Lässt professionelles Englisch-Lektorat Ihre Arbeit wie von einer KI geschrieben wirken? Eine Studie aus dem Jahr 2026

In dieser Studie nicht durchgängig. Bei 13 Open-Source-KI-Detektoren führte die menschliche Überarbeitung bei einigen zu einem höheren, bei anderen zu einem niedrigeren KI-Score – und nur bei 7 von ihnen erreichte die Veränderung praktische Relevanz. Der Detektor machte einen weitaus größeren Unterschied als das Lektorat: Bei denselben unkorrigierten Manuskripten lagen die Raten falsch-positiver Ergebnisse zwischen 0,0 % und 100 %. Kommerzielle Detektoren, einschließlich Turnitin, wurden nicht getestet.

Die Studie trägt den Titel "Style as a Confound: False Positives in AI Detection of Non-Native Academic Writing" (Stil als Störfaktor: Falsch-positive Ergebnisse bei der KI-Erkennung nicht-muttersprachlicher wissenschaftlicher Texte) und stammt von Hyeonchu Park und Bugeun Kim von der Chung-Ang University sowie Gahye Jeong von Wordvice. Sie wurde am 27. August 2026 auf arXiv veröffentlicht und ist dort als Beitrag für die EMNLP 2026 aufgeführt. Die Dokumente stammten von Wordvice, einem professionellen Lektoratsdienst für englische Texte. Eine der Autorinnen, Gahye Jeong, ist laut dem Blog des Unternehmens Chief Technology Officer von Wordvice; der Blog bezeichnet Wordvice zudem als "the developer of the Wordvice AI Detector" (der Entwickler des Wordvice AI Detectors).

Der Datensatz umfasste 135.389 Dokumentenpaare aus den Jahren 2018 bis 2025 aus mehr als 40 wissenschaftlichen Fachbereichen. Jedes Paar bestand aus einem von Nicht-Muttersprachlern auf Englisch verfassten Dokument und genau demselben Dokument nach der Überarbeitung durch einen muttersprachlichen Lektor. Etwas mehr als die Hälfte (52,9 %) stammte aus dem akademischen Lektorat und 37,6 % aus dem Lektorat von Bewerbungsunterlagen; Motivationsschreiben bildeten mit 22.639 Dokumenten das größte Einzelfachgebiet. Der Rest verteilte sich auf geschäftliche Texte, TOEFL-Aufsätze, Übersetzungen und sonstige Arbeiten. Da Autor, Thema und Inhalt unverändert blieben, ging jede Veränderung des Detektor-Scores auf das Lektorat zurück.

Das Lektorat selbst wurde von Menschen durchgeführt. Den Richtlinien des Anbieters zufolge, wie sie im Papier beschrieben werden, sind KI-Grammatikprüfprogramme nur für mechanische Fehler zulässig, und "AI-generated rewriting, paraphrasing, or stylistic generation is explicitly prohibited." (KI-generiertes Umschreiben, Paraphrasieren oder stilistisches Generieren ist ausdrücklich untersagt.) Die Änderungen waren spürbar, aber moderat: In einer Stichprobe von 6.000 Paaren veränderte sich die Dokumentenlänge im Median um lediglich 6,5 Wörter, und die durchschnittliche Satzlänge sank leicht von 24,35 auf 23,51 Wörter.

Bei den 13 Detektoren handelte es sich ausnahmslos um öffentlich zugängliche Forschungswerkzeuge, die mit ihren Standardeinstellungen betrieben wurden: statistische Verfahren wie GLTR, Zero-Shot-Methoden wie Fast-DetectGPT und Binoculars sowie trainierte Klassifikatoren wie RoBERTa und RADAR.

Bei den vor 2023 verfassten Manuskripten, die die Autoren als von Menschen geschrieben einstufen, hing der fälschlicherweise als KI klassifizierte Anteil fast ausschließlich vom Detektor ab:

Dieselben von Menschen verfassten Dokumente wurden von einigen Werkzeugen fast vollständig als KI und von anderen fast vollständig als menschlich eingestuft. Die Autoren folgern: "These findings suggest that AI detectors do not represent a unified measure of AI-generated content; rather, they rely on a mix of generation-origin and linguistic-quality signals." (Diese Ergebnisse deuten darauf hin, dass KI-Detektoren kein einheitliches Maß für KI-generierte Inhalte darstellen; vielmehr stützen sie sich auf eine Mischung aus Signalen zum Entstehungsursprung und zur sprachlichen Qualität.) Sie weisen zudem darauf hin, dass diese absoluten Raten von den jeweils gewählten Schwellenwerten abhängen.

Nach der Überarbeitung hing die Richtung der Veränderung vom jeweiligen Detektor ab. Diese Zahlen beziehen sich auf den gesamten Datensatz von 2018 bis 2025, nicht nur auf die Dokumente vor 2023 in der obigen Tabelle:

• Weniger falsch-positive Ergebnisse nach dem Lektorat: MAGE (minus 10,7 Prozentpunkte), RADAR (minus 4,7), BiScope (minus 0,5).
• Mehr falsch-positive Ergebnisse nach dem Lektorat: LastDE+ (plus 5,8), Fast-DetectGPT (plus 4,6), RoBERTa (plus 1,7).
• Unklar: DiVeye, dessen Zahlen in verschiedenen Tabellen der Studie in unterschiedliche Richtungen weisen.
• Wenig oder keine Veränderung: die übrigen Detektoren mit Abweichungen von rund 0,1 Punkten.

Die Autoren stufen diese Vorher-Nachher-Veränderungen als aussagekräftiger ein als die absoluten Raten: "the relative patterns across editing conditions provide more robust evidence of detector sensitivity to linguistic refinement." (die relativen Muster über verschiedene Bearbeitungsbedingungen hinweg liefern robustere Belege für die Empfindlichkeit der Detektoren gegenüber sprachlicher Überarbeitung.)

Je umfangreicher ein Manuskript überarbeitet wurde, desto stärker veränderte sich der Score – und zwar in genau die Richtung, zu der der jeweilige Detektor ohnehin tendierte. Dieser Effekt war in den Jahren 2023 bis 2025 zudem schwächer ausgeprägt als zwischen 2018 und 2022.

• Keine kommerziellen Detektoren. Mit den Worten der Autoren: "the analysis does not cover future systems or proprietary commercial detectors." (die Analyse erfasst weder zukünftige Systeme noch proprietäre kommerzielle Detektoren.) Turnitin, GPTZero, Originality und Pangram wurden nicht getestet, und Turnitin wird im gesamten Dokument nicht erwähnt.
• Überwiegend akademisches Lektorat, aber nicht ausschließlich. Die Autoren beschreiben den Datensatz als vorwiegend akademische Manuskripte; dennoch entfiel mehr als ein Drittel auf Bewerbungstexte, und die Studie schlüsselt die Ergebnisse nicht nach Textart auf. Sie ergänzen: "Detector behavior may differ for student essays, journalistic articles, creative writing, social media content, and other genres with distinct linguistic and stylistic characteristics." (Das Verhalten der Detektoren kann sich bei studentischen Aufsätzen, journalistischen Artikeln, kreativem Schreiben, Beiträgen in sozialen Medien und anderen Genres mit ausgeprägten sprachlichen und stilistischen Merkmalen unterscheiden.)
• Ausschließlich menschliches Lektorat. Die Bearbeitung in diesem Datensatz wurde von Menschen unter Richtlinien vorgenommen, die ein KI-Umschreiben untersagen. Über KI-Lektoratswerkzeuge sagt die Untersuchung daher nichts aus.
• Keine Kontrollgruppe mit KI-generierten Texten. Wie die Autoren festhalten: "the study does not include AI-generated control texts subjected to comparable editing procedures." (die Studie enthält keine KI-generierten Kontrolltexte, die vergleichbaren Bearbeitungsverfahren unterzogen wurden.)
• Wer hinter der Studie steht. Die Daten und eine der Autorinnen stammen von Wordvice – einem Anbieter von Lektoratsdiensten, der nach eigenen Angaben auch einen KI-Detektor entwickelt.

1. Beurteilen Sie ein Lektorat nach seinem tatsächlichen Nutzen, nicht nach diesen Detektoren. Bezogen auf die 13 hier getesteten Forschungsdetektoren liefert die Studie keinen Anlass, aus Angst vor KI-Markierungen auf einen menschlichen Lektor zu verzichten: Die Bearbeitung veränderte die meisten Scores nur geringfügig und in beide Richtungen, auch wenn drei Detektoren nach dem Lektorat tatsächlich mehr anschlugen. Ob dies auch für Turnitin gilt, wurde nicht untersucht. Prüfen Sie, ob Ihre Fachzeitschrift oder Ihr Studiengang verlangt, dass Sie Lektoratshilfe offenlegen.
2. Behalten Sie beide Fassungen. Ihr ursprünglicher Entwurf und die Datei mit nachverfolgten Änderungen des Lektors belegen präzise, was von Menschenhand geändert wurde – was ein Detektor-Score niemals leisten kann.
3. Fragen Sie nach, welcher Detektor den Score ermittelt hat. Die Detektoren in dieser Studie bewerteten dieselben menschlichen Texte höchst unterschiedlich, auch wenn die Autoren anmerken, dass die exakten Raten von ihren gewählten Schwellenwerten abhängen. Frühere Untersuchungen zu nicht-muttersprachlichen Autoren finden Sie unter warum Texte von Nicht-Muttersprachlern häufiger als KI markiert werden; zu einem Test von Turnitin selbst an EFL-Studentenaufsätzen aus dem Jahr 2026 siehe ob Turnitin englische Texte von Nicht-Muttersprachlern als KI einstuft.

Wenn Ihnen ein Turnitin- oder iThenticate-Bericht vorliegt und die markierten Passagen überarbeitet werden müssen, ist genau das die Aufgabe der Humanize-Funktion von HumanPen. Importieren Sie den Turnitin- oder iThenticate-Bericht und überarbeiten Sie nur die darin markierten Passagen. Sie erhalten eine bearbeitbare Datei im selben Format zurück. Prüfen Sie vorab die Richtlinien Ihrer Fachzeitschrift oder Ihres Studiengangs zum Einsatz von KI und lesen Sie das Ergebnis sorgfältig durch, bevor Sie es einreichen.

Wird Turnitin meine Arbeit markieren, weil ein Muttersprachler sie lektoriert hat? Das kann diese Studie nicht beantworten; Turnitin oder andere kommerzielle Detektoren wurden darin nicht getestet.

Ließ das Lektorat Arbeiten menschlicher oder eher wie von einer KI verfasst wirken? Beides, je nach Detektor. Drei Werkzeuge wiesen nach der Überarbeitung weniger falsch-positive Ergebnisse auf, drei hingegen mehr; die Zahlen für DiVeye sind in den verschiedenen Tabellen der Arbeit uneinheitlich, und die übrigen veränderten sich kaum.

Gilt das auch für KI-Lektorats-Tools? Nein. Die Überarbeitung in diesem Datensatz erfolgte durch Menschen unter Richtlinien, die ein Umschreiben durch KI untersagten. Zu einer Studie aus dem Jahr 2026 über KI-Lektorat siehe ob KI-Überarbeitung zu einer KI-Markierung führt.

Warum schlugen manche Detektoren bei fast jedem Manuskript an? Die Autoren stellten fest, dass Detektoren auf Basis von Token-Statistiken bei diesen von Menschen verfassten Texten die höchsten Falsch-Positiv-Raten aufwiesen, während Zero-Shot-Detektoren auf Basis von Likelihood-Ratios nahe bei null blieben. Zudem betonen sie, dass die absoluten Raten von den jeweils verwendeten Schwellenwerten abhängen.

• Hyeonchu Park, Gahye Jeong und Bugeun Kim, Style as a Confound: False Positives in AI Detection of Non-Native Academic Writing, arXiv:2608.26710 (27. August 2026; dort als Beitrag für die EMNLP 2026 geführt); abgerufen am 27. September 2026 (Tabellen 2–4, 8 und 18).
• Wordvice, How Professional Editing Changes AI Detector Scores, Blogbeitrag von Gahye Jeong, abgerufen am 27. September 2026.