Originality AI

Was ist Originality AI?

Originality AI ist ein webbasierter Textprüfdienst, betrieben von Originality AI Inc, einem kanadischen Unternehmen mit Sitz in der 64 Hurontario St in Collingwood, Ontario. Der Dienst nimmt einen Text entgegen und liefert zwei wesentliche Urteile: einen Wert dafür, wie wahrscheinlich der Text von einem KI-Modell erzeugt wurde, sowie eine Plagiatsprüfung gegen bereits veröffentlichtes Material. Darum herum liegen ergänzende Prüfungen — Grammatik, Lesbarkeit, Faktenprüfung, inhaltliche Qualitätsbewertung und Richtlinienkonformität.

Gegründet wurde das Unternehmen von Jon Gillham, nachdem er eine von ihm aufgebaute Content-Marketing-Agentur verkauft hatte; der Dienst startete im November 2022 — bemerkenswerterweise vor der öffentlichen Freigabe von ChatGPT, als er zur Erkennung von GPT-3-Ausgaben gebaut war. Auf dieser zeitlichen Priorität beruht der Anspruch, der erste kommerziell verfügbare KI-Detektor gewesen zu sein.

Alles Weitere in diesem Text hängt an einer Unterscheidung, also gehört sie an den Anfang. Die Startseite beschreibt das Produkt als „den genauesten KI-Detektor in Studien Dritter". Die Genauigkeitswerte, die das Unternehmen veröffentlicht — 99 %, 99 %+, 97,8 % sowie Falsch-Positiv-Raten von 0,5 % bis 2,4 % — stammen jedoch aus Datensätzen, die die eigenen Benchmark-Tabellen als „Internal Benchmark" ausweisen. Es sind Tests des Anbieters auf vom Anbieter gewählten Daten, und keiner davon wurde unabhängig geprüft. Zugleich kommt die vorhandene begutachtete Fachliteratur zu diesem Problem für Erkennungswerkzeuge als Gattung zu einem deutlich anderen Schluss. Beide Seiten stehen unten, denn wer entscheiden muss, ob er sich auf dieses Werkzeug verlässt, braucht beide.

Kernfunktionen

Die Erkennungsmodelle

Drei Erkennungsmodelle sind aktuell, veröffentlicht im September 2025, und der Anbieter nennt für jedes eine konkrete Zahl. Lite 1.0.2 wird mit 99 % Genauigkeit auf führenden Flaggschiffmodellen angegeben — OpenAI, Gemini, Claude und DeepSeek — bei einer Falsch-Positiv-Rate von 0,5 %. Turbo 3.0.2 wird mit 99 %+ auf denselben Modellen angegeben, mit bis zu 97 % Genauigkeit auf „humanisierten" Inhalten und einer Falsch-Positiv-Rate von 1,5 %. Academic 0.0.5 wird mit 99 %+ und unter 1 % Falsch-Positiven angegeben, ausgerichtet auf akademisches Material einschließlich MINT-Antworten, Code und Formeln, und mit bis zu 92 % Genauigkeit gegen KI-Humanizer- und Bypasser-Werkzeuge.

Auf diesen Zahlen ruht das Marketing, und es lohnt sich, sie neben der Quelle zu lesen, die der Anbieter für sie angibt. Die veröffentlichte Benchmark-Tabelle führt Lite 1.0.2 mit einer Richtig-Positiv-Rate von 98,91 %, einer Falsch-Positiv-Rate von 0,52 % und einer Falsch-Negativ-Rate von 1,09 % — gegen einen Datensatz, den die Spaltenüberschrift des Anbieters selbst „Internal Benchmark: Recently Released Models" nennt.

AI Allowance

Im Juni 2026 eingeführt, bricht AI Allowance mit der binären Frage, die bislang jeder Detektor gestellt hat. Statt „ist das KI oder nicht" legen Sie fest, wie viel KI-Beteiligung Sie akzeptieren — 0 %, 5 %, 15 %, 25 % oder 40 % — und das Werkzeug bewertet gegen diese Schwelle. Der Anbieter beansprucht 99 %+ Genauigkeit bei der Voreinstellung von 15 %.

Konzeptionell ist das der interessanteste Teil des Produkts, weil er anerkennt, was die binäre Rahmung verdeckt: Die meisten realen Texte des Jahres 2026 liegen auf einem Kontinuum zwischen vollständig menschlich und vollständig maschinell, und eine redaktionelle Richtlinie interessiert sich in der Regel für den Grad, nicht für das bloße Vorhandensein. Ob die zugrundeliegende Messung diese feinere Unterscheidung tatsächlich trägt, bezeugen wiederum nur interne Tests.

Mehrsprachige Erkennung

Das im Mai 2025 veröffentlichte Modell Multilingual 2.0.0 deckt 30 Sprachen ab, mit angegebener Gesamtgenauigkeit von 97,8 %, auf 1,99 % gesenkten Falsch-Negativen und einer Falsch-Positiv-Rate von 2,4 %.

Der letzte Wert verdient Beachtung, denn es ist die eigene Offenlegung des Anbieters, dass die Erkennung außerhalb des Englischen messbar schwächer ist: 2,4 % Falsch-Positive gegenüber 0,5 % bei Lite und unter 1 % bei Academic. Wer Texte in einer anderen Sprache als Englisch bewertet, arbeitet nach den Zahlen des Unternehmens selbst mit etwa der zwei- bis fünffachen Falsch-Positiv-Rate der englischen Modelle.

Plagiat und die begleitenden Prüfungen

Die Plagiatserkennung ist eine gleichrangige Produktlinie und kein Zusatz — zur erklärten Motivation des Gründers gehörte, einen modernen Plagiatsprüfer mit Scan-Historie, teilbaren Ergebnissen und Teamzugriff zu bauen. Um diese beiden Säulen gruppieren sich Faktenprüfer, Grammatikprüfer, Lesbarkeitsprüfer, inhaltliche Qualitätsbewertung und Richtlinienprüfer, dazu Bulk Scan für Mengen und vollständige Website-Scans, die eine URL entgegennehmen.

Writing Replay und die Chrome-Erweiterung

Die Chrome-Erweiterung führt Scans direkt in Google Docs aus und kann den Schreibprozess wiedergeben — sie zeigt, wie ein Dokument über die Zeit entstanden ist, statt nur den fertigen Text zu beurteilen. Das ist eine grundsätzlich andere Art von Beleg als ein Erkennungswert: Prozessbeleg statt statistischer Schlussfolgerung, und erheblich schwerer zu fälschen. Für Lehrende, die feststellen wollen, ob eine Schülerin einen Text selbst geschrieben hat, ist eine Wiedergabe, die organisches Entwerfen zeigt, aussagekräftiger als jeder Prozentwert.

Transparenz, aber nur bis zu einem Punkt

Beim Thema Transparenz hat das Unternehmen mehr getan als die meisten Wettbewerber: Im August 2023 veröffentlichte es einen quelloffenen Benchmark-Datensatz und quelloffene Werkzeuge zur Wirksamkeitsprüfung. In einer Kategorie, in der die meisten Anbieter nichts veröffentlichen, ist das ein echter und ungewöhnlicher Schritt.

Er ist gegen zwei gegenläufige Tatsachen abzuwägen. Die Genauigkeitswerte der aktuellen Spitzenmodelle stammen weiterhin aus internen Benchmarks und nicht aus jenem offenen Datensatz, und die Nutzungsbedingungen untersagen Reverse Engineering, Dekompilieren oder den Versuch, Modelle, Gewichte, Prompts oder nicht öffentliche Benchmarks abzuleiten — womit Außenstehende nicht unabhängig prüfen können, wie das gegenwärtige System zu seinen Ergebnissen kommt.

Anwendungsfälle

Qualitätssicherung bei Verlagen und Agenturen

Die Enterprise-Stufe ist ausdrücklich für Agenturen und Verlage positioniert, und hier wiegen die Grenzen des Werkzeugs am wenigsten. Wenn eine Redakteurin prüft, ob eine freie Autorin geliefert hat, was beauftragt war, ist ein Erkennungswert ein Gesprächsbeitrag und kein folgenreiches Urteil. Stapel- und seitenweite Scans machen das im Volumen praktikabel.

Durchsetzung redaktioneller Richtlinien im Maßstab

AI Allowance passt zu Organisationen, die tatsächlich eine Richtlinie geschrieben haben — „KI-Unterstützung ist für Recherche und Gliederung in Ordnung, die Prosa muss von Ihnen stammen" — statt zu einem pauschalen Verbot. Eine Schwelle zu setzen, die der Richtlinie entspricht, ist ehrlicher, als so zu tun, als könnte ein binärer Detektor eine abgestufte Regel durchsetzen.

Wissenschaftliche Integrität, mit Vorbehalten

Academic-Modell, Moodle-Plugin und die Bestimmungen zu Schülerdaten zeigen, dass dieses Segment bewusst bedient wird. Doch genau hier setzen die eigenen Bedingungen des Werkzeugs die schärfsten Grenzen, wie unten ausgeführt. Als ein Signal unter mehreren — neben einer Schreibwiedergabe, einer Entwurfshistorie oder einem Gespräch mit der Studierenden — kann es beitragen. Als ausschlaggebender Faktor verstößt es gegen die Nutzungsrichtlinie des Anbieters selbst.

Inhalte prüfen, die Sie kaufen oder veröffentlichen wollen

Wer Inhalte beauftragt, einen Gastbeitrag bewertet oder einschätzt, ob Produktbewertungen echt sind, hat hier ein berechtigtes Bedürfnis, und die Folgen eines Falsch-Positivs sind verhältnismäßig — Sie lehnen eine Einreichung ab, statt eine Person zu sanktionieren.

Den eigenen Text vor der Abgabe prüfen

Eine oft übersehene Verwendung: Wer in einem formellen, strukturierten Register schreibt — das trifft auf sehr viele nicht-muttersprachliche Schreibende, technische Redakteure und Wissenschaftlerinnen zu — kann prüfen, ob die eigene Prosa wahrscheinlich markiert wird, und weiß im Voraus, ob er sich womöglich erklären muss. Das ist eine defensive Verwendung, die Kritiker selten erwähnen.

So nutzt du Originality AI

Schritt 1: Vor dem Bezahlen den kostenlosen Prüfer ausprobieren

Drei Scans pro Tag mit bis zu 2.000 Wörtern sind ohne Konto verfügbar. Nutzen Sie sie an Texten, deren Herkunft Sie sicher kennen — etwas, das Sie selbst geschrieben haben, und etwas, von dem Sie wissen, dass es maschinell erzeugt wurde — um Ihre Erwartungen zu kalibrieren, bevor Sie Geld einsetzen.

Beachten Sie den Handel: In den kostenlosen Detektor eingegebener Text kann zum Training verwendet werden. Ein Widerspruch erfordert ein Bezahlkonto. Fügen Sie kein vertrauliches oder Kundenmaterial in das kostenlose Werkzeug ein.

Schritt 2: Das zum Material passende Modell wählen

Lite, Turbo und Academic sind nicht austauschbar. Academic ist für MINT-Antworten, Code und Formeln gebaut und meldet die niedrigste Falsch-Positiv-Rate. Turbo ist die robustere Option gegen Humanizer-Werkzeuge. Ist Ihr Text nicht auf Englisch, greift das mehrsprachige Modell mit der höheren Rate von 2,4 %.

Schritt 3: Die AI-Allowance-Schwelle bewusst setzen

Wenn Sie AI Allowance nutzen, setzen Sie den Prozentsatz passend zu einer Richtlinie, die Sie tatsächlich niedergeschrieben haben. 0 % zu wählen, weil es streng wirkt, während Ihre reale Richtlinie KI-gestützte Recherche toleriert, erzeugt Markierungen, die Sie anschließend ignorieren — und gewöhnt Sie daran, dem Werkzeug insgesamt zu misstrauen.

Schritt 4: Den Wert als Wahrscheinlichkeit lesen, nicht als Urteil

An diesem Schritt entscheidet sich, ob Sie das Werkzeug verantwortlich einsetzen. Ein hoher KI-Wert bedeutet, dass der Text statistische Eigenschaften aufweist, die maschineller Erzeugung ähneln. Er stellt nicht fest, wie der Text entstanden ist. Formelles Register, einfacher Wortschatz, stark überarbeitete Prosa und nicht-muttersprachliche Wendungen treiben den Wert allesamt aus Gründen nach oben, die nichts mit KI-Nutzung zu tun haben.

Schritt 5: Vor dem Handeln bestätigende Belege sammeln

Wenn das Ergebnis jemanden betreffen könnte, sammeln Sie weitere Signale: Versionshistorie, Schreibwiedergabe, eine frühere Textprobe zum Vergleich oder ein Gespräch. Das ist keine private Vorsicht meinerseits — es ist, was die Bedingungen des Anbieters von Ihnen verlangen, wie unten dargelegt.

Schritt 6: Credits entlang der Verfallsregeln verwalten

Ein Credit entspricht 100 Wörtern. Abonnement-Credits verfallen zum Monatsende und werden nicht übertragen; separat gekaufte Pay-as-you-go-Credits halten zwei Jahre. Bei ungleichmäßiger Auslastung vermeidet der Pay-as-you-go-Weg, monatlich für Kapazität zu zahlen, die verfällt.

Schritt 7: Bei institutionellem Einsatz Aufzeichnungen führen

Enterprise bietet 365 Tage Scan-Historie; Pro nennt keine entsprechende Aufbewahrung. Wenn Erkennungsergebnisse je Entscheidungen über Menschen mitprägen, rechtfertigt allein die Möglichkeit, nachzuvollziehen, was wann gescannt wurde, den Stufenunterschied.

Tipps & Best Practices

Die Klausel zur zulässigen Nutzung lesen, bevor Sie einen Prozess bauen

Abschnitt 9 der Nutzungsbedingungen untersagt es, Ausgaben als alleinige Grundlage folgenreicher Entscheidungen zu verwenden, und untersagt es, Studierende, Beschäftigte, Auftragnehmer, Autorinnen oder Bewerber allein wegen eines Erkennungs- oder Plagiatswerts zu sanktionieren. Wer einen institutionellen Ablauf entwirft, sollte diese Klausel zur Grundlage machen. Dass ein Anbieter das niederschreibt, ist ungewöhnlich und anerkennenswert; es bindet zugleich Sie als Nutzer.

An bekanntem menschlichem Text aus der eigenen Population kalibrieren

Vor einem Einsatz im Maßstab lassen Sie eine Reihe von Texten durchlaufen, von denen Sie wissen, dass Menschen aus derselben Population sie geschrieben haben, die Sie beurteilen werden — gleiches Fachgebiet, gleicher Sprachhintergrund, gleiches Register. Ein Anbieter-Benchmark sagt nichts über Ihr konkretes Korpus, und nur so erfahren Sie, wie Ihre eigene Falsch-Positiv-Rate aussieht.

Nicht-englische Ergebnisse vorsichtiger behandeln

Die eigenen Zahlen des Anbieters setzen die mehrsprachigen Falsch-Positiven auf 2,4 % gegenüber 0,5 % beim englischen Lite-Modell. Wer übersetzte oder nicht-englische Texte bewertet, sollte sein Vertrauen entsprechend anpassen.

Nie kurze Passagen scannen und danach handeln

In allen veröffentlichten Darstellungen zur Funktionsweise solcher Systeme steigt die Zuverlässigkeit mit der Länge, einschließlich OpenAIs eigenem Hinweis, dass sein Klassifikator unterhalb von 1.000 Zeichen unzuverlässig war. Eine Markierung an einem Absatz ist nahezu bedeutungslos.

Schreibwiedergabe nutzen, wo es wirklich um etwas geht

Wenn Sie Prozessbelege bekommen können, sind sie stärker als ein Wert. Eine Wiedergabe, die zeigt, wie ein Dokument über Stunden entworfen, überarbeitet und umgestellt wurde, ist ein positiver Beleg menschlicher Autorschaft, wie ihn kein Prozentwert liefern kann.

Kein sensibles Material in das kostenlose Werkzeug einfügen

Eingaben der Gratisstufe können zum Training verwendet werden, und nur Bezahlkonten können widersprechen. Kundenarbeiten, unveröffentlichte Manuskripte und Einreichungen von Lernenden mit personenbezogenen Daten gehören, wenn überhaupt, in ein Bezahlkonto.

Den Kündigungsweg im Blick behalten

Geprüfte Bewertende berichten, dass der Abmeldeweg schwer zu Ende zu gehen ist. Wie immer Sie das bewerten, die praktische Antwort bleibt: deutlich vor einem Verlängerungsdatum kündigen, schriftlich bestätigen lassen und den nächsten Abrechnungszyklus prüfen.

Für wen ist Originality AI?

Verlage, Agenturen und Content-Marktplätze passen am besten, weil die Entscheidungen, die das Werkzeug stützt, kommerziell und nicht persönlich sind — eine Arbeit annehmen oder ablehnen — und weil Stapel- und seitenweite Scans zu ihrer Arbeitsweise passen.

Redaktionsteams mit schriftlicher KI-Richtlinie ziehen speziell aus AI Allowance echten Nutzen, da ein schwellenbasiertes Werkzeug zu einer schwellenbasierten Richtlinie passt, wie es ein binärer Detektor nie könnte.

Lehrende und Institutionen werden bewusst bedient — Academic-Modell, Moodle-Plugin, Schutz von Schülerdaten — sollten aber den Abschnitt zu den Grenzen vollständig lesen, bevor sie einen Prozess darauf aufbauen, und das Verbot des Anbieters, allein auf dieser Grundlage zu entscheiden, als Konstruktionsvorgabe und nicht als Kleingedrucktes behandeln.

Autorinnen und Autoren, die eigene Texte prüfen, insbesondere wenn sie formell oder auf Englisch als Zweitsprache schreiben, haben eine wirklich defensive Verwendung.

Wer sich anderswo umsehen sollte: Wer Beweis statt Wahrscheinlichkeit sucht, findet ihn weder hier noch bei einem Wettbewerbsprodukt, weil das zugrundeliegende Problem derzeit keinen Beweis zulässt. Institutionen, die Entscheidungen über wissenschaftliches Fehlverhalten automatisieren wollen, stehen ausdrücklich außerhalb dessen, was der Anbieter erlaubt. Wer überwiegend nicht-englische Texte bewertet, sollte die höhere angegebene Falsch-Positiv-Rate sorgfältig abwägen. Und wer keinen kleinen Anteil falscher Antworten mit realen Folgen hinnehmen kann, sollte automatisierte Erkennung überhaupt nicht einsetzen.

Plattformen

Originality AI wird als Webanwendung mit Dashboard ausgeliefert und erreicht andere Umgebungen über eine Chrome-Erweiterung (die Scans in Google Docs ausführt und die Schreibwiedergabe bereitstellt), ein Moodle-Plugin für Bildungseinrichtungen, eine API für den programmatischen Einsatz sowie Unternehmensintegrationen. Der Datei-Upload akzeptiert docx, doc und PDF, daneben eingefügten oder getippten Text, und der Website-Scan nimmt eine URL entgegen.

Der API-Zugang ist eine Funktion der Enterprise-Stufe und nicht von Pro. Kostenlose Werkzeuge — KI-Prüfer, Faktenprüfer, Plagiatsprüfer, Lesbarkeits- und Grammatikprüfer — sind als eigenständige Seiten auf der Website verfügbar.

Preise & Pläne

Es gibt zwei veröffentlichte Abostufen, beide in US-Dollar abgerechnet, mit Rabatt bei jährlicher gegenüber monatlicher Zahlung.

Pro kostet bei Jahreszahlung 12,95 $/Monat (155,40 $ jährlich) oder 14,95 $/Monat bei monatlicher Zahlung und richtet sich an Einzelpersonen und kleine Teams. Enthalten sind 2.000 Credits pro Monat, wobei ein Credit 100 Wörtern entspricht — also rund 200.000 Wörter monatlich. Standardsupport, Datei-Upload, vollständige Website-Scans, Teamverwaltung, Scan-Verschlagwortung und die Chrome-Erweiterung sind inbegriffen. Zusätzliche Teamplätze kosten 9,95 $/Monat, bei Jahreszahlung 8,62 $.

Enterprise kostet bei Jahreszahlung 136,58 $/Monat (1.638,96 $ jährlich) oder 179 $/Monat monatlich und richtet sich an Agenturen und Verlage. Enthalten sind 15.000 Credits pro Monat, ein fester Customer-Success-Manager, priorisierter Support mit typischer Lösung in unter einer Stunde, 365 Tage Scan-Historie und API-Zugang. Zusätzliche Plätze kosten 24,95 $/Monat, jährlich 19,04 $.

Kostenloser Zugang besteht ohne Konto: drei Scans pro Tag mit bis zu 2.000 Wörtern. So eingereichter Text kann zum Training verwendet werden, und nur Bezahlkonten können widersprechen.

Zwei Credit-Mechaniken wiegen schwerer als der Listenpreis. Abonnement-Credits verfallen zum Monatsende, wenn sie ungenutzt bleiben — sie sammeln sich nicht an. Pay-as-you-go-Credits, als Einmalzahlung erworben, verfallen zwei Jahre nach dem Kauf. Bei saisonaler oder projektbezogener Nutzung vermeidet der Pay-as-you-go-Weg, monatlich für verdunstende Kapazität zu zahlen.

Zu Rückerstattungen sind die Bedingungen direkt: Eine Kündigung stoppt künftige Verlängerungen, erstattet aber frühere Abbuchungen nicht automatisch; Gebühren sind nach Zahlung nicht erstattungsfähig, sofern Gesetz oder Bestellformular nichts anderes vorsehen; und verbrauchte Leistungen — durchgeführte Scans, Plagiatsprüfungen, API-Aufrufe — können nicht erstattet werden. Zwingende Verbraucherrechte, auf die nicht verzichtet werden kann, bleiben ausdrücklich unberührt.

Alternativen

GPTZero ist im Bildungssegment der direkteste Wettbewerber und veröffentlicht eigene Genauigkeitsangaben mit demselben grundlegenden Vorbehalt — Tests des Anbieters selbst. Beide an Ihrem eigenen Korpus mit bekannter Herkunft zu vergleichen, ist aufschlussreicher als der Vergleich ihrer Werbeaussagen.

Turnitin bringt institutionelles Gewicht über bestehende Beziehungen zu Lernplattformen und eine langjährige Plagiatsinfrastruktur mit; an Hochschulen entscheiden Integrationspfad und Beschaffung die Frage oft, bevor die Genauigkeit überhaupt zur Sprache kommt. Es war zudem eines der beiden kommerziellen Systeme in der unten erwähnten Weber-Wulff-Untersuchung.

Copyleaks konkurriert sowohl bei KI-Erkennung als auch bei Plagiaten mit besonderem Gewicht auf mehrsprachiger Abdeckung, was zählen kann, wenn Ihr Korpus überwiegend nicht englisch ist — angesichts der dort höheren angegebenen Falsch-Positiv-Raten.

Winston AI und ähnliche neuere Anbieter konkurrieren über den Preis und über konkrete Aussagen zur Erkennung von Humanizer-Ausgaben. Dieselbe beweisbezogene Vorsicht gilt für sie alle gleichermaßen.

Ganz auf automatisierte Erkennung zu verzichten verdient es, als reale Option genannt zu werden. Prozessbelege — Entwurfshistorie, Versionsverwaltung, mündliche Verteidigung, Schreiben im Unterricht — führen zu Schlüssen, die sich tatsächlich verteidigen lassen, und mehrere Einrichtungen haben sich bewusst dorthin bewegt. Das ist aufwendiger und skaliert schlecht, trägt aber keine Falsch-Positiv-Rate.

Die ehrliche Zusammenfassung: In einer Kategorie, deren Kernaussagen strukturell schwer überprüfbar sind, gehört Originality AI zu den transparenteren Anbietern. Es veröffentlicht eine Modellhistorie, hat offene Benchmark-Werkzeuge herausgegeben und schreibt ausdrückliche Nutzungsgrenzen in die eigenen Bedingungen. Nichts davon löst die Grundfrage — ob irgendein Detektor genau genug für folgenreiche Verwendung ist — und die unabhängige Literatur legt nahe, dass die Kategorie insgesamt es nicht ist.

Einschränkungen & Hinweise

Jede Genauigkeitszahl stammt vom Anbieter

Das ist der zentrale Vorbehalt und er gilt ausnahmslos. Die 99 %, 99 %+, 97,8 % und die Falsch-Positiv-Raten von 0,5 % bis 2,4 % entstammen sämtlich den eigenen Tests des Unternehmens auf Datensätzen, die seine Benchmark-Tabellen als „Internal Benchmark" ausweisen. Kein unabhängiger Prüfer hat sie verifiziert. Das ist kein Vorwurf der Unredlichkeit — es ist eine Beschreibung des Beweisstatus dieser Zahlen und der Normalzustand in dieser gesamten Produktkategorie.

Auch die zugehörige Aussage gehört präzise formuliert. Die Startseite beschreibt das Produkt als „den genauesten KI-Detektor in Studien Dritter". Der eigene Genauigkeitsartikel des Unternehmens enthält zwar eine Zwischenüberschrift, die einen Überblick über Studien Dritter verspricht, doch die dort präsentierten substanziellen Genauigkeitsdaten stammen aus internen Benchmarks. Wer die Studien Dritter sucht, welche die Aussage der Startseite belegen würden, findet dort keine entsprechenden Nachweise.

Begutachtete Forschung kommt für die Kategorie zum gegenteiligen Schluss

Die substanziellste unabhängige Untersuchung ist Weber-Wulff et al., „Testing of detection tools for AI-generated text", erschienen im International Journal for Educational Integrity (Bd. 19, Art. 26, 2023). Getestet wurden 12 öffentlich verfügbare Erkennungswerkzeuge sowie zwei kommerzielle Systeme; das Fazit lautet, die verfügbaren Erkennungswerkzeuge seien „weder genau noch zuverlässig", mit einer deutlichen Neigung, KI-Inhalte fälschlich als von Menschen geschrieben einzustufen. Weiter wurde festgestellt, dass Verschleierungstechniken die Leistung der Werkzeuge erheblich verschlechtern; die Autorinnen und Autoren betonten die ernsten Implikationen eines Einsatzes solcher Systeme im akademischen Umfeld.

Diese Studie nahm Originality AI nicht gesondert ins Visier, und die getesteten Modelle liegen vor der aktuellen Generation. Sie ist aber das, was einer unabhängigen Bewertung der Kategorie am nächsten kommt, und ihr Fazit lässt sich mit der 99-Prozent-Aussage irgendeines Anbieters schwer vereinbaren.

Das Falsch-Positiv-Problem trifft nicht-muttersprachliche Schreibende am härtesten

Liang, Yuksekgonul, Mao, Wu und Zou von der Stanford University veröffentlichten „GPT detectors are biased against non-native English writers" (arXiv 2304.02819, eingereicht April 2023, finalisiert Juli 2023). Ihr Befund: Detektoren stufen Texte nicht-muttersprachlicher Schreibender durchgehend fälschlich als KI-erzeugt ein, während sie muttersprachliche Texte korrekt einordnen. Sie zeigten zudem, dass einfaches Umformulieren per Prompt diese Verzerrung sowohl verringern als auch die Erkennung umgehen kann — ein Ergebnis, das die Verlässlichkeit der Erkennung von zwei Seiten zugleich untergräbt.

Originality AI antwortete öffentlich mit einem Beitrag unter dem Titel „Eine Antwort auf eine fehlerhafte Stanford-Studie". Diese Antwort bestreitet die Methodik. Bemerkenswerterweise gibt sie zugleich die zentralen Zahlen der Studie wieder, ohne sie zu bestreiten: dass Detektoren mehr als die Hälfte der TOEFL-Aufsätze fälschlich als KI-erzeugt kennzeichneten, bei einer durchschnittlichen Falsch-Positiv-Rate von 61,3 %.

Leserinnen und Leser mögen aus diesem Austausch ihre eigenen Schlüsse ziehen. Unstrittig ist, dass das Risiko einer Fehlklassifikation nicht-muttersprachlicher Texte ein dokumentiertes, veröffentlichtes Problem ist, dessen Existenz beide Seiten anerkennen.

OpenAI zog den eigenen Detektor als zu ungenau zurück

Der deutlichste Hinweis darauf, wie schwer dieses Problem ist, kommt von dem Unternehmen, das die zu erkennenden Modelle baut. Die Klassifikator-Seite von OpenAI trägt den Hinweis: „Seit dem 20. Juli 2023 ist der KI-Klassifikator wegen seiner geringen Genauigkeit nicht mehr verfügbar." Die veröffentlichte Leistung: Er „identifiziert 26 % der von KI geschriebenen Texte (Richtig-Positive) korrekt als ‚wahrscheinlich KI-geschrieben', während er von Menschen geschriebene Texte in 9 % der Fälle fälschlich als KI-geschrieben kennzeichnet".

Das ist kein Urteil über die konkreten Modelle von Originality AI, die weit bessere Zahlen beanspruchen. Es ist der Kontext dafür, wie viel Skepsis sich diese Kategorie verdient hat.

Die eigenen Bedingungen des Anbieters verbieten die folgenreichste Nutzung

Für alle im Bildungs- oder Personalbereich ist dies der wichtigste Punkt dieses Textes, und er stammt vom Unternehmen selbst. Abschnitt 9 der Nutzungsbedingungen untersagt Nutzenden, Ausgaben „als alleinige Grundlage für Entscheidungen zu verwenden, die rechtliche, akademische, beschäftigungsbezogene, wohnungs-, versicherungs-, kredit-, disziplinar-, reputations-, medizinische oder vergleichbar erhebliche Auswirkungen auf eine Person haben können", und insbesondere, eine Person „allein aufgrund einer KI-Erkennungsausgabe oder eines Plagiatswerts zu beschuldigen, zu disziplinieren, zu bestrafen, zu kündigen, durchfallen zu lassen, zu melden oder anderweitig erheblich zu benachteiligen". Abschnitt 8 verlangt, „vor jeder Maßnahme, die eine Person erheblich betreffen kann, menschliche Prüfung und ein angemessenes ordnungsgemäßes Verfahren einzusetzen".

Schlicht gelesen: Der Anbieter bewirbt den genauesten verfügbaren Detektor und untersagt Ihnen zugleich, dessen Ausgabe als hinreichenden Grund zu behandeln, eine Studierende durchfallen zu lassen oder eine Mitarbeiterin zu entlassen. Beide Positionen sind vertretbar, und sie zusammen zu halten ist ehrlicher als das, was die meisten Wettbewerber leisten. Doch eine Einrichtung, die dieses Werkzeug einsetzt, um Fehlverhaltensbefunde zu automatisieren, verstößt gegen die Bedingungen, denen sie zugestimmt hat.

Selbst mit den Zahlen des Anbieters bleibt der absolute Fehler im Maßstab real

Nimmt man die Zahlen des Unternehmens für bare Münze, zählt die Arithmetik weiterhin. Bei der angegebenen Falsch-Positiv-Rate des Academic-Modells von unter 1 % könnten beim Scannen von tausend tatsächlich von Menschen geschriebenen Arbeiten immer noch knapp zehn markiert werden. Bei den 2,4 % des mehrsprachigen Modells fällt die absolute Zahl noch höher aus. Prozentwerte, die im Marketing beruhigend wirken, beschreiben eine erhebliche Zahl einzelner Menschen, sobald man sie auf einen ganzen Jahrgang anwendet.

Die Nutzerstimmung ist gut, misst aber etwas Bestimmtes

Das Trustpilot-Profil weist 4,6 über 1.294 Bewertungen aus — eine große Stichprobe — verteilt auf 80 % fünf Sterne, 6 % vier, 1 % drei, 1 % zwei und 12 % einen Stern.

Zwei Einschränkungen. Das Profil ist seit September 2023 vom Anbieter beansprucht, Trustpilot vermerkt, dass das Unternehmen aktiv um Bewertungen bittet, und der Anbieter hat auf 89 % der negativen Bewertungen geantwortet — all das erzeugt Auswahldruck in positive Richtung. Substanzieller noch: Beim Lesen der jüngeren positiven Bewertungen zeigt sich, dass sie stark auf den Kundenservice entfallen — wiederholt werden einzelne Support-Mitarbeitende namentlich genannt — und nicht auf die Erkennungsgenauigkeit. Die 4,6 liest man am besten als Signal zur Reaktionsfähigkeit des Unternehmens, nicht als Bestätigung der Richtigkeit des Detektors durch Nutzende.

Auf der negativen Seite kehrt eine konkrete Beschwerde zur Kündigung wieder. Ein geprüfter Bewertender beschreibt den Abmeldelink als „extrem winzig, gut versteckt und in einer nahezu vollständig transparenten Schrift", gefolgt von etwa acht Halteangeboten, und gibt an, dass die Wahl, Feedback abzugeben, den Abschluss der Kündigung buchstäblich unmöglich machte und das Konto stattdessen pausiert wurde.

Credits verfallen monatlich und Rückerstattungen sind begrenzt

Abonnement-Credits werden nicht übertragen — ungenutzte Kapazität verfällt zum Monatsende. Eine Kündigung stoppt künftige Verlängerungen, erstattet frühere Abbuchungen aber nicht, und verbrauchte Scans sowie API-Aufrufe sind nicht erstattungsfähig. Bei ungleichmäßiger Auslastung passt die Pay-as-you-go-Option mit zweijähriger Gültigkeit strukturell besser.

Die Modelle lassen sich nicht unabhängig untersuchen

Die Bedingungen untersagen Reverse Engineering, Dekompilieren oder den Versuch, Quellcode, Algorithmen, Modellgewichte, Prompts, Systemdesign oder nicht öffentliche Benchmarks abzuleiten. Das ist ein üblicher kommerzieller Schutz, bedeutet aber in Verbindung mit intern erzeugten Genauigkeitswerten, dass die zentralen Aussagen des Produkts konstruktionsbedingt von außen nicht überprüfbar sind.

Erkennung und Umgehung entwickeln sich gemeinsam

Die eigene Modellhistorie des Anbieters zeigt, wie die Genauigkeit auf dem schwierigsten Testsatz in einer Version von 90,2 % auf 98,8 % stieg, während sich die Falsch-Positiven im selben Schritt nur marginal von 2,9 % auf 2,8 % verbesserten. Diese Kurve spiegelt ein bewegliches Ziel: Humanizer- und Bypasser-Werkzeuge entwickeln sich parallel zu den Detektoren, und eine heute veröffentlichte Zahl beschreibt die Leistung gegenüber jenen Umgehungstechniken, die zum Zeitpunkt des Tests existierten.

FAQ

Q1. Wie genau ist Originality AI wirklich?

Das Unternehmen nennt 99 % oder besser für seine aktuellen englischen Modelle, mit Falsch-Positiv-Raten zwischen 0,5 % und unter 1 %, sowie 97,8 % insgesamt für sein 30-sprachiges Modell bei 2,4 % Falsch-Positiven. Alle diese Werte stammen aus eigenen Tests des Unternehmens auf Datensätzen mit der Kennzeichnung „Internal Benchmark", und keiner wurde unabhängig geprüft. Unabhängige begutachtete Arbeiten zu Erkennungswerkzeugen als Kategorie — allen voran Weber-Wulff et al. 2023 — kamen zu dem Schluss, dass verfügbare Werkzeuge „weder genau noch zuverlässig" sind. Behandeln Sie die Anbieterzahlen als Behauptungen, nicht als Messungen.

Q2. Kann es bei menschlichen Texten Falsch-Positive erzeugen?

Ja, und der Anbieter legt die Raten dafür selbst offen. Wichtiger noch: Veröffentlichte Forschung dokumentiert, dass das Risiko ungleich verteilt ist. Eine Stanford-Studie fand, dass Detektoren nicht-muttersprachliche englische Texte weit häufiger fälschlich als KI-erzeugt einstufen als muttersprachliche, mit einer durchschnittlichen Falsch-Positiv-Rate von 61,3 % bei TOEFL-Aufsätzen. Originality AI bestreitet die Methodik dieser Studie und gibt ihre Zahlen zugleich wieder. Formelles Register, einfacher Wortschatz und starke Überarbeitung treiben den Wert allesamt aus Gründen nach oben, die nichts mit KI zu tun haben.

Q3. Darf ich damit Studierende durchfallen lassen oder Beschäftigte sanktionieren?

Nicht allein damit — und das ist die Regel des Anbieters, nicht bloß ein Ratschlag. Die Nutzungsbedingungen untersagen es, Ausgaben als alleinige Grundlage für Entscheidungen mit akademischen, beschäftigungsbezogenen oder disziplinarischen Folgen zu verwenden, und untersagen insbesondere, Studierende, Beschäftigte, Auftragnehmer, Autorinnen oder Bewerber allein wegen eines Erkennungs- oder Plagiatswerts zu sanktionieren. Sie verlangen zudem menschliche Prüfung und ein angemessenes Verfahren vor jeder Maßnahme, die eine Person erheblich betreffen kann.

Q4. Was kostet es?

Pro kostet 12,95 $/Monat bei Jahreszahlung oder 14,95 $ monatlich, mit 2.000 Credits pro Monat. Enterprise kostet 136,58 $/Monat bei Jahreszahlung oder 179 $ monatlich, mit 15.000 Credits, API-Zugang, 365 Tagen Scan-Historie und priorisiertem Support. Ein Credit entspricht 100 Wörtern. Zusätzliche Plätze kosten in beiden Stufen extra. Es gibt einen kostenlosen Zugang mit drei Scans pro Tag bis 2.000 Wörter, ohne Konto.

Q5. Gibt es eine kostenlose Version, und was ist der Haken?

Ja — drei Scans täglich mit bis zu 2.000 Wörtern, ohne Konto. Der Haken ist, dass in den kostenlosen Detektor eingegebener Text zum Training verwendet werden kann und nur Bezahlkonten widersprechen können. Nutzen Sie ihn nicht für vertrauliches oder Kundenmaterial.

Q6. Werden ungenutzte Credits übertragen?

Bei Abonnements nicht. Abonnement-Credits verfallen zum Monatsende, wenn sie ungenutzt bleiben. Separat gekaufte Pay-as-you-go-Credits verfallen zwei Jahre nach dem Kaufdatum, was zu unregelmäßiger Auslastung besser passt.

Q7. Funktioniert es auch in anderen Sprachen als Englisch?

Ja, über ein mehrsprachiges Modell mit 30 Sprachen und einer vom Anbieter angegebenen Gesamtgenauigkeit von 97,8 %. Beachten Sie, dass dieselbe Offenlegung dessen Falsch-Positiv-Rate mit 2,4 % angibt, gegenüber 0,5 % beim englischen Lite-Modell — nach den eigenen Zahlen des Anbieters deutlich höher.

Q8. Wie geht es mit KI-Humanizer-Werkzeugen um?

Der Anbieter gibt an, Turbo 3.0.2 erkenne humanisierte Inhalte mit bis zu 97 % Genauigkeit und Academic 0.0.5 sei gegen Humanizer- und Bypasser-Werkzeuge mit bis zu 92 % robust. Das sind interne Zahlen. Da Erkennung und Umgehung sich gemeinsam entwickeln, beschreibt eine solche Zahl die Leistung gegenüber den Umgehungstechniken, die zum Testzeitpunkt verfügbar waren.

Q9. Worüber beschweren sich Nutzende?

Die Trustpilot-Verteilung liegt bei 4,6 über 1.294 Bewertungen, mit 80 % fünf Sternen und 12 % einem Stern. Positive Bewertungen konzentrieren sich auf den Kundenservice statt auf die Erkennungsgenauigkeit. Das wiederkehrende negative Thema ist die Schwierigkeit der Kündigung — ein geprüfter Bewertender beschreibt einen nahezu unsichtbaren Abmeldelink, etwa acht Halteangebote und die Unmöglichkeit, die Kündigung nach der Wahl, Feedback abzugeben, abzuschließen.

Q10. Kann es überhaupt etwas beweisen?

Nein, und kein Wettbewerber ebenso wenig. Ein Erkennungswert ist eine statistische Wahrscheinlichkeit, kein Beleg dafür, wie ein Text entstanden ist. Das Aussagekräftigste am Produkt ist nicht der Wert, sondern die Schreibwiedergabe in der Chrome-Erweiterung, die festhält, wie ein Dokument tatsächlich verfasst wurde. Ein solcher Prozessbeleg ist weit stärker als jeder Prozentwert — und es ist die Richtung, in die sich die belastbarste Praxis wissenschaftlicher Integrität ohnehin bewegt hat.