Plagiat Scanner.de Redaktion | 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.
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 die Gesamtzahl.
- Kostenlose Werkzeuge einordnen. Was sie leisten und wo ihre Grenzen liegen, steht unter kostenlose KI-Detektoren.
- Prozess dokumentieren. Zwischenstände und Notizen sind der einzige Beleg, der unabhängig von jeder Detektorqualität funktioniert.
Wie eine seriöse Prüfung damit umgeht
Sie trennt Hinweis und Nachweis. Ein Detektorergebnis darf einen Anlass zum Nachfragen begründen und niemals eine Entscheidung. Zwischen beiden Schritten steht das Gespräch, der Blick auf Arbeitsstände und der Vergleich mit früheren Texten.
Hochschulen, die das ernst nehmen, schreiben genau diese Reihenfolge in ihre Leitlinien. Auch Gerichte haben in der Auseinandersetzung um KI-Nutzung in Prüfungen betont, dass ein Verdacht sauber begründet sein muss; das VG Kassel hat dazu eine viel beachtete Entscheidung getroffen. 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.
Formate sind .docx, .doc, .pdf, .txt, .odt, .rtf und .pages, bis 50 MB und bis 999 Normseiten. Das Ergebnis liegt in der Regel nach 15 Minuten vor, in seltenen Fällen dauert es bis zu 24 Stunden. Verarbeitet wird auf Servern in Deutschland nach DSGVO, deine Datei wird nach 14 Tagen gelöscht und kommt in keine Vergleichsdatenbank. Ein Konto brauchst du nicht.