LONDON (IT BOLTWISE) – Eine neue Auswertung zu KI-Texten zeigt, dass bestimmte Formulierungsgewohnheiten auch nach frühen Verbesserungen weiter auftauchen. Die Studie von Graphite identifiziert Tausende Phrasen, die in KI-Prosa deutlich häufiger vorkommen als in menschlichen Texten. Besonders Opus 5.5 fällt mit wiederkehrenden Musterwörtern wie „dependable“ und dem Satzbau „this matters“ auf. Gleichzeitig reagierten mehrere Frontier-Modelle auf bekannte Marker wie den Em-Dash, doch die Zahl der Auffälligkeiten bleibt laut Analyse insgesamt stabil.
Wenn KI-generierte Prosa im Alltag zur Routine wird, verschiebt sich die Diskussion vom Erkennen einzelner „Plastik“-Sätze hin zur Frage, welche Muster sich über Modelle hinweg tatsächlich wiederfinden lassen. Eine Untersuchung von Graphite nimmt dafür die Schreibgewohnheiten „frontier“-naher Sprachmodelle unter die Lupe: Nicht Syntax allein interessiert, sondern die Statistik, mit der Modelle bestimmte Wörter, Phrasen und Satzbauformen bevorzugen. Die zentrale Beobachtung lautet: Auch nachdem auffällige Zeichen wie der Em-Dash in vielen Systemen seltener vorkommen, bleiben andere „Tells“ bestehen. Und je nach Modellversion zeigen sich eigene Vorlieben, statt dass ein universeller Fingerabdruck entsteht.
Graphite definiert „Tells“ dabei recht pragmatisch: Gesucht wurden Phrasen, die in KI-Texten mindestens doppelt so häufig auftreten wie in einem menschlichen Kontrollkorpus. Als Basis diente ein Set aus 10.000 Artikeln, die vor der Veröffentlichung von ChatGPT erschienen waren. Diese menschlichen Texte bilden den Referenzrahmen dafür, wie die Wortverteilung und Satzkonstruktionen vor dem massenhaften Einstieg großer Sprachmodelle typischerweise aussahen. Anschließend ließen die Forschenden mehrere KI-Modelle die Artikel aus Zusammenfassungen heraus umschreiben, mit dem Ziel, Quellenbias in der Eingabe weitgehend zu reduzieren. So konnten sie nicht nur einzelne Wörter vergleichen, sondern auch „breitere Muster“ in der Satzbildung.
Bei Claude Opus 5.5 sticht laut Graphite ein besonders klares Lieblingswort heraus: „dependable“ tritt 23-mal häufiger auf als in den menschlichen Samples. Auffällig ist dabei weniger nur der einzelne Begriff, sondern die Art, wie er in eine typische argumentative Tonalität eingebettet wird. Opus 5.5 vermeide zwar inzwischen eine konkrete Konstruktion wie „it’s not X, it’s Y“, nutzt aber stattdessen ähnliche Strukturen. Graphite beschreibt das Muster als „is more than an X, it’s a Y“ – also eine Variante von Kontrast- und Gewichtungsformulierungen, die denselben Effekt erzeugen soll: dem Leser zu signalisieren, dass ein Thema „mehr“ ist als eine naheliegende Alternative. Dass Opus außerdem besonders oft „this matters“ einsetzt, passt in diese Logik: Die Wendung erscheint 116-mal häufiger als in menschlichen Texten, während „why X matters“ 92-mal häufiger auftaucht.
OpenAI Astra zeigt derweil andere Signalwege. Dieses Modell „liebt“ es, bei Erklärungen eine weitere Dimension anzudeführen – in den Analysen taucht dafür wiederholt die Formulierung „another dimension“ auf. Daneben fällt ein systematisches Absichern von Aussagen auf: Statt eine Wirkung als Tatsache zu behaupten, verwendet Astra häufiger Formulierungen wie „may provide“ oder „can provide“. Graphite bündelt diese Beobachtungen unter dem Begriff „corrective framing“: Ein Thema wird dabei nicht einfach als Eigenschaft dargestellt, sondern als Abgrenzung („not simply X“) oder als Alternative („rather than relying on X“) angeboten. In der Studie werden diese Konstruktionen als mehr als 100-mal häufiger in Astra-Texten als in menschlichen Texten beschrieben, was auf eine klare modelltypische Kommunikationsstrategie schließen lässt.
Technisch gesehen zeigt das Muster eine wichtige Grenze klassischer Detektionsansätze: Viele Anbieter hatten auf frühe, gut sichtbare Marker gesetzt, etwa auf bestimmte Zeichensetzung oder alte stereotypische Satzbausteine. Die Graphite-Auswertung legt nahe, dass diese Anpassungen funktioniert haben – aber nicht als vollständige Auslöschung. Alle „frontier labs“ hätten laut Studie auf den Hinweis reagiert, Em-Dashes zu übernutzen. Konkret heißt das: Opus 5.5 nutzt den Em-Dash in den Samples 99% seltener als Opus 5, Astra wiederum 88% seltener als menschliche Vergleichstexte. Gleichzeitig hat Gemini 3.1 Pro den Em-Dash in der Darstellung nahezu eliminiert. Für Detektionsteams bedeutet das: Ein einzelnes Zeichen als Signal reicht nicht, weil Modelle eine Schwachstelle nach der anderen glätten können.
Interessant ist nun die zweite, fast unbequeme Aussage der Studie: Trotz der abnehmenden Popularität einzelner klassischer „Tells“ bleibt die Gesamtzahl der Auffälligkeiten überwiegend konstant. Greg Druck von Graphite bringt das in einem skeptischen Fazit auf den Punkt: „It’s not like the tells are decreasing. They are managing to remove the most well-known tells, but other ones pop up. And every model version has its own.“ Die Logik dahinter ist naheliegend, wenn man die Zielkonflikte großer Sprachmodelle betrachtet. Sie optimieren nicht auf Detektor-Widerstand, sondern auf plausiblen Sprachfluss, gewünschte Tonalität und Aufgabenleistung. Sobald ein bestimmter Marker im Training oder Fine-Tuning weniger oft vorkommt, rücken andere statistische Gewohnheiten nach, die ebenfalls mit hoher Wahrscheinlichkeit „funktionieren“.
Dass die „Tells“ so hartnäckig sind, wirkt auf den ersten Blick überraschend, weil die Entwickler in früheren Releases wiederholt betont haben, ihre Modelle würden natürlichere Texte produzieren. Anthropic hatte im Umfeld von Opus 5.5 beispielsweise hervorgehoben, das Modell schreibe „communicates more naturally than prior models“, Nutzer hätten es als klarer und leichter zu verfolgen beschrieben. OpenAI formulierte bei GPT-6-Versionen von Sol und Luna ähnlich: Man könne „expect to see more clarity, less jargon, [and] fewer odd turns of phrase“. Graphite-Druck bleibt jedoch skeptisch, wie weit sich solche Konstruktionen wirklich steuern lassen: „A general hypothesis I have is that the labs are less able to control some of these things than you might expect. These are giant models with billions of parameters. They have some finite number of tests they can run, and things slip through.“ Für Unternehmen und Prüfteams ist das eine klare Nachricht: Tests und Richtlinien sollten mehrschichtig sein, statt nur auf wenige „Stilmarker“ zu bauen.
Praktisch heißt das für die Umsetzung: Wer KI-Texte verlässlich einordnen will, sollte weniger auf „ein Wort verrät alles“ setzen und stattdessen Musterkombinationen betrachten, die in der Studie als Modellcharakteristika sichtbar werden – etwa die Mischung aus Kontrastkonstruktionen, Absicherungsphrasen und bestimmten Erklär-Rhetoriken. Gleichzeitig zeigt die Untersuchung eine operative Reifephase der Anbieter: Die Systeme lernen offenbar, bekannte Overfitting-Signale wie den Em-Dash zurückzufahren. Für Evaluationsprozesse in Redaktionen, Compliance-Workflows oder im Wissensmanagement verschiebt sich damit der Aufwand Richtung laufender Modellbeobachtung: Detektionsregeln, die gestern noch funktionierten, können heute bereits durch Trainingseffekte „ausgehebelt“ worden sein. Genau diese Dynamik macht die Graphite-Ergebnisse auch zu einem nützlichen Arbeitsdokument: nicht als endgültige Wahrheit über KI-Schrift, sondern als Momentaufnahme dessen, wie Sprachmodelle ihre Plausibilität aus statistischen Präferenzen schöpfen.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "KI-Texte enttarnen: Studie zeigt anhaltende „Tells“ in Modellprosa" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "KI-Texte enttarnen: Studie zeigt anhaltende „Tells“ in Modellprosa" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »KI-Texte enttarnen: Studie zeigt anhaltende „Tells“ in Modellprosa« bei Google Deutschland suchen, bei Bing oder Google News!