KI-Signale in Texten erkennen und beheben

Wer regelmäßig Texte für seine Website, Angebote oder Kundenanfragen schreibt, greift inzwischen häufig auf KI-Tools zurück. Das ist nachvollziehbar: Dachdecker, Elektriker oder Umzugsunternehmen haben selten Zeit, stundenlang an Websitetexten zu feilen. Doch ungefiltert übernommene KI-Ausgaben erzeugen ein Problem, das viele unterschätzen. Die Texte klingen nicht nach Handwerk, nicht nach Praxis, nicht nach dem Betrieb dahinter. Sie klingen nach Maschine. Und das merken Leser schneller, als man denkt.

Warum maschinelle Texte erkennbar bleiben

Sprachmodelle wie GPT werden auf riesigen Textmengen trainiert. Das führt dazu, dass sie bevorzugte Formulierungen entwickeln, die statistisch häufig vorkommen, aber selten konkret sind. Ein Elektriker würde nie schreiben: „Wir bieten umfassende Lösungen für Ihre individuellen Bedürfnisse.“ Er würde schreiben: „Wir tauschen Sicherungskästen aus, legen Leitungen neu und prüfen nach DIN VDE.“ Der Unterschied ist nicht nur stilistisch, er ist inhaltlich.

Laut einer Studie der Stanford University aus dem Jahr 2023 lassen sich KI-generierte Texte in Blind-Tests von geübten Lesern zu etwa 70 Prozent korrekt identifizieren, selbst wenn keine Erkennungstools eingesetzt werden. Der Grund: Sprachmuster, Satzrhythmus und Phrasenauswahl folgen erkennbaren Wahrscheinlichkeitsverteilungen.

Die häufigsten KI-Signale im Überblick

Es gibt eine Handvoll Muster, die in KI-Texten überdurchschnittlich oft auftauchen. Wer seinen eigenen Text oder einen eingekauften Text prüfen will, sollte gezielt nach diesen Mustern suchen:

• Superlativische Allgemeinaussagen: „höchste Qualität“, „beste Ergebnisse“, „optimale Lösung“ ohne jede Begründung oder Zahl dahinter
• Symmetrische Listenstrukturen: Immer genau drei oder fünf Punkte, immer gleich lang, immer gleich aufgebaut
• Einleitungssätze mit Subjekt-Doppelung: „In der modernen Welt ist es wichtig, dass Unternehmen…“ oder „Als erfahrener Fachbetrieb wissen wir…“
• Fehlende Eigenheiten: Kein Ortsname, kein konkretes Projekt, keine spezifische Zahl aus dem Alltag des Betriebs
• Übermäßige Absicherung: „Es kann sein, dass…“, „In manchen Fällen könnte…“ statt klarer Aussagen
• Floskeln als Absatzeinleitung: „Zunächst ist zu beachten“, „Abschließend lässt sich sagen“, „Zusammenfassend gilt“

Besonders auffällig ist die Kombination mehrerer dieser Signale innerhalb weniger Absätze. Ein einzelnes Allgemeinplatz-Adjektiv kann stilistisches Versehen sein. Wenn fünf davon hintereinander erscheinen, ist die Wahrscheinlichkeit hoch, dass der Text maschinell erzeugt wurde.

Prüfung mit und ohne Tool

Automatische KI-Detektoren wie GPTZero oder der Originality-Detektor arbeiten mit Perplexität und Burstiness als Messwerte. Perplexität beschreibt, wie überraschend ein Wort im Kontext ist. Burstiness misst, wie stark die Satzlänge variiert. Menschliche Texte haben typischerweise hohe Burstiness: kurze Hauptsätze wechseln mit langen Einschüben, Aufzählungen brechen den Fluss. KI-Texte sind gleichmäßiger, was nach außen hin glatt wirkt, aber eben auch steril.

Wer keine kostenpflichtigen Tools nutzen will, kann eine einfache manuelle Prüfung durchführen: Text ausdrucken, laut vorlesen. Stolpert man an keiner Stelle? Gibt es keine Formulierung, die überrascht oder einen eigenen Ton hat? Das ist kein gutes Zeichen. Gute Texte haben Ecken und Kanten. Sie klingen nach jemandem.

Eine sinnvolle Methode ist das sogenannte „Persona-Lesen“: Wer ist der Autor, und würde dieser Autor so schreiben? Ein Heizungsbauer aus München würde „Viessmann-Anlage“ schreiben, nicht „moderne Heizsysteme führender Hersteller“. Fehlen solche Details vollständig, lohnt es sich, den Text mithilfe eines Werkzeugs zum KI-Texte umschreiben zu überarbeiten und dabei gezielt Spezifika einzubauen.

Was Suchmaschinen dazu sagen

Google hat in seiner offiziellen Dokumentation mehrfach betont, dass automatisch generierte Inhalte, die primär für Suchmaschinen und nicht für Menschen erstellt werden, gegen die Webmaster-Richtlinien verstoßen können. Das betrifft nicht per se jeden KI-Text, sondern unbearbeitete Massenware ohne redaktionellen Mehrwert. Der Unterschied liegt in der Überarbeitung und im Informationsgehalt.

Das Bundesamt für Sicherheit in der Informationstechnik weist in seinen Empfehlungen zum Umgang mit KI-Systemen auf Transparenzpflichten hin, die insbesondere dann greifen, wenn KI-generierte Inhalte für professionelle oder behördliche Kommunikation eingesetzt werden. Für Handwerksbetriebe ist das in der Praxis noch keine Pflicht, aber die Entwicklung der Regulierung geht in diese Richtung.

Konkrete Überarbeitungsschritte

Die gute Nachricht: KI-Signale lassen sich gezielt entfernen, ohne den gesamten Text neu schreiben zu müssen. Folgende Schritte helfen dabei:

• Jeden Absatz auf generische Adjektive prüfen und durch messbare Angaben ersetzen („hochwertig“ wird zu „mit 25 Jahren Garantie“)
• Mindestens einen konkreten Ortsbezug, einen Kundentyp oder ein reales Projekt ergänzen
• Einleitungssätze, die mit „Als…“ oder „In der modernen…“ beginnen, vollständig streichen oder umformulieren
• Satzlängen bewusst variieren: ein Satz mit drei Wörtern. Dann ein längerer mit Nebensatz, der die Begründung liefert.
• Passivkonstruktionen auflösen: Nicht „Es wird empfohlen“, sondern „Wir empfehlen“

Warum das für Handwerksbetriebe besonders zählt

Branchenportale wie eintraege.de leben davon, dass potenzielle Kunden einem Betrieb vertrauen, bevor sie anrufen. Dieses Vertrauen entsteht nicht durch makellose Texte, sondern durch glaubwürdige. Wer als Schlüsseldienst schreibt „Schnell, zuverlässig, fair“, unterscheidet sich in keiner Weise von den anderen zwanzig Einträgen auf der Seite. Wer schreibt „Wir sind in 20 Minuten vor Ort, wenn Sie in Schwabing oder Maxvorstadt feststecken“, hat sofort mehr Profil.

KI-Tools sind nützlich als Rohling, nicht als Endprodukt. Wer die beschriebenen Signale kennt, kann schnell einschätzen, wo ein Text noch Arbeit braucht. Das spart langfristig mehr Zeit, als schlechte Texte einfach zu veröffentlichen und später zu fragen, warum die Anfragen ausbleiben.

Weitere Grundlagen zur Funktionsweise von Sprachmodellen liefert der entsprechende Wikipedia-Artikel zu großen Sprachmodellen, der auch für technisch weniger vorgebildete Leser gut verständlich geschrieben ist.