Trefferquote von GPTZero: Unsere Testergebnisse aus dem Jahr 2026

GPTZero behauptet, der weltweit genaueste KI-Detektor zu sein. Um diese Behauptung zu untermauern, führt das Unternehmen außerdem Vergleichstests durch.

Dennoch sehen wir, dass sich Menschen auf Reddit und anderswo darüber beschweren, dass GPTZero ihre Texte ständig fälschlicherweise als problematisch kennzeichnet.

Welche Seite sagt also die Wahrheit? Am besten lässt sich das herausfinden, indem man das Tool testet – und genau das habe ich getan.

Ich bin Christian Perry und leite „Undetectable AI“. Dank meiner beruflichen Tätigkeit weiß ich genau, wie KI-Detektoren bei verschiedenen Inhaltstypen funktionieren und ab wann die meisten von ihnen ungenaue Ergebnisse liefern.

Ich habe mein Wissen und meine Erfahrung genutzt, um einen kleinen Test für GPTZero zu erstellen. Der Test sollte drei Aspekte von GPTZero überprüfen:

• Genauigkeit von GPTZero bei unverarbeitetem KI-Text
• GPTZero-Genauigkeit bei mit einem KI-Tool humanisiertem KI-Text
• Genauigkeit von GPTZero bei eindeutig von Menschen verfassten Texten

In diesem Artikel werde ich Ihnen meine Erkenntnisse vorstellen. Außerdem erfahren Sie, wie Sie die Ergebnisse verantwortungsbewusst interpretieren, damit Sie das Tool nicht für Zwecke einsetzen, für die es nicht konzipiert wurde.

---

Wichtigste Erkenntnisse

• Als ich in dieser Runde acht Beispiele durch GPTZero laufen ließ, hat das Tool alle Beispiele korrekt erkannt, darunter den ursprünglichen KI-Text, die humanisierten Versionen sowie beide von Menschen verfassten Artikel, die bereits vor dem Aufkommen von KI-Schreibtools veröffentlicht worden waren.

• GPTZero wirbt mit einer Genauigkeitsrate von 99,761 TP6T, die auf eigenen Benchmark-Tests basiert, aber ich würde die von Unternehmen selbst angegebenen Zahlen mit Vorsicht betrachten und mich eher auf unabhängige Tests wie meine stützen, bevor ich dem Hype Glauben schenke.

• GPTZero erkennt eindeutig zuzuordnende Texte (rein menschlich, rein KI) korrekt, hat jedoch Schwierigkeiten mit Texten, die aus menschlichen und KI-Beiträgen bestehen.

• Ganz gleich, wie zuverlässig die Ergebnisse auch erscheinen mögen: GPTZero liefert lediglich eine Wahrscheinlichkeit und kein endgültiges Urteil. Daher sollten Sie niemals einen Schüler oder sich selbst allein aufgrund des Ergebnisses beschuldigen, zumal nicht-muttersprachliche Englischschreiber von KI-Detektoren häufiger zu Unrecht als Plagiatoren identifiziert werden, als den meisten Menschen bewusst ist.

---

Wie GPTZero funktioniert

GPTZero funktioniert ähnlich wie die meisten anderen gängigen KI-Detektoren. Es liest zwei wichtige statistische Signale aus einem Text aus:

• Ratlosigkeit: Bezieht sich darauf, wie vorhersehbar jedes Wort anhand der umgebenden Wörter ist. KI-Text weist aufgrund der hohen Vorhersehbarkeit tendenziell eine geringe Perplexität auf. Menschen wählen Wörter eher zufällig aus, was zu einer hohen Perplexität führt. 
• Sprengkraft: Dieses Signal misst, wie stark die Satzlänge und die Komplexität innerhalb eines Textabschnitts variieren. Auch hier weist menschlicher Text eine hohe Burstiness auf, da wir in zufälligen Schüben schreiben. KI-Text weist hingegen eine geringe Burstiness auf, da er formelhaft verfasst ist.

Dies sind nur zwei der vielen wichtigen Signale, die GPTZero verwendet. Sie haben hat einen Fachartikel veröffentlicht in denen ihre Architektur ausführlich erläutert wird, einschließlich der Art und Weise, wie sie paraphrasierte Texte und Dokumente, die von Menschen und KI gemeinsam verfasst wurden, verarbeiten.

Das ist also die grundlegende Funktionsweise von GPTZero. Lassen Sie uns nun besprechen und testen, wie genau das alles in der Praxis funktioniert.

Die von GPTZero angegebene Genauigkeit im Vergleich zu unabhängigen Ergebnissen

Was die Genauigkeit angeht, behauptet GPTZero, der genaueste derzeit verfügbare KI-Detektor zu sein. 

In ihrem eigener Maßstab In vier Bereichen geben sie an, eine Genauigkeit von 99,761 TP6T bei einer Falsch-Positiv-Rate von 0,081 TP6T und einem Recall von 99,601 TP6T erreicht zu haben. Diese Angaben sind zweifellos beeindruckend. Sie stammen jedoch aus dem Tool selbst. 

Unabhängige Tests kommen zu einem mehr oder weniger ähnlichen Ergebnis, wenn auch mit einem kleinen Unterschied.

Ich spreche von meinem letzten Vergleich von fünf KI-Detektoren, zu dem auch GPTZero gehörte.

Im Rahmen dieses Vergleichs habe ich 18 Textbeispiele (6 reine KI-Texte, 6 humanisierte KI-Texte, 4 von Menschen verfasste Texte und 2 gemischte Texte aus Mensch und KI) durch GPTZero laufen lassen, und das Tool erzielte bei fast allen Beispielen eine Genauigkeit von 100% – mit Ausnahme der gemischten Beispiele.

Zwei gemischte Proben bestanden zu 60% aus menschlichem Material und zu 40% aus KI-Material, und GPTZero stufte beide Passagen als menschlich ein. Technisch gesehen war dies nach dem Mehrheitsprinzip ein korrektes Ergebnis.

Das Problem ist jedoch, dass GPTZero in der ersten gemischten Stichprobe einen AI-Wert von 0% und in der anderen gemischten Stichprobe nur einen AI-Wert von 14% ermittelt hat. Tatsächlich lagen die AI-Werte der beiden Texte bei 38% bzw. 36%.

Das bedeutet, dass die Genauigkeit von GPTZero bei Texten, die eine Mischung aus menschlicher und KI-Arbeit sind, ungenau ist.

Unser Test: Kann GPTZero KI-Texte erkennen, und werden Texte von Menschen fälschlicherweise als solche markiert?

Ich wollte eine kleine Fortsetzung zu meinem vorherigen Artikel schreiben, diesmal mit besonderem Schwerpunkt auf GPTZero.

Seit meinen letzten Tests haben sowohl die KI-Chatbots als auch GPTZero ihre Modelle aktualisiert, daher möchte ich mit diesem Test herausfinden, ob GPTZero seine Genauigkeit beibehalten hat.

Für diesen Folgetest habe ich mit 8 Textbeispielen gearbeitet.

• Die erste Gruppe von Beispielen bestand aus KI-generierten Texten. Ich habe zwei Textbeispiele mit Claude Opus 4.8 und zwei Textbeispiele mit ChatGPTs GPT 5.5 generiert. Anschließend habe ich aus jeder dieser beiden Gruppen jeweils ein Beispiel ausgewählt und mithilfe des „Humanizers“ von Undetectable AI zwei humanisierte Beispiele erstellt.

• Die zweite Gruppe von Proben bestand aus handschriftlichen Texten. Ich wählte eine aus BBC-Artikel aus dem Jahr 2020 und eins 2021 veröffentlichte wissenschaftliche Arbeit. Beide wurden lange vor dem KI-Boom veröffentlicht, daher ist es ausgeschlossen, dass eines davon KI-generiert ist. Wenn GPTZero sie also als KI einstuft, wäre das ein eindeutiger Fehlalarm.

Anschließend habe ich alle Beispiele mit GPTZero überprüft.

So hat sich GPTZero bei den einzelnen Beispielen geschlagen:

Muster	Referenzwert	Urteil zu GPTZero
Claude Beispiel 1	Raw AI	100% AI
Claude Beispiel 2	Raw AI	100% AI
ChatGPT-Beispiel 1	Raw AI	100% AI
ChatGPT-Beispiel 2	Raw AI	100% AI
Humanisierte Claude-Beispiel 1	Humanisierte KI	92% AI, 8% gemischt
Humanisiertes ChatGPT-Beispiel 1	Humanisierte KI	100% AI
BBC-Artikel (2020)	Menschen	100% Mensch
Forschungsarbeit (2021)	Menschen	100% Mensch

Man sieht, dass das Ergebnis und die Genauigkeit von GPTZero bei allen Beispielen bis auf ein humanisiertes Beispiel perfekt sind. 

Dieses eine „humanisierte“ Claude-Beispiel erhielt einen AI-Wert von 92% und einen Mixed-Wert von 8%. Auch hier ist das Urteil korrekt, lediglich die Genauigkeit weicht leicht ab. 

Dennoch konnte der „Humanizer“ von Undetectable AI das Ergebnis ein wenig verbessern. Nur reichte das nicht aus, um GPTZero zu täuschen. Der KI-Wert wäre möglicherweise noch niedriger ausgefallen, hätte ich den Premium-„Humanizer“ von Undetectable AI verwendet.

Das Problem der falsch-positiven Ergebnisse bei der Erkennung menschlicher Handschriften

GPTZero hat in diesem Test bei keinem der Beispiele falsche positive Ergebnisse geliefert. Das bedeutet jedoch nicht, dass falsche positive Ergebnisse bei KI-Detektoren im Allgemeinen kein Problem darstellen.

Der Grund, warum dieses Problem bei KI-Detektoren auftritt, ist einfach. Für KI-Detektoren ist ein Text mit geringer Perplexität und geringer Burstiness höchstwahrscheinlich von einer KI verfasst.

Diese beiden Muster können jedoch auch in echtem menschlichem Schreiben vorkommen, insbesondere in formellen Kontexten, in denen sich die Verfasser an strenge Vorgaben halten müssen.

Das ist auch der Grund, warum gut formulierte Aufsätze von Nicht-Muttersprachlern häufig als KI-Ergebnisse erkannt werden, obwohl sie von Menschen verfasst wurden. Das liegt daran, dass Nicht-Muttersprachler oft auf sicherere Satzstrukturen zurückgreifen und über einen geringeren Wortschatz verfügen. 

Unter Mein letzter Vergleichstest mit 18 Proben, alle fünf Detektoren (einschließlich GPTZero) ergaben bei jedem von Menschen verfassten Text – sowohl bei Muttersprachlern als auch bei ESL-Sprechern – einen AI-Score von 8% oder niedriger. In dieser Runde traten also überhaupt keine Fehlalarme auf.

Die von mir verwendeten ESL-Beispiele stammten jedoch von versierten, veröffentlichten Autoren. Ein Gymnasiast, der einen Aufsatz für die Hochschule in seiner Zweitsprache verfasst, kann für KI-Detektoren eine weitaus größere Herausforderung darstellen.

Wie man ein GPTZero-Ergebnis verantwortungsbewusst interpretiert

Letztendlich ist GPTZero ein auf Wahrscheinlichkeiten basierendes Tool. Daher sollte seine Bewertung nicht als endgültiges Urteil herangezogen werden. 

So sollten Sie die Ergebnisse stattdessen behandeln:

• Betrachten Sie das Ergebnis nicht als Schuldspruch. Wenn Sie beispielsweise einen Wert von 87% AI erhalten, bedeutet dies, dass sich die statistischen Merkmale des Textes stark mit Mustern überschneiden, auf deren Erkennung der Detektor trainiert wurde. Aber das ist immer noch eine Vorhersage, kein Beweis. Der Verfasser könnte immer noch ein Mensch sein, insbesondere wenn der Wert im mittleren Bereich liegt (grob gesagt zwischen 40% und 70%).

• Beschuldigen Sie niemals jemanden (oder sich selbst), nur weil ein einziger KI-Detektor zu diesem Urteil gekommen ist. Überprüfen Sie den Text auch mit anderen wichtige KI-Detektoren. Wenn alle oder die meisten von ihnen der Meinung sind, dass es sich bei dem Text um KI handelt, könnte der gesamte Text oder ein Teil davon tatsächlich von einer KI stammen. In diesem Fall sollten Sie versuchen, den Text entweder selbst oder mithilfe eines Humanizer wie „Undetectable AI“.

• Berücksichtigen Sie Fehlalarme, insbesondere bei Autoren, deren Muttersprache nicht Englisch ist. Wenn Sie Lehrer sind und der Text eines Schülers als KI-Text markiert wurde, sollten Sie überlegen, ob dies möglicherweise daran liegt, dass der Schüler Englisch als Zweitsprache lernt und sich einfach an einen starren Schreibstil hält.

• Fragen Sie den Schüler nach seinem Entstehungsprozess. Sie können ihn bitten, seine früheren Entwürfe oder Notizen zu zeigen. Wenn er über seine Arbeit sprechen und die Konzepte erläutern kann, kann es sich um einen eigenständigen Text handeln.

FAQs

Schlussgedanken

Die Genauigkeit von GPTZero war in diesem Test hoch, genau wie beim letzten Mal, als ich es getestet habe.

Dieser Test umfasste jedoch acht einfache Textbeispiele. Hätte ich Beispiele aus echten Klassenzimmern oder Arbeitsumgebungen einbezogen, hätten wir möglicherweise feststellen können, dass GPTZero Fehlalarme auslöst.

Apropos präzise KI-Detektoren und die Notwendigkeit, vor der Bildung einer Meinung die Ergebnisse mehrerer KI-Detektoren einzuholen: Sie können Ihre Inhalte mit dem „Undetectable AI Detector“ scannen, um eine kostenlose Zweitmeinung einzuholen.

Holen Sie sich eine zweite Meinung zu Ihren Inhalten mit Undetectable AI’s AI-Detektor und sehen Sie, wie Ihr Text ankommt.