Die Text-DNA

Der naheliegende Griff ist der zum Werkzeug: KI-Detektoren wie Pangram oder GPTZero, die einen Text einlesen und eine Prozentzahl ausgeben. Das wirkt objektiv, geht schnell und kostet fast nichts. Nur taugt es kaum als Beweis – und führt in einen Strudel vermeintlicher Sicherheiten und falscher Verdächtigungen.

Wie unzuverlässig diese Werkzeuge sind, führt gerade die Politik vor: Reihenweise geraten Spitzenpolitiker unter KI-Verdacht, die FAZ nahm einen Gastbeitrag wieder offline. Bemerkenswert ist, was die Redaktion dazu über das von ihr genutzte Programm schreibt: Es sei „mitnichten perfekt“, liefere „keinen endgültigen Beweis“ und habe „auch schon daneben gelegen“./1/ Wie hoch die Fehlerquote tatsächlich liegt, zeigt ein praktischer Test der führenden Detektoren: Insgesamt lag die Quote falscher Verdächtigungen bei rund 15 Prozent – also eine:n zu Unrecht beschuldigte:n Autor:in in etwa jedem sechsten bis siebten Fall. /2/

Solche Detektoren messen meist nur die sprachliche Oberfläche und irren dann in doppelter Hinsicht: Sie verdächtigen einerseits sauber, aber schematisch schreibende Menschen, und sie übersehen andererseits geschickt getarnte Maschinen. Für ein Lektorat ist das in beiden Fällen heikel. Ein falsch positiver Befund stellt eine:n ehrliche:n Autor:in unter Generalverdacht /3/; ein falsch negativer wiegt den Verlag in Sicherheit. Wer eine Prozentzahl für eine Wahrscheinlichkeit mit einem beweiskräftigen Urteil verwechselt, liefert selbst das Denken an die Maschine aus – und tut damit genau das, was den Verdächtigen vorgeworfen wird.

Die Oberfläche ist voller falscher Fährten. Gedankenstriche, Modewörter, Triaden, allzu glatte Sätze lassen sich in Minuten tilgen. Stimmt man ein Sprachmodell auf einen bestimmten menschlichen Stil ein, fällt die Trefferquote von KI-Detektoren von 97 auf 3 Prozent. /4/

Was an KI-Merkmalen bleibt, sitzt wesentlich tiefer. Ein Forschungsteam um Jenna Russell hat über 61.000 Texte daraufhin vermessen und gezeigt: Allein an der Erzähl- und Denkstruktur – wer führt den Gedanken, wird er ausgesprochen oder offengelassen, kommt der Text an oder dreht er sich – lässt sich KI zu 93 Prozent als Quelle freilegen, selbst wenn der Stil glattgebügelt wurde. /5/

Diese Struktur nennen wir die Text-DNA. Sie richtet den Blick weniger auf den Stil eines Textes als auf dessen Bauplan. Und einen Bauplan liest kein Klassifikator zuverlässig, sondern vor allem ein geschultes Auge.

Anzeige

Aus Forschung und Lektoratspraxis haben wir ein Prüfraster gebaut: 13 Merkmale, geordnet nach der Ebene, auf der sie zu finden sind – Wort, Satz, Text –, sowie zusätzlich zwei rein mechanische KI-Relikte. Es fragt weniger nach einzelnen Wörtern und Satzkonstruktionen als nach narrativen Entscheidungen.

Die meisten Einzelmerkmale sind für sich genommen schwach, weil sie sich gattungsbedingt erklären oder problemlos maskieren lassen; nur die mechanischen Relikte sind sehr beweiskräftig. Daraus folgt der wichtigste Disclaimer: All diese Merkmale sind Indizien, keine Beweise. Ein bloßer Dreiklang ist nichts; mehrere starke Strukturmerkmale zusammen, dazu vielleicht ein Relikt, ergeben ein auffälliges Bild, das der Klärung bedarf.

Einen gattungsübergreifenden Schwellenwert gibt es nicht. Das zeigt der Vergleich der Durchschnittswerte aus unserer Sammlung – bewusst aus frühen, vor 2023 entstandenen Textfassungen, also vor jeder Lektoratsglättung, weil sie das unverstellte menschliche Profil zeigen. /6/

Ein Ratgeber aus Menschenhand liegt bei Strukturschablone, Abwesenheit von Subtext und Abschlussredundanz – also der mehrfachen, inhaltsgleichen Wiederholung von bereits Dargelegtem am Ende eines Textes – von Natur aus deutlich höher als ein populäres Sachbuch. Er fasst stärker zusammen, erklärt mehr, folgt strenger einem Schema – das ist die Konvention, nicht KI. Wer also den Sachbuchmaßstab an einen Ratgeber oder an ein Fachbuch anlegt, produziert lauter Fehlalarme.

Der KI-Wert lässt sich also relativ zur Gattung lesen. Eindeutig bleibt allein, was in Menschenhand gar nicht erst entsteht: die maschinellen Relikte ganz rechts.

Am häufigsten begegnet uns nicht das vollständig generierte Buch, sondern der Hybrid: menschliche Passagen neben maschinellen, oft verraten durch einen Stilbruch. Die selbst geschriebenen Teile sind detailreich, meinungsstark, mit echten Fehlern, die KI-Teile hingegen glatt, fehlerlos und merkwürdig leer. Diesen Bruch erkennt ein geübtes Auge sofort – man spürt, wo das Echte steckt.

Selbstverständlich darf KI die Buchentstehung unterstützen. Allerdings nicht als Ersatz für das eigene Denken, sondern als kritisches Gegenüber, das Lücken, Redundanzen, Fehler aufspürt, bei der Recherche unterstützt und auch mal einen Schreibimpuls setzt. Wenn wir Autorinnen und Autoren einen Rat geben, hilft ein einziger Prüfstein: Hätte ich das selbst auch so schreiben können? Klingt der Satz nach der Autorin, nur schneller gefunden, ist er gutes Sparring. Denkt sie: „So gut hätte ich das nie formuliert“, ist es nicht ihre eigene Stimme, sondern die geglättete Mitte der Maschine, die nach allen klingt und nach niemandem.

Juristisch steht dahinter die persönliche geistige Schöpfung: Geschützt ist nur ein Werk, in dem die Entscheidungen eines Menschen stecken. KI als Sparringspartner – ja. KI als Ghostwriter – nein. Wer sie das Buch im Wesentlichen schreiben lässt, gibt die Urheberschaft ab, im rechtlichen wie im wörtlichen Sinn. Dann entstehen keine Nutzungsrechte, die ein Verlag erwerben könnte.

Das Durchrutschen eines einzelnen KI-Buchs ist nicht das größte Risiko für Verlage. Das größere ist die Nivellierung von Texten, von Sprache. Ökonomen haben gemessen, dass KI den einzelnen Text aufwertet und alle Texte einander ähnlicher macht. /7/ Ein Naturgesetz ist das nicht: Wer ein Modell bewusst gegen den Strich einsetzt, kann die Angleichung verringern.

Der übliche Umgang mit KI aber drängt genau dorthin: Wenn alle mit denselben Modellen schreiben, entstehen Bücher, die klingen wie alle anderen: kompetent, korrekt und sofort vergessen, sobald man sie zuklappt. Für eine Branche, die von Unverwechselbarkeit und Glaubwürdigkeit lebt, ist das die eigentliche Bedrohung. Und hierin liegt zugleich eine Chance: Wer konsequent auf eine eigene Stimme setzt, hebt sich ab.

Es geht nicht darum, KI bei der Manuskripterstellung zu verteufeln, nach irgendwelchen Spuren in Texten zu suchen oder Autorinnen und Autoren pauschal zu verdächtigen. Das wäre ziemlich frustrierend und wenig ergiebig. Genauso reizlos ist es, einfach zu veröffentlichen, was ChatGPT, Claude und Co. zu irgendeinem Thema zu sagen haben. Sehr viel interessanter ist es, Bücher mit einer eigenen Stimme zu erkennen und ihnen den Weg zu ebnen.

Das beste Instrument dafür haben Verlage längst: ein Lektorat, das liest, das die tiefer liegenden KI-Marker kennt und das seinem eigenen Urteil traut.

/1/ „Gastbeitrag zu Social Media: In Sachen Mario Voigt“, FAZ, 10. Juni 2026.

/2/ Christopher S. Penn: „How AI Detection Works“, Almost Timely News, 7. Juni 2026.

/3/ Eva Wolfangel: „KI-Detektoren: Misstrauen als Geschäftsmodell“, Zeit, 20. Juni 2026.

/4/ Tuhin Chakrabarty u. a.: „Readers Prefer Outputs of AI Trained on Copyrighted Books over Expert Human Writers“, arXiv.org, 17. März 2026, zitiert in Russell u. a.

/5/ Jenna Russell u. a.: „StoryScope. Investigating Idiosyncrasies in AI Fiction“, Preprint, 13. April 2026.

/6/ Eigene Auswertung anhand von fünfzehn Merkmalen mit einer anonymisierten, nicht repräsentativen Auswahl von nichtfiktionalen Textauszügen (Warengruppen 4, 5, 6, 7 und 9), nachweislich geschrieben vor 2023. Beispielhaft gegenübergestellt ist ein teilweise mithilfe von KI geschriebener Sachbuchtext.

/7/ Anil R. Doshi, Oliver P. Hauser: „Generative AI enhances individual creativity but reduces the collective diversity of novel content“, Science Advances 28/2024.

der Artikel ist Teil des Channels Digital Publishing Technologien, der sich mit Content-Strategien und Prozessen beschäftigt.  Der Channel wird gesponsert von Fabasoft Xpublisher.