Hält der KI-Detektor von Compilatio Humanizern stand?

Ja, in den meisten Fällen. Und wenn es einem Humanizer gelingt, den KI-Erkennungswert von Compilatio zu senken, geschieht das fast immer auf Kosten eines verschlechterten Textes, der an der Grenze zur Inkohärenz liegt.

Wir erklären Ihnen, was diese Tools sind, was unsere ersten internen Tests zeigen und wo wir weiter forschen werden.

1. Was ist ein Humanisierungstool?

Ein Humanisierungstool (oder „Humanizer“) ist eine Software, die einen KI-generierten Text umformuliert, um dessen Ursprung zu verschleiern und den Eindruck zu erwecken, er sei von einem Menschen verfasst worden. Konkret: Man fügt einen von ChatGPT, Gemini oder einem anderen Modell erstellten Text ein, das Tool verändert Wörter, Satzstruktur und Rhythmus und liefert eine Version zurück, die unter dem Radar der Detektoren durchrutschen soll.

Nicht alle diese Tools wurden ursprünglich zu diesem Zweck entwickelt. Einige, wie Quillbot oder Wordtune, sind zunächst Tools zum Umformulieren und zur Schreibunterstützung. Andere, wie Undetectable AI oder BypassGPT, wurden von Anfang an dafür konzipiert, die Erkennung zu umgehen, und sagen das in ihrem Namen und ihrem Werbeversprechen offen.

Seit Schulen und Hochschulen KI-Detektoren einsetzen, hat sich weltweit spiegelbildlich ein Parallelmarkt für Tools entwickelt, die genau diese Detektoren umgehen sollen. Beide Märkte entwickeln sich seit 2023 gemeinsam weiter: Je verbreiteter die Erkennung KI-generierter Texte wird, desto ausgefeilter werden die Umgehungstools, und umgekehrt.

2. Die Widerstandsfähigkeit von Compilatio gegenüber Umgehungstools

Wir haben eine interne Bestandsaufnahme durchgeführt, um die tatsächliche Widerstandsfähigkeit unserer Erkennung gegenüber Umgehungstools zu messen, und zwar mit den 6 weltweit am häufigsten genutzten Humanisierungstools.

Die Methodik: 

300 getestete Texte, erzeugt von zwei KI-Modellen (ChatGPT und Gemini), umformuliert von den 6 weltweit beliebtesten Humanisierungstools, auf Französisch und Englisch. Für jeden Text haben wir die Veränderung des Compilatio-Erkennungswerts vor und nach dem Durchlauf durch das Humanisierungstool beobachtet und die entstandene Umformulierung qualitativ bewertet.

Ergebnisse im Überblick:

Die getesteten Tools sind bewusst anonymisiert. Ziel dieses Artikels ist es, den grundlegenden Trend zu erklären, den wir bei unserem Erkennungstool beobachten.

*Interne qualitative Bewertung auf einer Skala von 5, keine automatisierte Messung: als Tendenz zu verstehen, nicht als absoluter Wert.

Was wir beobachten:

• Die Tools, die den Erkennungswert am stärksten senken, sind auch diejenigen, die die Textqualität am stärksten verschlechtern, bis hin zur Unbrauchbarkeit im akademischen Kontext.
• Die Tools, die die Textqualität am besten erhalten, senken den Erkennungswert nicht, im Gegenteil, sie lassen ihn sogar steigen.

Das Fazit passt in einen Satz: Bis heute schafft keines der 6 getesteten Tools beides zugleich, nämlich die Erkennung wirksam zu täuschen und einen Text von guter akademischer Qualität zu liefern. 

→ Entweder verschlechtert man die Qualität seines Textes drastisch, in der Hoffnung, unbemerkt zu bleiben.

→ Oder man behält einen qualitativ guten Text, und die KI wird weiterhin erkannt, oft sogar stärker als zuvor.

In beiden Fällen wäre die Zeit, die darauf verwendet wurde, die Erkennung zu umgehen, besser in die Vertiefung des behandelten Themas investiert gewesen.

3. Wie es weitergeht

Dieses Thema entwickelt sich schnell, ebenso die Tools. Daran werden wir in Kürze arbeiten:

• Unseren Testkorpus erweitern, mit mehr Texten und mehr Humanisierungstools, um diese ersten Beobachtungen zu präzisieren und zu festigen.
• Die Zahl der getesteten Sprachen erhöhen, weiter Französisch und Englisch, dazu Spanisch und Italienisch.
• Unser Erkennungsmodell weiter trainieren, sowohl auf klassische KI-Generierung als auch auf Humanisierungstechniken.

Dieser Artikel wurde automatisch übersetzt. Wenn Sie einen Übersetzungsfehler feststellen, kontaktieren Sie uns bitte.