Plagiat Scanner.de Redaktion | Zuletzt geprüft: 26.08.2026 | 7 Min. Lesezeit
Lassen sich Llama-Texte erkennen?
Teilweise, und nie als Nachweis, sondern als Wahrscheinlichkeit. Ein Detektor bekommt dein Dokument und sonst nichts; er schätzt daran ab, wie nah die Sprache an den statistischen Mustern maschinell erzeugter Texte liegt. Einen Hersteller benennt er nie.
Zwei Eigenheiten unterscheiden Llama von einem Assistenten, der nur im Browser läuft. Die Modelle sind offen verfügbar und laufen deshalb auf eigener Hardware. Und sie lassen sich verändern. An der Messung ändert beides nichts, an deiner Lage im Zweifelsfall eine Menge.
Ohne Anbieter gibt es auch nichts vorzulegen
Bei einem Chatdienst entsteht ein Verlauf. Der kann dich belasten, er kann dich genauso entlasten: Wer zeigt, dass er zwei Begriffe nachgeschlagen und den Absatz danach selbst getippt hat, hat etwas in der Hand. Auf einem Rechner ohne Netzverbindung entsteht dieser Verlauf nicht.
Gelesen wird das meist als Vorteil. Im Gespräch mit der Betreuung ist es keiner. Verfahren beginnen selten mit Serverdaten und fast immer mit einem Text, der nicht zum Rest passt, gefolgt von Fragen zum Inhalt. Auf beides antwortest du mit dem, was du aufgehoben hast.
Bei lokalem Betrieb ist die eigene Dokumentation deshalb kein Extra für Ordnungsliebende, sondern die einzige Spur, die von der Entstehung deiner Arbeit überhaupt noch existiert. Datierte Zwischenstände, Notizen, ein Versionsverlauf: Das tritt an die Stelle des Chatverlaufs, den du nicht hast.
Was eine Anpassung mit den Messwerten macht
Offene Modelle bleiben nicht, wie sie ausgeliefert werden. Sie lassen sich mit eigenem Material nachtrainieren, sie laufen mit festen Vorgaben, und es gibt sie in mehreren Größen: Die kleine Variante auf dem Laptop schreibt anders als die große auf einem Server.
Für einen Detektor heißt das, dass sich die Zielscheibe bewegt. Seine Kennzahlen sind an Texten großer, unveränderter Modelle gewachsen. Ein angepasstes Modell liefert andere Wortwahl, andere Satzlängen, andere Übergänge, und damit andere Werte.
Wer daraus einen Plan baut, hat den Zweck der Zahl missverstanden. Sie ist ein Anlass für Rückfragen, kein Urteil. Und sie sagt nichts darüber, ob du eine Nutzung angeben musstest: Diese Pflicht hängt an deiner Prüfungsordnung, nicht an einem Prozentwert. Wie eine Angabe aussieht, steht unter KI-Nutzung kennzeichnen.
Woran solche Texte sprachlich auffallen
Auffällig ist selten ein einzelner Satz. Auffällig ist die Gleichmäßigkeit: Absätze mit demselben Bau, Sätze mit ähnlicher Länge, ein runder Schluss nach jedem Gedanken.
Inhaltlich fehlt die Reibung. Beispiele stehen ohne Ort, ohne Jahr, ohne Namen. Ein Einwand erscheint als allgemeine Formel statt als Widerspruch gegen eine bestimmte Studie.
Ein zweites Muster gehört zu offen betriebenen Modellen. Wechselst du während der Arbeit die Variante oder die Vorgaben, klingen deine Kapitel unterschiedlich, ohne dass es dir beim Schreiben auffällt. Solche Brüche bemerkt die Betreuung vor jeder Software.
Beweiskraft hat keines dieser Merkmale. Ein sorgfältig geschriebenes Grundlagenkapitel sieht ähnlich aus.
Was der Detektor rechnet
Zwei Kennzahlen tragen das Verfahren. Urheberschaft misst keine davon.
Perplexität misst Erwartbarkeit. Wie naheliegend ist das nächste Wort, wenn die vorherigen bekannt sind? Generierte Texte bleiben nah am Naheliegenden, weil ein Modell beim Schreiben genau danach auswählt. Ein niedriger Wert gilt als Hinweis auf maschinelle Herkunft.
Burstiness ist das Gegenstück auf Satzebene und beschreibt, wie stark der Rhythmus schwankt. In selbst geschriebenen Texten kippt er ständig, weil Gedanken unterschiedlich viel Platz brauchen. Modelle halten ihn ruhiger. Was hinter beiden Kennzahlen steckt, rechnet Perplexität und Burstiness genauer durch.
Wer knapp und geordnet schreibt, produziert dieselben Werte von Hand. Daher rühren die Falsch-Positive.
Wie belastbar der Wert im Einzelfall ist
| Fall | Wie belastbar | Warum |
|---|---|---|
| Ganzes Kapitel unverändert übernommen | vergleichsweise hoch | Das Muster der Ausgabe steht noch komplett im Text |
| Ausgabe danach Satz für Satz umgeschrieben | niedrig | Mit jeder eigenen Formulierung verschwindet ein Stück davon |
| Einzelne Absätze statt ganzer Kapitel | niedrig | Zu wenig Material für eine stabile Statistik |
| Angepasstes oder deutlich kleineres Modell | unklar | Die Kennzahlen sind an unveränderten Modellen gewachsen |
| Deutscher Fachtext mit viel Terminologie | unsicher | Fachsprache ist von sich aus gleichförmig |
| Eigener, sehr klar gebauter Text | Falsch-Positiv möglich | Klarer Bau ähnelt maschinellem Bau |
Zeile vier trennt Llama von einem geschlossenen Dienst. Im Bericht siehst du von dieser Unsicherheit nichts: Dort steht eine Zahl, und die wirkt gleich bestimmt, ganz gleich welches Modell den Text erzeugt hat. Wie sich gemischte Kapitel verhalten, steht unter gemischte Texte aus Mensch und KI.
Wenn das Modell selbst Gegenstand deiner Arbeit ist
In technischen und sprachwissenschaftlichen Studiengängen gibt es einen Fall, den viele Ordnungen nicht sauber abbilden: Du betreibst ein offenes Modell lokal, weil es dein Untersuchungsgegenstand ist. Du lässt es hundert Testfälle beantworten und wertest die Ausgaben aus. Generierter Text gehört dann zum Material.
Trenne die beiden Rollen im Dokument sichtbar. Ausgaben, die du analysierst, sind Daten: Sie gehören mit Datum, Modellvariante und Eingabe in den Anhang, belegt wie jede andere Quelle. Ausgaben, die du als deine eigene Formulierung in den Fließtext übernimmst, sind etwas völlig anderes und brauchen die Angabe, die deine Ordnung vorsieht.
Spitzfindig klingt der Unterschied nur, solange niemand nachfragt. Im Kolloquium fragt jemand. Eine Arbeit über ein Sprachmodell darf voller generierter Beispiele stecken. Eine Arbeit, deren Theorieteil vom Untersuchungsgegenstand geschrieben wurde, steht als Täuschungsversuch im Raum. In welchem Abschnitt deiner Ordnung das geregelt ist, führt Prüfungsordnung finden vor.
Selbstcheck vor der Abgabe
- Weißt du zu jedem Kapitel, in welcher Woche es entstanden ist, und kannst du es zeigen?
- Ist bei ausgewerteten Ausgaben festgehalten, welche Modellvariante wann geantwortet hat?
- Geht jede Angabe im Text auf eine Quelle zurück, die du selbst in der Hand hattest?
- Klingen alle Kapitel nach demselben Menschen?
- Steht die Angabe zur Nutzung dort, wo deine Ordnung sie sehen will?
Eine zweite Spur, auf die du dich später berufen könntest, gibt es bei einem Modell auf der eigenen Festplatte nicht. Was du beim Schreiben nicht festhältst, existiert nachher nicht mehr.
Ablauf, Preis und Datenschutz
Datei hochladen, KI Scan starten, Ergebnis in der Regel nach 15 Minuten. Bis zu 24 Stunden sind es nur in seltenen Fällen. Angenommen werden .docx, .doc, .txt, .pdf, .pages, .odt und .rtf, bis 50 MB und 999 Normseiten.
Gerechnet wird pro Normseite, also je 1.800 Zeichen inklusive Leerzeichen: 0,29 € beim KI Scan, bei 60 Normseiten 17,40 €. Zusammen mit der Plagiatsprüfung sinkt der Seitenpreis auf 0,39 € statt 0,58 €, für dieselben 60 Normseiten auf 23,40 €.
Deine Datei liegt auf Servern in Deutschland und wird nach DSGVO verarbeitet. 14 Tage nach dem Scan verschwindet sie automatisch; in eine Vergleichsdatenbank wandert sie zu keinem Zeitpunkt. Ein Konto brauchst du dafür nicht.