Erkennt Turnitin gezielt Texte von Claude? Was die Modellliste aussagt

Ja. Auf der Modellliste, die Turnitin veröffentlicht, erscheinen mehrere Claude-Varianten. Darin heißt es, dass das KI-Schreiberkennungsmodell von Turnitin für englischsprachige Einreichungen Inhalte einer Reihe von Modellen erkennen kann, zu der Claude-3-Haiku, Claude Sonnet-3.5, Claude Sonnet-3.7, Claude Sonnet-4.5, Claude Sonnet-4.6, Claude-Haiku-4.5 und Claude-Opus-4.5 gehören. Die Liste umfasst außerdem „tools based on these LLMs as well," („ebenso Anwendungen, die auf diesen LLMs basieren"), was bedeutet, dass Anwendungen, die auf den Sprachmodellen von Claude aufsetzen, in den genannten Erkennungsbereich fallen.

Allerdings heißt das Erscheinen auf der Liste nicht, dass jede Passage, die Claude erzeugt hat, auch markiert wird. Turnitin räumt selbst ein, dass mancher KI-geschriebene Text unentdeckt bleibt und dass sich die Erkennungsfähigkeiten mit der Zeit verschieben, wenn das Modell aktualisiert wird. Die ehrliche Antwort lautet also: Claude ist abgedeckt, aber Abdeckung ist keine Garantie.

Turnitin veröffentlicht keine Tabelle mit Modellen und Ergebnissen im Sinne von bestanden oder durchgefallen. Stattdessen findet sich eine fortlaufende Liste innerhalb der Dokumentation. Der einleitende Satz lautet: „Currently, Turnitin's AI writing detection model for English submissions can detect content from" („Das KI-Schreiberkennungsmodell von Turnitin für englischsprachige Einreichungen kann derzeit Inhalte erkennen, die von folgenden Modellen stammen") einer Liste, zu der die oben genannten Claude-Varianten gehören, neben GPT, Gemini, LLaMA, Mistral, Deepseek, Nova, Grok und o1-mini. Genau diese Gruppierung nimmt sich ob Turnitin Claude, Copilot oder Gemini erkennt von der anderen Seite her vor. Die Liste schließt mit dem Hinweis, dass sich die Abdeckung auf „tools based on these LLMs as well." („ebenso Anwendungen, die auf diesen LLMs basieren") erstreckt. Der Satz, der auf die Liste folgt, lautet: „We will continue to expand our detection capabilities to other models in the future." („Wir werden unsere Erkennungsfähigkeiten künftig auf weitere Modelle ausweiten.")

Die entscheidende Formulierung lautet „can detect content from" („Inhalte erkennen kann, die von ... stammen"). Diese Wortwahl sagt uns, dass der Detektor darauf trainiert ist, Text zu erkennen, den diese Modelle erzeugen. Eine fehlerfreie Erkennung wird damit nicht versprochen. Für Claude bedeutet das konkret: Jedes Werkzeug und jeder Dienst, der die Sprachmodelle von Claude nutzt, um Text zu erzeugen, fällt in den genannten Geltungsbereich. Ob der Detektor dabei jeden Einzelfall erwischt, ist eine andere Frage – wir kommen weiter unten darauf zurück.

Um zu verstehen, warum die Erkennung kein klares Ja oder Nein ist, hilft ein Blick auf den Mechanismus, den Turnitin beschreibt. Wird eine Arbeit bei Turnitin eingereicht, werden die Sätze der Einreichung extrahiert und für die Vorhersageanalyse in überlappende Abschnitte unterteilt. Jeder Abschnitt wird vom KI-Erkennungsmodell klassifiziert und erhält einen Wert zwischen 0 und 1, der angibt, wie wahrscheinlich der Text von einem Menschen oder von einer KI stammt. Jeder qualifizierende Satz innerhalb dieser Abschnitte übernimmt die Bewertung des Abschnitts. Weil die Abschnitte sich überlappen, kann ein Satz mehrere Bewertungen haben, die dann zu einer einzigen zusammengefasst werden. Diese Satzbewertungen werden weiter aggregiert und dienen der Berechnung des gesamten KI-Schreibwerts des Dokuments.

Der Prozentwert in Ihrem Bericht ist das Ergebnis vieler kleiner Vorhersagen auf Satzebene. Es gibt keinen einzelnen Scan, der das ganze Dokument als KI oder als menschlich abstempelt. Jeder Satz trägt zum Gesamtwert bei, und die überlappenden Abschnitte helfen dabei, Grenzfälle zu glätten.

Das Modell von Turnitin ist nicht unveränderlich. In der Dokumentation heißt es: „As we iterate and develop our model further to better detect newer LLMs, it is likely that our detection capabilities will also change, affecting the AI percentage.. However, for a submitted document, the AI percentage will change only if it's re-submitted again to be processed." („Da wir unser Modell weiterentwickeln und verbessern, um neuere LLMs besser zu erkennen, werden sich voraussichtlich auch unsere Erkennungsfähigkeiten ändern, was sich auf den KI-Anteil auswirkt. Bei einem bereits eingereichten Dokument ändert sich der KI-Anteil jedoch nur dann, wenn es erneut eingereicht und verarbeitet wird.")

Das hat eine praktische Folge. Wenn Sie ein Dokument heute einreichen und einen bestimmten KI-Anteil erhalten, könnte dasselbe Dokument Wochen oder Monate später einen anderen Wert bekommen, wenn es erneut eingereicht wird. Das Modell wird aktualisiert, und diese Aktualisierungen können die Werte in beide Richtungen verschieben. Eine Passage, die heute als menschlich gilt, kann nach einem Update als KI-generiert gelesen werden – oder umgekehrt.

Für Claude-Texte heißt das: Die Erkennungsrate, die Sie heute erleben, muss nicht der entsprechen, die Sie später erleben. Die Modellliste bestätigt, dass Claude im Geltungsbereich liegt, aber wie empfindlich diese Erkennung ist, kann sich ändern, während Turnitin sein Modell verfeinert.

Turnitin macht keinen Hehl daraus, dass sein Detektor nicht alles findet. In der Dokumentation heißt es: „In order to maintain this low rate of 1% for false positives, there is a chance that we might miss some AI written text in a document." („Um diese niedrige Fehlalarmrate von 1 % aufrechtzuerhalten, besteht die Möglichkeit, dass wir in einem Dokument manchen KI-geschriebenen Text übersehen.")

Das ist ein bewusster Kompromiss. Turnitin setzt auf eine niedrige Fehlalarmrate und nimmt dafür in Kauf, dass mancher KI-Text durchrutscht. Der Detektor ist lieber zu vorsichtig: Er übersieht eher KI-Text, als dass er menschlichen Text fälschlich markiert.

Warum der Detektor so arbeitet, versteht man nur, wenn man betrachtet, was er tatsächlich misst. Das Modell von Turnitin stützt sich nicht auf die Kennzahlen, die in öffentlichen Diskussionen über KI-Erkennung oft genannt werden – und deshalb endet ob Turnitin Perplexität und Burstiness zur KI-Erkennung nutzt genau dort. In der Dokumentation heißt es: „Our model is not explicitly programmed to evaluate specific signals such as 'burstiness,' 'perplexity,' or other individual metrics sometimes referenced in public discussions. Instead, it learns statistical patterns from our training data." („Unser Modell ist nicht ausdrücklich darauf programmiert, bestimmte Signale wie 'burstiness,' 'perplexity,' oder andere einzelne Kennzahlen zu bewerten, die in öffentlichen Diskussionen manchmal erwähnt werden. Stattdessen lernt es statistische Muster aus unseren Trainingsdaten.") Anschließend wendet das Modell das Gelernte an, um Text zu klassifizieren. Wie Turnitin es formuliert: „Our classifiers are trained to detect these differences in word probability and are adept at the particular word probability sequences of human writers." („Unsere Klassifikatoren sind darauf trainiert, diese Unterschiede in der Wortwahrscheinlichkeit zu erkennen, und kennen die typischen Wortwahrscheinlichkeitsfolgen menschlicher Autoren.")

Mit anderen Worten: Der Detektor betrachtet Wortwahrscheinlichkeitsmuster, keine oberflächlichen Signale wie die Streuung der Satzlänge oder die Seltenheit des Wortschatzes. Deshalb kann stark bearbeiteter oder umgeschriebener KI-Text der Erkennung mitunter entgehen, und deshalb muss ob Turnitin KI-Humanizer erkennt von Fall zu Fall beantwortet werden. Wenn sich die Wortwahrscheinlichkeitsfolgen beim Bearbeiten stark genug verschieben, erkennt der Klassifikator den Text womöglich nicht mehr als KI-generiert.

Wenn Ihr Turnitin-Bericht Passagen als KI-generiert markiert, ist der praktikabelste Schritt, nur die markierten Abschnitte zu bearbeiten, statt das gesamte Dokument umzuschreiben – das ist die Vorgehensweise in nur die Absätze umschreiben, die ein Turnitin-Bericht markiert hat. Weil Turnitin auf Satzebene bewertet, können Sie die konkreten Abschnitte ausfindig machen, die die Erkennung ausgelöst haben, und Ihre Überarbeitung dort konzentrieren.

Lassen Sie Ihre Zitate, Tabellen und Formatierungen unangetastet. Nur die Passagen, die als KI markiert wurden, brauchen Ihre Aufmerksamkeit. Wenn Sie überarbeiten und erneut einreichen, denken Sie daran, dass der KI-Anteil auch wegen Modellaktualisierungen schwanken kann, nicht nur wegen Ihrer Änderungen.

Berechtigte Passagen können kostenlos erneut durchlaufen werden.