei Fälle aus dem Unternehmensalltag

Bewerbungen und Anschreiben

Ob jemand sein Anschreiben mit KI geglättet hat, sagt wenig darüber, wie die Person arbeitet. Wer trotzdem prüfen will, stößt auf eine rechtliche Grenze. Artikel 22 DSGVO gibt jedem das Recht, keiner ausschließlich automatisierten Entscheidung unterworfen zu werden, die ihn erheblich beeinträchtigt, und Erwägungsgrund 71 nennt „Online-Einstellungsverfahren ohne jegliches menschliche Eingreifen“ ausdrücklich als Beispiel. Eine Absage, die allein auf einem Detektorwert beruht, ist damit angreifbar. Dazu kommt der Datenschutz beim Prüfen selbst: Wer ein Anschreiben in ein Online-Werkzeug kopiert, gibt personenbezogene Daten an einen weiteren Anbieter, oft außerhalb der EU. Kläre das vorher mit deinem Datenschutzbeauftragten.

Sinnvoller ist eine Arbeitsprobe im Gespräch oder eine Frage zu einem konkreten Satz im Anschreiben. Wie du KI im Bewerbungsprozess rechtssicher einsetzt, steht im Beitrag zu KI im Recruiting und was rechtlich gilt.

Texte von Agentur und Freelancern

Hier geht es um Vertrauen und um Rechte. Ein Detektorwert taugt als Anlass für ein Gespräch, für eine Rechnungskürzung reicht er nicht. Belastbarer ist eine Regel im Vertrag: Der Dienstleister legt offen, wo und wie er KI einsetzt, und sichert zu, dass Fakten und Quellen geprüft sind. Bei der Abnahme prüfst du dann den Inhalt statt der Herkunft. Stimmen die Zahlen, existieren die zitierten Quellen, passt der Text zum Briefing? Erfundene Studien und Zitate sind ein typisches Warnzeichen ungeprüfter KI-Texte und lassen sich in Minuten nachprüfen. Wie Freigabewege im eigenen Haus aussehen, beschreibt unser Beitrag zur KI-Richtlinie für Unternehmen.

Eigene Inhalte und Google

Viele Teams lassen Blogtexte vor der Veröffentlichung durch einen Detektor laufen, aus Sorge vor Google. Die Sorge ist verständlich, der Test misst aber das Falsche. Google schreibt seit Februar 2023, dass der angemessene Einsatz von KI nicht gegen die Richtlinien verstößt. Gegen die Spam-Richtlinien verstößt, wer Inhalte vor allem erzeugt, um Rankings zu manipulieren. Die Richtlinie zu Scaled Content Abuse vom März 2024 gilt ausdrücklich unabhängig davon, ob Inhalte automatisiert, von Menschen oder gemischt entstanden sind. Als Beispiel nennt die aktuelle Fassung, mit generativer KI viele Seiten ohne Mehrwert für Nutzer zu erzeugen. Was das Spam-Update vom Juni für Mittelstandsseiten bedeutete, steht im Beitrag zum Google Spam Update vom Juni 2026.

Ob ein Text in Suche und KI-Antworten sichtbar wird, hängt an eigener Erfahrung, Quellen und Substanz. Daran arbeiten wir mit Kunden unter dem Stichwort KI-Sichtbarkeit. Wir nutzen KI übrigens selbst für Recherche und Entwürfe, wie in unserer KI-Richtlinie für dieses Magazin beschrieben; die Verantwortung für jeden Text liegt bei einem benannten Menschen.

So prüfst du einen verdächtigen Text in 20 Minuten

Wenn ein Text wichtig genug für eine Prüfung ist, dann richtig. Dieser Ablauf funktioniert für Agenturtexte, eingereichte Arbeiten und eigene Entwürfe:

1. Länge und Sprache zuerst. Unter 300 Wörtern erstellt Turnitin gar keinen Bericht, und auch andere Werkzeuge werden bei kurzen Texten unsicher. Für deutsche Texte gibt es kaum unabhängige Messwerte.
2. Zwei Detektoren, zwei Anbieter. Nimm Werkzeuge mit veröffentlichter Methode und notiere Werkzeug, Version, Datum und Ergebnis.
3. Der Inhalt zählt mehr als der Wert. Drei Quellen anklicken, zwei Zahlen nachrechnen, ein Zitat suchen. Erfundene Belege wiegen schwerer als jeder Prozentwert.
4. Nach dem Entstehungsweg fragen. Entwürfe, Versionsverlauf im Dokument, Notizen: Wer selbst geschrieben hat, kann das meist zeigen.
5. Ein Mensch entscheidet. Über Konsequenzen urteilt eine Person, der Detektorwert ist dabei ein Baustein unter mehreren, und die Begründung hältst du schriftlich fest.

Florian Wessling

CEO, Collective Brain GmbH · Hamburg

Florian Wessling ist CEO der Collective Brain GmbH in Hamburg und bringt seit über 15 Jahren Marken, Content-Strategie und KI-gestütztes Marketing in Mittelstand und Konzerne. Was Collective Brain verkauft, betreibt er zuerst selbst: Sechs eigene KI-Marken dienen als Testfeld, von der automatisierten Content-Pipeline bis zum täglich aktualisierten AI Leaderboard. Er ist eingetragener BAFA-Berater und führt mit Collective Brain eine Google-Partner-Agentur.

LinkedIn Beratung anfragen