Erwischt? Warum man KI-Texte nicht so leicht erkennt

STAT-UP AI Newsletter · Freitag, 14. August 2026 · Vol. 50

Willkommen zur neuen Ausgabe unseres STAT-UP KI-Newsletters! Mal ehrlich: klingt dieser Text nach KI? Und falls ja: Woran macht ihr das eigentlich fest? Genau dieser Frage widmet sich die aktuelle Folge des KI-Podcasts von Gregor Schmalzried und Fritz Espenlaub. Die überraschende Antwort: Unser Bauchgefühl ist hilfreich, aber als Beweis ziemlich ungeeignet.

Zitat der Woche

Was bedeutet das?

Wer einen Text für „typisch KI" hält, kann richtigliegen, muss es aber nicht. Selbst Anbieter professioneller KI-Detektoren warnen davor, ihre Ergebnisse als unumstößlichen Beweis zu verwenden. Gerade wenn davon Bewertungen, Reputation oder berufliche Entscheidungen abhängen, ist Vorsicht angebracht.

Worum geht es?

Der Podcast beschäftigt sich mit drei Ebenen der KI-Erkennung: sprachlichen Auffälligkeiten, automatischen Detektoren und den neuen Transparenzregeln des EU AI Act.

Der persönliche „KI-Radar"

Bestimmte Formulierungen oder ein auffällig gleichmäßiger Schreibstil können Verdacht wecken. Das Problem: Solche Merkmale sind keine eindeutigen Fingerabdrücke. Auch Menschen schreiben strukturiert, förmlich oder wiederholen bestimmte sprachliche Muster. Umgekehrt kann ein KI-Text überarbeitet werden und dadurch sehr menschlich wirken. Deshalb gilt: Stil ist ein Hinweis, aber kein Nachweis.

KI-Detektoren

Diese Systeme analysieren Texte statistisch und versuchen einzuschätzen, ob sie von einem Sprachmodell stammen. Moderne Lösungen werden deutlich leistungsfähiger. Pangram gibt beispielsweise für sein im Juli veröffentlichtes Modell Pangram 4 auf einem eigenen Testdatensatz mit einer Million englischen menschlichen Texten eine Falsch-Positiv-Rate von 0,0041 Prozent an. Der Anbieter weist zugleich ausdrücklich darauf hin, dass das Modell weiterhin Fehler machen kann.

Auch unabhängige Forschung zeigt die Grenzen: Detektoren können auf bekannten Testdaten sehr gut funktionieren, aber deutlich schlechter werden, sobald sich Textarten oder verwendete KI-Modelle ändern. Studien aus dem Jahr 2026 zeigen außerdem, dass Umschreiben und Paraphrasieren die Erkennung weiterhin erschweren können. Für den Arbeitsalltag bedeutet das: Ein Detector-Ergebnis sollte eher als Indiz, denn als Urteil verstanden werden.

Transparenz statt Detektivarbeit

Seit dem 2. August 2026 gelten die Transparenzpflichten aus Artikel 50 des EU AI Act. Anbieter generativer KI müssen unter anderem technische, maschinenlesbare Kennzeichnungen für bestimmte KI-generierte Inhalte ermöglichen. Für Nutzerorganisationen bestehen sichtbare Offenlegungspflichten beispielsweise bei KI-generierten Veröffentlichungen zu Themen von öffentlichem Interesse, sofern keine menschliche redaktionelle Prüfung stattgefunden hat. Das bedeutet ausdrücklich nicht, dass künftig jeder mit KI unterstützte E-Mail- oder Berichtstext pauschal gekennzeichnet werden muss.

Die spannendere Frage lautet daher vielleicht bald nicht mehr: „Kann ich beweisen, dass das KI war?", sondern: „Wie transparent gehen wir damit um, wie ein Text entstanden ist?"

---

Quellen dieser Ausgabe:

• Woran erkenne ich einen KI-Text" – Der KI-Podcast (Apple Podcasts)

• Europäische Kommission – "Guidelines on transparency obligations for providers and deployers of certain AI systems"

• Europäische Kommission – "Transparency obligations under Article 50 of the AI Act"

• Pangram – "Pangram 4 Model Card"

• "Why AI-Generated Text Detection Fails: Evidence from Explainable AI Beyond Benchmark Accuracy"

• "Paraphrasing Attack Resilience of Various AI-Generated Text Detection Methods"

• Watson – "Kanadischer Politiker liest KI-Prompts aus Versehen in Rede vor"

Hinweis: Dieser Newsletter wurde unter Zuhilfenahme von KI erstellt.