Ein KI-Text verrät sich selten durch das, was falsch ist. Er verrät sich durch das, was zu oft richtig ist: dieselben Wörter, dieselbe Satzform, derselbe glatte Rhythmus. Wer einen Entwurf redigiert, sucht meist nach Fehlern. Die Muster, die einen Text als KI-Text auffallen lassen, sind selten einzelne Fehler. Sie sind zählbare Häufungen.
Darin liegt der Unterschied zwischen einem Gefühl und einer Prüfung. „Das klingt nach KI" ist eine Leserwahrnehmung, die reale Ursachen hat: nachweisbar gehäufte Wörter, nachweisbar gehäufte Satzmuster und ein Text, der beim Vorlesen glatter ist als beabsichtigt. Dieser Beitrag zeigt, welche dieser Muster maschinell prüfbar sind, warum Detektoren dabei nicht helfen und welche Gates einen Text vor der Veröffentlichung abfangen müssen, statt ihn danach zu reparieren.
Das Wichtigste in Kürze
- Häufung ist messbar, nicht gefühlt: Die Frequenz von „delves" in wissenschaftlichen Abstracts stieg nach der Einführung von ChatGPT von 0,21 auf 14,38 Vorkommen pro Million Wörter (+6.697 Prozent); GPT-4o nutzt Partizipialkonstruktionen 5,3-mal häufiger als menschliche Autoren.
- Leser reagieren messbar ablehnend: „Stilistische Künstlichkeit" ist mit 14,2 Prozent der Antwort-Nennungen der zweithäufigste Grund, einen offengelegten KI-Text abzulehnen.
- Detektoren sind kein verlässliches Gate: Sieben verbreitete GPT-Detektoren stuften im Schnitt 61,22 Prozent menschlich geschriebener TOEFL-Essays fälschlich als KI ein. Verlässlich sind stattdessen zwei getrennte maschinelle Ebenen (Stil-Lint, Struktur-/Upload-Gate) plus ein menschlicher Redaktions-Review.
- Gates gehören vor die Veröffentlichung, nicht danach: Ein Fakten-Gate erzwingt Quellenbelege, bevor ein Text online geht, statt Lücken nach dem Livegang nachzubessern.
Warum KI-Texte nach KI klingen: lexikalische und strukturelle Muster
KI-Texte klingen nach KI, weil bestimmte Wörter und Satzmuster in KI-Output messbar gehäuft auftreten, nicht weil KI grundsätzlich schlechter schreibt. In wissenschaftlichen Abstracts stieg die Häufigkeit von „delves" nach der Einführung von ChatGPT von 0,21 auf 14,38 Vorkommen pro Million Wörter, ein Anstieg um 6.697 Prozent; die verwandten Formen „delved" (+2.240 Prozent) und „delve" (+1.375 Prozent) zeigen dasselbe Muster [1]. Die Forscher Tom Juzek und Zina Ward identifizieren in ihrer Studie insgesamt 21 solcher „focal words", darunter „intricate" und „underscore" [1].
Diese Häufung bleibt nicht auf einzelne Wörter beschränkt. Eine unabhängige Auswertung von über 15 Millionen biomedizinischen Publikations-Abstracts findet ein ähnliches Bild: Von 379 identifizierten Exzess-Stilwörtern des Jahres 2024 waren 66 Prozent Verben und 14 Prozent Adjektive wie „meticulous" oder „comprehensive" [2]. Auch auf der Satzebene lässt sich die Häufung nachweisen: GPT-4o setzt Partizipialkonstruktionen 5,3-mal häufiger ein als menschliche Autoren und erreicht dabei nicht die stilistische Bandbreite, die menschliche Texte zeigen [3]. Nominalisierungen treten 2,1-mal, „that"-Nebensätze 2,6-mal und Phrasenkoordinationen 1,9-mal häufiger auf als im menschlichen Vergleichskorpus [3].
Neben dieser belegten Häufung gibt es eine kuratierte, aber nicht wissenschaftlich validierte Sammlung weiterer Verdachtsmuster. Die Wikipedia-Redaktion führt in ihrem Leitfaden „Signs of AI writing" eine Liste solcher Muster: die rhetorische Antithese-Figur, die Überbenutzung der Dreierfigur, das Ausweichen vor einfachen Verben wie „ist" zugunsten von „dient als" oder „bietet", die Häufung von Gedankenstrichen und Fettdruck sowie werbliche Adjektive wie „vibrant" oder „groundbreaking" [4]. Diese Einzelmuster sind eine redaktionelle Heuristik. Sie sind für sich genommen wissenschaftlich unbelegt, ergänzen aber die belegte Grundthese sinnvoll.
Ein lexikalischer Marker ist ein einzelnes Wort, das überproportional oft auftaucht, wie „delve". Ein struktureller Marker betrifft den Satzbau selbst, etwa Partizipialkonstruktionen oder Nominalisierungen. Beide Ebenen sind unabhängig voneinander messbar und verstärken sich in der Wahrnehmung gegenseitig.
Warum Leser diese Muster ablehnend wahrnehmen
Leser reagieren messbar ablehnend auf KI-Textmarker, auch ohne sie benennen zu können. In einem Bewertungsexperiment von Juzek und Ward wurden Abstracts, die mit „delve" beginnen, signifikant schlechter bewertet als vergleichbare Texte ohne dieses Wort (p = 0,023) [1]. Eine Untersuchung zur Leserwahrnehmung bei offengelegter KI-Autorschaft findet ein passendes Muster: „Stilistische Künstlichkeit" ist mit 132 von 929 Antwort-Nennungen (14,2 Prozent) der zweithäufigste Ablehnungsgrund, direkt nach inhaltlichen Mängeln [5].
Dieselbe Untersuchung zeigt, dass die offengelegte KI-Autorschaft das wahrgenommene Vertrauen in einen Text signifikant senkt (Koeffizient −3,236, p < 0,001) [5]. Der Effekt tritt unabhängig davon auf, ob die Leserin die konkrete Ursache benennen kann. Sie registriert eine Künstlichkeit, ohne zu wissen, dass ein Wort wie „delve" oder eine Partizipialkonstruktion dahintersteckt, und reagiert trotzdem mit geringerem Vertrauen.
Für einen Firmenblog ist diese Kausalität besonders relevant. Ein Text, der fachlich korrekt ist, aber diese Muster häuft, verliert Leservertrauen an einer Stelle, die kein Faktencheck reparieren kann. Wer regelmäßig veröffentlicht, prüft Inhalte deshalb auf Richtigkeit und zusätzlich auf diese stilistische Häufung, bevor ein Text online geht.
Was ein Stil-Lint maschinell abfängt
Ein Stil-Lint prüft vor jeder Veröffentlichung automatisiert auf Antithesen, Dreierfiguren, Gedankenstriche und KI-Floskeln. Der eigene Stil-Lint von Quandes arbeitet mit festen Budgets: eine bewusste Antithese pro rund 1.000 Wörter ist als hartes Gate zulässig, zwei Dreierfiguren pro 1.000 Wörter als weiches Gate, dazu eine gepflegte Liste bekannter KI-Floskeln [6]. Freistehende Gedankenstriche im Lesertext sind ebenfalls ein hartes Gate und werden vor der Freigabe durch Komma, Punkt oder Doppelpunkt ersetzt [6].
Wichtig ist dabei die Abgrenzung: Der Stil-Lint prüft ausschließlich sprachliche Muster. Ob ASCII-Umlaute, rohe Pfade oder eine falsche Reihenfolge von Call-to-Action, FAQ und weiterführenden Links im Text stehen, prüft ein zweites, eigenständiges Gate vor dem Hochladen [7]. Beide Ebenen ersetzen sich nicht: Ein Text kann sprachlich saubere Prüfungen bestehen und trotzdem an einem technischen Strukturfehler scheitern, und umgekehrt.
- Antithese-Budget: maximal eine bewusste Antithese je 1.000 Wörter, hartes Gate.
- Dreierfiguren-Budget: maximal zwei rhetorische Dreierreihen je 1.000 Wörter.
- Gedankenstrich-Verbot: kein freistehender Gedankenstrich im Lesertext.
- KI-Floskel-Liste: eine gepflegte Regex-Liste bekannter Aufwärm- und Übergangsfloskeln.
Ein Beispiel macht die Budgets greifbar: Ein Entwurf von 1.000 Wörtern darf laut Vorgabe eine bewusst gesetzte Antithese und höchstens zwei Dreierfiguren tragen. Enthält der Text stattdessen vier Antithesen und fünf Dreierfiguren, greift der Stil-Lint vor der Freigabe automatisch ein, unabhängig davon, wie überzeugend der Inhalt sonst ist.
Der Stil-Lint beantwortet damit ausschließlich die Frage nach sprachlichen Mustern. Ob ein Text überhaupt von einer KI stammt, bleibt offen. Diese Frage beantworten KI-Detektoren, mit einer eigenen Verlässlichkeit, die der nächste Abschnitt einordnet.
Strategiegespräch
Qualitätsgates für Ihren Firmenblog einrichten
Wenn Ihr Unternehmen regelmäßig Fachtexte veröffentlicht und dabei nicht auf ein Bauchgefühl vertrauen möchte, klärt Quandes mit Ihnen, welche Sprach-, Struktur- und Faktengates vor der Veröffentlichung greifen sollten.
Strategiegespräch anfragenWarum KI-Detektoren kein Qualitätsgate sind
KI-Detektoren taugen nicht als Qualitätsgate, weil sie nachweislich verzerrt, instabil und leicht zu umgehen sind. Sieben verbreitete GPT-Detektoren stuften im Schnitt 61,22 Prozent von 91 menschlich geschriebenen TOEFL-Essays fälschlich als KI-generiert ein, und 97,8 Prozent der Essays wurden von mindestens einem der Detektoren geflaggt [8]. Der Mechanismus dahinter ist eine niedrige Textkomplexität, die insbesondere Autoren ohne Muttersprache Englisch benachteiligt: Eine einfache Umformulierung durch ChatGPT senkte die Falsch-Positiv-Rate von 61,22 auf 11,77 Prozent [8].
Auch in die andere Richtung versagen Detektoren. Schon minimales KI-Nachpolieren eines menschlichen Textes führt je nach Detektor zu Detektionsraten von 10 bis 75 Prozent [9]. Eine Paraphrasierungstechnik namens DIPPER senkt die Erkennungsrate des Detektors DetectGPT von 70,3 auf 4,6 Prozent, bei einer konstant gehaltenen Falsch-Positiv-Rate von 1 Prozent [10]. Ein Detektor-Score liefert damit in beide Richtungen ein unsicheres Ergebnis: bei echten menschlichen Texten ebenso wenig verlässlich wie bei überarbeiteten KI-Texten.
Verlässlicher als ein einzelner Score ist eine Kombination aus drei unabhängigen Ebenen: der Stil-Lint für sprachliche Muster, das Struktur-/Upload-Gate für technische Hygiene und ein menschlicher Redaktions-Review für alles, was sich nicht zählen lässt. Jede Ebene prüft eine andere Frage, und keine ersetzt die anderen beiden.
Ein Detektor-Score ist kein Qualitätsurteil. Er ist ein weiterer unsicherer Datenpunkt, der eine echte Prüfung nicht ersetzt.
Was Regex nicht erkennt: der redaktionelle Review
Hook, roter Faden, Redundanz und Gesamtwirkung lassen sich nicht per Regex prüfen, dafür braucht es den menschlichen Redaktions-Review. Quandes verzichtet deshalb bewusst darauf, einen KI-Detektor-Score als Gate einzusetzen, und setzt stattdessen auf feste stilistische Regeln plus einen redaktionellen Review mit frischem Blick, der nach dem Lint erfolgt (Architekturentscheidung, Stand Juni 2026) [11].
Dieser Review beantwortet Fragen, die kein Muster-Scan beantworten kann: Greift der Einstieg, oder liest er sich wie ein Lexikoneintrag? Trägt der rote Faden über alle Abschnitte, oder wiederholt der Text dieselbe Aussage in anderen Worten? Bleibt am Ende ein Gesamteindruck, der zum Thema passt? Diese Fragen bilden eine eigene Prüfebene, die sich der Automatisierung entzieht.
Diese Trennung unterscheidet einen geprüften von einem lediglich lektorierten Text. Ein Text kann jede Regel des Stil-Lints erfüllen und trotzdem an Redundanz oder einem schwachen Einstieg scheitern. Beide Prüfebenen sind deshalb Pflicht, nicht wahlweise austauschbar.
Fakten-Gate und der Grundsatz: Gates vor Veröffentlichung, nicht danach
Fakten- und Quellenanker sind ein eigenes, maschinell erzwungenes Qualitätsgate, und alle Gates müssen vor dem Wechsel in die Veröffentlichung liegen, sonst wird nach dem Livegang repariert statt vorher geprüft. Ein Fakten-Gate erzwingt bei Quandes vor jeder Freigabe, dass zu einem Beitrag eine vollständig validierte Fakten-Datei existiert, jede Fußnote im Text einen passenden Eintrag im Quellen-Block hat und jede zitierte externe Quelle erreichbar ist [12]. Fehlt eines dieser Kriterien, bleibt der Beitrag blockiert.
Der Grund für diese Reihenfolge ist einfach: Ein Gate, das erst nach der Veröffentlichung greift, findet Fehler, die bereits online sichtbar waren. Ein Gate, das vor der Veröffentlichung greift, verhindert das. Für einen Firmenblog ist dieser Unterschied mehr als Formalismus: Er entscheidet, ob aus einem einzelnen guten Text ein verlässlicher Publikationsprozess wird.
| Gate | Prüft | Ebene |
|---|---|---|
Stil-Lint | Antithesen, Dreierfiguren, Gedankenstriche, Floskeln | Sprache, maschinell |
Struktur-/Upload-Gate | ASCII-Umlaute, Rohpfade, Reihenfolge von CTA, FAQ, Links | Technik, maschinell |
Fakten-Gate | Quellenbelege, Fußnoten-Integrität, Erreichbarkeit | Belege, maschinell |
Redaktions-Review | Einstieg, roter Faden, Redundanz, Gesamtwirkung | Inhalt, menschlich |
Brücke zum agentischen Arbeiten
Diese vier Gates sind ein konkreter Baustein des Review-Rhythmus im Themencluster Agentisches Arbeiten. Der Review-Rhythmus legt fest, wann und wie oft ein Ergebnis geprüft wird, bevor es weiterläuft, und das leisten Stil-Lint, Struktur-/Upload-Gate und Fakten-Gate für jeden einzelnen Beitrag. Sie sind zugleich eine Voraussetzung für die Verantwortungsgrenze zwischen Agent und Mensch: Ein Agent kann Muster zählen und Belege prüfen, aber die Entscheidung, ob ein Text so online geht, bleibt beim Menschen. Ohne diese Gates würde die Verantwortungsgrenze verschwimmen, weil niemand mehr wüsste, welche Prüfung bereits gelaufen ist und welche noch fehlt.
Strategiegespräch
Wenn Sie Ihre Content-Qualität nicht dem Zufall überlassen wollen
Quandes zeigt Ihnen, wie sich Stil-, Struktur- und Faktenprüfung in Ihre eigene Content-Produktion einbauen lassen, damit Qualität schon vor der Veröffentlichung entschieden ist.
Strategiegespräch anfragenHäufige Fragen zu KI-Texten und Qualitätsgates
Woran erkennt man, dass ein Text von einer KI stammt?
Vor allem an gehäuften, nicht an falschen Stellen: bestimmte Wörter wie „delve" oder „intricate" treten in KI-Texten deutlich häufiger auf als in menschlichen Vergleichstexten, ebenso bestimmte Satzformen wie Partizipialkonstruktionen. Einzelne Vorkommen sind kein Beweis, die Häufung schon.
Warum benutzt ChatGPT Wörter wie „delve" so oft?
Die Studie von Juzek und Ward findet keinen Beleg dafür, dass Modellarchitektur oder Trainingsdaten die Ursache sind; die naheliegendste Erklärung ist das nachträgliche Feintuning der Modelle über menschliches Feedback, das bestimmte Formulierungen systematisch belohnt.
Sind KI-Text-Detektoren zuverlässig?
Nein. Verbreitete Detektoren stufen im Schnitt über 60 Prozent menschlich geschriebener Texte fälschlich als KI ein, und schon einfache Umformulierungen senken ihre Erkennungsrate bei echten KI-Texten drastisch. Ein Detektor-Score ersetzt keine Qualitätsprüfung.
Welche KI-Floskeln sollte man beim Schreiben vermeiden?
Aufwärmfloskeln, generische Übergänge und werbliche Adjektive ohne konkreten Bezug gehören dazu. Ein Stil-Lint mit einer gepflegten Floskel-Liste fängt viele dieser Fälle automatisiert ab, bevor ein Mensch sie einzeln suchen muss.
Wie prüft man die Qualität eines KI-Texts vor der Veröffentlichung?
Über mehrere getrennte Gates: einen Stil-Lint für sprachliche Muster, ein Struktur-/Upload-Gate für technische Hygiene, ein Fakten-Gate für Quellenbelege und einen menschlichen Redaktions-Review für alles, was sich nicht zählen lässt. Alle vier Prüfungen sind vor der Veröffentlichung Pflicht. Nach dem Livegang ist es dafür zu spät.
Weiterführend
Agentisches Arbeiten
Agentisches Arbeiten im KMU: Verantwortung und Geschwindigkeit ohne Kontrollverlust
Agentisches Arbeiten ist keine Tool-Frage, sondern eine Verantwortungsfrage. Wie KMU KI-Agenten beauftragen: mit Aufgabenbrief, Verantwortungsgrenze, Eskalationskante und Review-Rhythmus.
Agentisches Arbeiten
Mensch-Agent-Übergabe: Wer entscheidet wann?
Die wichtigste Designentscheidung agentischen Arbeitens betrifft die Stelle, an der ein Mensch die Verantwortung übernimmt. Vier Übergabe-Modi, Risiko-Matrix und Audit-Trail-Pflicht.
Webpräsenz
Blog mit KI erstellen: ohne in die Austauschbarkeits-Falle zu laufen
Blog mit KI erstellen, ohne im Durchschnitt unterzugehen: Warum austauschbarer KI-Content nicht zitiert wird und wie die Kernbotschaft als Filter Substanz sichert.