Wie sich Turnitins Erkennung im Laufe der Zeit verändert: Was das für Ihren Score bedeutet

Dasselbe Paper kann an verschiedenen Tagen unterschiedliche KI-Scores erhalten. Turnitins FAQ stellt klar: „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." (Wenn wir unser Modell weiterentwickeln, um neuere LLMs besser zu erkennen, werden sich unsere Erkennungsfähigkeiten wahrscheinlich ändern, was den KI-Prozentsatz beeinflusst.) Die FAQ fährt fort: „However, for a submitted document, the AI percentage will change only if it's re-submitted again to be processed." (Bei einem eingereichten Dokument ändert sich der KI-Prozentsatz jedoch nur, wenn es erneut zur Verarbeitung eingereicht wird.) Das bedeutet: Einmal generiert bleibt ein Bericht unverändert. Reichen Sie denselben Text später erneut ein, spiegelt der neue Bericht die aktualisierten Fähigkeiten des Modells wider. Ein Paper, das im Januar 20% erhielt, kann im August anders bewertet werden – weil sich das Modell geändert hat, nicht weil sich der Text geändert hat.

Die FAQ ist hier eindeutig:

„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." (Wenn wir unser Modell weiterentwickeln, um neuere LLMs besser zu erkennen, werden sich unsere Erkennungsfähigkeiten wahrscheinlich ändern, was den KI-Prozentsatz beeinflusst. Bei einem eingereichten Dokument ändert sich der KI-Prozentsatz jedoch nur, wenn es erneut zur Verarbeitung eingereicht wird.)

Zwei Punkte sind hier wichtig. Erstens räumt Turnitin ein, dass seine Erkennungsfähigkeiten nicht statisch sind. Das Modell entwickelt sich weiter, um neuere Sprachmodelle zu erkennen, und diese Entwicklung beeinflusst den KI-Prozentsatz, den das Modell zuweist. Zweitens gilt die Änderung nur bei erneuter Einreichung. Vorhandene Berichte werden nicht nachbearbeitet. Ein Bericht von vor drei Monaten bleibt eingefroren. Er spiegelt das Modell so wider, wie es zum Zeitpunkt der Verarbeitung war, nicht wie es jetzt ist. Deshalb argumentiert Nach Turnitin-Recheck immer noch markiert dafür, zwei Berichte zu vergleichen statt zwei Zahlen.

Drei Release Notes von der Seite des KI-Schreib-Erkennungsmodells, datiert auf Oktober 2025, Februar 2026 und Mai 2026, enthalten alle denselben Satz:

„This release will not retroactively update previously-generated AI writing reports. To view the AI writing score generated by this update, existing submissions must be resubmitted." (Dieses Release wird zuvor erstellte KI-Schreib-Berichte nicht rückwirkend aktualisieren. Um den durch dieses Update generierten KI-Schreib-Score einzusehen, müssen bestehende Einreichungen erneut eingereicht werden.)

Das stimmt mit der FAQ-Aussage überein. Jedes Modell-Update verbessert die Erkennung, geht aber nicht zurück und berechnet alte Berichte neu. Die Richtung dieser Updates ist ebenfalls angegeben: „We have updated our AI writing detection model to improve recall while maintaining a low false positive rate." (Wir haben unser KI-Schreib-Erkennungsmodell aktualisiert, um die Vollständigkeit zu verbessern und gleichzeitig eine niedrige False-Positive-Rate beizubehalten.) Eine höhere Vollständigkeit bedeutet, dass das Modell empfindlicher auf KI-generierten Text reagiert. Ein Paper, das zuvor niedrig bewertet wurde, kann nach einem Update höher eingestuft werden, weil das aktualisierte Modell Muster erkennt, die das alte Modell übersehen hat. Das ist eine der Erklärungen dafür, warum bei Bearbeitung eines Papiers und Beobachtung, wie der KI-Score steigt der Score steigt.

Die FAQ beschreibt eine wesentliche jüngste Änderung: „In July 2026, we updated our model architecture to consolidate a multi-model ensemble into a single model. This update improves and simplifies the AI writing report, maintaining a less than 1% false positive rate." (Im Juli 2026 haben wir unsere Modellarchitektur aktualisiert, um ein Multi-Modell-Ensemble zu einem einzigen Modell zusammenzuführen. Dieses Update verbessert und vereinfacht den KI-Schreibbericht und behält eine False-Positive-Rate von unter 1% bei.)

Das stammt aus der FAQ, nicht von der Release-Notes-Seite. Die FAQ beschreibt, dass ein Multi-Modell-Ensemble zu einem Einzelmodell konsolidiert wurde. Diese Art von Architekturänderung kann bei identischen Texten merklich unterschiedliche Scores erzeugen. Ein Multi-Modell-Ensemble kombiniert Vorhersagen aus mehreren Modellen, während ein Einzelmodell seine eigenen Vorhersagen trifft. Durch die Konsolidierung änderte sich der Bewertungsweg, und damit verschob sich auch die Klassifizierung von Grenzfällen.

Die Fähigkeiten des Modells haben sich im Laufe der Zeit in spezifischen Richtungen erweitert. Im Dezember 2023 fügte Turnitin die Erkennung sogenannter „AI word spinner" hinzu. Im August 2025 wurde der Detector aktualisiert, um Texte, die mit AI-Bypasser-Tools bearbeitet wurden, in der Kategorie „AI-generated only" zu erfassen. Diese Erweiterungen bedeuten, dass Texte, die durch Paraphrasierungs- oder Bypasser-Tools verarbeitet wurden, in Berichten nach diesen Updates eher erkannt werden als zuvor. Erkennt Turnitin KI-Humanizer zeigt, wozu sich der Anbieter dort verpflichtet und wozu nicht.

Zusammengefasst:

• Turnitins FAQ besagt, dass sich die Erkennungsfähigkeiten „will also change" (ebenfalls ändern werden), wenn sich das Modell weiterentwickelt, um neuere LLMs zu erkennen.
• Release Notes bestätigen, dass Updates zuvor erstellte Berichte nicht rückwirkend ändern.
• Die Richtung aktueller Updates zielt darauf ab, die Vollständigkeit zu verbessern und gleichzeitig eine niedrige False-Positive-Rate beizubehalten.
• Eine Architekturänderung im Juli 2026 fasste ein Multi-Modell-Ensemble zu einem Einzelmodell zusammen.
• Derselbe Text kann unterschiedliche KI-Scores erzeugen, wenn er nach einem Modell-Update erneut eingereicht wird.

Wenn Sie einen Turnitin-Bericht haben und an den markierten Passagen arbeiten möchten, importieren Sie den Bericht und bearbeiten Sie diese direkt. Berechtigte Passagen können kostenlos erneut geprüft werden.