KI-Floskeln-Checker

Der KI-Floskeln-Checker ist ein Lint, kein Detektor. Er sagt dir nicht, ob eine KI deinen Text geschrieben hat. Das kann kein Tool zuverlässig, egal was auf der Landingpage eines anderen Anbieters steht. Er zeigt dir stattdessen, welche Formulierungen deinen Text wie KI-Output lesen lassen. Unabhängig davon, wer am Ende getippt hat.

Gedacht ist das für alle, die beim Schreiben KI einsetzen oder KI-Text redigieren und vor der Veröffentlichung noch mal draufschauen wollen. Text rein, das Tool erkennt selbst, ob er deutsch oder englisch ist. Jeder Treffer wird direkt in der Vorschau markiert.

So funktioniert es

Der Checker prüft deinen Text gegen sieben Kategorien pro Sprache. Dazu kommen Gedankenstriche als eigene Zählung. Sieben, weil sich die typischen KI-Tells in sieben klar unterscheidbare Gruppen sortieren lassen:

• KI-Vokabeln: Wörter wie „vielschichtig“ oder „pulsierend“, die im echten Gespräch kaum fallen.
• Vorgeplänkel: ein Satz kündigt eine Aussage erst an, statt sie zu machen. „An dieser Stelle sei angemerkt: Die Zahlen sprechen für sich.“ Der Teil nach dem Doppelpunkt allein hätte gereicht.
• Negativ-Parallelismus: ein kurz abgetaner erster Halbsatz, dann der eigentliche Punkt mit einem Anschlusswort. „Es geht nicht um mehr Tools. Es geht um weniger Reibung im Alltag.“
• Vage Zuschreibung: „Experten sagen“, ohne dass irgendwo ein Name auftaucht.
• Fazit-Floskeln: ein Abschnitt fasst sich am Ende noch mal selbst zusammen. Ein Absatz zeigt längst, dass ein Muster zuverlässig funktioniert, und schließt trotzdem mit „Alles in allem zeigt sich: Das Muster funktioniert zuverlässig.“
• Bedeutungsaufblähung: ein Satz behauptet Bedeutung, statt einen Fakt zu nennen. „Dieses Detail prägt angeblich die Zukunft der ganzen Branche.“ Wessen Zukunft, wodurch, bleibt offen.
• Chatbot-Reste: Assistenten-Höflichkeit, die das Copy-Paste überlebt hat. „Bei Bedarf ergänze ich das gern um weitere Details für dich.“

Gedankenstriche zählen separat. Einer bedeutet nichts, einer alle zwei Sätze schon.

Der Beispieltext, der beim Öffnen im Feld steht, zeigt das sofort: mehrere Treffer, gut sichtbar markiert, noch bevor du selbst etwas eingefügt hast. Lieber ein Text, der das Prinzip vorführt, als eine leere Fläche und eine Erklärung drumherum.

Jeder Treffer wird im Text markiert und in einer Fundliste mit Anzahl pro Muster gesammelt. Die Einschätzung ist ein simpler Dichtewert: Treffer pro 100 Wörter. Unter 1 gilt als „Wirkt menschlich“. 1 bis 3 als „Einige KI-Muster“. Darüber als „Viele KI-Muster“. Keine Prozentzahl mit einer Wahrscheinlichkeit, die niemand belegen kann, sondern eine simple Zählung.

Die Sprache erkennt das Tool aus dem eingefügten Text selbst. Ein deutscher und ein englischer Entwurf lassen sich also hintereinander prüfen, ohne irgendwo umzuschalten. Wer nur die reine Lesbarkeit checken will, findet das im Lesbarkeit-Checker als eigenes Tool.

Wann du es brauchst

• Bevor ein Entwurf online geht, an dem eine KI mitgeschrieben hat, als letzter Durchgang.
• Beim Redigieren von KI-Text für Kunden, wenn du eine konkrete Liste statt eines Bauchgefühls brauchst.
• Um den Streit „das klingt nach ChatGPT“ mit einer Zahl zu klären statt mit einer Meinung.

Woher die Muster kommen

Die Listen stammen aus Wikipedias Leitfaden „Signs of AI writing“, gepflegt vom WikiProject AI Cleanup. Freiwillige haben dafür tausende KI-Bearbeitungen ausgewertet. Warum ich mich für diese Quelle entschieden habe statt für einen fertigen KI-Detektor, erkläre ich in einem eigenen Blogbeitrag: Eine Studie zu GPT-Detektoren aus 2023 fand sie generell unzuverlässig, und besonders bei Text von Nicht-Muttersprachlern verzerrt. Ein Tool, das falsche Sicherheit verkauft, wollte ich nicht bauen.

Die Wortlisten verschieben sich mit der Zeit. Was vor einem Jahr ein Tell war, kann heute Standardsprache sein, und umgekehrt. Deutsch und Englisch laufen dabei als zwei eigenständige Listen, keine Übersetzung der jeweils anderen. Ein deutscher Negativ-Parallelismus folgt einer anderen Grammatik als sein englisches Gegenstück, mit eigenen Fallstricken. Beide Sprachen bekommen darum ihre eigenen sieben Kategorien.

Dieselbe Logik läuft, nur eine Stufe strenger, auch auf dieser Website selbst. Jeder deutsche Text hier durchläuft vor der Veröffentlichung ein Skript, das KI-Formulierungen abfängt, dazu ein Kadenz-Check gegen 25 Texte, die ich wirklich veröffentlicht habe. Dieser Text hier musste beide Prüfungen bestehen, bevor er online ging. Dazu kommt der Humanizer-Check, den ich beim Schreiben nutze und der wirklich messbar etwas an einem Text ändert. Der Checker hier auf der Seite ist die offene, leichtere Version davon: keine Kadenz-Messung, kein Abgleich mit einem Archiv, nur die Wortlisten.

Was es nicht kann

Dir sagen, ob ein Text von einer KI stammt. Das kann niemand zuverlässig. Wer das Gegenteil verspricht, verkauft eine Sicherheit, die er nicht hat. Wer stocksteife Marketingtexte schreibt, ganz ohne KI, lässt den Checker trotzdem aufleuchten. Ein sauber überarbeiteter KI-Text kommt dagegen glatt durch, kaum eine Markierung.

Was der Wert wirklich zeigt: ob ein Text gerade so liest wie KI-Output. Genau das kostet Vertrauen bei Lesern, unabhängig davon, wer den Satz geschrieben hat. Ein Text kann jedes Muster hier vermeiden und trotzdem schlecht sein, leer, ohne einen einzigen eigenen Gedanken. Der Checker prüft die Oberfläche, nicht den Inhalt.

Deshalb läuft alles lokal im Browser. Dein Text geht an keinen Server, und das macht bei einem Kundenentwurf den Unterschied, den ein klassischer KI-Detektor nicht bietet. Das Tool steht neben elf weiteren, die ich aus demselben Grund gebaut habe: kostenlos, ohne Upload, ohne ein Versprechen, das ich nicht halten kann.