Plagiat Scanner.de Redaktion | Zuletzt geprüft: 26.08.2026 | 6 Min. Lesezeit
Was die beiden Kennzahlen messen
Perplexität misst, wie erwartbar deine Wortwahl ist. Burstiness misst, wie stark dein Rhythmus schwankt. Beide zusammen sind das Rückgrat der meisten KI-Detektoren, und beide sind als Einzelindiz schwach.
Der Grund liegt in ihrer Natur: Sie bewerten Stil, nicht Herkunft. Ein Text mit niedriger Perplexität ist ein Text, der wenig überrascht. Ob das an einem Sprachmodell liegt oder an einem Menschen, der klar und einfach schreibt, sagt die Zahl nicht. Sie kann es gar nicht sagen.
Wie die Werte entstehen
Stell dir ein Modell vor, das deinen Text liest und bei jedem Wort raten muss, was als Nächstes kommt. Nach „Die Ergebnisse der Untersuchung" tippt es auf „zeigen". Trifft es zu, war deine Formulierung erwartbar. Steht dort stattdessen „ernüchtern", lag das Modell daneben.
Perplexität ist nichts anderes als der Durchschnitt dieser Überraschungen über den ganzen Text. Viele Treffer bedeuten einen niedrigen Wert. Viele Fehlgriffe bedeuten einen hohen. Weil Sprachmodelle beim Schreiben genau die naheliegende Fortsetzung bevorzugen, liegen ihre eigenen Texte im unteren Bereich.
Burstiness sieht nicht auf einzelne Wörter, sondern auf die Kurve. Nimm die Satzlängen eines Absatzes und trag sie nacheinander ab. Bei vielen menschlichen Texten entsteht eine zackige Linie mit Ausschlägen nach oben und unten. Bei maschinell erzeugten Texten wirkt die Linie flacher, weil die Sätze ähnlich lang und ähnlich gebaut sind. Mehr dazu unter Satzlängen-Muster.
Wie das im Text aussieht
Typisch maschinell, mit niedriger Perplexität und flacher Kurve:
„Die Digitalisierung stellt Unternehmen vor vielfältige Herausforderungen. Sie erfordert eine Anpassung bestehender Prozesse und eine Weiterentwicklung der Mitarbeiterkompetenzen. Gleichzeitig eröffnet sie neue Möglichkeiten für effizientere Arbeitsabläufe."
Drei Sätze, alle zwischen zehn und fünfzehn Wörtern, jede Wortwahl vorhersagbar. Kein Wort steht da, weil es dieser eine Fall verlangt.
Typisch menschlich:
„Die Umstellung kostete das Werk in Neuss vier Monate. Vier. Danach lief die Auftragsannahme digital, aber die Disposition weiterhin über einen ausgedruckten Wochenplan, den ein Meister morgens an die Pinnwand heftete."
Hier springt die Länge von neun auf ein Wort und dann auf über zwanzig. Der Absatz nennt einen Ort, eine Dauer und ein Detail, das niemand erfinden würde.
Warum niedrige Werte nichts beweisen
Für jeden auffälligen Wert gibt es harmlose Erklärungen, und sie sind häufiger als der Verdachtsfall.
| Beobachtung | Deutung als KI-Indiz | Genauso plausible Erklärung |
|---|---|---|
| Sehr niedrige Perplexität | Modell wählt die wahrscheinliche Wortwahl | Deutsch als Fremdsprache, bewusst sichere Formulierungen |
| Flache Satzlängenkurve | Modell mittelt den Rhythmus | Vorgabe des Lehrstuhls, mehrfach gekürzter Text |
| Beides zugleich niedrig | Starkes Signal | Juristischer oder technischer Fachtext mit Standardwendungen |
| Werte schwanken je Kapitel | Teilweise KI genutzt | Methodenteil ist formelhaft, Diskussion nicht |
| Niedrige Werte in kurzem Text | Modelltypisch | Zu wenig Text: unter etwa 300 Wörtern sind beide Zahlen instabil |
Die vorletzte Zeile ist die wichtigste für Lehrende. Ein Methodenkapitel klingt in jeder Arbeit ähnlich, weil es das soll. Dass es auffällt, ist ein Merkmal der Textsorte, nicht der Person.
Wo die Kennzahlen unfair werden
Beide Werte bestrafen einfaches, klares Schreiben. Wer Deutsch als zweite Sprache schreibt, wer nach einem Schreibratgeber arbeitet oder wer aus beruflicher Gewohnheit sehr geordnet formuliert, produziert Texte mit niedriger Perplexität. Diese Verzerrung ist keine Randnotiz, sondern der Hauptgrund für Falschverdächtigungen.
Was zusammen mit anderen Merkmalen entsteht
Für sich genommen sagt ein niedriger Wert: Dieser Text ist erwartbar geschrieben. Mehr nicht. Interessant wird es, wenn unabhängige Beobachtungen dazukommen, die dieselbe harmlose Erklärung nicht abdecken.
Wenn eine Arbeit durchgehend niedrige Werte zeigt, passt das zu einem Menschen mit gleichmäßigem Stil. Wenn drei Kapitel normal aussehen und eines deutlich glatter ist, obwohl es dieselbe Person geschrieben haben soll, ist das eine andere Beobachtung. Kommen dann noch zwei Literaturangaben dazu, die nicht auffindbar sind, entsteht eine Kette. Wie du solche Ketten sauber aufbaust, steht unter Merkmale von KI-Texten.
Was du damit praktisch machst
Schreibst du selbst, dann nutz Burstiness als Überarbeitungsidee, nicht als Ziel. Lies einen Absatz laut. Klingt er wie eine Reihe gleich langer Kacheln, setz einen kurzen Satz dazwischen und streich ein Füllwort. Das verbessert deinen Text unabhängig von jedem Detektor.
Korrigierst du, dann lies die Werte als Landkarte. Sie zeigen dir, welche Passage du genauer ansehen solltest. Danach zählt der Inhalt: Stimmen die Quellen, passen die Beispiele zum Seminar, kann die Person ihre Entscheidungen erklären? Was ein Prozentwert aussagt und was nicht, steht unter Falsch-Positive verstehen.
Wie eine maschinelle Prüfung damit umgeht
Der KI Scan bewertet nicht den ganzen Text mit einer Zahl, sondern arbeitet abschnittsweise. Du siehst, welche Passagen statistisch auffallen und welche unauffällig bleiben. Das ist die brauchbarere Information, weil echte Arbeiten selten durchgehend gleich entstehen. Zu den Grenzen dieses Verfahrens gibt es eine eigene Seite unter Grenzen der KI-Erkennung.
Preis, Ablauf und Datenschutz
Der KI Scan kostet 0,29 € pro Normseite, also pro 1.800 Zeichen inklusive Leerzeichen. Willst du zusätzlich auf Plagiate prüfen, kostet der Kombi-Scan 0,39 € statt 0,58 € pro Normseite. Formate: .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. Die Verarbeitung erfolgt DSGVO-konform auf Servern in Deutschland. Deine Datei wird nach 14 Tagen gelöscht und nicht in eine Vergleichsdatenbank aufgenommen. Ein Konto ist nicht nötig.