Welche KI hat das geschrieben? ChatGPT vs. Claude vs. Gemini erkennen

Der ehrliche Weg, um zu erkennen, welches KI-Modell einen Text geschrieben hat, ist, ihn wie ein Stilometriker zu lesen: Achten Sie auf die typischen Formulierungen, Formatierungsreflexe und den Ton des Modells, und wägen Sie die Beweise ab, anstatt ein klares Urteil zu erwarten. ChatGPT, Claude und Gemini haben jeweils einen erkennbaren Fingerabdruck, und wenn Sie die Merkmale kennen, können Sie oft eine fundierte Vermutung anstellen. Eine sichere Bestimmung ist selten möglich, und dieser Leitfaden ist ehrlich, was diese Grenze betrifft.

Die meisten Artikel über KI-Texte beschränken sich auf eine Ja-oder-Nein-Frage: Ist das maschinengeschrieben? Das übersieht die interessantere und nützlichere Frage. Wenn es KI ist, welches Modell hat es produziert? Die Modellzuordnung ist wichtig für Redakteure, die ein Content-Team prüfen, Lehrer, die ein Muster in einer Klasse erkennen, und Autoren, die einfach wissen wollen, was sie lesen. Hier ist, was die drei großen Modelle tatsächlich unterscheidet und wo die Vermutung scheitert.

Warum jede KI einen Schreibfingerabdruck hat#

Jedes große Sprachmodell wird mit unterschiedlichen Daten trainiert, mit unterschiedlichem menschlichem Feedback abgestimmt und mit einer anderen Standard-"Persönlichkeit" ausgeliefert. Diese Entscheidungen hinterlassen Spuren in der Ausgabe. Derselbe Prompt, an ChatGPT, Claude und Gemini gesendet, kommt in drei messbar unterschiedlichen Stilen zurück.

Dies ist Stylometrie, dieselbe forensische Disziplin, die verwendet wird, um umstrittene Aufsätze zuzuordnen und anonyme Autoren zu enttarnen. Anstatt die Gewohnheiten eines Menschen zu messen, misst man die eines Modells. Die Signale sind statistische Tendenzen, keine Regeln, daher zeigen sie sich zuverlässig über viele Stichproben hinweg und unzuverlässig in einem einzelnen Absatz.

Wichtiger Rahmen: Ein Fingerabdruck ist eine Tendenz, keine Signatur. Ein einzelnes "delve" beweist nicht ChatGPT, und eine warme Verabschiedung beweist nicht Claude. Sie stapeln Wahrscheinlichkeiten, finden keinen rauchenden Colt.

Drei Dinge treiben den Fingerabdruck an:

• Trainingsdatenmix. Was das Modell gelesen hat, prägt seinen Standardwortschatz und seine Referenzpunkte.
• RLHF-Abstimmung. Die Phase der menschlichen Präferenz belohnt bestimmte Töne (Hilfsbereitschaft, Vorsicht, Freundlichkeit), die in jede Antwort einfließen.
• System-Prompt und Formatierungsvorgaben. Jedes Produkt drängt sein Modell zu bestimmten Strukturen, wie starken Aufzählungspunkten oder konversationellen Abschwächungen.

Wie man erkennt, welches KI-Modell einen Text geschrieben hat: Die modellspezifischen Verräter#

Im Folgenden finden Sie die Anzeichen, die die drei Modelle in der Praxis unterscheiden. Betrachten Sie sie als eine Checkliste von Wahrscheinlichkeiten. Je mehr Kästchen ein Text für ein Modell abhakt, desto sicherer kann Ihre Vermutung sein.

ChatGPT-Verrat#

ChatGPT (GPT-4-Klasse und später) ist das Modell, das die meisten Menschen am häufigsten gelesen haben, daher fühlen sich seine Gewohnheiten wie die "Standard-KI-Stimme" an. Achten Sie auf:

• Wortschatz-Ticks. Wörter wie "eintauchen", "Teppich", "Bereich", "navigieren", "unterstreichen" und "Zeugnis für" treten weitaus häufiger auf als in normaler menschlicher Prosa. "Es ist erwähnenswert" und "in der heutigen Landschaft" sind klassische Einleitungen.
• Die Dreiergewohnheit. ChatGPT liebt Dreierlisten in Sätzen: "klar, präzise und überzeugend." Es greift ständig auf Dreiergruppen zurück.
• Symmetrische Struktur. Einleitung, drei bis fünf gleichmäßig gewichtete Abschnitte mit parallelen Überschriften, dann eine zusammenfassende Schlussfolgerung, die die Einleitung wiederholt. Alles ist fast bis zur Perfektion ausbalanciert.
• Übermäßiger Gebrauch von Gedankenstrichen. Vor der Feinabstimmung streuten GPT-Modelle stark Gedankenstriche für parenthetische Einschübe. (Hinweis: Molixa entfernt Gedankenstriche aus veröffentlichten Texten, daher gilt dieses Merkmal für die rohe Modellausgabe, nicht für Texte, die für einen Hausstil bearbeitet wurden.)
• Selbstbewusste, polierte Neutralität. Es klingt selten unsicher und selten wie eine bestimmte Person.

Claude-Verrat#

Claude wirkt tendenziell gesprächiger und offener reflektierend. Zu den Verrätern gehören:

• Absicherung und Metakommentare. Sätze wie "Ich sollte anmerken", "Es ist ehrlich zu sagen", "Das gesagt" und "Die Nuance ist" tauchen häufig auf. Claude erzählt seine eigene Argumentation mehr als die anderen.
• Wärme und Anerkennung. Es bestätigt häufig den Leser ("das ist eine großartige Frage", "das ist ein wirklich kniffliger Bereich"), bevor es antwortet.
• Längere, fließende Sätze. Claude fühlt sich wohler mit verschlungenen, satzreichen Sätzen und weniger starren Aufzählungen, wenn die Aufforderung keine Struktur verlangt.
• Einschränkungen und Ausgewogenheit. Es bringt von sich aus Kompromisse und Gegenargumente zur Sprache, oft mit "einerseits / andererseits".
• Abgewogene Ehrlichkeit über Grenzen. Es sagt "Ich bin mir nicht sicher" leichter als ChatGPTs standardmäßige Selbstsicherheit.

Gemini-Verrat#

Gemini (Googles Modellfamilie) neigt zu informativ und strukturiert, mit einem Suchmaschinen-Geschmack. Zu den Verrätern gehören:

• Aggressive Formatierung. Starke Verwendung von fetten Einleitungen, verschachtelten Aufzählungen und Tabellen, selbst für einfache Antworten. Es strukturiert zuerst und schreibt Prosa danach.
• Enzyklopädischer Ton. Die Ausgabe liest sich oft wie eine gut organisierte Zusammenfassung oder ein Featured Snippet, dicht mit Fakten und Definitionen.
• Vorsichtige, politikbewusste Formulierungen. Häufige Haftungsausschlüsse und "konsultieren Sie einen Fachmann"-Absicherungen, besonders bei Gesundheits-, Rechts- und Finanzthemen.
• Listen-zuerst-Antworten. Wo Claude einen Absatz schreibt, springt Gemini oft direkt zu einer nummerierten oder aufgelisteten Aufschlüsselung.
• Neutrale, markensichere Stimme. Weniger Persönlichkeit als Claude, weniger von ChatGPTs charakteristischem Wortschatz, mehr ein Auskunftsregister.

Eine vergleichende Übersichtstabelle#

Nutzen Sie diese Tabelle als schnelle Referenz, wenn Sie einen Textabschnitt zuordnen möchten.

Signal	ChatGPT	Claude	Gemini
Standardton	Gepflegt, selbstbewusst, neutral	Warmherzig, reflektierend, gesprächig	Informativ, wie ein Auskunftsschalter
Vokabelhinweise	eintauchen, Geflecht, Bereich, Zeugnis für	"Ich sollte anmerken," "das heißt," "die Nuance"	definitionslastig, Richtlinien-Hinweise
Strukturreflex	Symmetrische Abschnitte, Dreiergruppen	Fließende Absätze, weniger Listen	Fette Einleitungen, verschachtelte Aufzählungen, Tabellen
Absicherungsstil	Gering, klingt sicher	Hoch, beschreibt Unsicherheit	Vorsichtig, "konsultieren Sie einen Fachmann"
Listenverhalten	Listen auf Anfrage	Prosa zuerst	Liste zuerst, strukturiert alles
Satzrhythmus	Ausgeglichen, gleichmäßig	Lang, satzlastig	Kurz, überfliegbar

Behandeln Sie jede einzelne Zeile als schwachen Hinweis. Drei oder vier Zeilen, die in die gleiche Richtung deuten, sind eine vernünftige Grundlage für eine fundierte Vermutung.

Die Grenzen der Modellzuordnung (Lesen Sie dies, bevor Sie beschuldigen)#

Hier ist der Teil, den die Inhalte zum Thema "Welches KI-Modell hat das geschrieben" fast nie laut aussprechen: Die Zuordnung wird schnell unzuverlässig, und Sie sollten Ihre Schlussfolgerungen mit Vorsicht ziehen. Einige Gründe dafür.

Bearbeitung löscht den Fingerabdruck. Sobald ein Mensch den Text umschreibt, kürzt oder durch einen Paraphraser jagt, verschwinden die modellspezifischen Merkmale. Die meisten KI-Texte in der realen Welt werden zumindest leicht bearbeitet, und genau dann ist die Zuordnung am schwierigsten.

Die Modelle konvergieren. Jedes Labor optimiert seine Modelle im Vergleich zu den anderen, und gemeinsame Trainingsdaten sowie gemeinsames Nutzerfeedback bringen ihre Stile bei jeder Veröffentlichung näher zusammen. Die "delve"-Ära war ein Markenzeichen von 2023 bis 2024; neuere ChatGPT-Ausgaben verwenden es weitaus seltener, weil die Labore das Merkmal bemerkt und weg trainiert haben.

System-Prompts überschreiben die Voreinstellungen. Ein benutzerdefinierter System-Prompt oder eine Anweisung wie "Schreibe wie ein lockerer Blogger" kann jedes Modell jede Stimme imitieren lassen. Der Fingerabdruck, den Sie lesen, könnte der des Prompts sein, nicht der des Modells.

Kurze Passagen sind Rauschen. Bei unter ein paar hundert Wörtern haben Sie nicht genug Signal, um etwas zuzuordnen. Der gleiche Vorbehalt gilt allgemein für die KI-Erkennung, weshalb unser Leitfaden dazu, ob KI-Detektoren tatsächlich funktionieren, so stark auf die Stichprobenlänge eingeht.

Detektoren raten die Familie, nicht das genaue Modell. Automatisierte Klassifikatoren können oft KI von Mensch unterscheiden und manchmal in Richtung einer Modellfamilie tendieren, aber die genaue Identifizierung "dieses spezifischen Builds dieses spezifischen Produkts" übersteigt die Fähigkeiten jedes derzeit zuverlässigen Tools. Jeder, der Sicherheit verkauft, übertreibt.

Warnung: Behandeln Sie eine Zuordnungsvermutung niemals als Beweis für Fehlverhalten. Ein Hinweis ist ein Ausgangspunkt für ein Gespräch, niemals ein Urteil. Das Risiko von Fehlalarmen, das Studenten und Autoren schadet, ist real, und ein selbstbewusst klingendes Tool ändert daran nichts.

Ein praktischer Workflow zur Modellerkennung#

Wenn Sie wirklich eine Einschätzung brauchen, gehen Sie schrittweise vor, anstatt sich auf ein einzelnes Signal zu verlassen.

1. Bestätigen Sie zuerst, ob es überhaupt KI ist. Lassen Sie den Text durch einen kostenlosen KI-Content-Detektor laufen, um eine Basiswahrscheinlichkeit zu erhalten, dass er maschinell geschrieben ist. Ist dieses Signal schwach, ist eine Zuordnung sinnlos.
2. Bewerten Sie den Wortschatz. Achten Sie auf modellspezifische Wörter und Einleitungen. Zählen Sie, wie viele auf jedes Modell hindeuten, anstatt sich auf eines zu fixieren.
3. Lesen Sie die Struktur. Ist sie symmetrisch und trikolonlastig (ChatGPT-Neigung), fließend und absichernd (Claude-Neigung) oder listenorientiert und fettgedruckt (Gemini-Neigung)?
4. Gewichten Sie Ton und Absicherung. Selbstbewusste Neutralität, warmherzige Reflexion oder vorsichtiger Auskunftsschalter? Dies ist oft die zuverlässigste einzelne Achse.
5. Prüfen Sie Länge und Bearbeitungsspuren. Ist der Text kurz oder offensichtlich manuell bearbeitet, senken Sie Ihre Zuversicht und sagen Sie dies.
6. Geben Sie eine Wahrscheinlichkeit an, keine Tatsache. „Dies liest sich am ehesten wie Claude, mit mittlerer Zuversicht“ ist ehrlich. „Claude hat das geschrieben“ ist es meist nicht.

Diese schichtweise Lesart ist auch, wie die besseren Detektoren intern vorgehen: viele Signale, gewichtet, niemals ein einzelner Hinweis. Für die zugrundeliegende Mechanik, wie diese Systeme menschlichen von maschinellem Text unterscheiden, führt der tiefere Einblick in wie man KI-geschriebene Inhalte erkennt auf Deutsch durch Perplexität und Burstiness.

Wann Attribution wirklich wichtig ist#

Modellattribution ist nicht nur ein Partytrick. Einige reale Anwendungsfälle machen den Aufwand lohnenswert:

• Content-Audits. Ein Redakteur, der bemerkt, dass die Hälfte einer Freelancer-Abgabe wie roher Gemini-Output klingt, kann bessere Fragen zu Prozess und Originalität stellen.
• Markenstimmkonsistenz. Teams, die KI-Assistenten nutzen, möchten Output, der nach ihnen klingt, nicht nach einem Standardmodell. Den Fingerabdruck zu erkennen ist der erste Schritt, um ihn zu entfernen.
• Neugier und Medienkompetenz. Die Anzeichen zu kennen macht Sie zu einem schärferen Leser von allem Online, von Produktbeschreibungen bis zu "Experten"-Roundups.
• Selbstchecks. Wenn Sie ein Modell für einen Entwurf genutzt haben und Ihr Endprodukt wie Ihre eigene Arbeit lesen soll, zeigt Ihnen der Fingerabdruck, was Sie umschreiben müssen. Ein sauberer, kontrollierbarer KI-Textumschreiber hilft Ihnen, Formulierungen zu variieren und die Anzeichen in Ihrem eigenen Entwurf zu brechen, die verantwortungsvolle Version dieser Fähigkeit.

In jedem dieser Fälle ist das Ziel dasselbe: Beweise sammeln, abwägen und angemessen handeln. Attribution informiert eine Entscheidung. Sie ersetzt kein Urteilsvermögen.

Das Fazit#

Wie erkennt man also, welches KI-Modell einen Text geschrieben hat? Achten Sie auf den Fingerabdruck: ChatGPTs polierte Symmetrie und charakteristische Wortwahl, Claudes warmherzige Absicherungen und fließende Prosa, Geminis listenorientierte Nachschlagewerk-Struktur. Kombinieren Sie die Signale, und Sie können das Modell oft mit echter Sicherheit erraten. Bedenken Sie jedoch, dass Bearbeitung, konvergierende Stile und benutzerdefinierte Prompts die Hinweise verwischen können, und kurze Textproben sagen gar nichts aus.

Der praktische Ansatz ist, zunächst zu prüfen, ob der Text überhaupt von KI stammt, dann die stilistische Analyse einzubeziehen und die Schlussfolgerung stets als Wahrscheinlichkeit zu formulieren. Lassen Sie jeden Text durch Molixas kostenlosen KI-Detektor laufen, wenden Sie die obige Erkennungstabelle an, und Sie werden KI-Texte weitaus schärfer lesen als die Ja-Nein-Fraktion.

Häufig gestellte Fragen#

Woran erkenne ich, welche KI einen Text geschrieben hat? Lesen Sie ihn auf modellspezifische Eigenheiten und wägen Sie diese dann ab. ChatGPT neigt zu ausgefeilten, symmetrischen Formulierungen mit typischen Wörtern wie „tiefgreifend“ und „Geflecht“, Claude wirkt warm und vorsichtig mit Phrasen wie „ich sollte anmerken“, und Gemini ist oft listenartig und wie ein Nachschlagewerk. Kein einzelnes Merkmal ist ein Beweis, also sammeln Sie mehrere, bevor Sie eine Vermutung anstellen, und prüfen Sie zunächst, ob der Text überhaupt KI-generiert ist.

Kann ein Detektor das genaue KI-Modell identifizieren, z.B. ChatGPT vs. Gemini? Nicht zuverlässig. Detektoren sind gut darin, KI von menschlichem Schreiben zu unterscheiden, und können manchmal in Richtung einer Modellfamilie tendieren, aber die genaue Produkt- und Versionsbestimmung übersteigt die Fähigkeiten jedes heutigen Tools. Behandeln Sie jede Behauptung „dies wurde von Modell X geschrieben“ als Wahrscheinlichkeitsschätzung, nicht als Tatsache, besonders bei kurzen oder bearbeiteten Texten.

Welche Wörter verraten ChatGPT-Schreibstil? ChatGPT hat historisch gesehen Wörter wie „tiefgreifend“, „Geflecht“, „Bereich“, „navigieren“, „unterstreichen“ und „ein Zeugnis für“ übermäßig verwendet, sowie Einleitungen wie „es ist erwähnenswert“ und Dreierlisten („klar, präzise und überzeugend“). Diese Merkmale waren zwischen 2023 und 2024 am stärksten ausgeprägt und sind inzwischen zurückgegangen, da die Labore sie heruntertrainiert haben. Ihr Fehlen schließt ChatGPT also nicht aus.

Warum ist es so schwer zu erraten, welche KI etwas geschrieben hat? Drei Gründe. Menschliche Bearbeitung löscht den Fingerabdruck des Modells, die großen Modelle konvergieren im Stil, da jedes Labor gegen die anderen optimiert, und ein benutzerdefinierter System-Prompt kann jedes Modell jede Stimme imitieren lassen. Kurze Passagen enthalten zudem zu wenig Signal für eine Zuordnung, daher sollte die Sicherheit unter ein paar hundert Wörtern stark sinken.

Ist die Modellzuordnung ein Beweis dafür, dass jemand KI verwendet hat? Nein. Eine Zuordnungsschätzung ist ein Indiz, das abgewogen werden muss, niemals ein Beweis für Fehlverhalten. Falschpositive sind ein echtes Risiko, das Schüler und Autoren unfair schädigen kann. Ein Hinweis sollte daher ein Gespräch eröffnen, nicht einen Fall abschließen. Nutzen Sie ihn zusammen mit Kontext wie Versionsgeschichte und der üblichen Stimme des Autors, anstatt die Ausgabe eines Tools als Urteil zu behandeln.

Versteckt das Paraphrasieren eines Textes, welche KI ihn geschrieben hat? Weitgehend ja. Paraphrasierungs- und Humanisierungstools verändern die Wortwahl und den Satzrhythmus, von denen die Zuordnung abhängt. Deshalb ist bearbeiteter KI-Text am schwersten nachzuverfolgen. Dieselbe Eigenschaft hat eine legitime Verwendung: Wenn Sie mit einem Modell entworfen haben und Ihr endgültiges Werk wie Ihre eigene Arbeit lesen soll, ist das Umschreiben der Eigenheiten in Ihrer eigenen Stimme eine faire und verantwortungsvolle Bearbeitung.