# Auflösung der Detektiv-Runde (fiktiv)

| Text | Wie entstanden (Spielvorgabe) | Typische Verdachtsmomente | Was wirklich zählt |
|---|---|---|---|
| **1 Sportgeschäft** | ohne KI, sprachlich gute lernende Person | kaum welche | sehr konkrete Details (Zeh, Schale ausweiten, 20 Minuten), eigener Fehler-Gedanke («Zuerst wollte ich …») |
| **2 Restaurant** | **ohne KI**, Deutsch als Zweitsprache | einfache, gleichförmige Sätze («Dann … Dann …») – manche Detektoren und manche Menschen halten genau das für «maschinenhaft» | konkrete, überprüfbare Details (Koch, Brot gratis mit Erlaubnis der Chefin), eigene Begründung |
| **3 Versicherung** | **fast vollständig KI**, ein Tippfehler («Kudnen») nachträglich eingebaut | glatte Sprache, Floskeln («Zusammenfassend lässt sich sagen»), keine Details | **Was fehlt:** Wer rief an? Welche Verzögerung? Welche Lösung? Kein einziges überprüfbares Detail. |
| **4 Pflegeheim** | **eigener Entwurf, KI für Sprache, deklariert** | sehr glatte Sprache | konkrete Details, nachvollziehbares Vorgehen, ehrliche Deklaration – im Rahmen eines Auftrags, der Sprachhilfe erlaubt, **völlig legitim** |

## Was die Runde zeigt

1. **Sprachqualität ist kein Beweis.** Text 4 ist glatt und legitim, Text 2 holprig und authentisch. Ein Tippfehler (Text 3) beweist auch nichts.
2. **Detektoren sind unzuverlässig.** OpenAI hat sein eigenes Erkennungswerkzeug 2023 wegen geringer Genauigkeit eingestellt. Eine Studie (Liang et al., *Patterns*, 2023) fand, dass sieben verbreitete Detektoren englische Prüfungsaufsätze (TOEFL) von Nicht-Muttersprachigen im Schnitt zu rund 61 Prozent fälschlich als KI-Text einstuften – ein Fairnessproblem genau für Lernende wie die Person hinter Text 2. Die Studie betrifft englische Texte; neuere Werkzeuge und deutsche Texte können anders abschneiden; eine Detektor-Meldung bleibt ein Hinweis – kein verlässlicher Beweis, und allein trägt sie keinen Täuschungsvorwurf.
3. **Das stärkste Signal ist das Fehlen von Konkretem** – und auch das ist kein Beweis, nur ein Anlass für ein Gespräch («Erzähl mir mehr: Wer hat angerufen? Was hast du ihm angeboten?»).
4. **Darum: Aufträge so bauen, dass Konkretes, Prozess und Begründung verlangt sind** – und KI-Nutzung deklariert wird. Dann muss man nicht raten.

## Wie wäre Text 3 mit einem besseren Auftrag ausgefallen?

Neuer Auftrag: «Beschreibe eine Reklamation aus den letzten vier Wochen. Nenne: Datum (ungefähr), Art des Kontakts,
was der Kunde genau wollte, was du gesagt hast (ein Satz wörtlich, verfremdet: «Kunde X», gerundete Zahlen), was danach passiert ist. Lege deine Notizen aus der
Situation bei. Erlaubte KI-Hilfe: Stufe 2 (Sprache überarbeiten), mit Deklaration.»
→ Eine KI kann auch das erfinden. Aber: Die Notizen, das anschliessende 3-Minuten-Gespräch und die Deklaration machen
den Prozess sichtbar. Ehrlichkeit wird einfacher als Tricksen.

## Quellen

- Liang, Yuksekgonul, Mao, Wu, Zou (2023): GPT detectors are biased against non-native English writers. Patterns 4(7), 100779 – https://pmc.ncbi.nlm.nih.gov/articles/PMC10382961/
- The Decoder (25.7.2023), Bericht über die Einstellung des OpenAI AI Text Classifier wegen geringer Genauigkeit – https://the-decoder.com/openai-discontinues-ai-text-detector-due-to-lack-of-accuracy/ (die Originalmitteilung auf openai.com war beim Prüfen am 19.11.2026 nicht automatisiert abrufbar)

*Fiktive Auflösung aus dem KI-Universum (ki-universum.alpasana.ch, CC BY 4.0).*
