Wie KI-Detektoren funktionieren: Perplexität und Burstiness erklärt

KI-Detektoren lesen Bedeutung nicht so, wie ein Mensch es tut. Stattdessen messen sie statistische Muster darin, wie Wörter gewählt und angeordnet werden. Zwei dieser Muster, Perplexität und Burstiness, leisten den größten Teil der Arbeit. Wer sie versteht, kann einen Wert als zu prüfenden Hinweis lesen, nicht als endgültiges Urteil.

Was Perplexität misst

Perplexität beschreibt, wie vorhersehbar eine Textstelle für ein Sprachmodell ist. Der Detektor fragt im Grunde, wie überrascht ein Modell von jedem nächsten Wort wäre. Folgt ein Text immer wieder dem wahrscheinlichsten Pfad, ist die Perplexität niedrig. Sind die Wortwahlen unerwartet, eigenwillig oder ungleichmäßig, steigt die Perplexität.

Das ist wichtig, weil Modelle wie GPT-5, Claude und Gemini darauf trainiert sind, flüssigen Text mit hoher Wahrscheinlichkeit zu erzeugen. Ihre Standardausgabe ist oft glatt und selbstsicher, was tendenziell als niedrige Perplexität gewertet wird. Menschliche Entwürfe schweifen dagegen stärker ab und hinterlassen eine weniger vorhersehbare Spur.

Was Burstiness misst

Burstiness betrachtet die Variation zwischen Sätzen statt innerhalb einzelner Wortwahlen. Menschliches Schreiben ist von Natur aus ungleichmäßig: Ein langer, verschlungener Satz kann neben einem kurzen stehen. Der Rhythmus verschiebt sich, die Komplexität steigt und fällt, und die Struktur variiert.

Maschinell erzeugter Text hält oft einen gleichmäßigeren Takt, mit Sätzen ähnlicher Länge und einheitlichem Aufbau. Niedrige Burstiness, gepaart mit niedriger Perplexität, ist ein häufiges Muster in KI-gestützten Entwürfen. Unsere Seite zur Methodik beschreibt, wie diese Signale kombiniert werden.

Warum diese Signale keine Urteile sind

Keines der beiden Maße beweist die Urheberschaft. Mehrere alltägliche Situationen drängen menschliches Schreiben in KI-ähnliche Muster:

• Übersetzter Text wird oft glatter und einheitlicher als das Original.
• Technisches oder schablonenhaftes Schreiben folgt festen Strukturen, die die Burstiness senken.
• Nicht-muttersprachliches Schreiben bevorzugt mitunter einfachere, vorhersehbarere Formulierungen.
• Stark überarbeitete Entwürfe können die Ungleichmäßigkeit verlieren, die auf eine menschliche Hand hindeutet.

Wegen dieser Überschneidungen sollte ein Wert eingrenzen, wo eine prüfende Person hinschaut, und nicht das Ergebnis entscheiden. Wie sich die Sicherheit mit Stichprobenlänge und Dokumenttyp verschiebt, lesen Sie in unseren Anmerkungen zur Detektorgenauigkeit.

Wie GPTZeroAI sie anwendet

Der KI-Detektor meldet Signale auf Passagenebene neben einer Gesamtschätzung, sodass Prüfende sehen können, wo sich Vorhersehbarkeit und Einheitlichkeit häufen. Kürzere Stichproben tragen mehr Unsicherheit, daher werden sehr kurze Eingaben mit Vorsicht markiert statt mit einem festen Wert. Das Ziel ist eine transparente Prüfspur, keine Anschuldigung.

Detektorsignale verantwortungsvoll nutzen

Behandeln Sie Perplexität und Burstiness als Ausgangspunkte. Vergleichen Sie markierte Passagen mit Entwürfen, Quellenangaben und der gewohnten Stimme der verfassenden Person. Halten Sie den Dokumentkontext fest, bestätigen Sie, dass die Stichprobe lang genug zur Beurteilung ist, und gehen Sie bei mehrdeutigen Ergebnissen mit einem Gespräch nach. Ein Signal gewinnt seinen Wert, wenn es zu einem fairen, dokumentierten nächsten Schritt führt.