Plagiat Scanner.de Redaktion — redaktionell verantwortlich: Benjamin Lohrer | Zuletzt geprüft: 26.08.2026 | 6 Min. Lesezeit
Wie genau sind KI-Detektoren?
Darauf gibt es keine belastbare Antwort in Form einer Zahl. Jede Genauigkeitsangabe gilt nur für den Testaufbau, aus dem sie stammt: bestimmte Sprache, bestimmte Textlänge, bestimmte Modelle, bestimmte Schwelle.
Wir nennen deshalb auch für unseren eigenen KI Scan keine Quote. Das ist unbequem, aber ehrlicher als eine Zahl, an der du dich festhältst und die für deinen Text nichts bedeutet.
Nützlich sind Detektoren trotzdem — als Hinweisgeber. Sie zeigen dir, welche Passagen sprachlich auffällig wirken. Diese Information hat einen Wert. Sie wird nur dann gefährlich, wenn jemand sie als Nachweis behandelt.
Warum eine einzelne Zahl nichts bedeutet
„Genauigkeit" klingt nach einer Eigenschaft des Werkzeugs. Tatsächlich ist sie eine Eigenschaft der Kombination aus Werkzeug, Testdaten und Einstellung.
Ein Detektor macht zwei Arten von Fehlern. Er kann menschlichen Text als maschinell markieren, und er kann maschinellen Text durchlassen. Diese beiden Fehler stehen im Gegenverhältnis: Wer die Schwelle senkt, findet mehr echte Fälle und markiert mehr Unschuldige. Wer sie anhebt, schont Unschuldige und übersieht mehr. Eine einzige Prozentzahl versteckt genau diese Abwägung. Welche Schlüsse ein Detektor grundsätzlich nicht erlaubt, beschreibt Grenzen der KI-Erkennung.
Dazu kommt das Basisratenproblem. Wie brauchbar ein Alarm ist, hängt davon ab, wie häufig der gesuchte Fall überhaupt vorkommt. Sind in einem Kurs nur wenige Arbeiten tatsächlich maschinell entstanden, können die Fehlalarme die echten Treffer zahlenmäßig übersteigen — selbst bei einem Werkzeug, das im Labor gut abschneidet.
Was Genauigkeitsangaben verschweigen
Gegen welches Modell wurde getestet? Ein Detektor, der Texte einer bestimmten Modellgeneration gut erkennt, kann bei der nächsten deutlich schlechter liegen. Getestet wird meist gegen das, was zum Testzeitpunkt verbreitet war.
Wie lang waren die Texte? Kurze Abschnitte liefern zu wenig Material. Viele Tests laufen mit mehreren hundert Wörtern am Stück, während im Alltag einzelne Absätze bewertet werden.
In welcher Sprache? Die meisten Verfahren sind an englischem Material entwickelt. Für Deutsch sieht es anders aus, wie unter Detektoren bei deutschen Texten beschrieben.
War der Text unbearbeitet? Reine Modellausgaben sind der einfachste Fall. Sobald ein Mensch überarbeitet, wird es deutlich schwerer.
Wie sah die Vergleichsgruppe aus? Wer menschliche Texte von geübten Autorinnen gegen Modellausgaben testet, misst etwas anderes als jemand, der Schülertexte einbezieht. Die Auswahl der Gegenprobe entscheidet mit über das Ergebnis, wird aber selten dokumentiert.
Wann wurde getestet? Genauigkeitsangaben altern schnell. Zwischen Test und Veröffentlichung liegen oft Monate, in denen sich sowohl die Modelle als auch die Detektoren geändert haben.
Was eine Genauigkeitsangabe aussagt und was nicht
| Angabe | Was sie belegt | Was sie nicht belegt |
|---|---|---|
| „Erkennungsrate im Eigentest" | Ergebnis unter gewählten Bedingungen | Verhalten bei deinem Text |
| „Niedrige Falsch-Positiv-Rate" | Die Schwelle ist eher hoch gesetzt | Dass du nicht betroffen sein kannst |
| Vergleichstest eines Fachmagazins | Momentaufnahme mit fester Textauswahl | Dauerhafte Rangfolge der Anbieter |
| Zwei Tools stimmen überein | Beide reagieren auf ähnliche Muster | Zwei unabhängige Bestätigungen |
| Keine Angabe zur Sprache | Vermutlich englisches Testmaterial | Übertragbarkeit auf deutsche Texte |
Die Zeile zur Übereinstimmung zweier Werkzeuge wird am häufigsten falsch gelesen. Detektoren nutzen verwandte Verfahren und liegen deshalb oft gemeinsam daneben. Ihr Gleichklang ist kein zusätzlicher Beleg.
Wer die Unschärfe am stärksten spürt
Am härtesten trifft sie Menschen, deren Sprache ohnehin gleichmäßig ist: Studierende mit Deutsch als Fremdsprache, sehr strukturiert Schreibende, Verfasserinnen formalisierter Textsorten wie Methodenkapiteln oder Laborprotokollen. Ausführlich steht das unter Falsch-Positive verstehen.
Ebenso betroffen sind Lehrende. Sie bekommen eine Zahl geliefert, deren Zustandekommen sie nicht nachvollziehen können, und sollen daraus eine Bewertung ableiten. Ohne offengelegte Testbedingungen ist das eine Zumutung in beide Richtungen.
Und es trifft alle, die einen Text mit gemischter Entstehung abgeben: recherchiert mit einem Assistenzsystem, formuliert von Hand, geglättet mit einer Stilprüfung. Für solche Texte existiert schlicht keine passende Testkategorie, weil sie sich weder als menschlich noch als maschinell sauber einsortieren lassen.
Warum wir hier keine Zahl nennen
Wir könnten eine Genauigkeit behaupten. Sie wäre unter unseren eigenen Bedingungen richtig und für deinen Text bedeutungslos. Uns ist eine ehrliche Beschreibung lieber: Der Scan schätzt Sprachmuster ein und markiert auffällige Stellen. Was der Prozentwert daraus rechnerisch macht, steht unter KI-Anteil in Prozent.
Was du praktisch tust
- Testbedingungen einfordern. Fehlt bei einer Genauigkeitsangabe die Angabe zu Sprache, Länge und Modell, behandle sie als Werbung.
- Kein Werkzeug als Beleg nutzen. Weder für dich selbst noch gegen jemand anderen.
- Auf die Markierungen sehen. Die auffälligen Stellen sind die nützliche Information, nicht eine einzelne Zahl. Wie du einen KI-Bericht liest, steht unter KI-Bericht lesen.
- Kostenlose Werkzeuge einordnen. Was sie leisten und wo ihre Grenzen liegen, steht unter kostenlose KI-Detektoren.
- Prozess dokumentieren. Zwischenstände und Notizen sind ein Beleg, der unabhängig von jeder Detektorqualität funktioniert, aber kein Beweis.
Wie eine seriöse Prüfung damit umgeht
Sie trennt Hinweis und Nachweis. Unsere Position: Ein Detektorergebnis kann ein Anlass sein nachzufragen, aber keine Entscheidung allein tragen. Zwischen beiden Schritten stehen das Gespräch, der Blick auf Arbeitsstände und der Vergleich mit früheren Texten.
Als Beispiel für eine Hochschulposition: Die Universität Potsdam schreibt auf ihrer Seite „Künstliche Intelligenz im E-Assessment“ (uni-potsdam.de, Seitenstand 11.06.2026, gelesen am 14.10.2026), die Beweislast für einen Täuschungsversuch liege bei den Prüfenden; KI-Detektoren seien nicht zuverlässig und lieferten keine rechtssicheren Beweise. Das ist die Position einer Hochschule, keine allgemeine Regel; andere Hochschulen und Gerichte können das anders handhaben. Zur Einordnung der Verfahrensfragen hilft Rechtslage beim KI-Verdacht. Das ist keine Rechtsberatung.
Preis, Ablauf und Datenschutz beim KI Scan
Der KI Scan kostet 0,29 € pro Normseite mit 1.800 Zeichen inklusive Leerzeichen. Zusammen mit dem Plagiat Scan zahlst du 0,39 € statt 0,58 € pro Normseite. Eine Hausarbeit mit 20 Normseiten kostet also 5,80 € im KI Scan und 7,80 € im Kombi-Scan. Je Bestellung gilt ein Mindestbestellwert von 2,90 €.
Formate sind .docx, .doc, .pdf, .txt, .odt, .rtf und .pages, bis 50 MB und bis 999 Normseiten. Zugesagt ist die Lieferung spätestens am nächsten Werktag; eine kürzere Zeit sagen wir nicht zu. Verarbeitet wird entlang des in der Datenschutzerklärung beschriebenen Datenwegs, die Datei wird dabei an beteiligte Dienste übermittelt. Reguläre Scan-Uploads im eigenen Webspeicher werden nach 30 Tagen gelöscht, Prüftexte beim Anbieter, Berichte und E-Mail-Kopien sind davon getrennt. Laut PlagAware wird sie nicht als Vergleichsquelle für andere Nutzer verwendet. Ein Konto brauchst du nicht.