KI-Score-Checker: Der komplette Guide zu zwei ganz anderen Tools

Hinter „KI-Score-Checker“ (englisch „AI Score Checker“) stecken zwei Tools, die nichts miteinander zu tun haben. Das eine ist ein KI-Detektor: Er bewertet einen Text danach, wie wahrscheinlich er von einer Maschine geschrieben wurde. Das andere ist ein Checker für KI-Sichtbarkeit: Er misst, wie oft KI-Assistenten deine Marke nennen. Das eine prüft, was du schreibst. Das andere prüft, ob du überhaupt vorkommst. Methode, Daten und Aussage – nichts davon ist gleich.

Fast jede Seite, die für diesen Begriff rankt, behandelt nur die erste Bedeutung und geht stillschweigend davon aus, dass du genau die gesucht hast. Dieser Guide erklärt beide, sagt klar, was jeder Score belegen kann und was nicht, und beantwortet die konkreten Fragen rund um Detektor-Prozentwerte – auch die, über die die meisten Studierenden und Marketer stolpern: Bedeutet ein niedriger Wert wie 7 % überhaupt irgendetwas?

Bedeutung Nr. 1: der Score eines KI-Detektors

Ein KI-Detektor schätzt, wie wahrscheinlich ein Text von einem Sprachmodell generiert wurde. Meist gibt er einen Prozentwert aus: den Anteil des Dokuments, den er für maschinell geschrieben hält. Typische Tools in dieser Kategorie sind GPTZero, QuillBot, Turnitin, Scribbr und ZeroGPT.

Die Methode ist statistisch, nicht forensisch. Detektoren suchen nach Signalen wie niedriger Perplexität, also Text, der Wort für Wort ungewöhnlich vorhersehbar ist. Genau diese Eigenschaft hat aber auch flüssiges, schlichtes, gut strukturiertes menschliches Schreiben – und das ist die Wurzel fast aller Probleme, um die es weiter unten geht.

Ist ein KI-Score von 7 % schlecht?

Nein. Ein Wert von 7 % liegt in dem Bereich, den der größte Detektor-Anbieter selbst als unzuverlässig einstuft und gar nicht erst als Befund ausweist.

Turnitin – der Detektor, den die meisten Hochschulen tatsächlich einsetzen – unterdrückt KI-Scores zwischen 1 % und 19 %, und zwar genau deshalb, weil sich dort die Fehlalarme (False Positives) häufen. Unterhalb seiner Schwelle von 20 % zeigt Turnitin statt eines aussagekräftigen Werts nur ein Sternchen an und warnt Lehrende damit, dass die Zahl in diesem Bereich nicht belastbar ist. Für Dokumente, die mit mehr als 20 % KI-Anteil markiert werden, nennt Turnitin eine False-Positive-Rate auf Dokumentebene von unter 1 % und auf Satzebene von rund 4 %.

Ein Wert von 7 % heißt also nicht, dass 7 % deines Dokuments von einer KI stammen. Es ist eine Zahl, für die nicht einmal der Anbieter selbst geradestehen will. Die richtige Reaktion auf einen einstelligen Score: ignorieren.

Welcher KI-Detektor-Score ist in Ordnung?

Es gibt keine Schwelle, ab der ein Text als „sauber“ gilt. Wer irgendeine Zahl als Bestehensgrenze behandelt, hat nicht verstanden, was der Score eigentlich ist.

Das Ergebnis ist eine Wahrscheinlichkeitsschätzung eines Klassifikators mit bekannten, erheblichen Fehlerquoten – keine Messung einer Tatsache. Der Leitfaden des Legal Research Center der University of San Diego zu KI-Erkennungstools, aktualisiert im Juli 2026, bringt es ohne Umschweife auf den Punkt: Detektoren seien „weder genau noch zuverlässig“ und „nicht als alleiniger Hinweis auf akademisches Fehlverhalten zu empfehlen“. Der Leitfaden weist außerdem darauf hin, dass der Turnitin-Detektor rund 15 % des KI-generierten Texts in einem Dokument übersehen kann. Ein niedriger Score beweist also ebenfalls nichts.

Wenn du selbst mit einem Score konfrontiert wirst, ist diese Lesart vertretbar: Hohe Werte sind Anlass für ein Gespräch, niedrige Werte beweisen nichts, und keine Zahl sollte für sich allein als Beweis gelten.

Gibt es einen KI-Detektor mit 100 % Genauigkeit?

Nein – und der stärkste Beleg dafür kommt ausgerechnet von dem Unternehmen, das am meisten davon hätte, einen zu bauen.

OpenAI brachte Anfang 2023 einen KI-Textklassifikator heraus und zog ihn am 20. Juli 2023 „wegen seiner geringen Genauigkeit“ wieder zurück. In OpenAIs eigener Auswertung erkannte das Tool KI-geschriebenen Text nur in 26 % der Fälle korrekt, markierte aber in 9 % der Fälle von Menschen geschriebenen Text fälschlich als KI. Bei Texten unter 1.000 Zeichen war es unzuverlässig. Die Organisation, die den Generator trainiert hatte, konnte den eigenen Generator nicht zuverlässig erkennen.

Seitdem hat sich an der grundsätzlichen Schwierigkeit nichts geändert. Anbieter veröffentlichen hohe Genauigkeitswerte aus kontrollierten Benchmarks, unabhängige Tests mit echten Dokumenten landen durchweg niedriger – vor allem bei überarbeiteten Texten.

Warum stufen KI-Detektoren menschliche Texte als KI-generiert ein?

Weil das Signal, auf das sie sich verlassen – vorhersehbare Prosa mit wenig Variation –, auch typisch für Menschen ist, die in einer Sprache mit einem kleineren aktiven Wortschatz schreiben. Dazu gehören Nicht-Muttersprachler.

Die maßgebliche Studie ist „GPT detectors are biased against non-native English writers“ von Liang, Yuksekgonul, Mao, Wu und Zou, erschienen im Juli 2023 in Patterns. Bei sieben weit verbreiteten Detektoren fanden die Forschenden eine nahezu perfekte Genauigkeit bei Aufsätzen von US-Achtklässlern, aber eine durchgängige Fehleinstufung von TOEFL-Aufsätzen nicht-muttersprachlicher Englisch-Schreibender als KI-generiert. Ihre Erklärung ist der Perplexitäts-Mechanismus: Texte von Nicht-Muttersprachlern sind sprachlich meist weniger variantenreich – und genau dieses Muster lesen Detektoren als maschinell geschrieben.

Die Studie zeigte außerdem, dass sich der Bias mit minimalem Aufwand umkehren lässt. Wurde ein Modell angewiesen, den Wortschatz eines TOEFL-Aufsatzes aufzuwerten, sanken die Fehleinstufungen. Wurde dagegen ein muttersprachlicher Aufsatz vereinfacht, stiegen die False Positives. Ein Detektor, den ein Synonymwörterbuch umstimmen kann, misst keine Urheberschaft.

Das ist nicht nur ein technisches, sondern ein Fairness-Problem. Ein Tool, das internationale Studierende und Menschen, die in einer Zweitsprache schreiben, systematisch benachteiligt, darf nicht die Grundlage für Entscheidungen über sie sein.

Bedeutung Nr. 2: der KI-Sichtbarkeits-Score

Ein KI-Sichtbarkeits-Score misst etwas völlig anderes: wie oft KI-Assistenten deine Marke nennen oder zitieren, wenn Nutzer Fragen aus deiner Kategorie stellen. Berechnet wird er, indem man ein festes Set an Prompts regelmäßig durch ChatGPT, Gemini, Claude und Perplexity schickt und zählt, in wie vielen Antworten deine Marke auftaucht.

Das ist die Bedeutung, die zählt, wenn du als Marketer hier gelandet bist und nicht als Autorin, Autor oder Studierende. Die Präsenz deiner Marke in KI-Antworten ist inzwischen ein eigener Sichtbarkeitskanal – und den sieht weder klassisches Rank-Tracking noch irgendein Detektor.

Auch dieser Score hat einen Haken bei der Zuverlässigkeit, und zwar einen großen. SparkToro ließ 600 Freiwillige 12 Prompts für Markenempfehlungen insgesamt 2.961-mal ausführen, und zwar in ChatGPT, Claude und Googles AI Overview (der KI-Übersicht in der Google-Suche). Die Wahrscheinlichkeit, zweimal dieselbe Markenliste zu bekommen, lag unter 1 zu 100 – in derselben Reihenfolge sogar unter etwa 1 zu 1.000. Ein Sichtbarkeits-Score ist deshalb eine Stichprobenstatistik mit großer Fehlerspanne. Jedes Tool, das dir eine exakte „Ranking-Position in der KI“ verkauft, verkauft dir eine Zahl, die es nicht gibt.

Wie kann ich meinen KI-Score prüfen?

Das hängt davon ab, welchen Score du meinst – die beiden Wege haben nichts gemeinsam.

Für einen Detektor-Score: Füge den Text in einen Detektor wie GPTZero, Turnitin oder Scribbr ein. Behandle das Ergebnis dann als ein einzelnes, schwaches Signal. Achte auf die Textlänge, denn die meisten Detektoren sind unter etwa 1.000 Zeichen unzuverlässig, und ignoriere alles im einstelligen Bereich.

Für einen Sichtbarkeits-Score: Stell 30 bis 50 Prompts zusammen, die echte Käufer eintippen würden, lass jeden davon fünfmal oder öfter durch mehrere Assistenten laufen und notiere, wie oft deine Marke auftaucht. Für einen ersten Eindruck geht das manuell, alternativ übernimmt ein Visibility-Tracker das nach Zeitplan. Am Ende willst du eine Erscheinungsrate über viele Durchläufe – keine Position.

Ein Hinweis speziell zu Google: Die einzige verlässliche Quelle für AI Overviews und AI Mode ist Google selbst, nämlich der Leistungsbericht für generative KI in der Search Console. Er ist im Juni 2026 gestartet und zeigt Impressionen nach Seite, Land, Gerät und Datum. Klicks, Positionen und Prompts zeigt er nicht, aber er liefert First-Party-Daten, und bei der Google-Genauigkeit kommt kein Drittanbieter da heran.

Taugt ein KI-Score als Beweis für Betrug?

Eigentlich nicht – und immer mehr Hochschulen und Institutionen haben diese Haltung inzwischen auch offiziell festgeschrieben.

Die Begründung liegt auf der Hand, sobald die Fehlerquoten auf dem Tisch liegen. Ein Klassifikator mit nachgewiesenem Bias gegen Nicht-Muttersprachler, einem vom Anbieter selbst eingeräumten unzuverlässigen Bereich unter 20 % und einer Übersehensrate von rund 15 % bei tatsächlich KI-geschriebenem Text liefert keine Beweise. Er liefert einen Anlass, genauer hinzusehen: auf den Entwurfsverlauf, die Versionshistorie, die übrigen Arbeiten der oder des Studierenden – und auf ein Gespräch.

Wirst du allein auf Basis eines Scores beschuldigt, sind die drei oben genannten Quellen die, auf die du dich berufen solltest: OpenAI, das den eigenen Klassifikator wegen geringer Genauigkeit zurückgezogen hat, die Patterns-Studie zum systematischen Bias und die Tatsache, dass der Anbieter selbst Scores im niedrigen Bereich unterdrückt.

Welchen KI-Score sollte dein Unternehmen wirklich tracken?

Für fast jedes Unternehmen den Sichtbarkeits-Score – und das mit großem Abstand.

Ein Detektor-Score ist eine defensive, einmalige Prüfung eines einzelnen Texts. Über Nachfrage, Wettbewerber oder Reichweite sagt er nichts, und angesichts der Fehlerquoten taugt er schlecht als Qualitätskontrolle für Content. Viele sorgfältig von Menschen geschriebene Texte schneiden schlecht ab, viele maschinell geschriebene Texte gehen als sauber durch.

Ein Sichtbarkeits-Score ist eine Kanalkennzahl. Er zeigt dir, ob die Assistenten, die deine Kunden heute fragen, dich überhaupt kennen, welche Wettbewerber statt dir genannt werden und ob sich daran etwas ändert. Berichte ihn als rollierende 30-Tage-Erscheinungsrate über ein fest eingefrorenes Prompt-Set – im Wissen, dass Schwankungen von Woche zu Woche größtenteils Rauschen sind.

Wenn dein Ziel ist, zitiert zu werden, und nicht bloß einen Detektor zu bestehen, gelten die Regeln von Google, nicht die eines Scoring-Tools: Googles Leitfaden zu generativen KI-Funktionen, aktualisiert im Juli 2026, bestätigt, dass diese Funktionen „in unseren zentralen Ranking- und Qualitätssystemen der Suche verwurzelt“ sind und dass eine Seite „indexiert und berechtigt sein muss, in der Google Suche mit einem Snippet angezeigt zu werden“. Daran ändert kein Score etwas. Du kannst prüfen, wo deine Marke aktuell in den verschiedenen KI-Engines steht, und von einer echten Ausgangsbasis aus arbeiten.