Wir haben 40 Passagen genommen, von denen wir wussten, dass sie KI-generiert sind, sie auf unterschiedliche Längen gekürzt und jede einzeln bewertet. Der Text blieb immer derselbe – nur wie viel davon der Detektor zu sehen bekam, änderte sich. Bei 100 Wörtern erkannte er alles. Bei 25 Wörtern erkannte er 23 %.
| Gezeigte Wörter | Median-Score | Erkannt | 95-%-Konfidenzintervall |
|---|---|---|---|
| 25 | 59,8 | 23 % (9/40) | 12–38 % |
| 50 | 95,4 | 73 % (29/40) | 57–84 % |
| 100 | 99,1 | 100 % (40/40) | 91–100 % |
| 200 | 99,5 | 100 % (40/40) | 91–100 % |
„Erkannt“ bedeutet einen Score von 90 oder mehr – die Schwelle, ab der diese Website „KI-generiert“ anzeigt. Bei der lockereren Schwelle von 50 erreichen dieselben Passagen 65 % bei 25 Wörtern und 93 % bei 50.
In unserer Dokumentation stand, dass die Genauigkeit unter 50 Wörtern leidet. Laut Messung liegt die Untergrenze bei 100. Bei 50 Wörtern landete mehr als ein Viertel eines Textes, von dem wir wussten, dass er maschinell geschrieben war, unter der angezeigten Schwelle – und Leser hätten das als unauffälliges Ergebnis verstanden.
Das ist relevant, weil kurze Passagen der Normalfall sind. Man prüft einen verdächtigen Absatz, eine Produktbewertung, den Anfang eines Anschreibens. Solche Texte haben selten 100 Wörter, und ein falsch negatives Ergebnis ist dort der schlimmere Fehler: Ein niedriger Score lädt nicht dazu ein, genauer hinzusehen.
Wir haben die Zahl in der Dokumentation und in der Beschreibung des MCP-Tools korrigiert, und Passagen unterhalb der Grenze liefern jetzt einen Hinweis auf geringe Konfidenz statt einer nackten Zahl. Wir veröffentlichen das lieber selbst, als dass es jemand an seinem eigenen Text herausfindet.
Unterhalb der Grenze unterschätzt der Detektor. Eine kurze Passage mit niedrigem Score ist ein schwaches Indiz, kein Urteil über menschliche Urheberschaft; eine kurze Passage mit hohem Score hat weiterhin Aussagekraft. Diese Asymmetrie sollte man klar benennen, denn sie führt eher dazu, KI-Text zu übersehen, als einen menschlichen Autor zu beschuldigen – und genau diesen Fehler wollen wir am meisten vermeiden. Die aktuellen Falsch-positiv-Raten unseres jetzigen Modells finden Sie im KI-Detektor-Benchmark vom September 2026.
40 mit GPT-6 Astra erzeugte Texte, je acht aus fünf Textkategorien, entnommen aus dem Datensatz unserer Astra-Replikation. Jeder Text wurde vom Anfang her auf 25, 50, 100 und 200 Wörter gekürzt und separat bewertet, sodass jede Zeile der Tabelle dieselben 40 Texte umfasst. Die Zählwerte sind als JSON veröffentlicht; diese Seite berechnet daraus beim Rendern die Prozentwerte und Wilson-Intervalle.
Einschränkungen: ein einziger Generator, eine einzige Kürzungsstrategie und Passagen, die gekürzt statt von vornherein kurz geschrieben wurden – ein wirklich kurzer Text kann sich anders verhalten. Falsch-positive Ergebnisse bei diesen Längen haben wir noch nicht gemessen, und das sollten wir: Wenn die Länge den Score so stark verschiebt, dann in beide Richtungen.
Bei unserem eigenen Detektor rund 100 Wörter. Bei dieser Länge markierte er alle 40 nachweislich KI-generierten Passagen, die wir getestet haben. Bei 50 Wörtern erkannte er nach unserer Anzeigeschwelle 73 % desselben Textes, bei 25 Wörtern nur noch 23 %. Je kürzer die Passage, desto weniger Signal hat der Detektor – und der Score sinkt entsprechend, obwohl sich am Text nichts geändert hat.
Die Erkennung liest statistische Muster über eine ganze Passage hinweg, statt einzelne Wörter zu bewerten. Je weniger Wörter, desto weniger Muster gibt es zu lesen, und die Schätzung rutscht Richtung Mitte. Der Text ist nicht weniger maschinell geschrieben – es gibt schlicht weniger davon zu messen.
Wir hatten 50 Wörter als die Grenze angegeben, unterhalb derer die Genauigkeit leidet. Die Messung sagt 100. Wir haben die Zahl in der API-Dokumentation und in der Beschreibung des MCP-Tools korrigiert, und kurze Passagen werden jetzt mit einem Hinweis auf geringe Konfidenz zurückgegeben, statt kommentarlos beantwortet zu werden.
Nein – ein niedriger Score bei einer kurzen Passage ist ein schwaches Indiz, aber kein Freispruch. Ein hoher Score bei einer kurzen Passage hat weiterhin Aussagekraft. Diese Asymmetrie ist wichtig: Unterhalb der Grenze unterschätzen wir, der Fehler geht also eher dahin, KI-Text zu übersehen, als menschliche Texte fälschlich zu beschuldigen.
Ab 100 Wörtern erhalten Sie ein Ergebnis, auf das Sie sich stützen können.
KI-Detektor kostenlos testen