Wie GPTZero funktioniert

Geben Sie "how gptzero works" in eine Suchleiste ein, und vieles von dem, was zurückkommt, beschreibt weiterhin perplexity und burstiness, die beiden Statistiken, die der Gründer in den ersten Wochen nach der Veröffentlichung von ChatGPT bekannt gemacht hat. Diese Beschreibung war im Januar 2023 zutreffend. Seit dem Herbst desselben Jahres ist sie nicht mehr zutreffend, als die eigene Dokumentation von GPTZero angibt, dass das Unternehmen diese Methode durch etwas völlig anderes ersetzt hat. Die Lücke zwischen dem, was das Tool bei der Einführung tat, und dem, was es heute tut, ist groß genug, dass die meisten noch heute kursierenden Erklärungen ein Produkt beschreiben, das nicht mehr existiert.

Heute führt GPTZero einen Satz-für-Satz-Klassifikator über einen großen gemischten Korpus aus von Menschen erzeugten und von AI erzeugten Texten aus, statt eine perplexity-Berechnung vorzunehmen. Das heutige GPTZero liefert weiterhin eine einzelne zentrale Zahl, aber die Berechnung ist anders. Auch die Hervorhebung auf Satzebene unter der zentralen Zahl hat heute eine andere Bedeutung als 2023. Beide Versionen der Geschichte sind wissenswert, diejenige, die die Begriffe berühmt gemacht hat, und diejenige, die heute tatsächlich läuft.

Die Geschichte: Wie perplexity und burstiness GPTZero berühmt machten

Am 2. Januar 2023 veröffentlichte der damalige Princeton-Student Edward Tian eine öffentliche Demo von GPTZero, nur wenige Wochen nachdem ChatGPT erschienen war. Seine ursprüngliche Erklärungsseite beschreibt, wie er zwei aus dem Sprachmodellieren entlehnte Statistiken verwendete, um zu erkennen, wann ein Sprachmodell etwas geschrieben hat. Perplexity ist ein Wert dafür, wie überrascht ein Referenzmodell von den Wortwahlentscheidungen im Text war. Burstiness ist der Name, den GPTZero für das Ausmaß dieser Schwankung innerhalb eines Dokuments verwendet. Diese Erklärungsseiten sind der Grund, warum beide Wörter überhaupt in die alltägliche Diskussion über AI-Schreiben eingegangen sind. Die meisten Menschen, die heute perplexity oder burstiness definieren können, haben die Begriffe von GPTZero gelernt, nicht aus einem Lehrbuch.

Der Mechanismus selbst war einfach zu beschreiben. Man führt einen Abschnitt durch ein Referenzsprachmodell, und Prosa, die das Modell als sehr vorhersehbar, mit niedriger Perplexität, einstuft, wirkt typisch für Maschinen, da die Generierung dazu neigt, das wahrscheinlichste nächste Wort dem überraschenden vorzuziehen. In der eigenen, inzwischen eingestellten Dokumentation veröffentlichte GPTZero sogar eine Faustregel: Ein Perplexity-Wert über 85 galt als eher menschlich als maschinell. Dieser Schwellenwert stammte von einem Anbieter, für ein Modell, zu einem bestimmten Zeitpunkt, und GPTZero selbst steht heute nicht mehr dahinter.

Wie GPTZero jetzt funktioniert: ein Klassifikator auf Satzebene

Das Support-Center von GPTZero stellt klar, dass das Unternehmen seit Herbst 2023 Perplexity und Burstiness nicht mehr zur Erkennung verwendet, nachdem es auf eine Deep-Learning-Architektur umgestellt hatte. Die aktuelle Technologieseite, die für diesen Beitrag geprüft wurde, bestätigt, dass die Umstellung vollständig ist: Sie beschreibt einen End-to-End-Deep-Learning-Ansatz, der mit Texten aus dem Web, dem Bildungsbereich und einer Reihe von Sprachmodellen trainiert wurde und ein Satz-für-Satz-Klassifikationsmodell ausführt, das eine Wahrscheinlichkeit und einen Vertrauenswert ausgibt. Perplexity und Burstiness werden auf dieser Seite nirgends erwähnt.

Seitdem hat es auch eine Verteidigungsschicht hinzugefügt, einen Paraphraser Shield, der darauf ausgelegt ist, KI-Text zu erkennen, der durch ein Umschreibwerkzeug geleitet wurde, um die Erkennung zu umgehen. Sie können Text einfügen, Word-Dokumente, PDFs und Bilddateien hochladen und bis zu fünfzig Dateien auf einmal verarbeiten. All diese Infrastruktur hat nichts damit zu tun, zu zählen, wie oft ein Referenzmodell dasselbe Wort vorhergesagt hätte.

Was ein GPTZero-Bericht tatsächlich zeigt

Ein GPTZero-Ergebnis umfasst drei Teile: eine Klassifikation als KI, menschlich oder gemischt, einen Prozentsatz, der die Wahrscheinlichkeit des Modells ausdrückt, dass das Dokument von KI verfasst wurde, und ein Vertrauenslabel, das beschreibt, wie zuverlässig diese bestimmte Vorhersage ist. Das Label ist wichtiger, als es zunächst erscheinen mag. GPTZero verknüpft "highly confident" mit einer Fehlerrate unter 2 Prozent und "low confidence" mit einer Fehlerrate von 14 Prozent oder höher, also mit einer ausreichend großen Spannweite, dass derselbe Prozentwert in der Überschrift von Bericht zu Bericht ein sehr unterschiedliches Gewicht haben kann.

Bezahlte Scans fügen eine Hervorhebung auf Satzebene hinzu, und sie ist korrekt zu lesen. GPTZero beschreibt die hervorgehobenen Sätze als diejenigen, die den Gesamtwert unverhältnismäßig stark beeinflussen, nicht als eine Liste von Vorwürfen gegen einzelne Zeilen. Ein Satz kann unmarkiert bleiben und dennoch das Ergebnis geprägt haben, weil der Klassifikator das Dokument als Ganzes liest, statt Satz für Satz abzustimmen.

Berichtelement	Was es Ihnen sagt
Klassifikation	Ein einzelnes Label: AI, menschlich oder gemischt
AI-Wahrscheinlichkeitswert	Ein Prozentsatz, der widerspiegelt, wie wahrscheinlich das Modell das Dokument als von AI geschrieben einstuft
Vertrauenslabel	Reicht von sehr hoher Sicherheit, unter einer Fehlerquote von 2 Prozent, bis zu geringer Sicherheit, 14 Prozent oder höher
Satzhervorhebung	Markiert auf Advanced Scan die Sätze, die am stärksten zum Wert beitragen, nicht jeden Satz, der damit verbunden ist

Keines dieser Berichtelemente existierte in seiner heutigen Form, als die Erklärung zu perplexity und burstiness noch GPTZero's öffentliche Selbstbeschreibung war. Die Benutzeroberfläche änderte sich zusammen mit der Methode.

Warum die Beschreibung von Perplexity und Burstiness weiterhin zirkuliert

GPTZero's ursprüngliche Erklärung ist weiterhin online, weiterhin indexiert und weiterhin eine der klareren allgemeinen Beschreibungen davon, wie perplexity und burstiness als Konzepte funktionieren. Suchmaschinen und andere Websites zitieren sie weiterhin, und einige verweisen auf eine weithin geteilte Rezension aus dem Jahr 2026, die behauptet, das Tool betreibe weiterhin stillschweigend eine Ebene für perplexity und burstiness neben seinem Klassifikator. GPTZero's eigene aktuelle Seiten, die Technologieseite und beide Supportartikel, sagen das Gegenteil: Die Begriffe wurden eingestellt, nicht bloß im Hintergrund verborgen. Eine Seite, die ein Konzept abstrakt beschreibt, ist nicht dasselbe wie eine Seite, die die heutige Methode dieses Tools beschreibt, und die beiden als austauschbar zu behandeln, ist der Hauptgrund dafür, dass die Verwirrung noch drei Jahre über ihr Ablaufdatum hinaus anhält.

Dies ist über bloße Nebensächlichkeiten hinaus von Bedeutung. Einem Studierenden oder Kollegen zu sagen, er solle die Perplexität senken oder die Satzlänge gezielt so verteilen, dass GPTZero überlistet wird, bedeutet, einen Rat zu geben, der auf eine Version des Produkts zielt, die 2023 nicht mehr in Betrieb war. Was einen Satzklassifikator beeinflusst, ist eine verwandte, aber andere Frage, näher an der umfassenderen Darstellung von wie AI-Detektoren tatsächlich funktionieren als an einer der beiden Kennzahlen für sich genommen. GPTZero misst sie nach eigener Darstellung weiterhin, sie gehören dort zu sieben Indikatoren, die das aktuelle Modell speisen, aber sie sind nicht mehr das Kriterium, das die Antwort entscheidet.

Was GPTZero nach eigener Aussage nicht tun kann

Die von GPTZero angegebenen Genauigkeitswerte sind ungefähr so hoch, wie ein Anbieter wahrscheinlich über sein eigenes Produkt veröffentlichen wird: 96.5 Prozent Genauigkeit bei gemischten Dokumenten, eine gesamte Falsch-Positiv-Rate, die das Unternehmen bei 1 Prozent begrenzt, und 1.1 Prozent speziell bei TOEFL-Aufsätzen, einem gängigen Ersatzmaß für nicht muttersprachliches Englischschreiben. Diese Zahlen stammen aus der eigenen Evaluation von GPTZero, ohne dass auf der Seite, die sie berichtet, eine unabhängige Replikation genannt wird.

Die eigene Seite zu den Einschränkungen von GPTZero ist spezifischer als die Marketingangaben. Das Unternehmen erklärt, dass die Genauigkeit steigt, wenn mehr Text eingereicht wird, und auf Satz- und Absatzebene im Vergleich zum vollständigen Dokument abnimmt. Es erklärt, dass seine Trainingsdaten überwiegend aus englischer Prosa von Erwachsenen bestehen, sodass Text, der von diesem Muster abweicht, schwerer zuverlässig zu klassifizieren ist. Es erklärt, dass der Klassifikator nicht darauf trainiert ist, KI-Text zu erkennen, der nach der Generierung stark verändert wurde. Und es erklärt ausdrücklich, dass auch andere maschinell erzeugte oder stark prozedurale Texte, nicht nur Chatbot-Ausgaben, auf dieselbe Weise markiert werden können.

Nichts davon ist ein Grund, GPTZero's Zahl als unanzweifelbar zu behandeln, und es ist nicht der einzige Detektor, den man aus seinen eigenen Voraussetzungen heraus verstehen sollte. Leser, die neugierig sind, worauf ein solcher Klassifikator tatsächlich reagiert, können sich ein Bild dieses Musters selbst mit einem kostenlosen Perplexity-Checker oder einem kostenlosen Burstiness-Checker machen, zwei Bestandteile einer umfassenderen Sammlung kostenloser Tools, die die anderen statistischen Ebenen abdeckt, auf die sich ein solcher Bericht stützt.

GPTZero's zwei zentralen Statistiken haben eigene Seiten: was Perplexity in der KI-Erkennung misst, und die Token-Wahrscheinlichkeitsarithmetik, die beide Zahlen erzeugt.

Ein Tool, das bereit ist, seine eigenen blinden Flecken so genau zu benennen, verdient mehr Vertrauen als eines, das behauptet, keine zu haben, und der nächste unerklärte Prozentsatz in einem Bericht ist ein guter Ausgangspunkt, um zu fragen, welche Art von Tool ihn erzeugt hat.