Ob kurze Mails oder ganze Webseiten, wenn es um Texte geht, kommt kaum ein Bereich noch ohne KI-Unterstützung aus. Und sie wird immer besser darin, uns zu imitieren. Der Economist hat untersucht, wie man trotzdem erkennt, welche Texte von einer KI stammen.
Ein Gespenst geht um in der englischen Sprache. Es schreibt Prosa und Gedichte, Zeitungsartikel ebenso wie Managementjargon. Seine Wandlungsfähigkeit ist bemerkenswert: Es imitiert Shakespeare ebenso mühelos wie den seichten Strandroman, Ernest Hemingways knappe Prosa ebenso wie die Bedienungsanleitung eines Bürodruckers.
Vor allem aber arbeitet es in atemberaubendem Tempo und produziert Tausende Wörter in der Minute. (Hemingway brachte es selten auf eine vergleichbare Tagesleistung – und benötigte dafür erheblich mehr Alkohol.) Kein Wunder, dass viele Autoren und Journalisten dem Aufstieg dieser neuen Textmaschine mit einer gewissen Beklommenheit begegnen.
KI-generierte Texte sind längst allgegenwärtig. Sie landen im E-Mail-Postfach, erscheinen im LinkedIn-Feed und füllen das Internet. Einer Schätzung zufolge wird inzwischen mehr als ein Drittel aller neu veröffentlichten Webseiten zumindest teilweise von sogenannten großen Sprachmodellen (Large Language Models, LLMs) verfasst.
Studierende nutzen sie beim Schreiben von Hausarbeiten, Forschende vermutlich ebenfalls bei wissenschaftlichen Veröffentlichungen. In diesem Jahr kursierte sogar die Behauptung, ein KI-generierter Text habe den Commonwealth Short Story Prize gewonnen; die Jury lobte dessen "stille Autorität". Die Commonwealth Foundation wies diese Darstellung allerdings zurück.
Dass große Sprachmodelle stilistische Eigenheiten besitzen, gilt inzwischen als Gemeinplatz. Ihnen wird nachgesagt, Gedankenstriche übermäßig häufig einzusetzen und auffallend oft zu Wörtern wie "maximieren" zu greifen. Sie "tauchen tief ein", besser noch: Sie "ergründen" Sachverhalte und sprechen gern vom "reichen Geflecht" der Welt.
Tatsächlich lässt sich KI-Schreibstil jedoch nicht an einzelnen Wörtern oder Redewendungen festmachen. Charakteristisch ist vielmehr das Zusammenwirken zahlreicher sprachlicher Merkmale.
Einen KI-Text zuverlässig zu erkennen, ist deshalb schwieriger, als viele vermuten. Einzelne Wörter oder Satzzeichen liefern keinen belastbaren Beleg. Wer einen Text allein deshalb für maschinell erzeugt hält, weil darin das Verb "ergründen" vorkommt, argumentiert ähnlich voreilig wie jemand, der einen Text Jane Austen zuschreibt, nur weil von "Unbesonnenheit" die Rede ist.
Hinzu kommt, dass verschiedene Sprachmodelle unterschiedlich schreiben. Einen einheitlichen KI-Stil gebe es ebenso wenig wie einen einheitlichen menschlichen Stil, erklärt Karolina Rudnicka, Linguistin an der Universität Danzig. Schriftsteller besitzen ihre Eigenheiten – Emily Dickinson etwa verwendete Gedankenstriche mit ausgesprochener Vorliebe. Warum sollte es bei Sprachmodellen anders sein?
Dennoch gibt es Möglichkeiten, maschinell erzeugte Texte zu identifizieren. Eine besteht darin, spezielle Erkennungsalgorithmen einzusetzen, die darauf trainiert wurden, die sprachliche Struktur menschlicher und künstlich erzeugter Texte voneinander zu unterscheiden.
Das Unternehmen Pangram, einer der führenden Anbieter auf diesem Gebiet, wirbt mit einer Trefferquote von 99,98 Prozent. Gemeinsam mit der Blogging-Plattform Substack bietet das Unternehmen ein entsprechendes Analysewerkzeug an. Solche Detektoren bleiben allerdings Black Boxes: Sie können Fehlalarme produzieren und legen nicht offen, weshalb sie zu ihrem Urteil gelangen.
Forschende haben außerdem versucht, verdächtige Wörter systematisch aufzuspüren oder Texte aus der Zeit vor und nach der öffentlichen Einführung großer Sprachmodelle miteinander zu vergleichen. Doch auch diese Ansätze stoßen an Grenzen. Vor allem ist schwer zu unterscheiden, welche sprachlichen Eigenheiten tatsächlich auf künstliche Intelligenz zurückgehen und welche lediglich Ausdruck allgemeiner Entwicklungen im Sprachgebrauch sind.
Am zuverlässigsten lassen sich die Eigenarten künstlicher Intelligenz erkennen, wenn man menschliche und maschinelle Texte unmittelbar miteinander vergleicht. Dafür braucht es allerdings einen Maßstab, der zugleich unverwechselbar und gut bekannt ist. Der Economist griff deshalb auf Texte zurück, deren menschlicher Ursprung außer Zweifel steht und die den Leserinnen und Lesern vertraut sind: die eigenen Artikel.
Für die Untersuchung wurden vier führende Sprachmodelle – ChatGPT von OpenAI, Claude von Anthropic, Gemini von Google und Grok von xAI – gebeten, Fassungen von Economist-Artikeln zu schreiben, ohne dabei auf Inhalte aus dem Internet zurückzugreifen. Als Arbeitsgrundlage erhielten sie jene KI-generierten Zusammenfassungen, die der Economist im Rahmen eines Experiments einigen Artikeln vorangestellt hatte.
Auf diese Weise entstand ein Korpus aus menschlichen und maschinell verfassten Texten, das insgesamt 55.940 Sätze und rund 1,2 Millionen Wörter umfasste. Um sicherzugehen, dass nicht lediglich die Eigenheiten des Economist-Stils erfasst wurden, verglichen die Autoren die KI-Texte zusätzlich mit journalistischen Beiträgen von CNN, der New York Times und der Washington Post. Als weiterer Vergleichsmaßstab dienten Auszüge aus erfolgreichen Romanen, die zwischen 1950 und 2022 erschienen waren.
Die Ergebnisse überraschen. KI-Texte unterscheiden sich von menschlichen nicht nur in der Wortwahl und Zeichensetzung, sondern auch im Aufbau ihrer Sätze und Absätze. Allerdings sind ihre charakteristischen Merkmale nicht unbedingt jene, die man erwarten würde – auch deshalb, weil sich der Schreibstil der Modelle mit jeder neuen Softwareversion verändert.
Das heißt freilich nicht, dass große Sprachmodelle bereits gute Autoren wären. Ihren Texten fehlt häufig Klarheit und Eleganz; stattdessen wirken sie oft schematisch und formelhaft. Wer als Mensch überzeugend schreiben möchte, sollte sich deshalb einige ihrer typischen Eigenheiten besser nicht angewöhnen.
Der erste Blick gilt der Wortwahl. Das Vokabular, das Sprachmodelle überdurchschnittlich häufig verwenden, hat sich im Laufe der Zeit verändert. Sie "ergründen" heute seltener, und auch die "reiche Vielfalt" taucht nicht mehr so häufig auf wie noch vor wenigen Modellgenerationen. Stattdessen bevorzugen sie mehrsilbige Wörter wie "signifikant", "zunehmend" oder "Konsequenzen".
Hinzu kommen seltene Begriffe wie "Interdependenz" oder "Reindustrialisierung", wissenschaftlich anmutende Ausdrücke wie "Parameter" oder "Methodik" sowie eine auffällige Vorliebe für Nominalisierungen – also Substantive, die aus Verben gebildet werden, etwa "Erweiterung" statt "erweitern". Diese Tendenz findet sich bei allen untersuchten Sprachmodellen, besonders ausgeprägt jedoch bei Gemini und Claude.
Vieles davon entspricht dem, was George Orwell einst als "pretentious diction" bezeichnete – eine aufgeblasene, wichtigtuerische Ausdrucksweise. Orwell wetterte gegen Autoren, die "einfache Aussagen mit komplizierten Wörtern" und Fachjargon verkleideten, um gebildeter zu erscheinen.
Solche selbstgefälligen Schreiber, so beobachtete er, seien zudem überzeugt, dass Wörter lateinischen oder griechischen Ursprungs vornehmer klängen als angelsächsische. Sprachmodelle scheinen diese Vorliebe zu teilen: In ihren Texten finden sich deutlich häufiger Wortbildungen mit lateinischen Suffixen als in von Menschen verfassten Texten.
Ein Blick auf die Zeichensetzung führt zu einer weiteren Überraschung. Viele halten Gedankenstriche für das sicherste Erkennungsmerkmal maschineller Texte. Nach den jüngsten Aktualisierungen der Modelle trifft das jedoch kaum noch zu. Heute verwendet lediglich Claude häufiger Gedankenstriche als menschliche Autoren; ChatGPT setzt sie inzwischen sogar deutlich seltener ein als jede andere Vergleichsgruppe der Untersuchung. Menschliche Autoren dürfen also beruhigt wieder häufiger zum Gedankenstrich greifen.
Wer KI-Texte erkennen möchte, sollte vielmehr auf etwas anderes achten: auf einen auffälligen Mangel an Satzzeichen überhaupt. Sprachmodelle gehen damit fast schon joyceanisch sparsam um. Sie setzen weniger Kommata und Semikolons als Menschen und verwenden Klammern nur äußerst selten. Das liegt zum einen daran, dass ihre Sätze länger sind – das Wort "und" gehört zu den am stärksten überrepräsentierten Wörtern ihres Wortschatzes –, zum anderen daran, dass sie kaum Experten wörtlich zitieren.
Nicht zuletzt lohnt ein Blick auf den Satzbau. Die Sätze von Sprachmodellen fallen meist lang aus; Absätze werden nur selten durch kurze, pointierte Aussagen unterbrochen. Das macht viele KI-Texte eintönig. Versuchen die Modelle dennoch, ihren Stil lebendiger wirken zu lassen, greifen sie häufig zu denselben rhetorischen Mitteln.
Besonders beliebt sind Konstruktionen wie "nicht X, sondern Y", "nicht nur … sondern auch" oder die klassische Dreierfigur. (Gedanken in Dreiergruppen wirken eingängiger – wie der vorangegangene Satz gerade demonstriert hat.) ChatGPT und Claude verwenden solche Muster je 1.000 Sätze häufiger als andere Sprachmodelle – und häufiger als menschliche Autoren.
Wer maschinell erzeugte Texte erkennen möchte, sollte daher vor allem auf glatte, etwas blutleere Prosa achten, die mit lateinisch geprägtem Vokabular und bedeutungsschweren Begriffen angereichert ist – jedenfalls nach heutigem Stand. Denn die Untersuchung zeigt zugleich, dass sich der Stil großer Sprachmodelle mit jeder neuen Version stärker dem menschlichen Schreiben annähert.
Pangram gelang es zwar, die KI-generierten Texte zuverlässig zu identifizieren. Doch dieser Vorsprung dürfte kaum von Dauer sein. Sprachmodelle werden mit menschlichen Texten trainiert und lernen fortlaufend aus menschlichem Feedback, erklärt Tommie Juzek von der Florida State University. Sie übernehmen jene sprachlichen Eigenschaften, die Menschen beeindrucken, und legen diejenigen ab, die als künstlich oder unbeholfen wahrgenommen werden. Dabei lernen sie erstaunlich schnell.
Ein Beispiel liefert ChatGPT. Bis vor Kurzem setzte das Modell in nahezu jedem Satz einen Gedankenstrich. Als der Autor dieses Beitrags ein älteres Modell fragte, ob künstliche Intelligenz Gedankenstriche möglicherweise übermäßig häufig verwende, lautete die Antwort: "Ha – ausgezeichnete Frage!" Dieselbe Frage beantwortet ChatGPT heute deutlich nüchterner: Gedankenstriche sollten "sparsam eingesetzt werden".
Nur ein Gespenst vermag seine Gestalt derart schnell zu wechseln.
© 2026 The Economist Newspaper Limited. All rights reserved."
"From The Economist, translated by www.deepl.com, published under licence. The original article, in English, can be found on www.economist.com"
