KI Detektor: Was er misst, wo er irrt und wie du den Befund liest
Ein KI Detektor schätzt, wie typisch die Formulierungen eines Textes für KI-Texte sind. Er sieht nur den fertigen Text, nicht seine Entstehung. Hier steht, was PlagAware nach eigener Angabe misst, welche Fehler dabei auftreten und wie du den Bericht nutzt. Den Bericht kannst du ab 0,29 € pro Normseite bestellen.
So arbeitet der Detektor nach Herstellerangabe
Quelle ist die Beschreibung „KI-Detektor und Stilanalyse“ von PlagAware, gelesen am 12.10.2026. Es ist eine Herstellerangabe, keine unabhängige Prüfung.
Stereotype Formulierungen
Sprachmodelle sagen die wahrscheinlichste Wortfolge voraus. Dadurch kommen manche Wortkombinationen in ihren Texten häufiger vor als in menschlichen. Der Detektor sucht nach solchen Häufungen. Von einer Zuordnung zu einem bestimmten Programm ist in der Beschreibung nicht die Rede.
Häufigkeit und Relevanz
Bewertet werden, wie oft auffällige Formulierungen auftreten und wie auffällig die einzelne ist. Die Relevanz gibt an, um wie viel häufiger eine Formulierung in KI-Texten vorkommt als in natürlichen. Ein hoher Wert zeigt also eine Häufung, nicht einen Beleg.
Ein Wert je Satz, 0 bis 100 %
Die KI-Typizität wird für jeden Satz berechnet: unter 50 % grün, um 50 % neutral, darüber rot. Weil einzelne Sätze stark schwanken, bietet PlagAware Anzeigefilter an; Standard ist der Median aus fünf aufeinanderfolgenden Sätzen.
Wie ein Bericht gelesen wird, rechnet die Seite KI Prüfung an einem erfundenen Beispiel durch. Was du für den Bericht zahlst, steht weiter unten und auf der Seite Preise.
Zwei Fehlerarten und eine Rechnung zur Grundhäufigkeit
Fehler 1. Ordnung: KI-Text unauffällig
PlagAware beschreibt, dass Kreativität und Stil einer KI stark von Modell und Prompt abhängen. Ein KI-Text kann dann als natürlich eingestuft werden. Der Hersteller erwähnt auch, dass sich durch eine Anpassung des Prompts weniger auffällige Formulierungen erzeugen lassen.
Fehler 2. Ordnung: Menschentext auffällig
Das Maß der KI-Typizität ist laut PlagAware auch ein Maß dafür, wie genau ein Text den Stil einer typischen Veröffentlichung seines Sachgebiets trifft. Ein entsprechend formulierter Text eines Menschen kann deshalb fälschlich als KI-typisch gelten.
Rechenbeispiel: Wie viele markierte Texte sind zu Unrecht markiert?
Die Rechnung nutzt angenommene Zahlen. Sie sind keine Messwerte von PlagAware oder von uns. PlagAware gibt in der gelesenen Beschreibung keine Trefferquoten oder Fehlalarmraten an, und der Detektor liefert keine Ja/Nein-Entscheidung. Für die Rechnung gilt ein Text als „markiert“, wenn jemand ihn ab einer selbst gewählten Schwelle als auffällig einstuft. „Fehlalarm“ heißt: Anteil der Texte ohne unzulässige KI-Nutzung, die trotzdem markiert werden.
Auf schmalen Bildschirmen lässt sich die Tabelle seitlich verschieben.
| Szenario (angenommen) | Texte mit KI-Nutzung | Zu Recht markiert | Zu Unrecht markiert | Anteil falsch unter allen Markierten |
|---|---|---|---|---|
| A: 5 % der Texte nutzen KI unzulässig, Fehlalarm 2 % | 50 | 40 (80 % von 50) | 19 (2 % von 950) | 19 von 59 ≈ 32 % |
| B: wie A, aber Fehlalarm 10 % | 50 | 40 | 95 (10 % von 950) | 95 von 135 ≈ 70 % |
| C: 20 % der Texte nutzen KI unzulässig, Fehlalarm 2 % | 200 | 160 (80 % von 200) | 16 (2 % von 800) | 16 von 176 ≈ 9 % |
Was die Rechnung zeigt: Wie verlässlich eine Markierung ist, hängt nicht nur vom Detektor ab, sondern auch davon, wie häufig unzulässige KI-Nutzung überhaupt ist. Bei gleicher Erkennung und gleichem Fehlalarm (A und C) fällt der Anteil falscher Markierungen von 32 % auf 9 %, wenn die Grundhäufigkeit von 5 % auf 20 % steigt. Ein höherer Fehlalarm (B) macht aus einer Markierung eher einen Irrtum als einen Befund. Weder die Grundhäufigkeit noch die Fehlalarmrate kennt jemand für deinen Text genau. Deshalb ist eine Markierung ein Anlass für Rückfragen und kein Urteil.
Was wir geprüft haben und was daraus folgt
| Quelle | Befund | Grenze für unsere Aussage |
|---|---|---|
| Liang et al. (2023), Patterns / arXiv | Mehrere verbreitete GPT-Detektoren stuften englische Texte von Nicht-Muttersprachlern durchgängig fälschlich als KI-generiert ein. Einfache Prompt-Strategien milderten das Bias und umgingen die Detektoren. Die Autoren raten von der Nutzung in Bewertungs- und Bildungssituationen ab. | Englische Texte. Aussage über deutsche Hochschultexte oder PlagAware: keine. |
| Weber-Wulff et al. (2023), Int. J. Educational Integrity | 12 öffentliche Werkzeuge sowie Turnitin und PlagiarismCheck: Die verfügbaren Detektoren seien weder genau noch verlässlich und neigten dazu, Texte als menschlich einzustufen. Verschleierungstechniken verschlechterten die Leistung deutlich. | Getestet wurden ChatGPT-Texte; im gelesenen Abstract wird PlagAware nicht genannt. |
| PlagAware (Hersteller), Stand 12.10.2026 | Der Detektor erkennt Häufungen KI-typischer Formulierungen. Eine solche Häufung sei kein belastbarer Beweis, und die Ergebnisse seien als KI-Typizität, nicht als KI-Wahrscheinlichkeit zu verstehen. Zwei deutsche Fallbeispiele werden gezeigt. | Herstellerangabe. Keine Quoten, keine unabhängige Messreihe, zwei vom Hersteller gewählte Beispiele. |
| Universität Potsdam, FAQ „KI und Prüfungen“ (Stand 11.06.2026) | KI-Detektoren seien nicht zuverlässig und lieferten keine rechtssicheren Beweise; die Beweislast für einen Täuschungsversuch liege bei den Prüfenden. | Position einer Hochschule. Andere Hochschulen regeln das anders. |
Und Deutsch? PlagAware zeigt als Fallbeispiele einen vollständig von ChatGPT erzeugten Seminararbeitstext und einen Prüftext, dessen eine Hälfte ein Wikipedia-Abschnitt ist und dessen andere Hälfte die Umschreibung dieses Abschnitts durch ChatGPT. Beide Aufträge an ChatGPT waren auf Deutsch formuliert. Im ersten Beispiel zeigt nahezu der ganze Text KI-typische Formulierungen, im zweiten nur die umgeschriebene Hälfte. Zwei ausgewählte Fälle sagen nichts darüber, wie oft der Detektor bei deutschen Hochschultexten falsch liegt. Deshalb behaupten wir nicht, er sei „speziell für Deutsch optimiert“ oder dafür „zuverlässig“.
Und die Modelle? PlagAware nennt ChatGPT, Copilot, Gemini und LLaMA als Beispiele für Werkzeuge, deren Texte typische Formulierungen zeigen. Eine Zuordnung zu einem bestimmten Programm ist in der Beschreibung nicht vorgesehen, und eine Liste sicher erkannter Modelle oder Versionen nennt sie nicht. Wir sagen deshalb auch keine zu.
Wenn ein Detektor deinen Text markiert
1. Bericht vollständig sichern
Nicht nur die Zahl, sondern Datei, Datum, Werkzeug und markierte Stellen. Kann ein KI-Score allein ein Beweis sein? erklärt, warum ohne diese Angaben kaum jemand einen Wert einordnen kann.
2. Entstehung belegen
Entwürfe, Notizen, Quellenarbeit und Versionsverläufe zeigen, wie ein Text entstanden ist. Ein niedriger Detektorwert kann das nicht ersetzen. Ob und wie KI erlaubt war, dokumentiert der KI-Nutzungsnachweis.
3. Regel und Verfahren klären
Die Universität Potsdam hält etwa bei begründetem Anfangsverdacht ein Klärungsgespräch zu Inhalten, Quellen und Schreibprozess für möglich. Dein Verfahren kann anders aussehen. Frag nach der konkreten Regel.
Mehr dazu: KI-Score richtig lesen und Falsch-Positive verstehen.
Was der Bericht kostet
KI Scan: 0,29 € je Normseite (1.800 Zeichen inklusive Leerzeichen), Mindestbestellwert 2,90 € (AGB, Abschnitt 5). Das Bestellformular rundet auf volle Normseiten auf.
6.000 Zeichen
6.000 / 1.800 = 3,33, also 4 Normseiten. 4 × 0,29 € = 1,16 €. Es gilt der Mindestbestellwert: 2,90 €.
54.000 Zeichen
54.000 / 1.800 = 30 Normseiten. 30 × 0,29 € = 8,70 €.
81.000 Zeichen
81.000 / 1.800 = 45 Normseiten. 45 × 0,29 € = 13,05 €. Als Kombi mit Plagiat: 45 × 0,39 € = 17,55 €.
Verbindlich ist der im Bestellformular vor der Zahlung angezeigte Gesamtpreis. Die Zeichenzahl ermittelt der Normseitenrechner, alle Tarife stehen auf der Seite Preise. Fragen zur Bestellung beantwortet die FAQ.
Anforderungen an deine Datei
Dateiformate
Akzeptiert werden .docx, .doc, .txt, .pdf, .pages, .odt sowie .rtf.
Dateigröße
Pro Datei sind bis zu 50 MB und 555 Normseiten à 1.800 Zeichen erlaubt.
Wichtige Hinweise
Keine Registrierung nötig. Der Bericht wird an die angegebene E-Mail-Adresse zugestellt, spätestens am nächsten Werktag.
Was mit deinem Text passiert
Für die KI-Prüfung wird dein Dokument gespeichert und an beteiligte Dienste übermittelt. Prüfe vor dem Upload den Datenweg und die Speicherfristen in der Datenschutzerklärung.
Datenweg laut Datenschutzerklärung
Die Datenschutzerklärung beschreibt die Verarbeitung und beteiligten Dienste. PlagAware gibt an, dass bei der KI-Erkennung keine Daten an ChatGPT oder andere externe Dienstleister gehen. Eine pauschale Zusage vollständiger Verschlüsselung aller Verarbeitungsschritte ist damit nicht verbunden.
Speicherfristen
Die 30-Tage-Frist laut Datenschutzerklärung gilt für reguläre eigene Scan-Uploads im Webspeicher. Anbietertexte, Berichte, E-Mails und Bestellnachweise sind getrennt zu betrachten.
Keine Vergleichsquelle für andere Nutzer
Laut PlagAware wird dein Prüftext nicht als Vergleichsquelle für andere Nutzer verwendet. Zur Prüfung wird er dennoch gespeichert und an beteiligte Dienste übermittelt.
Passende Seiten zum KI Detektor
KI Scan: Leistungsumfang und Preisrechnung
Was im Bericht enthalten ist, was nicht, und wann sich die Kombi lohnt.
KI-Regelungen an Universitäten
Überblick, warum die Regeln je Hochschule und oft je Institut verschieden sind.
Häufige Fragen zum KI Detektor
Stand, Quellen und Redaktionshinweis
Stand: 12.10.2026. Anbieter dieser Seite ist manimedia, Inh. Markus Nick. Der Text wurde KI-unterstützt erstellt und automatisiert gegen die unten genannten Quellen abgeglichen. Eine Prüfung durch eine Fachperson ist für diese Fassung nicht erfolgt. Mehr zu unseren Standards: Redaktion & Standards. Plagiat Scanner.de verkauft Prüfungen auf Basis von PlagAware und hat daran ein wirtschaftliches Interesse. Die Zahlen im Rechenbeispiel sind angenommen und stammen aus keiner Messung.
- PlagAware: KI-Detektor und Stilanalyse (Herstellerangabe, gelesen am 12.10.2026): Funktionsweise, KI-Typizität, Fehlerarten, Anzeigefilter, Fallbeispiele, Datenverbleib bei der KI-Erkennung.
- PlagAware: Häufige Fragen (Herstellerangabe, gelesen am 12.10.2026): Zuverlässigkeit, keine Übernahme in eine Vergleichsdatenbank.
- Liang, W. et al. (2023): GPT detectors are biased against non-native English writers, arXiv:2304.02819 v3 (10.07.2023), erschienen in Patterns 4(7). Abstract gelesen am 12.10.2026.
- Weber-Wulff, D. et al. (2023): Testing of detection tools for AI-generated text, International Journal for Educational Integrity 19, Art. 26 (25.12.2023). Abstract gelesen am 12.10.2026.
- Universität Potsdam: KI im E-Assessment (FAQ, Stand 11.06.2026, gelesen am 12.10.2026).
- Eigene AGB (Abschnitte 5 und 6) und Preisseite: Preise, Mindestbestellwert, Lieferfrist.