Hilfestellung zur Textanalyse Da KI und menschliche Texte überlappen, gibt es aktuell keine 100% technische Methode KI-generierte Texte zu identifizieren. Die meisten KI-Detektoren basieren auf dem Prinzip der Perplexität. Niedrige Perplexität (KI-Verdacht): Der Text wirkt glatt, jedes Wort folgt logisch und erwartbar auf das vorherige, ohne syntaktische "Stolpersteine". Hohe Perplexität (Mensch-Indiz): Der Text enthält Brüche, seltene Wortwahl oder statistisch unwahrscheinliche Satzkonstruktionen. Neben der Perplexität wird oft die "Burstiness" herangezogen, die den Rhythmus und die Variation der Satzlänge betrachtet. Menschen wechseln oft unregelmäßig zwischen kurzen und langen, verschachtelten Sätzen, während KI-Modelle tendenziell eine monotone, gleichmäßige Satzstruktur produzieren. Da auch Menschen erwartbaren Text schreiben, liegt die Rate der falschpositiven KI-Zuweisungen bei etwa ≤ 20%. Diese Rate kann über 60% betragen, wenn Menschen nicht in ihrer Muttersprache schreiben (McKie A., 2026, Nature 655: 535-537). Hybride Texte mit KI und menschlichen Anteilen oder KI-Text die „humanisiert“ wurden entgehen häufig der Detektion.   Hier ist eine Liste mögliche Auffälligkeiten in KI-generierten Texten deutlicher Stilbruch gegenüber früheren Arbeiten oder bekannten Schreibproben auffällig generische, glatte oder inhaltlich unpräzise Sprache Quellen, die nicht auffindbar sind oder nicht zur Aussage passen Methodenbeschreibung, Daten und Ergebnisse passen nicht zusammen Tabellen, Prozentwerte, Fallzahlen oder statistische Angaben sind widersprüchlich Abbildungen enthalten sachliche, anatomische, technische oder grafische Unplausibilitäten KI-Nutzung wurde nicht oder nur unvollständig dokumentiert Studierende können zentrale Inhalte, Quellen, Daten oder Arbeitsschritte nicht erklären Arbeit enthält Spuren von Prompts, KI-Formulierungen, KI-Formatierungen, Platzhaltern oder generischen Textbausteinen Im Anhang finden Sie weiter Hinweise auf KI-generierte Texte Hier ist eine umfangreiche Liste mit Warnsignalen, die auf KI-Nutzung hindeuten   Stil und Sprache Prüfen: Wirkt der Text ungewöhnlich glatt, allgemein oder austauschbar? Gibt es starke Stilbrüche zwischen einzelnen Kapiteln? Weicht der Stil deutlich von früheren Arbeiten, Exposés, E-Mails oder Zwischenfassungen ab? Enthält der Text viele richtige, aber oberflächliche Aussagen ohne eigene fachliche Vertiefung? Werden Fachbegriffe formal korrekt, aber kontextuell ungenau verwendet? Sind Übergänge und Zusammenfassungen sehr generisch? Fehlen individuelle Begründungen, lokale Bezüge, Kursbezüge oder konkrete Forschungsentscheidungen? Bewertung: Sprachliche Glätte allein ist kein Beweis. Ein Stilbruch ist ein Hinweis, wenn er mit weiteren Auffälligkeiten zusammentrifft. Entscheidend ist, ob die fachliche Eigenleistung nachvollziehbar bleibt. Argumentation und fachliche Tiefe Prüfen: Wird eine klare eigene Fragestellung entwickelt? Werden Begriffe sauber definiert? Wird Literatur kritisch eingeordnet oder nur zusammengefasst? Passen Einleitung, Forschungsfrage, Methode, Ergebnisse und Schlussfolgerung zusammen? Werden Gegenargumente, Limitationen und Unsicherheiten fachlich reflektiert? Gibt es scheinbar überzeugende, aber inhaltlich leere Passagen? Werden Schlussfolgerungen gezogen, die aus den Ergebnissen nicht folgen? Warnsignale: viele abstrakte Aussagen ohne konkrete Belege fehlende Verbindung zwischen Theorie und eigener Analyse unplausible Sicherheit bei unsicherer Datenlage scheinbar professionelle, aber fachlich ungenaue Argumentation fehlende Auseinandersetzung mit naheliegender Pflichtliteratur oder zentralen Quellen Quellen und Zitate Prüfen: Existieren die angegebenen Quellen tatsächlich? Stimmen Titel, Autor*innen, Jahr, DOI, Verlag, Zeitschrift und Seitenzahlen? Unterstützt die Quelle wirklich die behauptete Aussage? Sind Zitate korrekt wiedergegeben? Gibt es ungewöhnlich viele Quellen, die schwer auffindbar sind? Werden nicht einschlägige oder veraltete Quellen als Hauptbelege verwendet? Gibt es erfundene DOI, falsche Zeitschriftentitel oder unplausible Kombinationen von Autor*innen und Themen? Warnsignale mit hoher Bedeutung: nicht auffindbare Quellen erfundene oder falsche DOI Quellen, die zwar existieren, aber die zitierte Aussage nicht enthalten systematische Fehlzitationen Literaturverzeichnis passt nicht zu den Fußnoten oder In-Text-Zitaten Methodik und fachlicher Aufbau Prüfen: Ist die Methode für die Forschungsfrage geeignet? Sind Stichprobe, Material, Datenerhebung und Auswertung nachvollziehbar beschrieben? Sind die verwendeten Fachbegriffe korrekt? Passen Methodenbeschreibung und Ergebnisdarstellung zusammen? Werden Limitationen realistisch dargestellt? Wurde eine Methode beschrieben, die tatsächlich durchgeführt worden sein kann? Warnsignale: Methodenteil wirkt wie ein generischer Lehrbuchtext fehlende Angaben zu konkreten Durchführungsschritten Ergebnisse werden berichtet, ohne dass klar ist, wie sie entstanden sind verwendete Verfahren passen nicht zum Datentyp Schlussfolgerungen gehen deutlich über die Methode hinaus ethische, datenschutzrechtliche oder studienbezogene Voraussetzungen fehlen trotz sensibler Daten