Du willst einen KI-Text erkennen, hast aber nur ein Bauchgefühl und keinen Beweis? Damit bist du nicht allein. Ob Hausarbeit, Bewerbung, Blogartikel oder die verdächtig glatte E-Mail eines Kollegen: Die Frage, ob ein Text von ChatGPT, Claude oder Gemini stammt, stellt sich inzwischen täglich. Die gute Nachricht: KI-Texte erkennen ist kein Hexenwerk. Es gibt klare sprachliche Merkmale, die sich mit etwas Übung von Hand prüfen lassen, und es gibt Tools, die den Job in Sekunden erledigen.
In diesem Guide bekommst du beides. Zuerst die 7 typischen Merkmale von KI-Texten, jeweils mit einem konkreten deutschen Beispiel. Danach eine Checkliste für die manuelle Prüfung, eine Erklärung, wie KI-Erkennung technisch funktioniert, und eine ehrliche Einordnung, was ein KI-Score wirklich aussagt. Am Ende weißt du genau, wie du einen Text auf KI überprüfst, ohne auf Mythen reinzufallen.
KI-Texte erkennen: die 7 typischen Merkmale
Sprachmodelle schreiben nicht wie Menschen. Sie schreiben wie der statistische Durchschnitt aller Menschen, deren Texte sie gelesen haben. Genau das verrät sie. Hier sind die sieben Muster, die du am häufigsten siehst.
1. Füllphrasen ohne Inhalt
KI-Texte lieben Sätze, die viel ankündigen und nichts sagen. Phrasen wie „In der heutigen digitalen Welt“, „Es ist wichtig zu beachten, dass“ oder „Zusammenfassend lässt sich sagen“ sind klassische Signale. Ein Mensch mit etwas Schreiberfahrung streicht so etwas, weil es den Leser langweilt. Ein Sprachmodell produziert es zuverlässig, weil diese Phrasen in seinen Trainingsdaten millionenfach vorkommen.
Beispiel: „In der heutigen schnelllebigen Geschäftswelt spielt effektives Zeitmanagement eine entscheidende Rolle für den Erfolg.“ Klingt seriös, sagt exakt nichts.
2. Gleichförmige Satzlängen
Menschen schreiben rhythmisch unsauber. Mal ein langer Schachtelsatz, dann drei Wörter. KI-Texte dagegen pendeln auffällig oft zwischen 15 und 25 Wörtern pro Satz. Lies einen verdächtigen Absatz laut vor: Wenn jeder Satz gleich lang klingt und denselben Aufbau hat (Hauptsatz, Komma, Nebensatz), ist das ein starkes Indiz.
Beispiel: „Die Digitalisierung verändert die Arbeitswelt grundlegend. Unternehmen müssen sich an neue Technologien anpassen, um wettbewerbsfähig zu bleiben. Mitarbeiter benötigen entsprechende Schulungen, um diese Veränderungen erfolgreich zu meistern.“ Drei Sätze, dreimal derselbe Takt.
3. Generische Beispiele
Frag ChatGPT nach einem Beispiel, und du bekommst „ein mittelständisches Unternehmen“, „eine Studentin namens Anna“ oder „ein bekanntes Technologieunternehmen“. Nie eine echte Firma mit Namen, nie ein Datum, nie eine Zahl, die man nachprüfen könnte. Menschen, die ein Thema wirklich kennen, nennen konkrete Fälle. KI weicht aus, weil sie Fakten lieber vage hält, als falsch zu liegen.
Beispiel: „Viele Unternehmen haben durch den Einsatz von KI ihre Effizienz deutlich gesteigert.“ Welche Unternehmen? Wie viel? Wann? Keine Antwort.
4. Perfekte Grammatik ohne Eigenheiten
Kein Tippfehler, kein umgangssprachlicher Einschub, kein regionaler Ausdruck, keine kreative Zeichensetzung. KI-Texte sind grammatikalisch makellos, und genau das macht sie verdächtig. Echte Texte von echten Menschen haben Macken: ein „halt“ mitten im Satz, ein angefangener Gedanke, ein Anglizismus, den die Lektorin gestrichen hätte. Fehlt jede dieser Eigenheiten über mehrere Seiten, schreibt da vermutlich kein Mensch.
Beispiel: Eine zwölfseitige Hausarbeit ohne einen einzigen holprigen Satz ist statistisch bemerkenswerter als eine mit zwanzig Fehlern.
5. Wiederholungsmuster
Sprachmodelle recyceln Strukturen. Beginnt jeder Absatz mit „Ein weiterer wichtiger Aspekt“ oder „Darüber hinaus“? Endet jeder Abschnitt mit einer Mini-Zusammenfassung? Tauchen dieselben Adjektive („entscheidend“, „essenziell“, „vielfältig“) alle paar Zeilen wieder auf? Menschen variieren unbewusst. KI variiert nur, wenn man sie explizit darum bittet.
Beispiel: „Ein wichtiger Vorteil ist die Zeitersparnis. Ein weiterer Vorteil ist die Kostenreduktion. Zudem ist ein zentraler Vorteil die Skalierbarkeit.“ Dreimal dieselbe Schablone in einem Absatz.
6. Fehlende konkrete Erfahrung
KI war nie irgendwo. Sie hat nie ein Produkt getestet, nie mit einem Kunden telefoniert, nie einen Fehler gemacht und daraus gelernt. Deshalb fehlen in KI-Texten Sätze wie „Bei uns hat das erst funktioniert, als wir X geändert haben“ oder „Ich habe das drei Wochen lang ausprobiert und bin gescheitert“. Stattdessen: Lehrbuchwissen in Aufzählungsform. Wenn ein Erfahrungsbericht ohne eine einzige persönliche Beobachtung auskommt, ist Skepsis angebracht.
Beispiel: Ein „Testbericht“ über eine Software, der nur Features aus der offiziellen Produktseite aufzählt und nie beschreibt, wie sich die Bedienung tatsächlich anfühlt.
7. Übervorsichtige Formulierungen
KI-Modelle sind darauf trainiert, sich nicht festzulegen. Das Ergebnis: „kann“, „könnte“, „in vielen Fällen“, „es empfiehlt sich“, „grundsätzlich“, „je nach Anwendungsfall“. Ein Mensch mit einer Meinung schreibt „Das ist Quatsch“ oder „Nimm Option B“. Ein Sprachmodell schreibt „Beide Optionen haben Vor- und Nachteile, die sorgfältig abgewogen werden sollten.“
Beispiel: „Ob sich der Einsatz lohnt, hängt von verschiedenen Faktoren ab und sollte individuell geprüft werden.“ Der Satz passt auf jede Frage der Welt. Genau das ist das Problem.
Wie erkennt man KI-generierten Text manuell? Die Checkliste
Du musst kein Tool öffnen, um eine erste Einschätzung zu bekommen. Geh den verdächtigen Text mit diesen Fragen durch:
- Füllphrasen zählen. Markiere jeden Satz, der ersatzlos gestrichen werden könnte. Mehr als einer pro Absatz? Verdächtig.
- Satzlängen prüfen. Lies zwei Absätze laut. Klingt alles gleich lang und gleich gebaut?
- Konkretes suchen. Gibt es Namen, Daten, Zahlen, Orte? Oder nur „viele Experten“ und „zahlreiche Studien“?
- Fehler suchen. Null Tippfehler, null Umgangssprache, null Eigenheiten auf mehreren Seiten?
- Strukturen vergleichen. Beginnen Absätze mit denselben Übergangswörtern? Wiederholen sich Adjektive?
- Erfahrung checken. Steht irgendwo etwas, das nur jemand wissen kann, der es selbst erlebt hat?
- Festlegungen zählen. Bezieht der Text irgendwo klar Position, oder relativiert er alles?
Treffen vier oder mehr Punkte zu, hast du sehr wahrscheinlich einen KI-Text vor dir. Wichtig: Kein einzelnes Merkmal ist für sich ein Beweis. Auch Menschen schreiben mal langweilig, fehlerfrei oder vage. Es ist die Kombination, die zählt. Und genau hier kommen Tools ins Spiel, denn die prüfen diese Muster mathematisch statt nach Gefühl.
Wie funktioniert KI-Erkennung technisch?
Wenn du dich fragst, wie KI-Erkennung eigentlich funktioniert, hier die Antwort ohne Mathe-Vorlesung. Detektoren wie der AI Detektor von Walter Writes AI, GPTZero oder Turnitin messen im Kern zwei Dinge: Perplexität und Burstiness.
Perplexität misst, wie überraschend ein Text für ein Sprachmodell ist. Stell dir vor, ein Modell rät bei jedem Wort, welches als Nächstes kommt. Bei einem KI-Text liegt es fast immer richtig, weil KI genau die Wörter wählt, die statistisch am wahrscheinlichsten sind. Niedrige Perplexität heißt also: Der Text ist vorhersehbar, vermutlich maschinell. Menschen dagegen treffen ständig unerwartete Wortentscheidungen. Sie schreiben „das Meeting war zäh wie Kaugummi“ statt „das Meeting war sehr lang“. Hohe Perplexität spricht für einen menschlichen Autor.
Burstiness misst die Schwankung zwischen den Sätzen. Menschliche Texte haben Ausschläge: komplexe Passagen, dann ein knapper Einwurf, dann wieder ein langer Gedanke. KI-Texte verlaufen flach, jeder Satz ähnlich vorhersehbar wie der davor. Ein Detektor schaut sich diese Kurve an. Flache Kurve gleich Maschine, zackige Kurve gleich Mensch, stark vereinfacht gesagt.
Moderne Detektoren kombinieren beide Signale mit weiteren Mustern, etwa typischen Phrasen einzelner Modelle und Satzbau-Fingerabdrücken. Daraus entsteht am Ende ein Score. Und der verdient einen eigenen Abschnitt, weil er ständig falsch verstanden wird.
Wie viel KI steckt im Text? Was ein Score bedeutet (und was nicht)
Die häufigste Frage nach dem ersten Scan: „Wie viel KI ist in meinem Text?“ Ein Detektor zeigt dir zum Beispiel „78 % KI-Wahrscheinlichkeit“ an. Was heißt das?
Es heißt nicht, dass 78 % der Wörter von einer KI stammen. Der Score ist eine Wahrscheinlichkeitsaussage: Der Detektor ist sich zu 78 % sicher, dass der Text (oder der markierte Abschnitt) maschinell erzeugt wurde. Das ist ein wichtiger Unterschied. Ein Text kann komplett von einem Menschen stammen und trotzdem 60 % anzeigen, wenn der Mensch zufällig sehr glatt und vorhersehbar schreibt.
Gute Tools gehen deshalb satzweise oder absatzweise vor und markieren dir die verdächtigen Stellen farblich. So siehst du, ob der ganze Text betroffen ist oder nur die Einleitung, die jemand schnell von ChatGPT hat schreiben lassen, während der Rest echt ist. Genau dieses Mischszenario ist in der Praxis übrigens der Normalfall: Menschen lassen sich Abschnitte generieren und schreiben den Rest selbst.
Als Faustregel für die Interpretation:
- 0 bis 20 %: sehr wahrscheinlich menschlich
- 20 bis 60 %: Graubereich, manuell prüfen (Checkliste oben)
- über 60 %: starkes Indiz für KI, vor allem wenn mehrere Tools übereinstimmen
Wenn du wissen willst, wo dein eigener Text steht, kannst du ihn im AI Checker kostenlos gegenprüfen, bevor es jemand anderes tut.
Die Grenzen: warum ein Score ein Hinweis ist und kein Beweis
Jetzt der Teil, den viele Anbieter gern verschweigen: KI-Detektoren machen Fehler. In beide Richtungen.
False Positives sind das größere Problem. Ein False Positive bedeutet: Ein Mensch hat den Text geschrieben, der Detektor stuft ihn trotzdem als KI ein. Besonders betroffen sind Nicht-Muttersprachler, die in einer Fremdsprache vorsichtiger und formelhafter schreiben, sowie Texte mit von Natur aus standardisierter Sprache, etwa juristische oder wissenschaftliche Arbeiten. Auch sehr strukturierte Vielschreiber landen regelmäßig im roten Bereich, obwohl keine einzige Zeile von einer Maschine stammt.
False Negatives gibt es ebenfalls: KI-Texte, die durchrutschen, weil sie nachbearbeitet, umgeschrieben oder von einem ungewöhnlich kreativen Prompt erzeugt wurden.
Was folgt daraus? Ein Score allein sollte niemals eine Konsequenz auslösen. Keine Fünf in der Hausarbeit, keine abgelehnte Bewerbung, kein Plagiatsvorwurf, nur weil ein Tool 85 % anzeigt. Seriös ist ein Detektor-Ergebnis als Anlass für ein Gespräch und eine genauere Prüfung, nicht als Urteil. Wie Hochschulen und Lehrende konkret damit umgehen sollten, haben wir im Detail im Guide zur KI-Erkennung für Professoren aufgeschrieben.
Für dich als Prüfenden heißt das: Kombiniere immer mehrere Signale. Tool-Score plus manuelle Checkliste plus Kontext (Hat die Person sonst so geschrieben? Kann sie Rückfragen zum Inhalt beantworten?) ergibt ein belastbares Bild. Ein einzelner Prozentwert tut das nicht.
Text auf KI überprüfen: so gehst du in 3 Schritten vor
Du willst jetzt konkret prüfen, ob ein Text KI-generiert ist? So sieht der Ablauf aus, der in der Praxis am besten funktioniert:
Schritt 1: Text in den Detektor laden. Kopiere den Text in den AI Detektor und starte den Scan. Du bekommst in wenigen Sekunden einen Gesamtscore plus eine Markierung der Abschnitte, die das Modell für maschinell hält. Prüfe bei längeren Dokumenten ruhig mehrere Ausschnitte einzeln, das macht das Ergebnis genauer.
Schritt 2: Markierte Stellen manuell gegenlesen. Nimm dir die rot markierten Passagen vor und geh die Checkliste von oben durch. Findest du dort Füllphrasen, generische Beispiele und gleichförmige Sätze? Dann verdichtet sich der Verdacht. Wirken die Stellen dagegen persönlich und konkret, hast du womöglich einen False Positive vor dir.
Schritt 3: Kontext prüfen und entscheiden. Vergleiche den Text mit früheren Texten derselben Person, wenn du sie hast. Stell im Zweifel zwei, drei inhaltliche Rückfragen. Wer einen Text selbst geschrieben hat, kann ihn erklären, zusammenfassen und verteidigen. Wer ihn generieren ließ, kommt spätestens hier ins Schwimmen.
Mit diesen drei Schritten bist du deutlich treffsicherer als mit jedem Einzel-Tool und deutlich fairer als jeder, der nur auf den Prozentwert starrt.
FAQ: häufige Fragen zum Erkennen von KI-Texten
Wie kann ich kostenlos prüfen, ob ein Text KI-generiert ist?
Kopiere den Text in einen kostenlosen Detektor wie den AI Detektor von Walter Writes AI und starte den Scan. Du bekommst sofort einen Score und siehst, welche Abschnitte als KI eingestuft werden. Für eine zweite Meinung kannst du denselben Text zusätzlich durch GPTZero laufen lassen. Stimmen beide Tools überein, ist das Ergebnis deutlich belastbarer als ein Einzelscan.
Wie zuverlässig sind KI-Detektoren?
Gute Detektoren erkennen unbearbeitete Texte von ChatGPT, Claude oder Gemini mit hoher Trefferquote. Aber kein Tool arbeitet fehlerfrei. False Positives kommen vor, besonders bei Nicht-Muttersprachlern und sehr formelhaften Textsorten. Behandle jeden Score als starken Hinweis, der eine manuelle Prüfung auslöst, nicht als endgültigen Beweis. Mehrere Tools plus Checkliste plus Kontext schlagen jedes Einzelergebnis.
Kann man KI-Texte zu 100 Prozent erkennen?
Nein, und jeder Anbieter, der das verspricht, übertreibt. Sprachmodelle werden besser darin, menschlich zu klingen, und Detektoren ziehen nach. Es ist ein ständiges Wettrennen. Was du erreichen kannst, ist eine sehr hohe Wahrscheinlichkeit: Detektor-Score, manuelle Merkmale und inhaltliche Rückfragen zusammen liefern in den meisten Fällen ein klares Bild. Absolute Sicherheit liefert keine Methode, auch keine menschliche.
Erkennt man auch umgeschriebene KI-Texte?
Teilweise. Wer einen ChatGPT-Text nur leicht umformuliert oder durch ein einfaches Paraphrasier-Tool jagt, hinterlässt oft genug Muster, die ein guter Detektor findet. Professionell humanisierte Texte, bei denen Satzrhythmus, Wortwahl und Struktur grundlegend verändert wurden, sind dagegen deutlich schwerer zu erkennen. Genau deshalb gilt: Je wichtiger die Entscheidung, desto weniger solltest du dich auf den Score allein verlassen.
Fazit: erst scannen, dann denken
KI-Texte erkennen funktioniert am besten in Kombination: Die 7 Merkmale geben dir ein geschultes Auge, der Detektor liefert die mathematische Einschätzung, und dein Kontextwissen trifft die Entscheidung. Wenn du regelmäßig Texte prüfst, oder wissen willst, wie deine eigenen Texte bei Detektoren abschneiden, leg dir ein kostenloses Konto bei Walter Writes AI an. Damit scannst du Texte direkt im Dashboard, siehst satzgenau, welche Stellen auffallen, und kannst sie bei Bedarf gleich überarbeiten: Jetzt kostenlos registrieren.
Wie zuverlässig deutsche KI-Detektoren tatsächlich sind, zeigt unser KI-Detektor-Benchmark mit 60 deutschen Texten.