KI Detektor

Der KI-Detektor „ThesisDraft“ im Einzeltest

Das Thema KI-Detektoren hat es mir angetan, beruflich, aber auch privat. Das hat einen einfachen Grund. Privat verfasse ich regelmäßig Buchvorstellungen auf meinem Blog Czyslansky und in meinem Instagram-Kanal. Vor allem auf Instagram bin ich mit diesen Besprechungen inzwischen Teil einer recht lebhaften Instabook-Community geworden. Dort tauschen sich nicht nur Bücher-Blogger*innen, sondern auch zahlreiche Autor*innen und Mitarbeiter*innen von Verlagen aus.

Ein immer wiederkehrendes Thema ist dabei die Rolle der Künstlichen Intelligenz in der Literaturproduktion. KI ist heute ein selbstverständlicher Teil im Alltag von Buchautor*innen. Die meisten nutzen KI nur in der Recherche, einige für Illustrationen, viele auch bei der Bewerbung ihrer Bücher. Immer öfter aber erscheinen in Verlagen – keinesfalls nur im Selbstverlag – Bücher, die komplett von der KI verfasst wurden. Dabei handelt es sich häufig um Sachbücher, immer öfter aber auch um Werke aus der Belletristik oder gar Poesie. Niemand dichtet wie Ernst Jandl? Doch: ChatGPT!

Ernst Jandl
Bild 1: Niemand dichtet wie Ernst Jandl?

Immer häufiger auch beklagen sich Schriftsteller und Blogger, dass ihre Texte, die sie – vermeintlich oder wirklich – ohne KI-Unterstützung verfasst haben, von irgendwelchen KI-Detektoren, Social-Media-Plattformen oder Verlagen als KI-generiert „denunziert“ werden. Manuskripte werden abgelehnt, weil angeblich von KI verfasst, Blog-Posts werden heruntergerankt, weil scheinbar von ChatGPT geschrieben. Dabei schwören die Autor*innen, noch nie von ChatGPT gehört zu haben. Dies trifft vor allem die Verfasserinnen von New-Romance-Romanen bis ins rosa gefärbte Herz …

Dies war auch der Grund, weshalb ich mir im vergangenen August fünf KI-Detektoren einmal genauer angesehen hatte. Ich wollte meinen literarischen Freund*innen ein Tool empfehlen, mit dem sie sich gegen falsche Anschuldigungen wehren können, mit dem sie ihre mühsam selbst erstellten Texte auf Authentizität prüfen können. Die Ergebnisse dieses Vergleichstest wurden hier veröffentlicht.

Relevant sind KI-Detektoren vor allem für wissenschaftliche und Sachbuchautoren
Noch aber dominiert bei der „KI-Literatur“ nicht die Belletristik, sondern das Sachbuch: Reiseführer, Ratgeberliteratur und ganz stark wissenschaftliche Werke. Der Einsatz von KI in Forschung und Wissenschaft ist heute Alltag. Bei einer Befragung von mehr als 6.000 deutschen Wissenschaftlern von Fraunhofer und Max-Planck-Gesellschaft Ende 2025 haben rund 90 Prozent angegeben, KI Werkzeuge einzusetzen (Quelle). Eine andere international angelegte Studie aus dem Jahr 2023 belegt, dass nur 0,1 Prozent aller wissenschaftlichen Veröffentlichungen den Einsatz von KI ausreichend belegen. (Quelle).

Für die nicht ausreichend belegte Nutzung von KI-Tools bei der Erstellung von Arbeiten an Hochschulen gibt es gleich mehrere Studien, leider nicht für Deutschland, aber sehr wohl für andere europäische Staaten. Für britische Hochschulen weist zum Beispiel eine Studie nach, dass 74 Prozent der Studierenden der King’s Business School keine vollständigen Angaben zur KI-Nutzung machten. (Quelle).

Studierende und die Nutzung von KI

Eine aktuelle und sehr interessante Abschlussarbeit am Institut für Technologie, Politik und Management der Universität Delft von Finn Timmermans vom 25. August 2026 zeigt auf, wie komplex die Beweggründe für Studierende sind, die zur fehlerhaften Ausweisung der KI-Nutzung bei der Redaktion von Seminar- und Abschlussarbeiten an Hochschulen sind: Unwissen, Angst, Gruppendruck, das alles spielt zusammen. Vor allem aber ist vielen Studierenden unklar, wo die Grenzen zwischen erlaubter unterstützender Nutzung von KI und unerlaubtem Ghostwriting durch KI liegen.

Studierende sind offenbar eine ganz besonders wichtige Zielgruppe für KI-Detektoren. Und die hatte ich bei meiner Recherche im August gar nicht im Visier. Darauf hat mich erst später Dino Dervisevic vom Münchner StartUp ThesisDraft aufmerksam gemacht. ThesisDraft hat einen Detektor eigens für den KI- und Plagiats-Selbstcheck für Abschlussarbeiten, Hausarbeiten oder andere schriftliche Arbeiten an Hochschulen entwickelt. Und er hat mir vorgeschlagen, ThesisDraft einmal gründlicher anzusehen. Dafür hat er mir einen kostenlosen Zugang eingerichtet. Insofern hat er den folgenden Test unterstützt. Geld habe ich dafür aber nicht erhalten. Ich erwähne das, weil das wichtig ist in Bezug auf die Unabhängigkeit dieses Beitrags. Unbezahlte Werbung? Insofern der Zugang gesponsort wurde: ja! Darauf muss ich explizit hinweisen.

Das ist ThesisDraft

ThesisDraft prüft Texte auf Englisch, Deutsch, Französisch und Spanisch auf Formulierungen, die nach KI aussehen. Kurze Texte werden kostenlos geprüft, längere Texte kosten bis zu 7 Euro. Die Texte können als PDF- oder als Word-Datei hochgeladen werden.

So funktioniert die KI-Erkennung

ThesisDraft analysiert den Text im Hinblick auf folgende typische KI-„Fingerabdrücke“:

  • Es wird gemessen, nach wie vielen Wörtern sich der Wortschatz wiederholt.
  • Es wird der Anteil an Wörtern bestimmt, die nur einmal vorkommen.
  • Ein statistisches Maß für Vokabelwiederholung wird ermittelt.
  • Der Rhythmus von Sätzen wird durch folgende Indikatoren erfasst:
  • Gleichmäßigkeit der Satzlänge
    • Streuung der Satzlänge
    • Wechsel zwischen einfachen und komplexen Abschnitten
    • Vielfalt der Satzanfänge
  • Es werden typische KI-Phrasen identifiziert, z. B. „es ist wichtig zu beachten“, „maßgeblich“, „darüber hinaus“ oder „folglich“.
  • Gemessen wird die Gleichförmigkeit der Absätze: Absatzlänge, Verwendung von Passivkonstruktionen und die Glätte der Übergänge zwischen Sätzen. KI erzeugt oft gleichförmige Verbindungen, während menschliche Texte variabler sind.
  • Ganz ähnlich geht ThesisDraft mit gleichförmigen Mustern auf Wort- und Zeichenebene um: je vielfältiger der Gebrauch von Satzzeichen, je variabler die Wortlänge usw., desto eher handelt es sich um einen nicht von der KI produzierten Text.

Diese Metriken werden unterschiedlich gewichtet und jeweils auf einer Skala von 0 bis 100 bewertet, wobei KI-Phrasen, Satzrhythmus und Wortschatzvielfalt am stärksten gewichtet werden. Dies führt zu einem Gesamtwert für die KI-Wahrscheinlichkeit (im Folgenden „KI-Wert“).

ThesisDraft ist mein Eckermann

Natürlich kann man die Regeln zur KI-Erkennung von ThesisDraft auch umkehren: Aus einem strukturell gleichförmigen Text kann man einen abwechslungsreichen Text durch Umformulierung machen. Und genau dies tut ThesisDraft auf Wunsch. Das Tool überarbeitet einen hochgeladenen Text und macht Formulierungsvorschläge, damit der Text nicht mehr nach KI aussieht. Das kostet dann freilich extra. Der Überarbeitungsvorschlag kostet einmalig 13 Euro. Und schon ist die KI verschwunden, so das Nutzenversprechen der KI von ThesisDraft.

Bei DOCX- und PDF-Uploads bleibt das Originalformat intakt, nur markierte Wörter werden ersetzt. Die Liste „Vorgenommene Änderungen“ zeigt jede Anpassung mit gelöscht markiertem Text in Rot und neuem Text in Grün, damit der Anwender vor der Abgabe alles überprüfen kann.

Weitere Services: Plagiat-Check und Wasserzeichen-Check

Auf zwei weitere kostenlose Services von ThesisDraft möchte ich auch noch kurz eingehen: Ein Plagiat-Check wird kostenlos durchgeführt. Man lädt einfach ein Dokument hoch und erhält einen „Plagiats-Ähnlichkeitswert“.

Der ebenfalls kostenlose „Wasserzeichen-Check“ findet versteckte Wasserzeichen im Dokument. Ehrlicherweise weist ThesisDraft darauf hin, dass nicht alle Wasserzeichen ausgelesen werden. Unsichtbar bleiben zum Beispiel die Wasserzeichen von Claude und Anthropic. Bei der KI findet auch die KI ihre Grenzen.

Und nun zum Test von ThesisDraft

Der Plagiat-Check

Im Test habe ich im ersten Durchgang ThesisDraft mit einer einfachen Kopie eines Kapitels einer englischsprachigen Abschlussarbeit einer niederländischen Hochschule gefüttert. Die Master-Arbeit ist im Internet nicht direkt verfügbar, steht aber zum Download zur Verfügung. Dies gilt ja für die meisten wissenschaftlichen Dokumente. Das Ergebnis ist ernüchternd: Der Text wurde nicht als Plagiat erkannt. Ich hatte noch eine deutsche Übersetzung und eine mit KI erstellte Überarbeitung vorbereitet. Ich habe die Übersetzung auch noch durchlaufen lassen. Sie wurde natürlich ebenfalls nicht erkannt.
Im zweiten Versuch wollte ich es ThesisDraft ein wenig einfacher machen. Ich konfrontierte das Tool mit einem Kapitel eines noch unveröffentlichten Buchmanuskripts. Der Text war aber bereits in geänderter und gekürzter Fassung als Aufsatz auf einer Website erschienen. Nun schlug der Alarm tatsächlich an:

Plagiat-Check
Einen Text, der in Teilen bereits im Internet veröffentlicht wurde, erkannte ThesisDraft sofort als Plagiat.

ThesisDraft markierte auch die sieben Passagen des Dokuments, die es im Internet an anderer Stelle entdeckt hatte und gab die Quellen mit Linkverweisen an.

Im nächsten Schritt habe ich ein KI-Tool diesen Text über den Bunker überarbeiten und um ein Drittel kürzen lassen und den geänderten Text erneut an ThesisDraft zur Plagiatsüberprüfung übermittelt. Ich habe keine weiteren manuellen Optimierungen vorgenommen. Schon mit diesem einfachen Trick wurde der Plagiatstest ausgehebelt. Der Text wurde nicht mehr als Plagiat erkannt.

Einschätzung des Plagiat-Check

Im Ergebnis halte ich fest: Der Plagiats-Check von ThesisDraft erkennt identische im Internet bereits publizierte Texte. Als zuverlässige Methode um Plagiate wissenschaftlicher Arbeiten zu identifizieren, taugt er nicht:

  • Es werden keine identischen Dokumente in wissenschaftlichen Datenbanken identifiziert.
  • Es werden keine automatisch mit KI relativ oberflächlich überarbeiteten Plagiate erkannt.

Der KI-Check

Kommen wir nun zum Kern des Produkts, zum KI-Check.

Als erstes habe ich ThesisDraft mit einem Text gefüttert, der komplett mit dem KI-Toolset von vibrio erstellt wurde. Hier erkannte ThesisDraft „some AI fingerprints“:

KI Check
Ein Text aus dem Bereich Healthcare, der komplett mit KI erstellt wurde, wurde mit dem KI-Wert 24 gekennzeichnet.

Damit schneidet das Dokument relativ authentisch ab. Der KI-Einfluss ist recht gering. Die wenigen verdächtigen Stellen werden farbig markiert und können rasch bearbeitet werden. Hier ein Beispiel für die drei markierten „uniformen Satzlängen“:

„Ein überwiegend sitzender Lebensstil, unausgewogene Ernährung und erhöhte Stresslevel tragen maßgeblich zu diesem Trend bei.“

Der Tipp lautet: „What you can do: Your sentences are all about the same length. Follow a long explanatory sentence with a short one that states the point.”

Und weiter: “Your sentences cluster around one length. Shorten some, and let others carry a full explanation.”

Der inkriminierte Satz ist zugleich das Textelement, das als „typische KI-Phrase“ markiert wurde.

Schließlich wurden noch acht Absätze als „typischer KI-Stil“ markiert.

Um die Ergebnisse zu überprüfen habe ich noch einen zweiten Text, ebenfalls aus dem Bereich Gesundheit und mit vergleichbarer Länge, hochgeladen. Auch dieser Text wurde mit KI erstellt. Erneut erreichte das Dokument bei der Überprüfung einen recht „guten“ Wert von 20, alles in allem sehr ähnliche Resultate wie der erste Text:

KI Check 2
Das Ergebnis der zweiten Textüberprüfung unterscheidet sich kaum vom ersten Testlauf. Das erkannte „Wasserzeichen“ ist eine versteckte Formatierung.

Für einen dritten Testlauf habe ich einen völlig andersartigen Text gewählt, einen technischen Text aus dem IT-Umfeld. Dieser Text wurde von einem meiner Kollegen mit Unterstützung des KI-Tools Claude erstellt, aber erheblich händisch überarbeitet: Die Gliederung wurde manuell erstellt. Die Quelltexte wurden manuell ausgewählt, der gesamte Text wurde manuell schlussredigiert. Und nun die Überraschung: ThesisDraft attestiert diesem Dokument „strong AI fingerprints“ mit einem KI-Wert von 57:

KI Check 3
Im dritten Testlauf beurteilte ThesisDraft einen technischen Text als hochgradig KI-erstellt.

Der hohe KI-Wert scheint sich wesentlich den drei Fundstellen mit gleichförmiger Komplexität zu verdanken. Der Ratschlag: “Mix simple and complex sentences. Not every sentence needs a subordinate clause; some can be short and plain.”

Möglicherweise hat der Kollege hier einfach das falsche KI-Tool gewählt. Nach meiner Erfahrung ist Claude das beste KI-Modell für eher feuilletonistische Texte, während sich GPT und Gemini eher als geeignet für sachlich-neutrale Texte eignen. Claude schreibt „schön“, GPT „informativ“. Mag sein, dass je nach Text-Eigenart ThesisDraft zu unterschiedlichen Resultaten kommt. Dies würde jedenfalls Sinn ergeben.

Ich habe noch einen vierten Anlauf unternommen. Nun habe ich einen Text eingespielt, der wirklich niemals eine KI auch nur von der Ferne gesehen hat. Es handelt sich um eine meiner Buchbesprechungen, die ich für meinen Czyslansky-Blog verfasst habe. Da scheue ich die KI wie der Teufel das Weihwasser. Das Testergebnis? Es ähnelt weitgehend dem eines meiner KI-basierten Healthcare-Texte:

KI Check 4
Bei meiner völlig ohne KI-Unterstützung verfasste Buchbesprechung hat ThesisDraft auch Spuren von KI entdeckt.

Das ist dumm: ThesisDraft unterstellt mir also die Nutzung von KI, obwohl ich definitiv alles selbst geschrieben habe. Ich habe mir noch nicht einmal helfen lassen von Künstlicher Intelligenz. Denke ich schon wie ChatGPT? Schreibe ich wie Claude?

Ich tappe in eine Falle. Oder besser: ThesisDraft hat mich hineingeschubst. Es ist die Falle, die zurzeit viele KI-Detektoren für Autoren bereithalten. Wir werden gelegentlich völlig zu Unrecht verdächtigt, KI zu nutzen.

Alles in allem ist die Identifikation des KI-Anteils an der Texterstellung durch Thesisdraft nicht berauschend. Aber vielleicht ist das gar nicht so schlimm. Vielleicht liegt der Nutzen von ThesisDraft ja ganz woanders. Vielleicht taugt ThesisDraft ja dazu, die eigenen Texte so zu „cleanen“, dass andere KI-Detektoren nicht mehr glauben, man habe seine Texte mit KI verfasst. Mal sehen.

Der Humanizer-Check

Mit dem Humanizer schreibt ThesisDraft Texte so um, dass sie nicht mehr in den Verdacht geraten, von einer KI verfasst worden zu sein. Ich teste das natürlich mit meiner Buchrezension, die ich ohne KI verfasst habe. Mal sehen was dabei herauskommt.

Der Text, ein Word-Dokument, wird hochgeladen. Die Anfertigung des Redigats dauert wenige Sekunden. Insgesamt zehn Abschnitte werden überarbeitet. Man kann sich die vorgeschlagenen Änderungen neben der Originalvorlage anzeigen lassen. Das ist einigermaßen übersichtlich. Aber das Ergebnis hat mit meinem Text inhaltlich viel, stilistisch aber nur noch wenig zu tun. Hier eine Gegenüberstellung:

Mein Text:

„`Wie ich auf einem mächtigen, namenlosen Strom herumgondele …, in dem die Nebenflüsse Altmühl, Themse, Avon, Delaware, Hudson, Oder, Tajo, Charles River, Donau und Connecticut münden …´ – so hin und her geschaukelt wurde ich von Piet de Moor beim Lesen seines Buches über die Jahre, die J.D. Salinger im mittelfränkischen Gunzenhausen verbrachte. Wie verwegen muss einer sein, der meine kleine heimatliche sumpfig romantische Altmühl in einem Satz mit dem Hudson River und der Themse zu mäandern sich wagt?“

ThesisDraft:

„Eine Buchvorstellung: De Moors Schilderung über Salingers Jahre im mittelfränkischen Gunzenhausen hinterlässt bei mir einen zwiespältigen Eindruck. Seine Vergleiche wirken mitunter kühn. Er stellt die heimatliche, sumpfige Altmühl sprachlich direkt neben den Hudson River und die Themse.“

Oh je … da mäandert nichts mehr.

Mein Text:

„Ihr wisst nicht, wo dieses Gunzenhausen liegt? Man findet es unter 49° 7′ N, 10° 45′ O Koordinaten: 49° 7′ N, 10° 45′ O. Gunzenhausen ist ein Städtchen mit rund 17.000 Einwohnern in Westmittelfranken, gelegen an Altmühl, Wurmbach und Hambach. Die Ortsteile tragen Namen wie Oberhambach und Unterhambach, Oberwurmbach und Unterwurmbach, oder auch schlicht Wald und Steinacker.“

ThesisDraft:

„Die genaue Lage des Ortes Gunzenhausen ist oft unbekannt. Die Stadt liegt unter 49° 7′ N, 10° 45′ O (Koordinaten: 49° 7′ N, 10° 45′ O). Die Kleinstadt zählt rund 17.000 Einwohner in Westmittelfranken. Sie erstreckt sich an Altmühl, Wurmbach und Hambach. Einige Ortsteile heißen Oberhambach, Unterhambach, Oberwurmbach und Unterwurmbach. Andere Orte tragen Namen wie Wald oder Steinacker.“

Das ist nun nicht nur langweilig, sondern auch noch falsch. Die Lage ist nicht „oft unbekannt“. Sie ist nur „vielen unbekannt“. Man kann dem Humanizer nicht trauen. Im Folgenden kommt es zu zahlreichen interpretatorischen Fehlern u. a., weil ThesisDraft ironische Formulierungen falsch interpretiert. Einige Formulierungen hat das Programm auch einfach komplett aus der Analyse geworfen, warum auch immer. Sie fehlen in dem Text, der von ThesisDraft als Textvorlage angezeigt wird.

Vielleicht war meine Buchbesprechung ja zu feuilletonistisch und stilistisch einfach zu schwer verdaulich für ThesisDraft. Mag sein. Ich habe es deshalb nochmal mit einem meiner eher sachlich-lehrhaften Healthcare-Texte versucht.

Tatsächlich fallen die Umarbeitungen hier deutlich übersichtlicher aus:

Original:

„Doch warum genau wird Prävention immer wichtiger und wie können Sie aktiv dazu beitragen, Ihre Gesundheit langfristig zu schützen?“

ThesisDraft:

„Doch warum genau wird Prävention immer wichtiger? Und wie können Sie aktiv dazu beitragen, Ihre Gesundheit langfristig zu schützen?“

Original:

„Dank technologischer Innovationen und medizinischer Durchbrüche können wir heute viele Krankheiten, die einst als unheilbar galten, behandeln und sogar heilen“

ThesisDraft:

„Dank technologischer Innovationen und medizinischer Durchbrüche können wir heute viele Krankheiten behandeln und sogar heilen. Diese galten einst als unheilbar.“

Original:

„Eine ausgewogene Ernährung versorgt den Körper mit allen notwendigen Nährstoffen, Vitaminen und Mineralien, die er benötigt, um optimal zu funktionieren.“

ThesisDraft:

„Eine ausgewogene Ernährung versorgt den Körper mit allen notwendigen Nährstoffen, Vitaminen und Mineralien. Diese benötigt er, um optimal zu funktionieren.“

Dagegen ist nichts einzuwenden. Die alternativen Vorschläge von ThesisDraft kann man nun händisch per Copy-Paste in das eigene Dokument übernehmen. Automatisiert geht das nicht. (Dafür gibt es ein eigenes kostenpflichtiges Tool). Ich habe das getan und anschließend das überarbeitete Dokument wieder einem KI-Check unterzogen. Hier das überraschende Resultat:

Humanizer
Auch im von ThesisDraft optimierten Text werden noch KI-Spuren entdeckt.

Der KI-Wert hat sich durch die Überarbeitung von 24 auf 19 verbessert, aber es werden noch immer KI-Spuren identifiziert. Eigentlich hatte ich erwartet, dass alle Hinweise auf KI nach der Berücksichtigung sämtlicher Redigiervorschläge von ThesisDraft beseitigt worden wären.

Résumé

Trotzdem scheinen wir nun beim Kernnutzen von ThesisDraft angekommen zu sein:

  • Durch die Berücksichtigung der Vorschläge von ThesisDraft kann man die Ergebnisse eines Textes im Test durch KI-Detektoren verbessern. Das ist gut.
  • Der individuelle persönliche Stil eines Textes, wichtig bei eher feuilletonistischen Dokumenten, geht durch eine Bearbeitung nach den Kriterien von ThesisDraft verloren. Anders ausgedrückt: Für solche Texte eignet sich ThesisDraft gar nicht. Das muss man wissen.
  • Die KI-Detektionsgenauigkeit von ThesisDraft ist nicht technologieführend. Da gibt es bessere Alternativen.
  • Der Plagiat-Check von ThesisDraft kann nicht überzeugen.

Dieser Beitrag enthält unbezahlte Werbung

Illustrationen ©Michael Kausch. Titelbild mit KI

Beitrag teilen

LinkedIn
Facebook
Pinterest
XING
Telegram
WhatsApp
Threads
Email
Print

Weitere interessante Artikel

KI Detektoren im Test

Mit Künstlicher Intelligenz KI-Texte entdecken. 5 KI-Detektoren im Test.

Google und Social-Media-Plattformen beginnen Texte, die mit KI erstellt wurden, in ihren Algorithmen schlechter zu bewerten: sie werden seltener ausgespielt oder im Ranking nach unten geschoben. Deshalb ist es wichtig, das Texte, die von echten Menschen verfasst wurden, von KI-Detektoren nicht fälschlich als KI-generiert gekennzeichnet werden. Wie funktionieren KI-Detektoren? Welche arbeiten zuverlässig? Dieser Aufsatz erklärt ihre Funktionsweise und ein erster Test bewertet sechs gängige Produkte. Eine wichtige Hilfestellung für Redakteure und Content Creator.

Weiterlesen »
KI Guideline

Wie die EU-Verordnung zur Künstlichen Intelligenz Ihr Unternehmen zur Einführung von KI-Richtlinien zwingt

Die EU-Grundverordnung zur Künstlichen Intelligenz zielt darauf ab, ein einheitliches und sicheres Umfeld für die Entwicklung und Nutzung von KI innerhalb der Europäischen Union zu schaffen. Sie legt spezifische Anforderungen fest, die alle Unternehmen erfüllen müssen, die KI-Technologien entwickeln, vertreiben oder nutzen. An der Verabschiedung von Richtlinien zur Nutzung von KI für Mitarbeitende führt kein Weg vorbei.

Weiterlesen »

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert