Erkennt man Texte, die eine KI geschrieben hat?

Meistens nicht. In kontrollierten Tests erkennen Leser KI-geschriebene Texte kaum besser, als es ein Münzwurf täte. Was Leser aber haben: eine feste, geteilte Vorstellung davon, wie KI-Texte klingen — und eine Studie aus dem Jahr 2023 hat diese Vorstellung genau vermessen. Sie beschreibt fast Punkt für Punkt, was Inhalte generisch wirken lässt. Genau dieser Unterschied entscheidet, ob Ihre Beiträge nach Ihnen klingen oder nach irgendwem.

Wo diese Recherche beginnt

Anfang 2023 veröffentlichte die Fachzeitschrift PNAS eine Studie mit dem Titel "Human heuristics for AI-generated language are flawed" von Maurice Jakesch, Jeffrey Hancock und Mor Naaman. Der Aufbau liegt erstaunlich nah am Alltag eines kleinen Unternehmens. In mehreren Experimenten lasen Tausende Teilnehmer kurze Selbstdarstellungstexte: Dating-Profile, berufliche Kurzbiografien, Airbnb-Gastgeberprofile. Manche stammten von Menschen, andere von einem Sprachmodell. Die Aufgabe passte in eine Zeile: die Maschine finden.

Sich in wenigen Sätzen vorstellen — genau das tun Sie mit jedem Beitrag. Ein Text über Ihre Bäckerei, Ihre Praxis oder Ihre Werkstatt ist ein kurzer Text, dessen Aufgabe es ist, das Vertrauen eines Fremden zu gewinnen. Könnten Leser KI in diesem Register zuverlässig erkennen, wäre die Sorge, dass Kunden es merken, berechtigt. Also haben wir die Studie gründlich gelesen.

Wie treffsicher waren die Leser?

Kaum besser als der Zufall. In allen drei Registern lagen die Teilnehmer nur wenig über 50 Prozent — dem Niveau blinden Ratens. Übung half kaum. Und das Register änderte nichts: Wer Gastgeberprofile beurteilte — das Format, das einem Unternehmen am nächsten kommt, das sich vorstellt —, schnitt nicht besser ab als der Rest.

Ein Detail wiegt schwerer als die Zahl. Die Teilnehmer zögerten nicht. Ihre Stimmen sammelten sich bei denselben Texten: Man war sich weitgehend einig, welche "nach KI klangen". Sie teilten ein mentales Modell maschinellen Schreibens. Es passte nur nicht dazu, wie Maschinen schreiben.

“

Leser erkennen keine KI. Sie erkennen Sätze, die unter jedem Logo stehen könnten.

”

Welche Signale nutzen Leser wirklich?

Die Forscher isolierten die Signale hinter diesen Urteilen. Texte in der ersten Person, in gesprochenem Ton, mit Familie und Privatleben, galten als menschlich. Texte mit langen oder seltenen Wörtern galten als KI. Spontanes las man als menschlich, Glattes als Maschine.

Jedes dieser Signale versagt. Ein Sprachmodell schreibt mühelos "ich" und "wir" und erzählt vom Privatleben, sobald die Anweisung dorthin zeigt. Viele Profis schreiben dagegen formell — und werden genau dafür als Maschine einsortiert. Die Autoren gingen noch einen Schritt weiter: Weil die Signale stabil und vorhersehbar sind, lässt sich ein Text gegen sie optimieren. Sie erzeugten Profile, die Teilnehmer für menschlicher hielten als die von echten Menschen geschriebenen. Die Studie nennt das "more human than human".

Worauf reagieren Leser in Ihrem Feed also wirklich?

Auf Austauschbarkeit. Räumt man die falschen Signale beiseite, bleibt eines übrig, das funktioniert: die Frage, ob ein Text von irgendwem stammen könnte. Die Teilnehmer stuften Texte als "KI" ein, in denen nichts an einer konkreten Person hing. Als Urheber-Test irrt dieser Reflex. Als Schreib-Test ist er ziemlich fair.

Das deckt sich mit einem Muster aus Rückmeldungen von Selbstständigen zu generierten Texten. Beiträge, die als "klingt nach KI" markiert werden, teilen Oberflächengewohnheiten — und keine davon betrifft den Generator. Der Satz, der zwei Zielgruppen zugleich anspricht statt einer. Der Einstieg, der ein Thema ankündigt, bevor er etwas sagt. Die Interaktionsfrage, die ans Ende geklebt wird. Beiträge mit einer konkreten Spur des Betriebs dagegen — ein Material, ein Straßenname, eine Saison, eine Leistung, benannt wie der Inhaber sie benennt — werden fast nie markiert. Egal, wer sie geschrieben hat.

Der Mechanismus ist einfach. Leser beurteilen einen Text wie die Teilnehmer der Studie: danach, wie austauschbar er wirkt. Ein Satz, der unter jedem Logo stehen könnte, liest sich wie Maschine. Ein Satz, den nur Ihr Betrieb hervorbringen konnte, liest sich wie Mensch. Der Generator ist unsichtbar. Sichtbar ist das Ausgangsmaterial.

Was sollten Sie an Ihren Beiträgen ändern?

Vier Schritte, umsetzbar in dieser Woche.

Behalten Sie die erste Person und den gesprochenen Ton. Beides wird als menschlich gelesen, beides ist in einem Beitrag natürlich — und darauf zu verzichten, kostet Sie den einzigen Bias, der für Sie arbeitet.

Ersetzen Sie Branchenvokabular durch Ihr eigenes. "Qualität aus Meisterhand" und "Ihr zuverlässiger Partner" sind der Durchschnitt aller Betriebe Ihrer Branche — genau die Textur, die Leser markieren. Die Wörter Ihrer Website, Ihre Art, Ihre Leistungen zu benennen, die Sätze, die Kunden Ihnen zurücksagen: Dieses Material macht einen Beitrag zu Ihrem. Eine KI, die Ihre Website gelesen hat, schreibt mit diesen Markern; eine KI mit einer Zeile Beschreibung schreibt den Branchendurchschnitt. Das Ausgangsmaterial, nicht das Werkzeug, bestimmt die Stimme Ihrer Beiträge in Ihren sozialen Netzwerken.

Streichen Sie die drei markierten Gewohnheiten: die Ansprache an zwei Zielgruppen, den ankündigenden Einstieg, die dekorative Schlussfrage. Keine fügt Information hinzu; alle fügen Austauschbarkeit hinzu.

Setzen Sie in jeden Beitrag ein unübertragbares Detail. Ein Detail, das unter dem Logo eines Wettbewerbers falsch wäre: die Straße, der Lieferant, die erste Lieferung der Saison, der Preis dessen, was Sie wirklich verkaufen. Eines genügt, um einen Beitrag von "irgendwer" zu "Sie" zu verschieben.

Das Ziel ist nicht, als Mensch durchzugehen. Das Ziel ist Präzision — und genau die belohnen Leser laut Studie.