KI-Texte erkennen.

Verbreitete Detektoren stützen sich auf zwei statistische Kennzahlen und einen darauf trainierten Klassifikator: Perplexität, Burstiness und ein Modell, das gelabelte Text-Sammlungen gesehen hat. Alle drei messen dasselbe indirekt — wie berechenbar ein Text ist.

• Perplexität beschreibt, wie überrascht ein Sprachmodell vom jeweils nächsten Wort ist. Ein Text, dessen Wörter genau die sind, die ein Modell selbst gewählt hätte, hat eine niedrige Perplexität. Da Sprachmodelle beim Generieren bevorzugt wahrscheinliche Wörter wählen, liegen ihre eigenen Ausgaben strukturell im niedrigen Bereich.
• Burstiness beschreibt die Streuung auf Satzebene: Wie stark schwanken Satzlänge, Satzbau und Rhythmus über einen Absatz hinweg? Menschen schreiben ungleichmässig — ein Nebensatz von 38 Wörtern, dann vier Wörter. Modelle pendeln sich ohne Anweisung auf ein sehr enges Band ein.
• Stilistische Marker ergänzen das Bild: Häufigkeit von Gedankenstrichen, Dreierlisten, ausgleichende Formulierungen wie «nicht nur … sondern auch», Übergangsfloskeln am Absatzanfang, gleichförmige Aufzählungen mit exakt drei Punkten.

Aus diesen Signalen entsteht kein Ja/Nein, sondern eine Punktzahl, die die Anbieter als Prozentwert darstellen. Diese Darstellung ist der eigentliche Kommunikationsfehler der Branche: «94 % KI» liest sich wie ein Messergebnis, ist aber die Ausgabe eines Klassifikators, dessen Trainingsdaten, Schwellenwerte und Modellversionen nicht offengelegt sind. Wie Sprachmodelle Wörter überhaupt auswählen, erklären wir im Glossar unter Large Language Model.

Davon strikt zu trennen ist das kryptografische Wasserzeichen. Es rät nicht, sondern prüft ein eingebettetes Muster — dazu weiter unten mehr.

Die veröffentlichten Fehlerquoten liegen so hoch, dass ein Detektorwert allein keine Entscheidung tragen kann. Drei belegbare Datenpunkte ordnen das ein.

Erstens: OpenAI nahm den eigenen AI Text Classifier am 20. Juli 2023 wegen zu geringer Trefferquote wieder vom Netz. In der eigenen Auswertung erkannte er 26 Prozent der KI-Texte korrekt und markierte 9 Prozent der menschlichen Texte fälschlich als maschinell. Der Anbieter mit dem besten Zugang zum eigenen Modell schaffte es also nicht, dessen Ausgaben verlässlich wiederzuerkennen.

Zweitens: Ein Forschungsteam der Stanford University prüfte in der Fachzeitschrift Patterns sieben kommerzielle Detektoren gegen zwei rein menschliche Textsammlungen. Aufsätze von US-Schülerinnen wurden weitgehend korrekt eingeordnet. Bei TOEFL-Aufsätzen von Nicht-Muttersprachlern lag die durchschnittliche Falsch-Positiv-Rate dagegen bei 61,3 Prozent. Als dieselben Aufsätze mit gehobenerem Wortschatz überarbeitet wurden, fiel die Rate auf 11,6 Prozent. Gemessen wurde also sprachliche Gewandtheit, nicht Herkunft.

Drittens: Detektoren widersprechen einander. Derselbe Absatz erhält bei verschiedenen Anbietern regelmässig Werte, die von «fast sicher menschlich» bis «fast sicher KI» reichen. Solange kein Anbieter Schwellenwerte und Prüfmengen offenlegt, ist der Vergleich zweier Prozentzahlen ohne Aussagekraft.

Zu diesen Grenzen kommen zwei praktische Einschränkungen: Unter etwa 250 Wörtern fehlt beiden Kennzahlen die Datengrundlage, und jede Bearbeitung durch einen Menschen verschiebt die Werte, ohne dass der Detektor unterscheiden kann, ob ein Mensch nachgearbeitet oder von Anfang an geschrieben hat.

Weil die gemessenen Merkmale nicht «maschinell» bedeuten, sondern «gleichmässig» — und gleichmässig schreiben viele Menschen aus guten Gründen. Die Falsch-Positiv-Fälle folgen dabei einem erkennbaren Muster.

• Fremdsprachliches Schreiben. Wer in einer erlernten Sprache schreibt, greift auf einen kleineren, sichereren Wortschatz und auf eingeübte Satzmuster zurück. Genau das erzeugt niedrige Perplexität. Für die Schweiz mit ihren vier Landessprachen ist dieser Punkt alles andere als akademisch.
• Fach- und Behördensprache. Technische Dokumentation, juristische Texte, Qualitätsdokumente und Normtexte sind absichtlich stereotyp gebaut. Abweichung wäre dort ein Fehler.
• Redaktionelle Sorgfalt. Ein Text, der lektoriert, gekürzt und an einen Styleguide angeglichen wurde, verliert genau die Unregelmässigkeiten, die als «menschlich» gelten. Sauberes Handwerk erhöht das Risiko einer Falschmarkierung.
• Kurze Texte. Produktbeschreibungen, Teaser oder E-Mails liefern zu wenig Material für eine belastbare Streuungsmessung.
• Übersetzungen. Übersetzter Text folgt der Struktur des Originals und wirkt dadurch geglättet.

Die praktische Konsequenz ist unbequem, aber eindeutig: Ein Detektorwert taugt nicht als Grundlage für eine Sanktion, eine Rechnungskürzung oder einen Vorwurf. Er taugt bestenfalls als Anlass, einen Text genauer zu lesen.

Teilweise ja — seit August 2026 hat sich die Lage messbar verändert, und zwar anders, als die verbreitete Vorstellung von versteckten Sonderzeichen nahelegt. Der Stand zum 19. August 2026 im Einzelnen:

• Anthropic (Claude): Anthropic kündigte am 11. August 2026 an, dass Claude-Ausgaben ein Wasserzeichen nach dem SynthID-Text-Verfahren von Google DeepMind tragen, und beschrieb es am 14. August 2026 im Detail. Modelle, die ab dem 2. August 2026 erschienen sind, bringen es ab Start mit; ältere Modelle werden nach Anbieterangaben über die folgenden Monate nachgerüstet. Das Verfahren verändert die Zufallsquelle bei der Wortwahl während der Generierung. Anthropic hält ausdrücklich fest, dass dem Text nichts hinzugefügt wird und keine versteckten Zeichen entstehen.
• Google (Gemini): Gemini-Text trägt seit 2024 das SynthID-Text-Wasserzeichen. Die Referenzimplementierung ist quelloffen verfügbar, das Auslesen des produktiven Wasserzeichens setzt jedoch den Schlüssel des Anbieters voraus.
• OpenAI (ChatGPT): Für Text ist bis heute kein Wasserzeichen ausgeliefert. Bilder aus ChatGPT und der API tragen SynthID sowie C2PA-Content-Credentials, die Sprachausgabe seit Juli 2026 ebenfalls.

Treiber dieser Bewegung ist die Regulierung: Artikel 50 Absatz 2 des EU-KI-Gesetzes verlangt, dass Ausgaben generativer Systeme maschinenlesbar als künstlich erzeugt markiert und erkennbar sind, und gilt seit dem 2. August 2026. Die Schweiz ist daran nicht gebunden; Schweizer Unternehmen, die in den EU-Markt liefern oder EU-Kundschaft bedienen, sind es faktisch schon.

Zwei Punkte sind für die Praxis entscheidend. Erstens: Ein frei zugänglicher Prüfdienst für Text existiert derzeit nicht. Anthropic hat eine Detektions-API angekündigt, aber noch nicht allgemein geöffnet; Googles SynthID-Detector-Portal startete im Mai 2025 an der Google I/O und ist bis heute nur über eine Warteliste für Journalistinnen, Medienschaffende und Forschende zugänglich — es deckt zwar auch Text ab, erkennt aber ausschliesslich Inhalte mit Googles eigenem SynthID-Schlüssel. Zweitens: Nach Anthropics eigener Darstellung entfernt leichtes Überarbeiten das Wasserzeichen wahrscheinlich nicht vollständig, ein vollständiges Neuschreiben jedes Wortes dagegen schon — und die Erkennungssicherheit steigt mit der Textlänge.

Was Nutzerinnen und Nutzer im Alltag für ein Wasserzeichen halten, sind fast immer typografische Artefakte: schmale geschützte Leerzeichen, Gedankenstriche, typografische Anführungszeichen. Diese Zeichen sind kein Wasserzeichen, lassen sich aber sauber ersetzen — wie, steht auf KI-Text bereinigen.

Für das Ranking spielt es keine Rolle, ob ein Detektor anschlägt — Google betreibt keine KI-Erkennung als Rankingfaktor, sondern bewertet Zweck und Qualität. Die einschlägige Regel heisst «Scaled content abuse» und ist in den Spam-Richtlinien definiert als: «Scaled content abuse is when many pages are generated for the primary purpose of manipulating search rankings and not helping users.» Als Beispiel nennt Google ausdrücklich «using generative AI tools or other similar tools to generate many pages without adding value».

In der Anleitung zu hilfreichen Inhalten steht der entsprechende Satz noch direkter: «If you use automation, including AI-generation, to produce content for the primary purpose of manipulating search rankings, that's a violation of our spam policies.» Der Massstab ist damit der Beweggrund, nicht das Werkzeug — und er trifft rein menschlich erzeugte Massenware genauso.

Für Unternehmen heisst das: Die Frage «Wird man uns die KI ansehen?» ist die falsche. Die richtige lautet: «Steht in diesem Text etwas, das ohne uns nicht im Netz stünde?» Konkrete Preisrahmen, eigene Messwerte, Erfahrungen aus Projekten, eine begründete Meinung. Genau daran misst sich auch die Chance, in KI-Antworten zitiert zu werden, wie wir unter Generative Engine Optimization im Detail beschreiben. Die vollständige Einordnung der Google-Dokumentation samt der Kriterien rund um E-E-A-T finden Sie unter KI-Content und Google-Richtlinien.

Prüfen Sie Substanz, Belegbarkeit und Verantwortlichkeit — das sind die Eigenschaften, an denen sowohl Leserinnen als auch Suchsysteme einen Text messen. Eine Abnahmeliste, die in der Praxis funktioniert:

• Zahlen und Quellen: Enthält der Text mindestens eine überprüfbare Zahl, ein Datum oder eine Quellenangabe pro Abschnitt? Fehlende Konkretheit ist das verlässlichste Warnsignal, das es gibt — deutlich verlässlicher als jeder Prozentwert.
• Faktenprüfung: Existieren die genannten Studien, Normen und Firmen? Sprachmodelle erfinden Belege überzeugend. Ein Detektor entdeckt das nie, weil er Stil misst und nicht Wahrheit.
• Eigene Erfahrung: Steht im Text etwas, das nur Ihr Unternehmen wissen kann? Ein Ablauf, ein Preisrahmen, ein Fehler aus einem echten Projekt.
• Verantwortlichkeit: Ist erkennbar, wer den Text verantwortet, und wäre diese Person bereit, ihn im Kundengespräch zu vertreten?
• Vereinbarte Spielregeln: Halten Sie mit Agenturen und Freelancern schriftlich fest, wofür KI eingesetzt werden darf und wo eine menschliche Prüfung zwingend ist. Das ist wirksamer als jede nachträgliche Messung.

Wie sich das in einen laufenden Redaktionsprozess übersetzt, beschreiben wir im Wissensbeitrag zur KI-Content-Strategie für Schweizer KMU. Wenn Texte lediglich mechanisch wirken, obwohl der Inhalt stimmt, hilft die Anleitung unter KI-Text humanisieren weiter.

Es gibt Situationen, in denen die Beschäftigung mit Detektoren nachweislich Zeit verbrennt — und wir benennen sie lieber vorher als hinterher.

• Als Beweismittel taugt kein Detektor. Weder gegenüber Mitarbeitenden noch gegenüber Dienstleistern lässt sich ein Prozentwert verteidigen, dessen Schwellenwert der Anbieter nicht offenlegt und dessen Falsch-Positiv-Rate in Untersuchungen zweistellig ist.
• Bei kurzen Texten ist die Messung wertlos. Unter rund 250 Wörtern fehlt die statistische Grundlage. Produktbeschreibungen, Anzeigentexte und Meta-Descriptions lassen sich so nicht sinnvoll prüfen.
• Detektoren finden keine falschen Fakten. Der teuerste Fehler in KI-gestütztem Content ist die erfundene Zahl, nicht der maschinelle Klang. Dagegen hilft ausschliesslich eine Faktenprüfung durch einen Menschen.
• Wer auf «unauffällig» optimiert, optimiert am Ziel vorbei. Ein Text, der durch Synonymtausch und künstliche Satzlängenvariation an Präzision verliert, verkauft schlechter — und ein statistisches Wasserzeichen entfernt das ohnehin nicht zuverlässig.
• Für Bewerbungen, Hochschularbeiten und Prüfungen gelten eigene Regeln. Dort geht es nicht um Erkennbarkeit, sondern um die vereinbarte Kennzeichnungspflicht. Diese Frage ist mit der jeweiligen Institution zu klären und nicht mit einem Werkzeug.

Wir setzen bei DLM Digital KI im eigenen Content-Prozess ein — für Recherche, Struktur und erste Fassungen — und prüfen jede Zahl, jede Quelle und jede Aussage über die eigene Arbeit von Hand nach. Das ist kein Bekenntnis, sondern schlicht die Arbeitsweise, die sich als tragfähig erwiesen hat.