Plagiat Scanner.de Redaktion | Zuletzt geprüft: 26.08.2026 | 6 Min. Lesezeit
Lassen sich GPT-4-Texte erkennen?
Häufiger als bei neueren Ausgaben, aber auch hier nur mit einer Wahrscheinlichkeit. Ausgaben der älteren Generation gelten als besonders gleichförmig: wenig Schwankung im Satzbau, wiederkehrende Signalwörter, ein sehr regelmäßiger Absatzrhythmus. Genau solche Regelmäßigkeit greift ein Detektor ab.
Dazu kommt ein zweiter Effekt. Viele Erkennungswerkzeuge sind an Texten justiert worden, die aus dieser Phase stammen. Was dem damaligen Muster ähnelt, schlägt deshalb eher an.
Trotzdem gilt der Grundsatz unverändert: Ein Detektor misst statistische Auffälligkeit, nicht Herkunft. Nennt ein Bericht eine Modellfamilie, ist das eine Zuordnung mit Unsicherheit und kein Nachweis, dass ein bestimmtes Programm gelaufen ist.
Wofür diese Generation im Studium genutzt wurde
Die erste breite Nutzungswelle lief anders ab als heute. Viele probierten aus, ließen sich ganze Absätze schreiben und übernahmen sie mit wenig Bearbeitung, weil noch unklar war, ob und wie Hochschulen darauf reagieren.
Ein Teil dieser Texte ist bis heute im Umlauf. Er steckt in Rohfassungen, in Notizdokumenten, in Kapiteln, die für eine neue Arbeit recycelt werden, und in Vorlagen, die in Lerngruppen weitergereicht wurden. Wer solche Bausteine übernimmt, übernimmt das Sprachmuster mit.
Der zweite Fall betrifft Nachprüfungen. Kommt eine ältere Arbeit erneut auf den Tisch, etwa bei einer Veröffentlichung oder in einem Verfahren, wird sie mit heutigen Werkzeugen geprüft. Für ein Prüfungsamt zählt dabei nicht das Alter eines Absatzes, sondern die Eigenständigkeit der Arbeit, die du eingereicht hast. Was in deinem Fall als zulässige Hilfe galt, steht in der Ordnung, die zum Zeitpunkt der Abgabe gegolten hat.
Woran ältere Ausgaben sprachlich auffallen
Die Merkmale unterscheiden sich in der Dosis, nicht in der Art:
- Formelhafte Einleitungssätze. Jeder Abschnitt startet mit derselben Sorte Themenankündigung.
- Starre Absatzlänge. Drei bis vier Sätze, immer wieder, über Seiten hinweg.
- Häufige Weichmacher. „gilt es zu berücksichtigen", „in diesem Zusammenhang", „von großer Bedeutung".
- Symmetrische Argumentation. Auf jedes Pro folgt brav ein Contra, gleich lang, gleich gewichtet.
- Fehlende Konkretheit. Beispiele bleiben allgemein, Zahlen und Namen fehlen.
Auffällig ist nie ein einzelner Punkt, sondern die Häufung. Eine breitere Übersicht steht unter Merkmale von KI-Texten.
Was ein Detektor tatsächlich misst
Er liest deinen Text wie ein Wettbüro. Für jedes Wort schätzt ein Sprachmodell, wie erwartbar es an dieser Stelle war.
Perplexität ist das Maß für diese Erwartbarkeit. Viele naheliegende Wörter bedeuten niedrige Perplexität. Weil Modelle bevorzugt wahrscheinliche Fortsetzungen wählen, landen ihre Texte im unteren Bereich. Ältere Ausgaben liegen dort besonders deutlich.
Burstiness misst, wie stark die Sätze eines Textes voneinander abweichen. Menschen schreiben stoßweise: langer Satz, kurzer Satz, Einschub, Nachtrag. Bleibt die Kurve flach, gilt das als Indiz. Wie beide Werte zusammenspielen, steht unter Perplexität und Burstiness.
Die Grenzen der Zuordnung
| Fall | Was ihn schwierig macht | Folge für das Ergebnis |
|---|---|---|
| Rohe Passage aus einem alten Entwurf | Muster unverändert erhalten | Deutlicher Ausschlag |
| Kapitel aus einer alten Arbeit, überarbeitet | Eigene Eingriffe überlagern das Muster | Wert sinkt spürbar |
| Alter Baustein in neuem Text | Nur wenige Absätze betroffen | Geht im Gesamtwert unter |
| Selbst geschriebener Lehrbuchstil | Sachlichkeit ähnelt maschinellem Rhythmus | Falsch-Positiv möglich |
| Deutscher Text | Weniger Kalibrierung als im Englischen | Größere Streuung |
| Englischer Text | Bessere Kalibrierung | Stabiler, aber nie sicher |
Der dritte Fall ist der praktisch häufigste. Ein paar alte Absätze in einer sonst selbst geschriebenen Arbeit verschwinden im Durchschnitt, während der Rest deines Textes den Wert nach unten zieht. Warum das für alle Detektoren ein Problem ist, steht unter gemischte Texte.
Ein Modellname im Bericht ist kein Beleg
Manche Werkzeuge geben zu einem Text eine Modellfamilie an. Diese Angabe entsteht aus Ähnlichkeit zu bekannten Mustern, nicht aus einer Spur im Dokument. Zwei Texte verschiedener Herkunft können dasselbe Muster tragen, und ein einziger überarbeiteter Absatz kann die Zuordnung kippen. Lies solche Namen als Vermutung des Werkzeugs, nicht als Ergebnis einer Messung.
Was das praktisch für dich bedeutet
Prüf recycelte Bausteine, bevor du sie einbaust. Das ist der konkrete Nutzen dieser Seite: Nicht die alte Arbeit ist dein Risiko, sondern der Absatz daraus, der jetzt in deiner neuen Hausarbeit steht.
Dabei geht es um zwei Fragen gleichzeitig. Erstens: Ist die Passage sprachlich auffällig? Zweitens: Darfst du eigenen Text aus einer bewerteten Arbeit überhaupt erneut einreichen? Der zweite Punkt hat mit KI nichts zu tun und ist unter Formen des Selbstplagiats beschrieben.
Falls ein Wert hoch ausfällt, ist der Versuch, den Text unauffällig zu machen, der falsche Weg. In einem Verfahren zählen Belege über deinen Schreibprozess, nicht ein gedrückter Prozentwert. Falsch-Positive sind kein Randfall, wie Falsch-Positive verstehen zeigt.
Selbstcheck und Dokumentation vor der Abgabe
- Weißt du bei jedem Absatz, aus welchem Entwurf er stammt?
- Hast du wiederverwendete Bausteine sprachlich wirklich neu geschrieben?
- Sind alle Quellen in alten Passagen noch aktuell und selbst geprüft?
- Steht deine Arbeit in einer Datei mit nachvollziehbarem Versionsverlauf?
- Hast du festgehalten, wofür du KI genutzt hast, falls das erlaubt war?
Ordne deine Dateien so, dass die Entstehung sichtbar bleibt: datierte Zwischenstände, Exzerpte, Mails an die Betreuung. Wie stark ein Versionsverlauf wiegt, steht unter Versionsverlauf als Nachweis; die Formulierung einer Angabe findest du unter KI-Nutzung kennzeichnen.
Ablauf, Preis und Datenschutz des KI Scans
Datei hochladen, kein Konto nötig. Erlaubt sind .docx, .doc, .txt, .pdf, .pages, .odt und .rtf bis 50 MB und bis 999 Normseiten. Das Ergebnis kommt in der Regel nach 15 Minuten, in seltenen Fällen dauert es bis zu 24 Stunden. Du kannst auch nur ein einzelnes Kapitel prüfen.
Der KI Scan kostet 0,29 € pro Normseite zu 1.800 Zeichen inklusive Leerzeichen. Mit der Plagiatsprüfung zusammen sind es 0,39 € statt 0,58 € pro Normseite. Bei recycelten Texten lohnt die Kombination, weil dort neben KI-Mustern auch alte, ungeprüfte Übernahmen stecken können.
Verschlüsselter Upload, Verarbeitung auf Servern in Deutschland, DSGVO-konform, Löschung nach 14 Tagen. Deine Datei wandert in keine Vergleichsdatenbank. Wie du den Bericht liest, steht unter KI-Bericht lesen.