KI-Texte erkennen: 7 Muster, die deine Leser sofort bemerken

KI-Texte erkennen an sieben wiederkehrenden Mustern, dazu der Vorlesetest und warum KI-Detektoren das Problem nicht lösen.
Ein Einkaufswagen auf einem Laptop Onlineshopping

Ein Text kann grammatisch sauber sein und trotzdem etwas auslösen, das sich schwer benennen lässt. Man liest bis zum Ende und weiß danach nicht mehr, was drinstand. So geht es vielen Texten, die unbearbeitet aus einem Sprachmodell in eine Website gewandert sind.

Das Problem daran ist nicht die Technik, sondern die Wirkung. Wer den Eindruck bekommt, hier habe sich niemand Mühe gegeben, überträgt das auf das Unternehmen dahinter. Dieser Beitrag zeigt sieben Muster, an denen du KI-Texte erkennst, dazu einen Test, der schneller geht als jedes Werkzeug, und was du mit einem Entwurf machst, damit er nach dir klingt.

TL;DR

  • Sieben wiederkehrende Muster verraten Texte, die unbearbeitet aus einem Sprachmodell kommen
  • Am häufigsten sind Pathos ohne Aussage und aneinandergereihte Kurzsätze ohne Übergänge
  • Ein einzelnes Merkmal beweist nichts, die Häufung schon
  • Der Vorlesetest findet mehr als jeder Detektor, OpenAI hat den eigenen 2023 abgeschaltet
  • Google bewertet nicht, wie ein Text entstanden ist, sondern was er dem Leser bringt

Warum das auf deiner Website zählt

Google verbietet KI-Texte nicht. In den Spam-Richtlinien für die Google Suche steht, dass es um massenhaft erzeugte Inhalte ohne Mehrwert geht, unabhängig davon, wie sie entstanden sind. Ein sorgfältig überarbeiteter Entwurf aus ChatGPT ist also unproblematisch, ein Stapel generischer Seiten dagegen schon.

Der wichtigere Maßstab sitzt ohnehin vor dem Bildschirm. Menschen merken den Unterschied, auch wenn sie ihn nicht benennen können. Sie lesen kürzer, fragen seltener an und erinnern sich an nichts. Wie du Texte baust, die tatsächlich zu einer Anfrage führen, steht in Conversion Optimierung für Landingpages.

Wo es am stärksten auffällt

Nicht jede Seite ist gleich empfindlich. An vier Stellen fällt ein unbearbeiteter Entwurf besonders schnell auf.

  • Die Über-uns-Seite. Sie handelt von Menschen und zeigt trotzdem niemanden, wenn nur allgemeine Sätze über Leidenschaft und Qualität darin stehen
  • Leistungsseiten. Aufzählungen ohne Preisrahmen, Dauer und Grenzen lesen sich überall gleich
  • Antworten auf Bewertungen. Immer gleich freundlich, nie konkret, kein Bezug zum Fall
  • Beiträge in sozialen Netzwerken. Pathos, Emojis und eine Erkenntnis, die niemand gebraucht hat

Bei rein technischen Texten wie Produktdaten oder Anfahrtsbeschreibungen stört der Maschinenklang dagegen kaum. Investier deine Überarbeitungszeit dort, wo Vertrauen entsteht.

Muster 1, großes Drama und wenig Kern

Sprachmodelle machen aus jedem Gedanken gern eine Heldengeschichte. Ein Absatz beginnt mit einem Abgrund, steigert sich zu einer Erkenntnis und endet in einer Wendung, die niemand gebraucht hätte.

Ein typisches Beispiel klingt so: „Ich stand am Abgrund. Alles schien verloren. Doch dann erinnerte ich mich an mein Warum.“ Nach drei Sätzen weißt du weder, worum es ging, noch was daraus folgt. Pathos hat den eigentlichen Punkt ersetzt.

Muster 2, Sätze wie aus dem Baukasten

Modelle zerlegen Gedanken gern in kurze Einzelteile. Jeder Satz steht für sich, Übergänge fehlen, und der Rhythmus wird gleichförmig.

„Marketing ist hart. Du brauchst eine Strategie. Jeden Tag Content. Ohne Pausen.“ Vorgelesen hört sich das an wie eine Ansage im Bahnhof. Menschen bauen ihre Sätze unterschiedlich lang, sie schieben Nebensätze ein und verbinden Gedanken miteinander.

Muster 3, zu glatt für einen Menschen

In generierten Texten gibt es kein Zögern, keinen Widerspruch und keinen Satz in der Art von „eigentlich weiß ich es besser, mache es aber trotzdem“. Alles ist stimmig, alles ist ausgewogen, nichts eckt an.

Der Prüfstein ist einfach. Streich den Firmennamen und frag dich, ob der Text auch für drei andere Anbieter aus deiner Branche passen würde. Wenn ja, steht dort nichts, was nur dein Unternehmen sagen kann.

Person prüft abends im dunklen Büro einen Text am Laptop
Ein einzelnes Merkmal beweist nichts. Drei davon in einem Absatz schon.

Muster 4, nicht, nicht, sondern

Diese Dreierkonstruktion taucht in generierten Texten auffallend häufig auf. „Nicht wegen der Bezahlung. Nicht wegen des Prestiges. Sondern wegen der Sinnhaftigkeit.“

Einmal eingesetzt wirkt die Figur, beim dritten Mal auf derselben Seite klingt sie nach Vorlage. Dasselbe gilt für verwandte Muster wie „Es geht nicht um X, sondern um Y“. Wenn du in einem Text drei solche Konstruktionen findest, hat sie niemand bewusst gewählt.

Muster 5, viel Text und wenig Aussage

Manche Absätze klingen nach Substanz und sagen nichts. „In der heutigen dynamischen Geschäftswelt ist es wichtiger denn je, agil zu bleiben und sich kontinuierlich weiterzuentwickeln.“ Nach dem Lesen bleibt die Frage, was jetzt konkret zu tun wäre.

Der Gegentest funktioniert mit einem Rotstift. Streich jeden Satz, der keine Zahl, kein Beispiel und keine Handlung enthält. Bleibt nach dieser Runde die Hälfte übrig, war der Text doppelt so lang wie nötig.

Muster 6, Emojis als Ersatz für Energie

Raketen, Glühbirnen und Flammen werden gern eingestreut, um Begeisterung zu simulieren. „Entfessle dein volles Potenzial, 3 Gamechanger-Strategien fürs nächste Level“ liest sich laut, sagt aber nichts.

Menschen dosieren anders. Sie setzen ein Zeichen, wenn es zur Aussage passt, nicht in jeder zweiten Zeile. Auf einer Unternehmensseite reicht meistens gar keines.

Muster 7, die kleinen Verräter

Einzeln sind das Kleinigkeiten, in Kombination sind sie ziemlich eindeutig.

  • Der lange Gedankenstrich, den im deutschen Fließtext kaum jemand selbst tippt
  • Vokabeln wie maßgeblich, wertschöpfend, fundiert oder entscheidend
  • Einstiege wie „Stellen Sie sich vor“ oder „Mehr denn je“
  • Das Wort „Und“ als eigenständiger Satzanfang, gleich mehrfach
  • Floskeln wie „Wir begleiten Sie auf dem Weg“ oder „Ihr Erfolg ist unser Antrieb“
  • Dreierlisten überall, weil Modelle gern in Dreiergruppen denken

Keiner dieser Punkte beweist für sich genommen etwas. Ein Mensch darf einen Gedankenstrich setzen. Tauchen aber vier dieser Merkmale auf einer halben Seite auf, ist die Sache ziemlich klar.

Der Vorlesetest

Lies den Text laut vor, am besten jemandem, der das Thema nicht kennt. Die Frage dahinter lautet, ob ein Mensch das wirklich so sagen würde.

Beim Vorlesen fällt sofort auf, was beim stillen Lesen durchrutscht. Du stolperst über Sätze, die keine Luft lassen, du hörst den gleichförmigen Rhythmus, und du merkst, wenn eine Passage nach niemandem klingt. Zwei Minuten Vorlesen finden mehr als jedes Prüfwerkzeug.

Zwei Personen besprechen abends im Büro einen Text auf einem Tablet
Vorlesen und gegenlesen lassen findet mehr als jedes Prüfwerkzeug.

Warum Detektoren das Problem nicht lösen

Werkzeuge, die KI-Text automatisch erkennen wollen, klingen nach der bequemen Lösung. Die Zahlen sprechen dagegen. OpenAI hat den eigenen AI Text Classifier am 20. Juli 2023 abgeschaltet und begründet das auf der Ankündigungsseite zum Klassifikator mit dessen geringer Genauigkeit. Das Werkzeug erkannte 26 Prozent der KI-Texte korrekt und stufte zugleich 9 Prozent der menschlichen Texte fälschlich als maschinell ein.

Dazu kommt eine systematische Schieflage. Forschende aus Stanford zeigen in ihrer Arbeit GPT detectors are biased against non-native English writers, dass gängige Detektoren Texte von Nicht-Muttersprachlern reihenweise als maschinell einordnen, während sie Muttersprachler korrekt erkennen. Wer solche Werte zur Grundlage einer Entscheidung macht, trifft sie auf dünnem Eis.

Für die Praxis heißt das, du brauchst kein Werkzeug, sondern ein Auge. Die sieben Muster oben und der Vorlesetest bringen dich weiter als jede Prozentzahl.

So wird aus einem Entwurf dein Text

Ein Sprachmodell als Zuarbeiter ist völlig in Ordnung, solange danach jemand überarbeitet. Diese Reihenfolge hat sich bewährt.

  • Streich alles, was auch für drei andere Anbieter passen würde
  • Ersetz allgemeine Aussagen durch Zahlen, Orte, Namen und Preise aus deinem Betrieb
  • Zieh mindestens ein Beispiel aus einem echten Projekt hinein
  • Bau Sätze unterschiedlich lang, damit ein Rhythmus entsteht
  • Nimm eine Aussage auf, die dir eigentlich unangenehm ist, etwa eine Grenze deines Angebots
  • Lies den fertigen Text laut vor und korrigier jede Stelle, an der du stolperst

Der Aufwand liegt bei zwanzig bis dreißig Minuten pro Beitrag. Das ist deutlich weniger als das Schreiben von Hand und deutlich mehr als Kopieren und Einfügen. Nebenbei hilft das auch der Sichtbarkeit, weil konkrete Namen und Zahlen genau die Merkmale sind, an denen KI-Systeme Quellen auswählen. Mehr dazu in GEO Optimierung für die KI-Suche.

Fazit

KI-Texte erkennst du selten an einem Detail, sondern an der Häufung. Pathos ohne Aussage, gleichförmige Kurzsätze, austauschbare Formulierungen und ein paar Vokabeln, die im Alltag niemand benutzt, ergeben zusammen ein deutliches Bild.

Die gute Nachricht ist, dass sich das in einer halben Stunde reparieren lässt. Wer den Entwurf mit eigenen Zahlen füllt und ihn einmal laut liest, hat den größten Teil erledigt. Wie du Inhalte darüber hinaus für Suchmaschinen aufstellst, steht in SEO für Anfänger, die Technik dahinter in Website für KI optimieren.

Du willst wissen, wie deine Texte auf Außenstehende wirken? Schreib mir eine Nachricht, ich lese zwei Seiten gegen und sag dir, wo es hängt.

FAQ

Kann man KI-Texte erkennen?

Oft ja, allerdings nicht an einem einzelnen Merkmal. Verräterisch ist die Häufung von Mustern, also Pathos ohne Aussage, aneinandergereihte Kurzsätze, die Konstruktion nicht, nicht, sondern und Formulierungen, die für jedes Unternehmen passen würden.

Wie sehen KI-Texte aus?

Sie sind meist grammatisch sauber, gleichmäßig gebaut und inhaltlich austauschbar. Typisch sind viele kurze Hauptsätze ohne Übergänge, große Worte für kleine Aussagen, gestreute Emojis und Vokabeln wie maßgeblich oder wertschöpfend.

Wie zuverlässig sind KI-Detektoren?

Wenig. OpenAI hat den eigenen Klassifikator im Juli 2023 abgeschaltet, er erkannte nur 26 Prozent der KI-Texte und stufte 9 Prozent der menschlichen Texte falsch ein. Eine Stanford-Untersuchung zeigt zudem eine systematische Benachteiligung von Nicht-Muttersprachlern.

Habe ich DEIN

Interesse geweckt?