So senken Sie die KI-Rate in einer englischen Arbeit: Verstehen Sie, was Turnitin prüft

Bevor Sie mit dem Überarbeiten beginnen, sollten Sie eines verstehen: Manche markierten Texte sind nicht von KI geschrieben, aber ihre Merkmale lösen falsch-positive Treffer aus. Die Turnitin-FAQ bringt es so auf den Punkt:

"Sometimes false positives (incorrectly flagging human-written text as AI-generated), can include content without a lot of structural variation, text that literally repeats itself, or text that has been paraphrased without developing new ideas." (Manchmal können falsch-positive Treffer – also das fälschliche Markieren von menschengeschriebenem Text als KI-generiert – Inhalte betreffen, die wenig strukturelle Variation aufweisen, Texte, die sich wortwörtlich wiederholen, oder Texte, die umformuliert wurden, ohne neue Ideen zu entwickeln.)

"If our indicator shows a higher amount of AI writing in such text, we advise you to take that into consideration when looking at the percentage indicated." (Wenn unser Indikator in solchen Texten einen höheren Anteil an KI-Schreibweise anzeigt, raten wir Ihnen, dies bei der Betrachtung des angegebenen Prozentsatzes zu berücksichtigen.)

Das bedeutet: Wenn Ihr Text wenig strukturelle Variation bietet, wörtliche Wiederholungen enthält oder beim Paraphrasieren keine neuen Gedanken hinzugefügt wurden, kann der Detektor einen überhöhten KI-Anteil melden. Das heißt nicht, dass Sie KI benutzt haben. Es bedeutet nur, dass diese Merkmale den statistischen Mustern von KI-Texten ähneln.

Dieser FAQ-Satz liefert Ihnen drei Prüfpunkte für Ihren eigenen Entwurf – und alle drei betreffen Eigenschaften des fertigen Absatzes: ob die Struktur variiert, ob es Wiederholungen gibt und ob jeder Absatz ein Argument vorbringt, das der vorherige noch nicht gebracht hat. Was dieser Satz nicht tut: Er sagt nichts darüber aus, welche konkreten Änderungen Sie vorgenommen haben, um dorthin zu gelangen. Welche Änderungen die Statistik tatsächlich beeinflussen ist unser Versuch, diesen Teil handschriftlich anzugehen.

Nicht alles in Ihrer Arbeit wird analysiert. Die FAQ stellt klar:

"This qualifying text includes only prose sentences, meaning that we only analyze blocks of text that are written in standard grammatical sentences and do not include other types of writing such as lists, bullet points (short non-sentence structures), or other non-sentence structures." (Dieser einschränkende Text bezieht sich ausschließlich auf Prosasätze. Das bedeutet, wir analysieren nur Textblöcke, die in korrekten grammatikalischen Sätzen verfasst sind, und schließen andere Schreibformen aus – etwa Listen, Aufzählungspunkte (kurze, keine vollständigen Sätze) oder andere Nicht-Satz-Strukturen.)

Listen, Aufzählungspunkte und kurze Nicht-Satz-Strukturen fallen nicht in den Analysebereich. Wenn Ihr Bericht einen Prozentsatz anzeigt, basiert dieser ausschließlich auf Prosasätzen – nicht auf dem gesamten Dokument.

Das weist auch auf eine Strategie hin: Wenn Ihre Argumente in Prosa-Absätzen stehen, sind genau diese Absätze das Ziel des Detektors. Konzentrieren Sie sich beim Überarbeiten auf diese Absätze. Bei Listen und Tabellen müssen Sie sich wegen der KI-Erkennung keine Gedanken machen. Welche Sätze innerhalb dieser Absätze exakt bleiben müssen, ist eine separate Frage: was Sie umformulieren dürfen und was unverändert bleiben muss.

Zu verstehen, wie der Detektor Bewertungen vergibt, hilft zu erklären, warum manche Überarbeitungen funktionieren und andere nicht. Turnitin beschreibt den Vorgang so:

"When a paper is submitted to Turnitin, sentences from the submission are extracted and segmented into overlapping sections for prediction analysis. Each segment is classified by the AI detection model and given a value between 0 and 1, denoting the probability of the text being likely human or AI-generated." (Wenn eine Arbeit bei Turnitin eingereicht wird, werden Sätze aus der Einreichung extrahiert und für die Vorhersageanalyse in überlappende Abschnitte unterteilt. Jedes Segment wird vom KI-Erkennungsmodell klassifiziert und erhält einen Wert zwischen 0 und 1, der die Wahrscheinlichkeit angibt, dass der Text eher menschlichen oder KI-generierten Ursprungs ist.)

Jedes Segment erhält einen Wert zwischen 0 und 1, der die Wahrscheinlichkeit für KI-Generierung repräsentiert. Allerdings arbeitet das Modell nicht mit den Metriken, die man in Blog-Beiträgen oft liest:

"Our model is not explicitly programmed to evaluate specific signals such as 'burstiness,' 'perplexity,' or other individual metrics sometimes referenced in public discussions." (Unser Modell ist nicht explizit darauf programmiert, bestimmte Signale wie "Burstiness", "Perplexity" oder andere einzelne Metriken zu bewerten, auf die in öffentlichen Diskussionen manchmal Bezug genommen wird.)

"Instead, it learns statistical patterns from our training data." (Stattdessen lernt es statistische Muster aus unseren Trainingsdaten.)

Das Kernsignal ist die Wortwahrscheinlichkeit:

"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 beherrschen die Erfassung der spezifischen Wortwahrscheinlichkeitssequenzen menschlicher Autoren.)

Zurück zur Sektion über falsch-positive Treffer: Strukturell einheitliche und sich wiederholende Texte werden markiert, nicht weil sie auf irgendeine oberflächliche Art nach KI aussehen, sondern weil ihre Wortwahrscheinlichkeitssequenzen denen von KI-generierten Texten ähneln. Menschliche Texte weisen mehr Unvorhersehbarkeit in der Wortwahl auf, während KI-Texte tendenziell Wörter mit hoher Wahrscheinlichkeit auswählen. Was KI-Detektoren jenseits von Perplexity und Burstiness messen gibt dazu die längere Erklärung.

Alles zusammengefasst:

1. Überarbeiten Sie Prosa-Absätze, nicht Listen. Der Detektor analysiert nur standardmäßige Prosasätze. Listen, Aufzählungspunkte und kurze Strukturen in Tabellen fallen nicht in den Analysebereich.
2. Erhöhen Sie die strukturelle Variation. Fehlende strukturelle Variation ist eine häufige Ursache für falsch-positive Treffer. Wenn alle Ihre Absätze ähnliche Länge und Satzstruktur haben, variieren Sie Satzlänge und syntaktische Muster.
3. Reduzieren Sie Wiederholungen. Wörtliche Selbstwiederholungen treiben den KI-Score nach oben. Wenn zwei Absätze dasselbe sagen, führen Sie sie zusammen oder sorgen Sie dafür, dass der zweite das Argument wirklich weiterbringt.
4. Entwickeln Sie die Idee weiter, nicht nur die Formulierung. Was die FAQ benennt, ist Paraphrasieren ohne neue Ideen zu entwickeln. Der Test, den das impliziert, lautet also: Trägt der Absatz nun etwas, das er vorher nicht getragen hat? Sie sagt nichts darüber aus, welche Änderungen Sie unterwegs vornehmen – und ein klareres Wort zu wählen ist ein ganz normaler Teil jeder Überarbeitung.
5. Verstehen Sie die Bewertungsseinheit. Jedes Segment wird einzeln bewertet. Ein markierter Absatz bedeutet also nicht, dass die gesamte Arbeit von KI stammt. Der Bericht liefert Ihnen Wahrscheinlichkeiten pro Segment, nicht ein einziges pauschales Urteil.

Die KI-Rate zu senken hat nichts damit zu tun, das richtige Tool oder den richtigen Prompt zu finden. Es beginnt damit zu verstehen, was der Detektor untersucht. Turnitin analysiert nur Prosasätze. Listen und kurze Strukturen liegen außerhalb des Analysebereichs. Das Modell stuft nach Wortwahrscheinlichkeits-Sequenzen ein – nicht nach Burstiness oder Perplexity – und jedes Segment wird unabhängig bewertet. Texte mit wenig struktureller Variation, wörtlichen Wiederholungen oder Paraphrasen ohne neue Ideen werden leichter fälschlich markiert.

Nachdem Sie Ihren Bericht erhalten haben, schauen Sie, welche Prosa-Absätze markiert sind, und arbeiten Sie genau an diesen: Variieren Sie die Struktur, reduzieren Sie Wiederholungen und entwickeln Sie tragfähige Argumente. Listen, Tabellen oder Zitate müssen Sie nicht anfassen. Den unberührten Text unberührt zu lassen – das ist die ganze Idee hinter nur die von einem Turnitin-Bericht markierten Absätze umzuschreiben.