Texte, die nicht nach KI klingen

Sprachmodelle haben eine Stimme. Sie ist glatt, kohärent, leicht akademisch, leicht zu freundlich. Wer diese Stimme erkennt, kann sie nicht mehr ignorieren. Eine wachsende Zielgruppe in DACH erkennt sie. KI-Detektoren wie GPTZero, Originality.ai und Copyleaks erkennen sie ebenfalls.

Wie LLMs schreiben, und woran man es erkennt

Pattern 1: Glatter Satzbau. LLMs bevorzugen Sätze mittlerer Länge mit Subjekt-Verb-Objekt-Struktur. Wer drei Absätze in Folge mit identischem Rhythmus liest, hat sehr wahrscheinlich Modell-Output vor sich.

Pattern 2: Symmetrische Listen. „Drei Vorteile, drei Nachteile, drei Aspekte.“ LLMs lieben Symmetrie. Menschen produzieren asymmetrische Aufzählungen.

Pattern 3: Floskel-Brücken. „Darüber hinaus“, „Im Wesentlichen“, „Letztendlich“, „Es ist wichtig zu beachten“. Im Modell-Output Standard, im menschlichen Schreiben selten.

Pattern 4: Vermeidung konkreter Beobachtungen. Modelle abstrahieren gern. Wo ein Mensch schreiben würde „der Kunde hat zwei Mal nachgefragt“, schreibt das Modell „der Kunde äußerte mehrfach Bedenken“.

Pattern 5: Glättung von Widersprüchen. Modelle vermitteln. Menschen mit Position beziehen. Sie sagen „A ist falsch, B ist richtig, hier ist warum“.

Pattern 6: Über-Höflichkeit. Höflichkeits-Phrasen, die nichts beitragen. Wer einen Marken-Text liest, der durchgängig höflich-vermittelnd ist, hat Modell-Output.

Wie Anti-AI-Detektoren funktionieren

Detektoren wie GPTZero, Originality.ai, Copyleaks, ZeroGPT messen zwei Eigenschaften: Perplexity (wie überraschend ist das nächste Wort) und Burstiness (variieren die Satzlängen). Niedrige Werte sind verdächtig.

Beide Metriken zusammen ergeben einen AI-Confidence-Score. 0 Prozent ist „menschlich“, 100 Prozent ist „KI-generiert“. Werte zwischen 40 und 70 Prozent sind die graue Zone.

Was die Detektoren falsch erkennen

Falsche Positive: stark redigierte menschliche Texte (akademische Aufsätze, juristische Texte, professionelle Pressemitteilungen). Falsche Negative: KI-Texte mit gezielter Verfremdung. Konsequenz: Detektor-Werte sind ein Signal, kein Urteil.

Methode: Wie Texte nicht nach KI klingen

Heuristik 1: Variable Satzlängen. Wenn drei Sätze in Folge ähnliche Länge haben, schneiden. Asymmetrie schlägt Symmetrie.

Heuristik 2: Dreigliedrige Aufzählungen aufbrechen. Bei drei Punkten den ersten kurz, den zweiten ausführen, den dritten in zwei Sätze splitten.

Heuristik 3: Floskel-Brücken eliminieren. „Darüber hinaus“ raus. Nächster Absatz beginnt ohne Brücken-Wort, oder mit einer direkten Setzung.

Heuristik 4: Konkrete Beobachtungen erzwingen. Statt „der Kunde äußerte Bedenken“ schreiben: „der Kunde hat zweimal nachgefragt, beide Mal mit demselben Wortlaut.“

Heuristik 5: Position beziehen. Modelle vermitteln. Menschen positionieren. Wer A für richtig hält, schreibt das.

Heuristik 6: Persönliche Marker streuen. Für Portal-Tonalität: „in der Praxis selten“, „ohne Beleg“, „häufig übersehen“.

Heuristik 7: Idiosynkratische Wendungen. „Hausnummer“ statt „Größenordnung“, „durchgewinkt“ statt „freigegeben“, „die Sache kippt“ statt „die Strategie scheitert“.

Vorher-Nachher-Beispiel

Wortzahl ähnlich, Substanz höher, AI-Detector-Wert deutlich niedriger.

Praxis-Routine im Marketing-Team

Schritt 1: Im Modell-Prompt Anti-AI-Hinweise einbauen. „Variiere Satzlängen. Keine Floskel-Brücken. Konkrete Beobachtungen statt Abstraktionen. Position beziehen.“

Schritt 2: Redaktionelle Bearbeitungs-Schicht. Jeder Text läuft durch einen Mensch-Editor, der die sieben Heuristiken anwendet. 5-10 Minuten pro 500 Wörter sind realistisch.

Schritt 3: Optional Detector-Check. Vor Veröffentlichung durch GPTZero oder Originality.ai jagen. Werte unter 40 Prozent AI-Confidence sind ein guter Anker.

Die ehrliche Grenze

Wer einen Text 100 Prozent menschlich aussehen lassen will, muss ihn 100 Prozent menschlich schreiben. Anti-AI-Bearbeitung kann nur kompensieren, was ein Modell statistisch glatt gemacht hat. KI-augmented Texte bleiben hybrid. Das ist nicht das Problem. Das Problem ist nur, wenn die DNA dominiert.

Trade-offs

Take

Texte, die nicht nach KI klingen, sind keine Tricks. Sie sind das Ergebnis redaktioneller Arbeit, die KI als Werkzeug nutzt, statt sich auf sie zu verlassen.