Wenn Sie “genauester KI-Detektor” googeln, erhalten Sie eine Liste von Artikeln. Das Problem ist, dass die meisten dieser Artikel eine Liste präsentieren, die auf Meinungen und nicht auf Tests der KI-Detektoren basiert.
Ich wollte etwas Ehrlicheres machen als das.
Ich bin Christian Perry und leite Undetectable AI. Dank meiner Arbeit habe ich ein besseres Verständnis dafür, wie KI-Detektoren bei verschiedenen Arten von Text funktionieren.
Mit Hilfe meines Wissens und meiner Erfahrung habe ich eine umfassende Methodik entwickelt, um fünf gängige KI-Detektoren zu testen. Mein Test umfasste 18 Textproben, die ich durch die fünf KI-Detektoren laufen ließ, die ich in die engere Wahl gezogen hatte.
Insgesamt führte ich 90 AI-Scans durch und protokollierte alles über jeden einzelnen Scan in einem Arbeitsblatt.
Dieser Artikel zeigt Ihnen, was ich herausgefunden habe. Sie werden erfahren, welcher KI-Detektor bei welchem Inhaltstyp gewonnen hat und wo jeder strauchelte.
Wichtigste Erkenntnisse
- Vier der fünf von mir getesteten Detektoren (GPTZero, Undetectable AI, Copyleaks und QuillBot) erreichten eine Genauigkeit von 100% bei allen 18 Proben. Nur Originality.ai produzierte falsch positive Ergebnisse bei 2 der 18 Proben.
- Die AI-Detektoren variierten am stärksten bei gemischten (menschlichen + AI) Proben. Originality.ai kennzeichnete die gemischten Proben als 81% und 100% AI, während der tatsächliche AI-Gehalt nur 36% bis 38% betrug.
- Nicht nachweisbare AI lieferte die präzisesten Ergebnisse bei gemischten Passagen, mit Werten von 43% und 35% gegenüber wahren Werten von 38% und 36%.
- Kein Detektor hat in diesem Test ESL-Schrift fälschlicherweise als AI gekennzeichnet.
- Der KI-Humanizer von Grammarly versagte in diesem Test bei jedem Detektor. Alle sechs vermenschlichten KI-Passagen wurden in allen fünf Tools weiterhin als KI bewertet.
Was ist ein KI-Detektor?
Ein KI-Detektor ist ein Werkzeug, das versucht herauszufinden, ob ein Text von einem Menschen geschrieben oder von einer KI generiert wurde. Er liefert eine KI-gegen-Mensch-Bewertung für einen Text.
Einige KI-Detektoren können auch erkennen, ob ein Text eine Mischung aus KI und Mensch oder eine vermenschlichte Version eines von KI geschriebenen Textes ist.
Das Urteil eines jeden KI-Detektors zu einem bestimmten Text kann unterschiedliche Bedeutungen haben. Wenn ein Detektor Ihnen zum Beispiel sagt, dass eine Passage 87% KI ist, kann das entweder bedeuten, dass 87% der Wörter von einem Modell stammen oder dass das Tool 87% davon überzeugt ist, dass der Text KI ist.
Machen Sie sich nie wieder Sorgen, dass KI Ihre Texte erkennt. Undetectable AI Kann Ihnen helfen:
- Lassen Sie Ihr AI-unterstütztes Schreiben erscheinen menschenähnlich.
- Bypass alle wichtigen KI-Erkennungstools mit nur einem Klick.
- Verwenden Sie AI sicher und zuversichtlich in Schule und Beruf.
Die KI-Detektoren geben normalerweise an, wie genau Sie ihr Urteil interpretieren sollen.
Wer benutzt AI-Detektoren und welche Metrik ist für sie wichtig?
Jeder verwendet einen KI-Detektor mit einer anderen Absicht. Sie sind besorgt über eine andere KI-Detektor-Metrik im Vergleich zu einer anderen Person.
Im Folgenden werden einige gängige Benutzergruppen von KI-Detektoren vorgestellt und die für sie wichtigen Kriterien genannt.
- Pädagogen: Lehrer verwenden KI-Detektoren, um die von Schülern eingereichten Arbeiten auf KI zu überprüfen. Daher bevorzugen sie einen KI-Detektor mit einer niedrigen Falsch-Positiv-Rate, um zu vermeiden, dass ein ESL-Schüler fälschlicherweise der Verwendung von KI beschuldigt wird.
- Verleger/SEO-Teams: Verlage und SEO-Teams wollen sicherstellen, dass ihre Autoren ihnen keine KI-generierten Inhalte vorlegen, die mit einem Tool vermenschlicht wurden. Zu diesem Zweck sind KI-Detektoren mit hoher Genauigkeit für KI-generierte Inhalte am besten geeignet.
- Studenten/Selbstkontrolleure: Studenten wollen aus naheliegenden Gründen einen kostenlosen AI-Detektor. Also suchen sie nach einem kostenlosen KI-Detektor mit insgesamt hoher Genauigkeit.
- Einstellung/Rekrutierung: Personalverantwortliche müssen Kurztexte (Anschreiben, Bewerbungs-E-Mails usw.) prüfen, bei denen weder gute noch schlechte Bewerber durchfallen. Die Metrik, die diese beiden Faktoren ausgleicht, heißt F1-Score.
Die Bedeutung dieser Metriken wird klarer, wenn wir mit den Tests beginnen.
Wie AI-Detektoren tatsächlich funktionieren
Alle KI-Detektoren funktionieren in etwa auf die gleiche Weise.
Es zerlegt Ihren Text in statistische Signale und vergleicht diese Signale mit seiner Datenbank aus KI- und menschlichen Schreibproben.
Zu den statistischen Signalen, die von KI-Detektoren am häufigsten verwendet werden, gehören Perplexität und Burstiness.
- Perplexität misst, wie vorhersehbar die einzelnen Wörter angesichts der sie umgebenden Wörter sind. KI-Texte weisen in der Regel eine geringere Komplexität auf, da sie eine begrenzte Anzahl von Wörtern und Mustern übermäßig verwenden. Menschliche Texte weisen dagegen eine höhere Komplexität auf, da sie unerwartete/zufällige Schreibentscheidungen enthalten.
- Burstiness bezieht sich darauf, wie sehr die Satzlänge und -komplexität innerhalb einer Passage variiert. Auch hier gilt, dass KI-Texte in der Regel wenig sprunghaft sind, weil sie über den gesamten Text hinweg Sätze mit ähnlicher Länge und Struktur produzieren. Menschen hingegen neigen dazu, in unregelmäßigen Abständen zu schreiben.
Da alle KI-Detektoren diese beiden Signale gemeinsam haben, werden Sie sehen, dass sie bei denselben Textproben ähnlich abschneiden. Ihr Urteil wird jedoch nicht immer perfekt übereinstimmen.
Das liegt daran, dass verschiedene AI-Detektoren suchen Sie nach leicht unterschiedlichen Merkmalsverteilungen im selben Text.
Zweitens kann ein KI-Detektor bei verschiedenen Inhaltstypen eine unterschiedliche Genauigkeit aufweisen. Er kann gut darin sein, rohen KI-Text zu erkennen, aber nicht vermenschlichten KI-Text. Oder er kann durch gemischte Passagen getäuscht werden, in denen menschliche und KI-Sätze zusammengefügt sind.
Bei meinen Tests der AI-Detektoren habe ich alle diese Nuancen berücksichtigt.
Was ich getestet habe und wie
Ich wollte diesen Test so durchführen, wie ich mir wünschen würde, dass jemand ein von mir geliefertes Produkt testet.
Deshalb habe ich zunächst eine kontrollierte Stichprobe aus mehreren LLMs und menschlichen Gruppen ausgewählt. Dann habe ich dieselbe Rubrik auf alle Detektoren angewandt.
Lassen Sie mich meine Methodik erläutern.
Die Methodik
Ich habe zwei Sätze von Textpassagen erstellt.
Der erste Satz war der Basissatz, der 10 Textpassagen mit jeweils mehr als 300 Wörtern aus fünf Quellen enthielt. Dieser Satz bestand aus 6 KI-Textpassagen und 4 von Menschen geschriebenen Textproben.
- 6 AI-Textbeispiele: 2 von ChatGPT (Modell GPT 5.5), 2 von Claude Sonnet 4.6 und 2 vom Modell Gemini 3.5 Flash. Ich habe die Standardmodelleinstellungen ohne benutzerdefinierte Eingabeaufforderungstricks verwendet.
- 4 von Menschen geschriebene Beispiele: 2 von englischen Muttersprachlern und 2 von nicht muttersprachlichen Autoren (ESL). Ich habe die menschlichen Beispiele bewusst aus Artikeln und Foren aus dem Jahr 2021, also vor dem KI-Boom, ausgewählt, um auszuschließen, dass sie von einer KI generiert wurden.
Der zweite Satz enthielt zusätzliche Durchgänge, die aus dem Basissatz erstellt wurden, um die Detektoren einem Belastungstest zu unterziehen.
Hier sind weitere Einzelheiten:
- 6 humanisierte KI-Passagen: Ich habe jede der 6 rohen KI-Passagen aus dem Basissatz einmal durch den KI-Humanizer von Grammarly laufen lassen.
- 2 gemischte Passagen: Eine gemischte Stichprobe wurde aus verschachtelten Sätzen einer muttersprachlichen englischen Quelle und einer KI-Passage gebildet. Die andere gemischte Stichprobe wurde aus verschachtelten Sätzen einer ESL-Quelle und einer KI-Passage erstellt. Ich habe bei den gemischten Textproben ein Verhältnis von etwa 60/40 (menschliche Mehrheit) beibehalten.
Was die von mir getesteten Detektoren betrifft, so waren es 5:
- GPTZero
- Unauffindbarer KI-Detektor
- Originalität.ai
- Copyleaks
- QuillBot
Ich habe die Detektorversionen beim ersten Durchlauf protokolliert und am Ende des Tests stichprobenartig überprüft, um sicherzustellen, dass keine Versionsänderung in der Mitte der Woche stattgefunden hat. Außerdem habe ich die ganze Zeit inkognito und mit demselben Browser gearbeitet, um die Toolumgebung stabil zu halten.
Nun, wenn Sie nachrechnen, hatte ich insgesamt 18 Textproben. Ich habe also 18 KI-Erkennungsscans mit jedem der 5 KI-Detektoren durchgeführt. Das macht insgesamt 90 Scans.
Die Einzelheiten jedes Scans wurden in einem Tabellenkalkulation, die Sie hier finden können.
Die Ergebnisse: Welches ist der präziseste KI-Detektor?
Beginnen wir zunächst mit der Gesamtleistung der einzelnen KI-Detektoren und gehen dann auf die Einzelheiten ein, Detektor für Detektor.
Rangliste der Gesamtgenauigkeit
Im Folgenden finden Sie die Ergebnisse aller 18 Proben, die ich für diesen Artikel getestet habe. Die Probe umfasst
- 6 rohe AI-Passagen
- 6 humanisierte KI-Passagen
- 4 menschliche Passagen
- Und 2 gemischte Passagen, in denen sich menschliche und KI-Sätze in einem Verhältnis von etwa 60 zu 40 abwechseln
Eine kurze Anmerkung zu den Mischproben: Gemischte Proben (Mensch + KI) benötigten ein binäres Label, damit die Metriken berechnet werden konnten, und wir kodierten sie in dieser Tabelle als menschliche Grundwahrheit.
Jede gemischte Stichprobe bestand zu 60 bis 64 Prozent aus von Menschen geschriebenen Sätzen, und ein Verleger oder Redakteur, der eine Arbeit prüft, die größtenteils von jemandem selbst geschrieben wurde, würde sie als menschliche Arbeit betrachten.
Dies ist zwar eine vertretbare Entscheidung, aber nicht die einzige. Abgesehen davon habe ich die Ergebnisse im Detail in der Fundstücke Abschnitt weiter unten in diesem Artikel.
| Detektor | TP | FP | TN | FN | Gesamtgenauigkeit | TPR (AI-Rückruf) | FPR (am Menschen) | Präzision | F1 |
| GPTZero | 12 | 0 | 6 | 0 | 100.0% | 100.0% | 0.0% | 100% | 100% |
| Nicht nachweisbare AI | 12 | 0 | 6 | 0 | 100.0% | 100.0% | 0.0% | 100% | 100% |
| Copyleaks | 12 | 0 | 6 | 0 | 100.0% | 100.0% | 0.0% | 100% | 100% |
| QuillBot | 12 | 0 | 6 | 0 | 100.0% | 100.0% | 0.0% | 100% | 100% |
| Originalität.ai | 12 | 2 | 4 | 0 | 88.9% | 100.0% | 33.3% | 85.7% | 92.3% |
Ich weiß, was Sie jetzt vielleicht denken. Vier Detektoren, die genau dasselbe leisten, sind unrealistisch. Also lassen Sie mich das direkt ansprechen.
Die KI-Detektoren haben nicht bei allen Textproben 100% gleich gut abgeschnitten. Es gab Unterschiede von einigen Prozentpunkten, manchmal auch mehr.
Aber diese Unterschiede blieben auf derselben Seite der 50-Prozent-Linie, die ein KI-Urteil von einem menschlichen Urteil trennt. Das ist der Grund, warum die binäre Entscheidung gleich ausfiel und daher die Gesamtgenauigkeit und die Falsch-Positiv-Raten ähnlich sind.
Die größten Unterschiede gab es bei den Mischproben, weshalb der Originality.ai-Detektor auf eine Gesamtgenauigkeit von 88,9% kam, während die anderen vier mit 100% gleichauf lagen.
Für das Protokoll, hier ist, was diese Metriken bedeuten:
- Allgemeine Genauigkeit: den Prozentsatz der korrekten Binäraufrufe über alle Passagen hinweg
- Falsch-positiv-Rate (FPR): der Prozentsatz menschlicher Passagen, die fälschlicherweise als KI gekennzeichnet werden
- F1 Ergebnis: das harmonische Mittel aus Präzision und Recall, das einen einzigen Wert ergibt, der Fehlalarme und verpasste Fänge ausgleicht
Im nächsten Abschnitt wird die Varianz genauer beleuchtet, und wir werden die Ergebnisse aller 90 Scans im Detail in dem Abschnitt Fundstücke Abschnitt weiter unten.
Detektor-zu-Detektor-Aufschlüsselung
1. GPTZero
GPTZero erkannte rohe KI- und menschliche Proben mit einer Genauigkeit von 100%. Selbst die humanisierten KI-Proben konnten nicht täuschen GPTZero. Alle wurden als 100% AI gekennzeichnet.
Was die gemischten Passagen betrifft, so wurde die Mischung aus englischer Muttersprache und KI mit 0% KI bewertet. Aber er hat ihn auch nicht als 100% menschlich bezeichnet. Es war 56% sicher, dass der Text menschlich war und 44% sicher, dass es eine Mischung aus KI und Mensch war.
Die zweite gemischte Stichprobe erhielt 14% AI-Punkte und 83% menschliche Punkte. Die restlichen 3% sind gemischt, d. h. 3% des Textes sind eine Mischung aus KI und Mensch.
AI-Beispiel: ChatGPT Aufforderung 1:
Menschliche Probe: Slackjaw-Artikel:
Gemischte Probe (AI + Mensch):
Dies zeigt die Schwäche von GPTZero bei gemischten Textproben. Es behandelt alles, was einen hohen Anteil an menschlicher Schrift enthält, als vollständig menschlich, selbst wenn es einen bedeutenden KI-Anteil enthält.
Ich persönlich würde GPTZero an einen Lehrer weitergeben, der eine eindeutige Entscheidung darüber treffen möchte, ob es sich um vollständig rohe oder vollständig menschliche oder vermenschlichte KI-Inhalte handelt.
2. Nicht nachweisbarer AI-Detektor
Das Urteil des Detektors für nicht nachweisbare AI lautete 100% richtig für alle 18 Passagen.
Die rohen KI-Passagen wurden mit 97% bis 99% AI bewertet. Alle vermenschlichten AI-Inhalte erhielten eine AI-Bewertung von 99%. Die vermenschlichten Passagen wurden mit einer AI-Bewertung von 5% bis 10% als menschlich eingestuft.
Zu gemischten Passagen, Nicht nachweisbare AI war der Wahrheit am nächsten.
- Die muttersprachliche englische + AI-Passage hatte einen Wert von 38% AI nach Satzanzahl, und die nicht nachweisbare AI gab ihr einen Wert von 43% AI.
- Die ESL + AI-Passage wurde mit 36% AI nach Satzanzahl bewertet, und die nicht nachweisbare AI ergab einen Wert von 35% AI.
AI-Beispiel: ChatGPT Aufforderung 1:
Menschliche Probe: Slackjaw-Artikel:
Gemischte Probe (AI + Mensch):
3. Copyleaks
Copyleaks lieferte einen AI-Score von 100% für jede rohe AI-Passage und jede vermenschlichte AI-Passage. Bei den menschlichen Passagen ergab es 0% für alle vier, sowohl für die englische Muttersprache als auch für ESL.
Die beiden gemischten Stichproben wurden jedoch mit 0% AI bewertet, auch wenn etwa 40% des Textes in beiden Beispielen AI war. Mit anderen Worten: Es bezeichnet diese Proben als 100% menschlich.
Das Urteil, dass diese Stichproben menschlich waren, ist zwar richtig, aber diese Prozentsätze waren überhaupt nicht nuanciert. Copyleaks hat den KI-Anteil komplett ignoriert.
Man sollte Copyleaks also nur dann mit gemischten Stichproben vertrauen, wenn man nur ein korrektes Urteil und keine genaue Prozentangabe braucht.
AI-Beispiel: ChatGPT Aufforderung 1:
Menschliche Probe: Slackjaw-Artikel:
Gemischte Probe (AI + Mensch):
4. QuillBot
Das Urteil von QuillBot war bei allen von Menschen geschriebenen Proben korrekt. Bei gemischten Proben (ca. 60% Mensch, 40% KI) verhielt er sich genau wie Copyleaks und bezeichnete sie als 100% Mensch.
Die Prozentsätze für eine der beiden Claude-Proben (eine vollständig AI-generierte Probe) und beide Gemini-Proben lagen ebenfalls außerhalb der Norm, aber immer noch in einem akzeptablen Bereich (71%, 74% bzw. 72%). Eine humanisierte Passage wies außerdem 85% AI anstelle von 100% auf.
Meine Tests haben ergeben, dass, QuillBot macht korrekte Anrufe bei menschlichem Text, aber sein Vertrauen schwankt bei gemischten Proben und KI-Proben von Claude- und Gemini-Inhalten.
AI-Beispiel: ChatGPT Aufforderung 1:
Menschliche Probe: Slackjaw-Artikel:
Gemischt (KI + Mensch):
5. Originalität.ai
Originalität.ai ist der einzige Detektor, der in diesem Test (bei gemischten Proben) falsche Ergebnisse erzielte.
Die Prozentsätze waren bei allen Proben außer den beiden Mischproben 100% genau. Die beiden Mischproben wurden als 81% bzw. 100% AI gekennzeichnet.
Die beiden Proben hatten ~60% menschliche Sätze, also hätten sie als menschlich eingestuft werden müssen. Originality stufte sie jedoch als KI ein und war der einzige KI-Detektor in meinem Test, der falsch positive Ergebnisse lieferte.
Aus diesem Grund sollte man es vermeiden, Originalität für Texte zu verwenden, bei denen die Wahrscheinlichkeit besteht, dass sie von Menschen und KI gemeinsam erstellt wurden.
AI-Beispiel: ChatGPT Aufforderung 1:
Menschliche Probe: Slackjaw-Artikel:
Gemischte Probe (AI + Mensch):
Detaillierte Ergebnisse zur Genauigkeit von AI-Detektoren
Die Tabelle der Gesamtgenauigkeit, die Sie am Anfang des Artikels gesehen haben, zeigt Originality.ai mit 88,9%, und die anderen vier Detektoren liegen mit 100% gleichauf.
Aber diese Tabelle beantwortet nur die Frage: “Stimmt das binäre Urteil jedes Detektors (KI oder Mensch) mit der Grundwahrheit überein, die wir jeder Passage zugewiesen haben?”
Sie sagt nichts darüber aus, wie nah die tatsächliche Punktzahl der einzelnen Detektoren am tatsächlichen KI-Inhalt des Textes lag.
Beispielsweise erhalten ein Detektor, der eine vollständig AI-konforme Passage mit 71% bewertet, und ein Detektor, der sie mit 100 Prozent bewertet, beide das gleiche richtige Urteil, sind aber nicht gleich genau.
Um meine Testergebnisse besser zu verstehen, habe ich die Genauigkeit pro Scan für jeden der 90 Scans mit dieser Formel berechnet:
Pro-Scan-Genauigkeit = 100% - die Differenz zwischen dem AI-Wert des Detektors und dem tatsächlichen AI-Prozentsatz in der Passage.
Ein Detektor, der einen 100% AI-Durchgang mit 71% bewertet, zählt also als 71% genau bei diesem Scan und nicht als 100%.
Wenn wir diese Zahl nach Inhaltstyp mitteln, zeigt uns das, wo jeder Detektor stark ist und wo er falsch kalibriert ist.
Pro-Scan-Genauigkeit nach Inhaltstyp
| Detektor | Reine KI (6) | Humanisierte KI (6) | Mensch (4) | Gemischt (2) | Gesamt-MAE (pp) |
| GPTZero | 100.0% | 100.0% | 100.0% | 70.0% | 3.33 |
| Nicht nachweisbare AI | 98.5% | 99.0% | 93.0% | 97.0% | 2.72 |
| Originalität.ai | 100.0% | 100.0% | 100.0% | 46.5% | 5.94 |
| Copyleaks | 100.0% | 100.0% | 100.0% | 63.0% | 4.11 |
| QuillBot | 86.2% | 97.5% | 100.0% | 63.0% | 9.56 |
Anmerkung: MAE steht für den mittleren absoluten Fehler in Prozentpunkten, gemittelt über alle 18 Stichproben. Je niedriger der MAE-Wert, desto besser.
Drei Detektoren sind perfekt auf jeden sauberen Inhaltstyp kalibriert: GPTZero, Originalität.ai und Copyleaks.
Ihr gesamter Kalibrierungsfehler entsteht in der Spalte "Gemischt". QuillBot ist der einzige, der bei sauberen Eingaben Kalibrierungsprobleme hat (71, 74 und 72 Prozent bei den Claude- und Gemini-Proben, plus 85 Prozent bei einer humanisierten Passage).
Unauffindbare KI ist der einzige Detektor, der bei jedem Inhaltstyp über 93 Prozent bleibt. Deshalb hat er mit 2,72 Punkten auch die niedrigste MAE insgesamt.
Was wäre, wenn wir Mischproben als KI und nicht als Menschen zählen würden?
In der Tabelle für die Gesamtgenauigkeit wurden gemischte Passagen als menschliche Grundwahrheit behandelt, da sie jeweils zu 60 bis 64 Prozent von Menschen verfasst wurden. Ein Verleger würde einen überwiegend von Menschen verfassten Text als menschliche Arbeit betrachten.
Wenn Sie aber jemand sind, der mehr als 30% an KI-Inhalten als KI betrachtet, würden Sie die umgekehrte Regel anwenden.
In diesem Rahmen wird die Rangliste auf diese Weise umstrukturiert:
| Detektor | Gesamtgenauigkeit | TPR | FPR | F1 |
| Originalität.ai | 100.0% | 100.0% | 0.0% | 100.0% |
| GPTZero | 88.9% | 85.7% | 0.0% | 92.3% |
| Nicht nachweisbare AI | 88.9% | 85.7% | 0.0% | 92.3% |
| Copyleaks | 88.9% | 85.7% | 0.0% | 92.3% |
| QuillBot | 88.9% | 85.7% | 0.0% | 92.3% |
Den Sinn der Daten erkennen
In diesem Test gibt es nicht den einen “genauesten KI-Detektor”. Es gibt drei Antworten, und welche davon wichtig ist, hängt davon ab, was Sie überprüfen wollen:
- Am besten bei sauberen Eingängen. Bei der perfekten Kalibrierung gibt es einen Gleichstand zwischen drei Anbietern: GPTZero, Originality.ai, und Copyleaks.
- Insgesamt am besten kalibriert. Nicht nachweisbare KI, mit der niedrigsten MAE von 2,72 Punkten und der einzige Detektor, dessen Ergebnisse bei gemischten Inhalten dem tatsächlichen KI-Anteil entsprechen.
- Die meisten sind bereit, jede KI-Präsenz zu kennzeichnen. Originality.ai ist der einzige Detektor, der bei beiden gemischten Passagen ein KI-Urteil liefert. Er ist nützlich, wenn auch nur eine Spur von KI für Sie ein Hindernis darstellt. Wenn nicht, ist es kostspielig.
Wo jeder Detektor gewinnt (und scheitert)
Inzwischen haben Sie eine ungefähre Vorstellung von den Stärken und Schwächen der einzelnen KI-Detektoren.
Aber hier sind ihre Stärken und Schwächen nach Inhaltstyp.
Stärken nach Inhaltstyp
- Rohe KI: Wenn Sie die unveränderte Ausgabe eines wichtigen KI-Modells überprüfen, wird es von jedem der 5 KI-Detektoren erkannt. QuillBot mag in Bezug auf die Genauigkeit ein wenig daneben liegen, aber das Urteil wird korrekt sein.
- Humanisierte KI: Wir haben den KI-Humanizer von Grammarly verwendet, und er konnte keinen der fünf KI-Detektoren täuschen. Alle Beispiele wurden mit hoher Genauigkeit erkannt.
- Gemischte Passagen: Dies ist der Inhaltstyp, bei dem sich die Detektoren am stärksten unterscheiden. Unerkennbare KI lieferte im Vergleich zu den anderen die wahrheitsgetreueste Präzision. Andere gaben korrekte Urteile ab, ohne jedoch präzise zu sein. Nur bei der Originalitäts-KI waren sowohl das Urteil als auch die Prozentsätze bei den Mischproben falsch.
- ESL-Schreiben: Bei den von mir verwendeten ESL-Beispielen handelte es sich um einen Substack-Artikel eines indischen Autors, der auf Englisch schrieb, und um einen IELTS-Aufsatz, die beide im Jahr 2021 veröffentlicht wurden. Alle fünf Detektoren identifizierten sie korrekt als menschlich.
Preisgestaltung: Kostenlose vs. kostenpflichtige AI-Detektoren
Alle von uns getesteten KI-Detektoren bieten entweder eine kostenlose Nutzung für immer oder eine begrenzte Anzahl kostenloser Scans.
Nur Undetectable AI hat einen wirklich kostenlosen AI-Detektor. Damit können Sie kostenlos so viel scannen, wie Sie wollen.
Nach Undetectable AI bieten Copyleaks und QuillBot die großzügigsten kostenlosen Testversionen an, bevor Sie das Limit erreichen. Originality AI erlaubt nur 3 kostenlose Scans pro Tag, während GPTZero 4-5 Scans erlaubt.
Um die täglichen Beschränkungen und die Wortobergrenzen pro Scan zu umgehen, müssen Sie ein Abonnement für diese Tools erwerben.
Das ist der Mindestbetrag, den Sie für jedes Produkt zahlen müssen:
- Nicht nachweisbare KI: $19/Monat
- GPTZero: $23,99/Monat
- QuillBot: $8,33/Monat (nur Jahresabonnement)
- Copyleaks: $16,99/Monat
- Originalität AI: $14,95/Monat
Wie Sie den besten AI-Detektor für Ihren Anwendungsfall auswählen
Es gibt keinen einzigen “genauesten KI-Detektor”. Sie müssen sich für einen KI-Detektor entscheiden, je nachdem, was Sie überprüfen wollen und welche Fehler Sie sich leisten können.
Hier sind vier Anwendungsprofile, die auf den Daten dieses Tests basieren:
- Pädagogen: Jeder der fünf Detektoren ist geeignet, da alle in diesem Test 8% oder weniger beim ESL-Schreiben erreichten. Wenn Sie ein gutes Budget haben, können Sie sich für GPTZero entscheiden. Wenn Sie jedoch mit einem kleinen Schulbudget arbeiten und ein kostenloses Tool benötigen, ist Undetectable AI Ihr bester Freund.
- Verleger und SEO-Teams: Nicht nachweisbare KI ist hier die beste Wahl, denn bei gemischten Passagen war dies der einzige Detektor, der ein Ergebnis lieferte, das dem tatsächlichen Verhältnis von KI und Mensch am nächsten kam. Wenn Sie eine kalibrierte Schätzung des KI-Anteils in einem Stück wünschen (und nicht ein binäres Ja/Nein), ist dies die beste Wahl.
- Studenten und Selbstkontrolleure: Unauffindbar AI wieder, weil es keine Anmeldung Wand und eine großzügige tägliche Grenze hat.
- Einstellung und Rekrutierung: Idealerweise Unerkennbare KI, aber auch andere sind eine sichere Wahl, da Sie in diesem Anwendungsfall nur ein Urteil benötigen. Vermeiden Sie Originalitäts-KI, wenn Sie gemischte Inhalte prüfen.
Wie Sie die besten Ergebnisse erzielen
Wenn Sie sich für einen AI-Detektor entschieden haben, kommt es auch darauf an, wie Sie ihn einsetzen.
Hier sind vier Schritte zur Verwendung eines KI-Detektors, um die besten Ergebnisse zu erzielen:
- Wählen Sie die perfekte Metrik für Ihren Anwendungsfall. Die gängigen Metriken sind Genauigkeit, Falsch-Positiv-Rate und F1-Score.
- Wenden Sie den KI-Detektor auf mindestens fünf Passagen an, deren Ursprung Sie bereits kennen, bevor Sie sich auf die Bewertung des Textes einer anderen Person verlassen.
- Behandeln Sie jede KI-Detektor-Punktzahl als eine Wahrscheinlichkeit, dass die statistischen Merkmale des Textes KI-Mustern ähneln. KI-Detektoren können auch falsche Entscheidungen treffen.
- Bei Scans, bei denen viel auf dem Spiel steht, sollten zwei oder mehr Detektoren zustimmen müssen, bevor sie eine Entscheidung treffen.
Wenn Sie KI-Inhalte genau erkennen wollen, können Sie Unerkennbare KI's AI-Detektor einen Versuch.
Häufig gestellte Fragen
Gibt es einen genauen AI-Detektor 100%?
Nein. Jeder KI-Detektor gibt eine Wahrscheinlichkeit an, die sich als falsch erweisen kann. Außerdem kann die Genauigkeit eines KI-Detektors bei Inhaltstypen, für die er nicht trainiert wurde, stark abnehmen.
Was ist der genaueste KI-Detektor im Jahr 2026?
Unerkennbare KI ist der einzige KI-Detektor, der in meinen Tests bei den meisten Inhaltstypen genau funktioniert hat und auch bei gemischten menschlichen und KI-Inhalten, die für jeden Detektor am schwierigsten zu erkennen sind, Ergebnisse lieferte, die der Wahrheit nahe kamen.
Sind kostenlose KI-Detektoren genauso genau wie kostenpflichtige?
Ja, das gilt für die meisten KI-Detektoren. Die Punktzahl, die Sie auf der kostenlosen Stufe erhalten, ist dieselbe wie auf der kostenpflichtigen Stufe, da das Erkennungsmodell dasselbe ist.
Wenn Sie für einen KI-Melder bezahlen, können Sie z. B. höhere Wortobergrenzen, Tageslimits, API-Zugang, Stapel-Uploads und Integrationen freischalten.
Warum kennzeichnen KI-Detektoren menschliches Schreiben als KI?
Dies ist in der Regel bei ESL-Schriften der Fall, da Autoren, deren Muttersprache nicht Englisch ist, zu einem ausgefeilteren Stil neigen als Autoren, deren Muttersprache Englisch ist.
Dies führt dazu, dass der Text eine niedrige Perplexität und eine niedrige Burstiness aufweist, was die meisten KI-Detektoren für KI-Muster halten. Aus diesem Grund empfehle ich, einen ESL-Text durch zwei KI-Detektoren laufen zu lassen, bevor man auf eine hochwichtige Flagge reagiert.
Schlussgedanken
Die genauesten KI-Detektoren im Jahr 2026 hängen davon ab, was Sie messen wollen. Vier der fünf von uns getesteten KI-Detektoren arbeiten genau. Nur Originality AI hatte zwei Fehlalarme.
Aber wenn wir über die Genauigkeit bei gemischten Passagen sprechen (die schwierigsten Textproben für einen KI-Detektor), dann war Undetectable AI am genauesten.
Dieser Test löst jedoch nicht alle Probleme. Zum Beispiel hat das Schreiben von ESL in dieser Runde keinen Detektor ausgelöst, aber die ESL-Proben, die ich verwendet habe, waren wortgewandte veröffentlichte Autoren. Wären es härtere ESL-Proben gewesen, hätten sie zu einer branchenweiten Rate falsch positiver Ergebnisse führen können.
Deshalb werde ich diese Studie vierteljährlich wiederholen, wenn neue LLMs und Humanizer an Bord kommen.
Wenn Sie Ihre eigene Version dieses Tests mit demselben Vier-Meter-Rahmen durchführen möchten, können Sie den Undetectable AI Detector kostenlos nutzen, ohne Wortbegrenzung und ohne Anmeldung.