Alle Artikel

// ki im businesscontent-marketing

KI-Text menschlich klingen lassen: Mein Test mit sechs Detektoren

KI-Text menschlich klingen lassen: Mein Test mit sechs Detektoren zeigt, was Humanizer bei deutschen Texten anrichten und was stattdessen hilft.

Albert Schulz

// kostenlos dazu

Claude Setup Guide

Richte Claude so ein, dass er deinen Kontext kennt und nicht bei jeder Anfrage bei null anfängt.

Guide kostenlos holen
Ehrliche Antwort vorab: Einen KI-Text menschlich klingen lassen, das schafft kein Umformulier-Tool. Das schaffst nur du. Mit eigenem Rohmaterial, einer klaren Haltung gleich im Einstieg und Sätzen, die nicht alle gleich lang sind.
Ich hab das gemessen. Ein Artikel, sechs Prüfdienste, vier Fassungen. Der KI-Anteil ist von 52,2 auf 14,3 Prozent gefallen.
Ein Humanizer hat es sogar auf 0 Prozent geschafft. Nur stimmten danach die Zahlen nicht mehr. Ein Absatz stand plötzlich auf Englisch.
Unten findest du die Details und einen Ablauf für heute. 30 Minuten, ohne Zusatztool.

Was macht einen KI-Text menschlich?

Menschlich klingt ein Text, wenn jemand erkennbar etwas entschieden hat. Eine Position, ein Detail aus der eigenen Praxis, ein Rhythmus, der nicht nach Schema läuft. In meinem Test haben kurze Sätze, direkte Ansprache und ein Einstieg mit Haltung am meisten gebracht. Der Humanizer hat nur die Anzeige gesenkt.

Warum klingen KI-Texte nach KI?

Weil ein Sprachmodell Wort für Wort das Wahrscheinliche wählt. Das Ergebnis ist glatt. Alle Sätze ähnlich lang, alles neutral erklärt, jeder Abschnitt startet mit einer Definition.
Genau da hat der Detektor bei mir zugeschlagen: bei der Einleitung und bei den Definitionen. Fakten lassen oft nur eine sinnvolle Formulierung zu. Die ist vorhersehbar.
OpenAI sagt das über sein eigenes Erkennungstool ähnlich: Sehr vorhersehbarer Text lässt sich nicht zuverlässig einordnen.
Dein Text klingt nicht nach KI, weil du KI benutzt hast. Er klingt nach KI, wenn niemand darin etwas entschieden hat.

Woran erkennst du selbst, dass ein Text nach KI klingt?

Du brauchst keinen Detektor dafür. Lies den Text laut und achte auf fünf Dinge:
  • Der Einstieg erklärt, statt etwas zu behaupten.
  • Fast alle Sätze sind gleich lang.
  • Es kommt nirgends eine Zahl oder ein Fall aus deinem Alltag vor.
  • Aufzählungen haben immer drei Punkte.
  • Der letzte Absatz fasst alles noch mal zusammen.
Trifft mehr als die Hälfte zu, hat niemand den Text angefasst. Dann hilft auch kein Tool mehr. Dann hilft Überarbeiten.

Was messen KI-Detektoren überhaupt?

Sie raten. Genauer: Sie schätzen, wie sehr ein Text nach typischen KI-Mustern aussieht. Wer ihn geschrieben hat, wissen sie nicht.
Das hat OpenAI selbst vorgeführt. Anfang 2023 kam ein eigenes Erkennungstool raus. In einem englischen Testset erkannte es 26 Prozent der KI-Texte.
9 Prozent der menschlichen Texte hielt es für KI. Am 20. Juli 2023 wurde es abgeschaltet, wegen geringer Genauigkeit.
Dazu eine Studie um Debora Weber-Wulff. 14 Detektoren, getestet 2023. Keiner kam auf 80 Prozent Genauigkeit, nur fünf auf über 70.
Die Quote falscher Verdächtigungen lag zwischen 0 Prozent (Turnitin) und 50 Prozent (GPTZero). Bei bearbeiteten oder umformulierten KI-Texten hielten die Tools etwa die Hälfte für menschlich.
Das ist von 2023, die Tools haben sich geändert. Dass sie sich bei demselben Text widersprechen, hab ich trotzdem selbst gesehen. Bei einer Fassung meines Artikels sagten drei Dienste „Human“ und drei „Likely AI“.
Zu Google: Am 1. Oktober 2026 hat Google den Leitfaden zu KI-Inhalten ergänzt. Wer KI-Texte veröffentlicht, soll sie vorher von Hand prüfen. Auf Fehler, auf Verlässlichkeit.
Laut Berichten gilt das auch für Titel, Metadaten und Alt-Texte. Eine neue Strafe für KI-Einsatz ist das nicht, die Spam-Regeln gelten wie vorher. Einen Detektor-Wert verlangt Google nicht.

Was zeigt mein Test mit sechs Detektoren?

Das Testobjekt: der Artikel KI im Online-Business: Was hilft, was bleibt hier im Blog. Gemessen habe ich mit dem Detektor von Phrasly. Der bündelt sechs Prüfdienste: Pangram, Originality, ZeroGPT, TurnItIn, Copyleaks und GPTZero.
Die vier Fassungen:
  1. Sachlicher Stil, erste Fassung: 52,2 Prozent KI. Alle sechs Dienste sagten „AI“ oder „Likely AI“.
  2. Nach Handüberarbeitung: 36,7 Prozent, 58 von 158 Sätzen markiert. Drei Dienste sagten „Human“, drei „Likely AI“.
  3. Ganzer Artikel neu im lockeren, gesprochenen Ton: 23,5 Prozent, 40 von 169 Sätzen markiert.
  4. Einstieg umgeschrieben: 14,3 Prozent, 0 von 170 Sätzen markiert, alle sechs Dienste sagten „Human“. Diese Fassung steht live im Blog.
Vier Dinge sind mir dabei aufgefallen.
Die Teile sehen besser aus als das Ganze. Ich hab dieselbe Fassung in vier Abschnitte geschnitten, je 440 bis 580 Wörter. Jeder Abschnitt lag bei 8 bis 10 Prozent. Kein Satz markiert, alle sechs „Human“.
Der ganze Text kam auf 23,5 Prozent. Wer nur Absätze prüft, sieht ein zu freundliches Bild.
Der Einstieg zählt. Zwölf markierte Sätze standen ganz vorne. Ich hab sie umgeschrieben, mit einer Position statt einer Erklärung. Danach 14,3 Prozent statt 23,5.
Mehr Handarbeit ist nicht automatisch besser. Bei einem Abschnitt hab ich überarbeitet. Der Wert stieg von 31 auf 40,1 Prozent. Fassung verworfen.
Tippfehler bringen fast nichts. Am Einstieg 1,6 Punkte weniger. Ich baue keine ein.
Wichtig: Der Detektor misst Stil, nicht Herkunft. Eine Garantie für 0 Prozent gibt es nicht. Ich will sie auch nicht.
Vor dem Livegang gilt bei mir: Die Mehrheit der Dienste sagt „Human“. Und in den Passagen mit eigener Erfahrung ist kein Absatz markiert.

Bringt ein Humanizer bei deutschen Texten etwas?

Mein Fazit vorab: nichts, was ich veröffentlichen würde. Ich hab denselben Artikel durch den Humanizer von Phrasly laufen lassen, in drei Modi: Gentle, Balanced, Light. Der Detektor zeigte danach 0 Prozent. Der Inhalt war trotzdem kaputt:
  • Eine EU-Pflicht stand falsch da.
  • Zahlen waren verändert.
  • Sätze endeten als Fragmente.
  • Plötzlich stand da „Sie“ statt „du“.
  • Konzeptnamen hießen anders.
  • Im Modus Gentle landete ein Absatz auf Englisch.
Ein Tool, ein Artikel: Das ist kein Urteil über alle Humanizer. Mich hat das Muster trotzdem überzeugt. Meine Vermutung: Der Wert sinkt, weil der Text seine Muster verliert. Mit den Mustern gehen Aussagen verloren.
Und wenn Google verlangt, KI-Inhalte von Hand auf Fehler zu prüfen, ist ein Werkzeug, das neue Fehler einbaut, keine Lösung. Es ist ein Risiko mehr. Mir geht's nicht ums Austricksen. 0 Prozent mit falschen Zahlen ist verfehlt.

Was senkt den KI-Anteil, ohne den Inhalt zu beschädigen?

Vier Hebel senken den Wert. Ein fünfter schützt den Inhalt.
Einstieg mit Position. Fang mit deiner Antwort an. Nicht mit einer Erklärung.
Ausgedachtes Beispiel: Statt „KI verändert das Online-Business grundlegend“ schreibst du „Ehrliche Antwort vorab: KI nimmt dir die Fleißarbeit ab. Die Haltung nicht.“
Kurze Sätze, Fragmente. Lang, kurz, lang. Ein Fragment ist erlaubt, eine rhetorische Frage auch. Eine, mehr nicht.
Direkte Ansprache. Schreib, als würdest du einem Kollegen eine Nachricht schicken. „Du“ statt „man“.
Eigenes Rohmaterial. Sprich eine Sprachnotiz ein: Thema, deine Meinung, ein Beispiel aus deinem Alltag. Die KI sortiert. Die Substanz kommt von dir.
Fakten selbst prüfen. Beim Faktencheck für den Artikel über KI im Online-Business musste ich die Einordnung einer Bitkom-Zahl korrigieren. Die Prozentwerte beziehen sich dort auf Unternehmen, die KI nutzen, planen oder diskutieren. So ein Detail geht schnell verloren: Prüf jede Zahl an der Primärquelle.

Wie sieht ein Ablauf aus, der nach dir klingt?

Etwa 30 Minuten. Kein Zusatztool.
  1. Sprich fünf Minuten in eine Sprachnotiz. Thema, deine Meinung, ein Beispiel.
  2. Lass die KI daraus eine Gliederung und einen Rohtext bauen. Dein Wortlaut ist das Material.
  3. Schreib den Einstieg selbst neu. Deine Antwort in zwei oder drei Sätzen.
  4. Prüf jede Zahl und jede Behauptung an der Quelle. Streich, was du nicht belegen kannst.
  5. Lies den Text laut vor. Wo du stolperst, klingt er nicht nach dir.
  6. Optional: Detektor auf den ganzen Text, markierte Sätze umschreiben. Der Wert ist eine Stichprobe, kein Ziel.

Mein Take

Detektor-Werte sind ein Indiz, kein Urteil. Einen Humanizer würde ich bei deutschen Texten nicht anfassen, weil er Inhalt kostet. Menschlich klingt, was Haltung und Rohmaterial hat. Das nimmt dir kein Tool ab.
Zur Transparenz: Dieser Blog entsteht mit Claude. Der Entwurf kommt von der KI. Zahlen werden gegen Quellen geprüft, jeden Artikel gebe ich selbst frei. Den Detektor nutze ich nur als letzte Stichprobe vor dem Livegang.

Häufige Fragen

Erkennt Google, ob ein Text von KI stammt?

Google beschreibt seine Regeln unabhängig davon, wie ein Text entsteht. Entscheidend sind Qualität, Nutzen und Fehlerfreiheit, mehr dazu in Von KI zitiert werden. Seit dem 1. Oktober 2026 hält der Leitfaden die manuelle Prüfung von KI-Inhalten laut Berichten für entscheidend. Ob Google intern nach KI-Mustern sucht, lässt sich von außen nicht belegen.

Wie zuverlässig sind KI-Detektoren?

Nur begrenzt. Die Studie um Weber-Wulff fand 2023 keinen Detektor über 80 Prozent Genauigkeit. In meinem Test waren sich die sechs Dienste bei einer Fassung nicht einig. Nimm einen Wert als Hinweis, nie als Beweis.

Soll ich einen Humanizer benutzen?

Für deutsche Texte rate ich nach meinem Test ab. Er hat Zahlen verändert und Aussagen verdreht, obwohl der Detektor 0 Prozent zeigte. Willst du einen testen, nimm einen Text mit Zahlen, die du kennst. Vergleiche dann Satz für Satz.

Muss ich KI-Texte kennzeichnen?

Das hängt vom Einsatz ab. Die Transparenzpflichten der EU-KI-Verordnung gelten seit dem 2. August 2026. Wie sie für Blogartikel einzuordnen sind, steht in meinem Artikel KI im Online-Business. Das ist keine Rechtsberatung, für eine verbindliche Antwort frag eine Fachperson.

Helfen absichtliche Tippfehler?

Kaum. In meinem Test senkten sie den Wert am Einstieg um 1,6 Punkte. Der Aufwand lohnt nicht. Ein Tippfehler macht auch keinen Text menschlich.

Quellen

Weitere kostenlose Ressourcen