KI-Bullshit-Bingo: Woran man KI-Texte angeblich erkennt
KI-generiert mit ChatGPT
Ein Gedankenstrich, drei Adjektive in Reihe, dazu ein „nicht nur X, sondern auch Y”. Daran erkennen viele Leser sofort einen KI-Text und machen daraus ein eigenes Bullshit-Bingo. Nur funktioniert es schlechter als gedacht, denn diese Erkennungsmerkmale verschwinden auf Zuruf und Detektoren liegen oft daneben.
- Das Bingo-Feld: Diese Muster sollen KI verraten
- Warum das Bingo trotzdem nicht funktioniert
- Trotzdem klingt vieles gleich
- Lieber gar keine KI? Was die Verweigerer antreibt
- Wird das Bingo bald überflüssig?
- Was bleibt
- Häufige Fragen
- Was ist KI-Bullshit-Bingo?
- Wie zuverlässig sind KI-Detektoren?
- Was bedeutet Perplexity bei der KI-Erkennung?
Eine wachsende Liste an Wörtern und Mustern soll KI-Texte verraten, vom Gedankenstrich bis zur dreifachen Adjektivkette. Die meisten dieser Erkennungsmerkmale verschwinden auf Zuruf, und KI-Detektoren liegen bei deutschen und alten Texten oft daneben. Das generische Gefühl bleibt echt, taugt aber nicht als Beweis.
Das Bingo-Feld: Diese Muster sollen KI verraten
Wer viel mit Texten arbeitet, erkennt die Handschrift von ChatGPT oft nach wenigen Zeilen. Der SEO-Berater Udo Raaf hat die typischen Muster in einer vielbeachteten Übersicht gesammelt. Vieles davon kennt jeder aus dem eigenen Postfach.
Am Anfang stehen oft Floskeln, die nichts sagen. Sätze wie „In der heutigen Zeit” oder „Immer mehr Menschen fragen sich” füllen die Einleitung, ohne ins Thema zu führen. Dazu kommen Lieblingswörter der Maschine. „Präzise”, „sauber”, „ganzheitlich” und „umfassend” tauchen in fast jedem zweiten Post auf. Im normalen deutschen Sprachgebrauch tauchen solche Konstruktionen selten so geballt auf.
Noch auffälliger sind die Stilfiguren. Der Gedankenstrich gilt als Klassiker, gern gefolgt von drei Adjektiven in Reihe. Beliebt ist auch die Antithese, ein gespielter Widerspruch nach dem Motto „Nicht dies. Sondern das.” Raaf bringt es auf den Punkt: „Das ist nicht smart. Das ist öde.” Dazu kommt der Listen-Reflex, der jeden Sachverhalt in Stichpunkte zerlegt.
Dahinter steckt dieselbe Logik. ChatGPT ist darauf getrimmt, überzeugend zu klingen, und übertreibt dabei. So entsteht ein Mix aus scheinbarer Gewissheit und künstlichem Ton, der viele Leser stutzig macht.
Aus solchen Merkmalen wird schnell ein Bullshit-Bingo. Wer beim Lesen eine Reihe voll bekommt, sieht seinen Verdacht bestätigt.
| B | I | N | G | O |
|---|---|---|---|---|
| „In der heutigen Zeit” | „nicht nur X, sondern Y” | Gedankenstrich | Drei Adjektive in Reihe | „Lass uns eintauchen” |
| „Es ist wichtig zu beachten” | „präzise” | „ganzheitlich” | „umfassend” | „sauber” |
| Antithese: „Nicht X. Sondern Y.” | Listen für alles | Emoji-Häkchen | Perfekte Grammatik | Gleichmäßige Satzlänge |
| „Viele Experten sind sich einig” | „Immer mehr fragen sich” | Liest sich wie Wikipedia | Keine eigene Meinung | „In einer Welt, in der” |
| Wortwiederholungen | Kein Dialekt | „Zusammenfassend gesagt” | Punkt statt Komma | „Fazit” ohne Erkenntnis |
So weit, so witzig. Gefährlich wird es, sobald aus dem Bingo ein Urteil wird.
AnzeigeWarum das Bingo trotzdem nicht funktioniert
Jedes dieser Erkennungsmerkmale lässt sich auf Zuruf entfernen. Eine kurze Anweisung an die KI genügt. Ein kurzer Zusatz im Prompt, also in der Anweisung an das Modell, reicht oft schon aus. „Schreib ohne Gedankenstriche, ohne Dreierlisten und ohne Floskeln”, und der Text klingt sofort anders. Wer der KI zusätzlich eigene Textproben mitgibt, bekommt sogar den eigenen Tonfall zurück. Wie man solche Anweisungen aufbaut, zeigt unser Guide zu Prompt-Techniken für KI-Agenten.
Bleibt die Technik. KI-Detektoren versprechen, Maschinentexte automatisch zu enttarnen. Der Webdesigner Rafael Luge hat neun solcher Tools getestet und ihnen je fünf Textproben vorgelegt. Darunter war auch ein über 100 Jahre alter Text des Architekten Adolf Loos. Die Ergebnisse fielen ernüchternd aus.
Der kostenlose Dienst ZeroGPT erkannte bei deutschen Texten keinen einzigen Maschinentext. Der hauseigene Classifier von OpenAI stufte umgekehrt auch menschliche Texte als mögliche KI ein, darunter Loos. OpenAI nahm das Werkzeug später wieder vom Netz. Selbst gute Detektoren liegen laut Test bei 95 bis 98 %, perfekt ist keiner. Bei deutschen Texten schwächeln die meisten zusätzlich.
Für Betroffene ist das mehr als eine Spielerei. Wird ein selbst geschriebener Text fälschlich als KI markiert, geraten Studierende oder Autoren unter Verdacht. Genau davor warnt der Test mit alten Texten. Ein Werkzeug, das alles für KI hält, ist genauso nutzlos wie eines, das KI gar nicht erkennt.
Der angebliche Königsbeweis, der Gedankenstrich, taugt am wenigsten. Auch Raaf hält fest, dass diesen sogenannten Em-Dash vor allem hauptberufliche Texter nutzen. Wer ihn als KI-Beweis nimmt, verdächtigt also ausgerechnet die geübtesten Schreiber. Genau das passiert auch bei Bildern. Auf X hielten Nutzer ein echtes Gemälde von Claude Monet für KI und zerlegten den Impressionisten als angebliche Maschinenkunst.
Technisch messen die Detektoren vor allem zwei Dinge. Perplexity prüft, wie vorhersehbar die Wortwahl ist, Burstiness misst die Schwankung der Satzlängen. Menschen schreiben sprunghafter, KI gleichmäßiger. Doch sobald ein Text überarbeitet oder mit einem „Humanizer” verschleiert wird, verwischt dieser Unterschied. Es bleibt ein ständiger Wettlauf ohne Sieger.
Was bleibt, ist ein Reflex mit hoher Fehlerquote.
Server, KI-Modelle und Recherche kosten Geld. ClawNews ist unabhängig — hilf mit, dass das so bleibt.
