
Letzte Woche haben wir bekannt gegeben, dass Pangram nun in der Lage ist, KI-Humanizer zu erkennen. Aber vielleicht fragen Sie sich: Was ist ein Humanizer? Und für wen sind sie gedacht?
Stell dir Folgendes vor: Du bist Student. Du hast gerade einen Aufsatz mit ChatGPT verfasst oder deine Hausaufgabenfragen in eine KI eingegeben. Du weißt jedoch, dass die eingereichten Arbeiten auf KI-Inhalte überprüft werden. Deshalb suchst du nach einer Möglichkeit, die wahre Herkunft der Inhalte zu verschleiern.
Humanizer sind die Lösung für Ihr Problem: Sie kopieren Ihren Text, fügen ihn in einen Humanizer ein und „verbergen“ so die Tatsache, dass er von einer KI verfasst wurde.

Zahlreiche Anbieter von Textumformern preisen die Umgehung der KI-Erkennung von Turnitin als zentrales Merkmal an. Turnitin ist ein Tool, das entwickelt wurde, um Plagiate und KI-generierte Texte an Schulen und Universitäten aufzudecken.
Humanizer nutzen eine breite Palette von Techniken, um KI-Texte zu verändern, zu verzerren und zu verschleiern, um deren wahre Urheberschaft zu verbergen. Um die Auswirkungen dieser Verfahren auf bestimmte Textpassagen zu verstehen, haben die Forscher von Pangram Textbeispiele von 19 öffentlich zugänglichen Humanizern gesammelt und die Auswirkungen der Humanisierung auf jedes Beispiel manuell bewertet. Hier sind unsere Ergebnisse:
Bei unserer Überprüfung humanisierter Texte sind uns mehrere Techniken aufgefallen, die von Humanisierern immer wieder angewendet werden. Dazu gehören:
Manchmal versuchen die Verfasser, eine Erkennung zu umgehen, indem sie Wörter durch Synonyme ersetzen. Dies kann jedoch den Text beeinträchtigen, da Synonyme nicht immer genau dieselbe Bedeutung haben. Nehmen wir zum Beispiel den folgenden Satz:
Ursprünglicher Satz:
Ich muss mein Auto zur Reparatur bringen, weil der Motor ein seltsames Geräusch macht.
Satz mit Synonymersetzung:
Ich muss mein Auto reparieren lassen, da der Motor ein seltsames Geräusch macht.
Auch wenn jedes Wort vordergründig dasselbe bedeutet, schadet dies dem Text und mindert offensichtlich dessen Verständlichkeit und Lesefluss, was manchmal zu komischen Effekten führt.
Manchmal fügen „Humanizer“ einem Text unsinnige Formulierungen hinzu, in der Hoffnung, dass KI-Detektoren zu dem Schluss kommen, dass dieses Kauderwelsch kaum von einer KI stammen kann.
Beispiel für Unsinn:
...werden sich daher stärker auf ihr Studium konzentrieren. CGSizeMake, S. 18–23. Und zu guter Letzt…
Beispiel für den Originaltext:
In einer von Technologie geprägten Zeit hat die Bequemlichkeit von Mobiltelefonen die Art und Weise, wie wir kommunizieren und auf Informationen zugreifen, grundlegend verändert. Dieser Fortschritt hat jedoch schwerwiegende Folgen, insbesondere wenn Mobiltelefone während der Fahrt benutzt werden.
Beispiel für eine Verschlechterung der Qualität:
Heutzutage ermöglicht uns die Technologie eine bequeme Kommunikation und den einfachen Austausch von Informationen über Mobiltelefone, doch dies hat auch eine Kehrseite, nämlich die Nutzung dieser Geräte während der Fahrt, denn Mobiltelefone stellen eine große Gefahr für alle dar…
Humanizer sind eine neue Art von Tools, die darauf ausgelegt sind, der KI-Erkennung zu entgehen. Der Einsatz eines Humanizers birgt jedoch immer ein Risiko. Neue Untersuchungen von Pangram zeigen, dass KI-Detektoren mit geringfügigen Anpassungen darauf trainiert werden können, humanisierten Text zu erkennen – selbst wenn der Humanizer speziell entwickelt wurde, um ein bestimmtes Modell zu umgehen. Einblicke dazu, wie verschiedene Tools mit dieser Herausforderung umgehen, finden Sie in unserem Vergleich von KI-Detektoren. Darüber hinaus riskieren Sie bei der Verwendung eines Humanizers, die Qualität Ihres Textes zu beeinträchtigen und Unsinn in Ihre Ausgabe einzufügen.
Schließlich ist unser Modell hier bei Pangram in der Lage, mehr als 90 % der hochwertigen humanisierten Inhalte zu erkennen. Wenn Sie mehr darüber erfahren möchten, lesen Sie hier unsere Ankündigung oder wenden Sie sich an info@pangram.com!

Elyas Masrour ist Gründungsingenieur bei Pangram. Seit er direkt nach seinem Abschluss an der University of Maryland als zweiter Mitarbeiter zu Pangram kam, hat er wichtige Infrastrukturkomponenten wie die Modell-Serving-API, rollenbasierte Zugriffskontrollen und unterstützende Evidenz-Pipelines aufgebaut. Elyas arbeitet zudem eng mit dem Forschungsteam an Projekten wie adversarialer Robustheit, Modellinterpretierbarkeit und der Erkennung heterogener gemischter Inhalte zusammen. Außerhalb der Arbeit genießt Elyas die vielfältigen Ausdrucksformen menschlicher Kreativität, darunter Filmemachen, Lesen und das Erkunden der Stadt.






