Pangram AI Detector Test: Das Tool, das Forschende weiter validieren

Pangram ist der AI-Detektor, den unabhängige Forschende immer wieder hervorheben, was ihn eine genauere Betrachtung wert macht als die übliche Anbieter-Bewertung. Der Hersteller, Pangram Labs, gibt eine False-Positive-Rate von ungefähr 1 zu 10,000 und eine angegebene Genauigkeit von 99.98 percent an. Das sind die eigenen Zahlen des Unternehmens, gemessen an den eigenen Benchmarks. Was Pangram von den meisten anderen Angeboten unterscheidet, ist, dass ausnahmsweise neuere externe Forschung in dieselbe allgemeine Richtung weist.

In den vergangenen 12 Monaten erschienen zwei unabhängige Evaluierungen: eine peer-reviewed Studie der Vrije Universiteit Brussel, veröffentlicht von Springer im June 2026, und ein Working Paper der University of Chicago Booth School, das im Chicago Booth Review im December 2025 behandelt wurde. Beide ordneten Pangram klar vor bekannteren Konkurrenten ein, darunter Turnitin, GPTZero und Copyleaks. Keine der beiden Studien macht den Score eines Detektors zum Beweis für irgendetwas über ein bestimmtes Dokument, und beide sagen das auch ausdrücklich.

Im Folgenden geht es darum, was Pangram über sich selbst behauptet, was die beiden Studien tatsächlich gemessen haben, wo die Evidenz noch dünn ist und was der Aufstieg dieses Werkzeugs über den Rest des Detektionsfeldes aussagt.

Was Pangram ist und wer es nutzt

Pangram Labs ist ein kleines Unternehmen, das 2023 in Brooklyn von AI-Forschenden gegründet wurde, die zuvor bei Tesla und Google gearbeitet hatten. Das Produkt prüft eingefügten oder hochgeladenen Text und gibt eine Schätzung zurück, wie viel davon AI-generiert ist, mit Hervorhebung auf Satzebene, außerdem Bilddetektion und Plagiatsprüfung in kostenpflichtigen Tarifen.

Seine Nutzerbasis sieht anders aus als die von Turnitin. Turnitin wird an Institutionen verkauft und läuft in Learning-Management-Systemen, Pangram kann von jeder Person mit einem kostenlosen Konto genutzt werden, was bedeutet, dass Studierende, Redakteurinnen und Redakteure, Mitarbeitende von Fachzeitschriften und Personen in Zulassungsverfahren es direkt verwenden. Es ist der Neuling in diesem Markt, und es ist zunehmend das Werkzeug, zu dem Forschende im Bereich akademische Integrität greifen, wenn sie einen Vergleichspunkt suchen, gerade weil es in Tests weiterhin Leistungen zeigt, die die etablierten Anbieter nicht erreichen.

Was der Anbieter behauptet

Pangrams Homepage wirbt mit einer Genauigkeit von 99.98 Prozent und gibt an, dass ihre Falsch-Positiv-Rate, also die Rate, mit der menschliche Dokumente fälschlich als KI markiert werden, derzeit 1 in 10,000 beträgt. Ein Unternehmensblogbeitrag über Falsch-Positive, verfasst von seinem CTO, gliedert diese Gesamtzahl nach Genre auf: 0.004 Prozent bei akademischen Essays, 0.001 Prozent bei wissenschaftlichen Abstracts, mit Schwachstellen, die das Unternehmen selbst offenlegt, etwa 0.05 Prozent bei Gedichten und 0.23 Prozent bei Rezepten. Das Unternehmen behauptet außerdem, dass sein Modell KI-Text weiterhin erkennt, nachdem dieser durch sogenannte Humanizer-Tools verarbeitet wurde.

All dies sind selbst berichtete Zahlen aus den eigenen Testdatensätzen des Anbieters, und derselbe Beitrag enthält auch die eigenen Vorbehalte des Anbieters: Das Modell funktioniert am besten bei längeren Texten, die in vollständigen Sätzen geschrieben sind, und das Unternehmen rät davon ab, kurze Aufzählungen oder stark formelhafte Texte zu prüfen. Behalten Sie beide Hälften davon im Blick. Die Behauptungen sind ungewöhnlich spezifisch und ungewöhnlich niedrig, und es bleiben dennoch Behauptungen, bis jemand außerhalb des Unternehmens sie überprüft.

Was unabhängige Belege zeigen

Der bislang stärkste Test ist eine peer-reviewte Studie von Van Vlasselaer, Van Droogenbroeck und Spruyt an der Vrije Universiteit Brussel, veröffentlicht im Juni 2026 im International Journal for Educational Integrity. Das Team erstellte 160 akademische Arbeiten auf Master-Niveau mit jeweils mindestens 4.000 Wörtern: 40 von echten Studierenden vor 2019 verfasst, 40 vollständig mit GPT-4o Deep Research generiert, 40 hybrid und 40 zunächst von KI generiert und dann absichtlich humanisiert. Sie ließen alle durch Turnitin, GPTZero, Copyleaks und Pangram laufen.

Bei den vollständig von KI generierten Arbeiten berichtet die Studie, dass Turnitin, GPTZero und Copyleaks "komplett versagten, die KI-generierten Inhalte zu erkennen." Turnitin bewertete jede dieser 40 Arbeiten mit zwischen 0 und 20 Prozent KI-Anteil; die Medianwerte der drei etablierten Systeme lagen bei Arbeiten, die zu 100 Prozent maschinell geschrieben waren, alle unter 20 Prozent. Pangram erreichte bei derselben Stichprobe eine strikte Genauigkeit von 65 Prozent und eine inklusive Genauigkeit von 97.5 Prozent und klassifizierte eine Arbeit falsch. Bei der humanisierten Stichprobe identifizierte Pangram KI-Inhalte in 37 von 40 Fällen korrekt, eine strikte Genauigkeit von 92.5 Prozent, während GPTZero 2.5 Prozent, Copyleaks 22.5 Prozent und Turnitin 50 Prozent erreichte.

Tool	Vollständig KI-Arbeiten (strikte Genauigkeit)	Humanisierte KI-Arbeiten (strikte Genauigkeit)	Humanarbeiten korrekt als unbedenklich eingestuft
Pangram	65%	92.5%	100%
Turnitin	0%	50%	100%
GPTZero	0%	2.5%	100%
Copyleaks	0%	22.5%	100%

Der zweite Datenpunkt ist ein Working Paper von Brian Jabarian und Alex Imas an der Chicago Booth, das im Dezember 2025 im Chicago Booth Review zusammengefasst wurde. Bei Tests von Detektoren an ungefähr 2,000 von Menschen verfassten Passagen über sechs Medienformen hinweg sowie an KI-Versionen von vier Frontier-Modellen stellten sie fest, dass die Falsch-Positiv-Rate von Pangram über die meisten Entscheidungsschwellen hinweg praktisch null war, mit einer Genauigkeit, die in ihrem Korpus nie unter 99.8 Prozent fiel, und Falsch-Negativ-Raten zwischen 2 und 4 Prozent, je nach Modell. Die Forschenden schlagen vor, dass Institutionen eine strikte Obergrenze für Richtlinien einführen, etwa nicht mehr als 0.5 Prozent der menschlichen Texte als auffällig markieren, bevor sie einem Detektor operativ vertrauen. Beachten Sie den Statusunterschied, das Booth Paper ist ein Working Paper, noch nicht peer reviewed, und es testete unveränderten KI-Text statt vermenschlichter akademischer Arbeiten.

Falsch-Positive und wer darunter leidet

Falsch-positive Ergebnisse sind der Bereich, in dem sich der Schaden durch Detektoren konzentriert, und das in dieser Branche dokumentierte Muster ist, dass Markierungen unverhältnismäßig häufig nicht muttersprachliche englische Schreibende treffen. Die VUB-Studie ist genau zu diesem Punkt lesenswert: Ihre 40 menschlichen Arbeiten wurden alle von nicht muttersprachlichen englischen Schreibenden verfasst, und alle vier Werkzeuge, einschließlich Pangram, stuften 100 Prozent von ihnen korrekt ein. Das ist ein wirklich ermutigendes Ergebnis, und es sind zugleich 40 Arbeiten. Eine Stichprobe dieser Größe kann eine Rate wie 0.004 Prozent nicht bestätigen, nur die deutlich umfangreicheren internen Tests des Anbieters selbst liefern derart genaue Zahlen, und keine externe Partei hat sie in diesem Umfang repliziert.

Der Abschnitt der Studie zu realen Fällen zeigt, warum Vorsicht auch bei guten Benchmarks bestehen bleibt. Als die Forschenden Pangram auf 1.163 tatsächliche Masterarbeiten aus den Jahren 2024 und 2025 anwandten, stufte es 45.5 Prozent von ihnen auf irgendeiner Ebene ein, mit einem medianen geschätzten KI-Anteil von 30 Prozent unter den als auffällig markierten Fällen, und für keine dieser Arbeiten existiert eine Ground Truth. Die Autorinnen und Autoren sind eindeutig: Erkennungswerte sind nützliche erste Hinweise und sollten niemals die alleinige Grundlage für Entscheidungen mit hohen Konsequenzen sein. Eine Studentin oder ein Student, der mit einem Vorwurf konfrontiert ist, braucht weiterhin verfahrensbasierte Wege, die Urheberschaft nachzuweisen, unabhängig davon, welcher Detektor die Zahl erzeugt hat.

Preisgestaltung und Zugang

Die Website von Pangram bietet nach der Registrierung für ein Konto 20 kostenlose Prüfungen pro Tag, wobei kostenpflichtige Abonnements das Kreditvolumen und Funktionen wie die Plagiatserkennung erweitern. Dieses Zugangsmodell ist ebenso wichtig wie die Genauigkeitswerte: Anders als Turnitin, dem eine Autorin oder ein Autor nur begegnet, wenn eine Institution es gegen sie oder ihn einsetzt, kann Pangram direkt geprüft werden, sodass eine Autorin oder ein Autor dieselbe Art von Signal sehen kann, die eine Gutachterin oder ein Gutachter vor einer Einreichung sehen könnte.

Wo Pangram in die Detektorlandschaft passt

Die Zusammenfassung des Feldes durch die VUB-Autorinnen und -Autoren ist unmissverständlich: "Von den vier hier untersuchten KI-Erkennungstools lieferte zum jetzigen Zeitpunkt nur eines zufriedenstellende Ergebnisse." Dieser Satz sagt ebenso viel über die etablierten Anbieter wie über Pangram aus. Turnitin, das Tool, auf das die meisten Institutionen tatsächlich angewiesen sind, erreichte für den vollständig KI-generierten Datensatz den Wert null, und seine gesondert dokumentierte Falsch-Positiv-Rate hat Universitäten bereits dazu gezwungen, seine Werte mit Vorsicht zu behandeln. Alle diese Tools messen statistische Eigenschaften von Text, und die zugrunde liegende Funktionsweise erklärt sowohl, warum Pangrams neuerer Trainingsansatz voraus sein kann, als auch, warum jedes einzelne von ihnen probabilistisch bleibt.

Das ehrliche Urteil: Pangram ist derzeit der am besten unterstützte Detektor in unabhängigen Tests, und zwar mit großem Abstand, auf Grundlage der jüngsten Evidenz. Diese Evidenz ist jedoch auch eng begrenzt. Zwei Studien, eine peer reviewed, eine nicht, beide aus dem vergangenen Jahr, überwiegend Englisch, überwiegend längere akademische und Webtexte. Erkennung ist ein Wettrüsten gegen Modelle, die sich vierteljährlich ändern, und ein Werkzeug, das 2026 führt, behält diese Führung nur bis zur nächsten Generation von Text. Ein Pangram-Score ist eine besser kalibrierte Schätzung als die, die seine Konkurrenten liefern. Es bleibt dennoch eine Schätzung, kein Beleg dafür, was eine bestimmte Person getan hat.

Siehe den vollständigen Vergleich

Pangram ist ein Werkzeug in einem überfüllten, uneinheitlichen Feld. Wie es sich im Vergleich zu Turnitin, GPTZero, Copyleaks, ZeroGPT und den übrigen nach denselben Kriterien schlägt, zeigt der vollständige Leitfaden AI detectors compared.

Was unsere eigene Forschung zeigt

In der Detektor-Übereinstimmungsstudie von TextPulse Research bewerteten neun kommerzielle KI-Detektoren dieselben 90 akademischen Texte. Einer davon war ein Hybridtext mit 455 Wörtern: ein von Menschen geschriebener Anfang und Schluss um einen KI-generierten Mittelteil von 168 Wörtern. Pangram bewertete diesen Text mit 34% KI, während die Urteile der anderen Tools zu denselben Wörtern von 0% bis 95.7% KI reichten. Das vollständige Paper, das Korpus und die Score-Matrix aller Tools sind frei zugänglich unter TextPulse Research.