KI-Detektor Mindestwortzahl: Wie viele Wörter Turnitin, GPTZero und andere benötigen

Die minimale Wortzahl für den KI-Detektor hängt vom Tool ab. Einige Tools, wie Turnitin, benötigen mindestens 300 Wörter qualifizierter Prosa, andere, wie ZeroGPT, empfehlen, mindestens 150 bis 200 Wörter zu schreiben, um ein konsistentes Ergebnis zu erzielen. Unabhängig davon, ob Ihr Detektor bei weniger als einigen hundert Wörtern einen Wert anzeigt, ist Ihr Ergebnis weniger zuverlässig.

Einige geben weiterhin für jeden Absatz einen Prozentsatz aus, und die Werte sind bei kurzen Texten tendenziell weniger genau. Forschende bei TextPulse Research haben dies mit 25.561 Paaren aus menschlich verfassten akademischen Texten und ihren KI-Umschreibungen getestet. Bei 300 Wörtern haben sie einen Klassifikator so abgestimmt, dass er 95% der KI-Umschreibungen erfasst. Er kennzeichnete außerdem 33.9% der menschlichen Texte. Bei 25 Wörtern kennzeichnete er 67.6%.

Wie viele Wörter benötigt die KI-Erkennung?

KI-Erkennung erfordert einige hundert Wörter, um zuverlässig zu sein, also ein stabiles Ergebnis. Die Zuverlässigkeit fällt am schnellsten unter etwa 100 Wörtern. Der größte Teil der Zuverlässigkeit wurde in der TextPulse-Studie bei etwa 150 Wörtern erreicht. Danach stieg die Genauigkeit langsamer, von 84.0% bei 150 Wörtern auf 86.8% bei 300 Wörtern.

Andere Forschung weist auf ähnliche Schwellenwerte hin. Eine 2025 veröffentlichte Übersicht im Journal of Artificial Intelligence Research, die in der TextPulse-Arbeit zitiert wird, fasst die bisher berichteten Zahlen zusammen. Statistische und fein abgestimmte Klassifikatoren benötigen in der Größenordnung von 100 Wörtern, um genau zu arbeiten. Mehrere Standard-Detektoren benötigen ungefähr 120 Wörter, um ihre volle Leistung zu erreichen, und das Erkennen der stärksten Modelle dauert etwa 200 Wörter.

Wenn ein Detektor mehr Tokens sieht, also die Wortbestandteile, mit denen ein Sprachmodell arbeitet, wird es leichter, zwischen menschlichem und KI-Text zu unterscheiden. Wenn ein Detektor in einer kurzen Antwort nur wenige Tokens gesehen hat, gibt es nicht viel Evidenz für eines der beiden Urteile. Perplexity, Burstiness und die anderen beteiligten Maße werden im Leitfaden zu wie KI-Detektoren funktionieren erläutert.

Minimale Wortzahl für KI-Detektoren nach Tool: Turnitin, GPTZero und andere

Jeder Anbieter legt seine eigene Untergrenze oder Empfehlung fest, und nicht alle verwenden dieselbe Einheit. Turnitin zählt Wörter qualifizierter Prosa. Andere Anbieter empfehlen eine Länge oder beschreiben, wie sich die Genauigkeit verändert, wenn ein Text länger wird.

Detector	Was der Anbieter über die Textlänge angibt
Turnitin	Mindestens 300 Wörter qualifizierter Prosa, bevor ein KI-Score erzeugt wird, gegenüber einem früheren Minimum von 150 Wörtern angehoben, weil die Genauigkeit mit mehr Text steigt
GPTZero	Die Genauigkeit verbessert sich, wenn mehr Text eingereicht wird. Ganze Dokumente werden genauer klassifiziert als Absätze, und Absätze genauer als einzelne Sätze
ZeroGPT	Mindestens 150 bis 200 Wörter werden für ein stabiles Ergebnis empfohlen, wobei 500 bis 1.000 Wörter oder mehr die Zuverlässigkeit weiter verbessern. Sehr kurze oder stark bearbeitete Ausschnitte "tragen weniger Signale"
Pangram	Funktioniert am besten bei längerem Text, der in vollständigen Sätzen geschrieben ist. Das Unternehmen rät davon ab, kurze Aufzählungslisten oder stark formelhafte Texte zu prüfen
Sapling	Die veröffentlichten Werte für Erkennung und falsch positive Ergebnisse gelten für längere Texte. Kürzere Texte "können andere Genauigkeitsraten haben"

Dies ist die Untergrenze, auf die die meisten Studierenden stoßen, da Turnitin der integrierte Detector in vielen Lernplattformen von Universitäten ist. Unter 300 Wörtern qualifizierter Prosa wird im KI-Schreibbericht kein Score vergeben. Der Bereich unterhalb dieser Untergrenze und das Sternchen, das Turnitin für Scores unter 20% anzeigt, werden im Leitfaden zu wie Turnitin KI erkennt behandelt.

Ein Prozentsatz auf dem Bildschirm bedeutet nicht, dass ein Text die vom Tool selbst empfohlene Länge erreicht hat, da viele kommerzielle Prüfer einen einzelnen Absatz bewerten. Im Jahr 2023 benötigte der KI-Textklassifikator von OpenAI mindestens 1.000 Zeichen Eingabetext. OpenAI erklärte, dass er bei kurzen Texten sehr unzuverlässig sei, und entfernte ihn sechs Monate später wegen seiner geringen Genauigkeit.

Genauigkeit von KI-Detektoren nach Textlänge: Was die TextPulse-Forschung ergab

Das TextPulse Working Paper zu Textlänge und der Zuverlässigkeit der KI-Erkennung betrachtet allein die Länge, losgelöst von allen anderen Eigenschaften der Texte. Der Datensatz umfasst 25,561 Textpaare, bei denen sowohl der menschliche Text als auch seine KI-Überarbeitung mindestens 300 Wörter lang sind. Jeder Text wurde auf 25, 50, 100, 150, 200, 250 und 300 Wörter gekürzt. Für jede Wortlänge wurde der Klassifikator trainiert und getestet.

Dieselben Texte erscheinen bei jeder Länge, das heißt, Thema, Fachgebiet und KI-Modell bleiben konstant. Die Überarbeitungen stammen aus acht verschiedenen KI-Modellkombinationen über sechs Modellfamilien hinweg. Der Klassifikator bewertet 45 Stilmerkmale, etwa Wortlänge und Wortschatzvielfalt. Dies ist ein Forschungsinstrument, das Paper trifft keine Aussagen darüber, wie kommerzielle Detektoren diese Merkmale oder Schwellenwerte verwenden könnten. Siehe den Leitfaden dazu, ob KI-Detektoren genau sind, für Tests kommerzieller Werkzeuge.

Textlänge	Genauigkeit	Menschliche Texte fälschlich markiert, wenn 95% der KI-Überarbeitungen erkannt werden	KI-Überarbeitungen erkannt, wenn 1% der menschlichen Texte fälschlich markiert werden
25 words	73.9%	67.6%	17.2%
50 words	78.2%	58.8%	28.0%
100 words	82.3%	49.4%	40.5%
150 words	84.0%	44.1%	47.9%
200 words	85.2%	40.1%	50.5%
250 words	86.1%	36.7%	54.2%
300 words	86.8%	33.9%	56.5%
Full text	88.4%	28.6%	60.6%

Für die KI-Erkennung ist die Genauigkeit bei kurzen Texten in jeder Spalte der Tabelle schlechter, und die Genauigkeitsspalte unterschätzt den Verlust. Ein brauchbares Urteil erfordert einen Wert nahe einem der beiden Enden der Skala, und kürzere Texte verschieben sowohl menschliche als auch KI-Werte in Richtung der Mitte. Bei einem Schwellenwert, der darauf gesetzt ist, 95% der KI-Umschreibungen zu erfassen, stuft der Klassifikator bei 100 Wörtern etwa die Hälfte der menschlichen Texte fälschlich ein. Bei einem Schwellenwert, der darauf gesetzt ist, nur 1% der menschlichen Texte zu kennzeichnen, erfasst er bei 25 Wörtern 17.2% der KI-Umschreibungen.

AUC, das Hauptmaß des Papiers dafür, wie gut der Klassifikator die beiden Gruppen trennt, stieg von 0.817 bei 25 Wörtern auf 0.940 bei 300 Wörtern. Bei den vollständigen Texten, die auf der menschlichen Seite im Durchschnitt 466 Wörter umfassten, erreichte er 0.950. Der steilste Teil dieses Anstiegs lag unter 100 Wörtern, und jeder Schritt über 150 Wörter hinaus brachte weniger.

Warum die Zahl der falsch positiven Ergebnisse bei kurzen Texten steigt

Ein Detektor, der auf langen Dokumenten basiert, hat bei kurzen eine deutlich höhere Rate falsch positiver Ergebnisse. Das Papier stellte einen Klassifikator vor, der auf Texten voller Länge trainiert wurde und bei der Standard-Schwelle zur Klassifikation kurzer Texte verwendet wurde. Die Rate falsch positiver Ergebnisse des Systems für menschliche Texte lag zwischen 16.1% bei 300 Wörtern und 39.1% bei 100 Wörtern und 69.8% bei 25 Wörtern.

Seine Erkennung von KI-Umschreibungen änderte sich über denselben Bereich kaum, von 88.4% bei 300 Wörtern auf 92.4% bei 25 Wörtern. Die zusätzlichen Fehler waren falsche Kennzeichnungen menschlichen Schreibens. Das Papier beschreibt den Klassifikator bei kurzen Eingaben als systematisch darauf ausgerichtet, sie als KI zu bezeichnen.

Die Ursache ist mechanisch. Das Type-token ratio, der Anteil unterschiedlicher Wörter in einem Text, steigt, wenn ein Text kürzer wird, weil eine kurze Stichprobe weniger Gelegenheiten bietet, ein Wort zu wiederholen. Menschliche Texte in der Studie wiesen im Durchschnitt ein Verhältnis von 0.47 bei voller Länge und 0.87 bei 25 Wörtern auf. KI-Umschreibungen in voller Länge lagen im Durchschnitt bei 0.55.

Dieser Klassifikator, der auf Volltexten trainiert wurde, lernt, dass ein Verhältnis von etwa 0.55 KI-Schrift von menschlichem Schreiben trennt. Jeder 25-Wörter-Text, unabhängig davon, wer ihn geschrieben hat, liegt deutlich über diesem Verhältnis und wird in Richtung der KI-Seite verschoben. Die Arbeit weist darauf hin, dass ein eingesetzter Detektor nicht jedes Mal neu trainiert wird, wenn Sie die Eingabelänge ändern. Der Leitfaden zu Turnitin's veröffentlichter Falsch-Positiv-Rate behandelt, was diese Zahl einschließt und was sie auslässt.

Warum kurze Texte schwer zu klassifizieren sind

Kurze Texte geben einem Detektor von allem, was er misst, weniger. Weniger Wörter bedeuten weniger Tokens zum Vergleichen, und weniger Sätze bedeuten weniger Rhythmus zum Messen. In der Studie hatte ein 25-Wörter-Text im Durchschnitt 1.6 Sätze, ein 50-Wörter-Text 2.7 Sätze und ein 300-Wörter-Text 13.4 Sätze.

Die Variation der Satzlänge, oft als Burstiness bezeichnet, beruht auf dem Vergleich von Sätzen miteinander. In der Studie trennte sie menschliche und KI-Texte bei Volltexten um 0.71 Standardabweichungen und bei 100 Wörtern um 0.31. Bei 50 Wörtern war der Unterschied praktisch null. Ein Detektor, der auf Burstiness beruht, braucht mehrere Sätze, um sie zuverlässig zu messen.

Mehr von dieser Trennkraft bleibt auf Wortebene erhalten. Die durchschnittliche Wortlänge und die Rate langer Wörter behielten bei 25 Wörtern etwa zwei Drittel ihrer Trennkraft. Es gab jedoch auch eine Zunahme der Überlappung, bei 50 Wörtern neigten die Werte beider Gruppen dazu, sich zur Mitte hin zu bündeln. Ein großer Anteil jeder Gruppe landet in der Überlappung.

Wörtliche Zitate oder Standardformulierungen zählen in einem kurzen Text ebenfalls stärker. Eine 50-Wörter-Antwort hat etwa drei Sätze, also macht jeder Satz ungefähr ein Drittel von dem aus, was der Detektor sieht. Eine zitierte Definition in einem davon hat weit mehr Gewicht als derselbe Satz in einem 2,000-Wörter-Essay.

Diskussionsbeiträge, Abstracts, Kurzantwortprüfungen und Anschreiben

Beiträge in Diskussionsforen

Ein Beitrag, der für eine Vorgabe von 200 Wörtern geschrieben wurde, liegt unter Turnitin's 300-Wörter-Untergrenze, daher vergibt Turnitin dafür keinen KI-Score. Andere Tools können ihn dennoch bewerten. Bei 200 Wörtern markierte der Klassifikator der Studie fälschlich 40.1% der menschlichen Texte, wenn er darauf eingestellt war, 95% der KI-Umschreibungen zu erfassen, gegenüber 28.6% bei Volltexten.

Abstracts

Ein Abstract für eine Fachzeitschrift mit 250 Wörtern liegt nahe an der Untergrenze, und Abstracts sind dichte, formale Texte. Eine frühere TextPulse-Studie ergab, dass die menschlichen Texte, die ein Klassifikator falsch klassifiziert, die formalsten sind. Die Arbeit zur Textlänge fügt die Textlänge als zweite, getrennte Ursache für Fehlalarme hinzu, und ein kurzer, formaler Abstract ist beiden ausgesetzt. Wenn ein Abstract infrage gestellt wird, gibt die Prüfung des vollständigen Textes dem Detektor die Länge, die sein Anbieter empfiehlt.

Kurzantwortprüfungen

Antworten mit 50 bis 100 Wörtern liegen in dem Bereich, in dem die Zahlen der Studie am schnellsten sinken. Bei 50 Wörtern kennzeichnete ein Klassifikator, der darauf eingestellt war, 95% der KI-Umschreibungen zu erkennen, 58.8% der menschlichen Texte fälschlich als auffällig. Die Arbeit kommt zu dem Schluss, dass unter 50 Wörtern kein praktischer Grenzwert brauchbare Ergebnisse liefert. Sie fügt hinzu, dass es zuverlässiger ist, bei einem kurzen Text kein Urteil abzugeben, als ihn zu bewerten.

Anschreiben

Ein einseitiges Anschreiben für eine Stelle oder eine Einreichung bei einer Fachzeitschrift umfasst einige hundert Wörter, und ein großer Teil davon folgt festen Formulierungen. Pangram rät davon ab, stark formalisierte Texte zu prüfen. Wenn ein Anschreiben geprüft wird, sollte jeder Wert als Schätzung mit großer Unsicherheit behandelt werden.

Was zu tun ist, wenn Ihr Text unter der Untergrenze liegt

Belassen Sie den Text so, wie Sie ihn geschrieben haben, und geben Sie dem Wert stattdessen Kontext. Diese Schritte gelten für die schreibende Person und für die Person, die einen Wert überprüft.

1. Füllen Sie den Text nicht künstlich auf. Zusätzliche Wörter, die geschrieben werden, um eine Untergrenze zu erreichen, verändern den Text, den Sie verfassen sollten, und der Wert beschreibt dann die aufgefüllte Version.
2. Prüfen Sie nach Möglichkeit das gesamte Dokument. Ein vollständiger Aufsatz oder ein Kapitel gibt dem Detektor die von ihm empfohlene Länge, und der kurze Abschnitt wird als Teil eines längeren Textes bewertet.
3. Sehen Sie sich die Satzansicht an. Detektoren, die Sätze bewerten, zeigen, welche Zeilen das Ergebnis bestimmen, und in einem kurzen Text ist das oft ein oder zwei Sätze, etwa eine zitierte Definition.
4. Bewahren Sie Ihre Entwürfe und die Versionsgeschichte auf. Sie zeigen, wie sich der Text entwickelt hat, und ein Wert für eine kurze Passage kann das nicht zeigen.
5. Fragen Sie, wie der Wert verwendet werden soll. Ein Ergebnis für einen Text unter der vom Anbieter selbst empfohlenen Länge ist ein schwaches Signal, und eine prüfende Person sollte es entsprechend gewichten.

Für Mitarbeitende verweist die Diskussion des Papiers auf eine einfache Regel: mehr Text verlangen oder unterhalb einer festgelegten Länge kein Urteil abgeben. Turnitins Mindestgrenze von 300 Wörtern ist eine solche Regel. Sobald ein vollständiger Bericht vorliegt, erklärt der Leitfaden zu was ein guter Turnitin-Score ist, wie er zu interpretieren ist.

Wie TextPulse kurze Texte behandelt

TextPulse verwendet keinen KI-Detektor und verkauft keine Detektor-Scans. TextPulse zeigt nach jeder Humanisierung einen Human Score (0 bis 100) an. Dieser Score ist eine Schätzung, die innerhalb der App auf Grundlage der Tiefe der Überarbeitung, der Vielfalt des Wortschatzes, der Token-Verteilung und der Variation der Satzlänge Ihres Textes erstellt wird. Für die Berechnung dieses Scores wurde kein Detektor verwendet.

Der AI Humanizer benötigt mindestens 50 Wörter pro Humanisierung, und er verarbeitet im Pro-Tarif bis zu 500 Wörter pro Durchgang und im Plus-Tarif 1.000. Der Document Humanizer kann mit einer gesamten englischen .docx-Datei mit einer Länge von bis zu 15,000 Wörtern arbeiten. Er benötigt mindestens 50 Wörter Fließtext und belässt Überschriften, Listen, Tabellen, Bildunterschriften und Verweise unverändert. Beide sind darauf ausgelegt, KI-Scores bei Entwürfen zu senken, bei denen Ihr Kurs oder Ihre Zeitschrift KI-Unterstützung erlaubt.

Bevor Sie Ihren Text in einen Detektor einfügen, prüfen Sie seine Länge mit dem kostenlosen Word Counter. Dieses Tool zählt Wörter, Zeichen mit und ohne Leerzeichen, Sätze und eindeutige Wörter, sodass Sie einen Text mit einer in einer der beiden Einheiten angegebenen Mindestgrenze vergleichen können. Alle Details zur Längenstudie, die Scores pro Text und der Analysecode, sind auf Zenodo offen verfügbar, und das Forschungsportal führt die Studie zusammen mit den anderen TextPulse-Papieren auf.