Was ist ein KI-Score? So liest du KI-Erkennungsergebnisse

Ein KI-Score ist die Schätzung eines Detektors, wie wahrscheinlich ein Text von KI erzeugt wurde – meist als Prozentwert oder als Label wie „wahrscheinlich menschlich“ oder „wahrscheinlich KI“. Es ist eine Wahrscheinlichkeit auf Basis von Schreibmustern, keine Messung, wie viele Wörter aus einem Chatbot stammen, und kein Beweis für irgendetwas. Sieh ihn als Ausgangspunkt für einen genaueren Blick – zusammen mit Entwürfen und Kontext.

Wofür die Zahl tatsächlich steht

KI-Detektoren sind Klassifikatoren. Sie wurden mit großen Sammlungen von menschlich geschriebenen und maschinell erzeugten Texten trainiert und lernen statistische Unterschiede zwischen beiden. Wenn du ein Dokument einfügst, vergleicht der Detektor dessen Muster mit dem Gelernten und gibt ein Konfidenzniveau aus.

Je nach Tool kann die Hauptzahl Verschiedenes bedeuten:

Das häufigste Missverständnis: „82 % KI“ als „82 % davon hat eine KI geschrieben“ zu lesen. Bei vielen Tools bedeutet es das nicht. Schau in die Dokumentation oder den Hilfetext des Tools, um sicherzugehen.

Was in den Score einfließt

Detektoren stützen sich auf Signale wie:

• Vorhersagbarkeit. Sprachmodelle wählen tendenziell sehr wahrscheinliche nächste Wörter. Text, in dem jedes Wort das „erwartete“ ist, kann höher abschneiden.
• Variation. Menschliches Schreiben variiert Satzlänge, Struktur und Rhythmus oft stärker – auch wenn viele Menschen sehr gleichmäßig schreiben.
• Phrasenmuster. Bestimmte Übergänge und Standardformulierungen tauchen in KI-Ausgaben häufiger auf.
• Konsistenz im Text. Ein plötzlicher Stilwechsel mittendrin kann die Ergebnisse auf Satzebene beeinflussen.

Keines dieser Signale gibt es nur bei KI – deshalb können Scores in beide Richtungen falsch liegen. Wie bestimmte Textarten die Ergebnisse beeinflussen, erklären wir in KI-Erkennung nach Textart.

Was ein KI-Score dir nicht sagen kann

Ein Score sagt dir nicht:

• Wer den Text geschrieben hat. Er schätzt nur die Ähnlichkeit zu Mustern.
• Ob eine Regel gebrochen wurde. Viele Kurse erlauben etwas KI-Hilfe, etwa beim Brainstorming oder für Grammatikvorschläge.
• Ob der Inhalt stimmt. Sowohl menschliche als auch KI-Texte können falsch sein.
• Ob der Text plagiiert ist. Das Abschreiben aus Quellen ist eine eigene Frage, um die sich Plagiatsprüfer kümmern.
• Wie der Text entstanden ist. Ein menschlicher Entwurf, der mit einem Bearbeitungstool poliert wurde, und ein KI-Entwurf, den ein Mensch stark überarbeitet hat, können ähnliche Scores erreichen.

Warum Scores sich zwischen Tools unterscheiden

Füg denselben Absatz in drei Detektoren ein, und du siehst vielleicht drei verschiedene Zahlen. Das ist zu erwarten. Jedes Tool nutzt andere Trainingsdaten, andere Modellarchitekturen und andere Schwellenwerte für Labels wie „wahrscheinlich KI“.

Auch innerhalb eines Tools kann sich der Score verschieben, wenn du einen Absatz hinzufügst oder entfernst, weil längerer Text dem Modell mehr Material liefert. Wenn ein Ergebnis wichtig ist, schau dir die Markierungen auf Satzebene an, statt dich auf die Hauptzahl zu fixieren.

So liest du ein Ergebnis Schritt für Schritt

1. Prüf die Länge. Besteht der Text nur aus ein paar Sätzen, behandle den Score als unzuverlässig.
2. Lies Label und Erklärung. Finde heraus, ob die Zahl eine Wahrscheinlichkeit oder ein Anteil von Sätzen ist.
3. Schau dir die Markierungen an. Welche Sätze haben das Ergebnis bestimmt? Sind es Definitionen, Aufzählungen, Standardtext oder Zitate?
4. Berücksichtige die Textsorte. Technische Berichte, vorgegebene Aufgabenformate und formelle E-Mails wirken von Natur aus vorhersagbar.
5. Gleich es mit dem ab, was du weißt. Gibt es Entwürfe? Passt der Stil zu anderen Arbeiten der Person?
6. Entscheide, ob und welche Maßnahme passt. Bei deinem eigenen Entwurf heißt das vielleicht, allgemeine Passagen zu überarbeiten. Bei fremder Arbeit vielleicht ein Gespräch.

KI-DetektorKI-Wert für jeden Satz

Wenn du deinen eigenen Text prüfst

Deinen eigenen Entwurf durch einen Detektor laufen zu lassen, kann nützlich sein – wenn du es richtig machst.

Sinnvolle Einsatzzwecke:

• Absätze finden, die allgemein oder aufgebläht klingen, damit du Details und deine eigene Argumentation ergänzen kannst
• Prüfen, ob sich KI-gestütztes Brainstorming in deine endgültige Formulierung eingeschlichen hat, falls dein Kurs eigene Worte verlangt
• Dich auf ein Gespräch vorbereiten, indem du verstehst, wie dein Text auf Prüfende wirken könnte

Was du vermeiden solltest:

• Immer wieder umschreiben, um die Zahl zu drücken. Das verbessert den Text selten und kann es dir erschweren, deinen echten Arbeitsprozess zu zeigen.
• Einen niedrigen Score als Erlaubnis sehen, eine Arbeit abzugeben, die gegen die Kursregeln verstößt. Entscheidend ist die Regel, nicht die Zahl.

Wenn deine echte Arbeit einen hohen Score bekommt, lies unseren Leitfaden zu Fehlalarmen bei der KI-Erkennung, um zu erfahren, was du als Nächstes tun kannst.

Wenn du die Arbeit anderer prüfst

Für Lehrkräfte, Lektorinnen und Führungskräfte sorgen ein paar Grundsätze dafür, dass Entscheidungen auf Basis von Scores fair bleiben.

• Handle nie allein auf Basis eines Scores. Kombiniere ihn mit Entwürfen, Versionsverlauf, früheren Arbeiten und einem Gespräch.
• Kenne die Grenzen des Tools. Lies, was der Anbieter zu Genauigkeit, Fehlalarmen und Mindestlänge sagt.
• Achte auf Gruppen mit höherem Risiko für Fehlalarme, darunter Menschen, die in einer Zweitsprache schreiben, und Studierende, die strenge Vorlagen befolgen.
• Sei transparent. Wenn in deinem Kurs oder deiner Organisation Detektoren eingesetzt werden, sag das und erkläre, wie mit Ergebnissen umgegangen wird.
• Konzentrier dich aufs Lernen. Im Bildungsbereich geht es darum zu verstehen, ob jemand selbst nachgedacht hat – nicht darum, jemanden zu ertappen.

Zwei Beispiele: gleicher Score, unterschiedliche Bedeutung

Scores ergeben nur im Kontext Sinn. Stell dir zwei Dokumente vor, die beide mit ungefähr derselben hohen KI-Wahrscheinlichkeit zurückkommen.

Dokument A ist ein argumentativer Aufsatz mit 1.200 Wörtern. Die Markierungen verteilen sich über die meisten Absätze, der Text enthält keine persönlichen Beispiele, jeder Absatz folgt derselben Struktur, und es gibt keine früheren Entwürfe. Der Score ist ein vernünftiger Anlass für ein Gespräch darüber, wie der Aufsatz entstanden ist.

Dokument B ist eine Versuchsanleitung mit 150 Wörtern. Sie folgt Zeile für Zeile der Vorlage des Instituts, verwendet Standardbegriffe und Passiv, und das Laborheft zeigt, dass die Arbeit im Kurs erledigt wurde. Hier spiegelt der Score vor allem die Textsorte wider. Er sagt der prüfenden Person fast nichts.

Gleiche Zahl, ganz andere Bedeutung. Deshalb verbringen erfahrene Prüfende mehr Zeit mit den Markierungen, der Textsorte und dem Arbeitsprozess als mit dem Prozentwert oben auf der Seite.

Scores ändern sich, wenn sich der Text ändert

Gut zu wissen: Scores sind keine feste Eigenschaft eines Textes. Einen Absatz persönlicher Reflexion hinzuzufügen, ein Blockzitat zu entfernen oder ein Dokument in Abschnitte aufzuteilen, kann das Ergebnis verschieben. Das ist keine Schwachstelle, die du ausnutzen solltest, sondern eine Erinnerung daran, dass der Score eine bestimmte Eingabe zu einem bestimmten Zeitpunkt beschreibt, gemessen von einem bestimmten Modell. Geh damit so vorsichtig um wie mit jeder einzelnen Messung.

Typische Score-Bereiche und sinnvolle Reaktionen

Detektoren unterscheiden sich – betrachte das hier als allgemeine Orientierung, nicht als Regel.

Das Wichtigste in Kürze

• Ein KI-Score schätzt, wie stark ein Text KI-Texten ähnelt; er zählt keine KI-Wörter und ist kein Beweis.
• Verschiedene Tools und Textlängen führen zu unterschiedlichen Scores – schau dir deshalb Satzmarkierungen und Kontext an.
• Kurze, formelhafte und in einer Zweitsprache geschriebene Texte führen eher zu irreführenden Scores.
• Nutze Scores, um deine eigenen Texte zu verbessern oder ein faires Gespräch zu beginnen – nie als einzige Entscheidungsgrundlage.