Bittet man ein Sprachmodell, einen Artikel neu zu schreiben, liefert es flüssig lesbaren Text — und verrät sich dabei laut einer neuen Studie zuverlässig selbst.
Die Marketingfirma Graphite verglich, wie führende Modelle Texte umschreiben, mit menschlichem Schreiben. Als Kontrollgruppe diente ein Korpus von 10.000 Artikeln, die vor der Veröffentlichung von ChatGPT erschienen waren; verschiedene KI-Modelle mussten diese Artikel anhand von Zusammenfassungen neu schreiben. Das Ergebnis: rund 13.000 Wendungen, die in KI-Texten mindestens doppelt so häufig vorkommen wie in menschlichen — die Definition eines "Tells" in der Studie.
Jedes Modell hat eigene Gewohnheiten. Anthropics Claude Opus 5.5 stützt sich auf das Wort "dependable" (verlässlich), das 23-mal häufiger auftaucht als in den menschlichen Stichproben, und erklärt deutlich öfter, warum etwas wichtig ist: "this matters" erscheint 116-mal häufiger, "why X matters" 92-mal häufiger. Laut Graphite hat Opus 5.5 die Konstruktion "nicht X, sondern Y" weitgehend abgelegt, bevorzugt aber weiterhin "ist mehr als ein X, es ist ein Y".
OpenAIs Astra hat einen anderen Fingerabdruck. Das Modell greift gern auf "eine andere Dimension" eines Themas zurück, formuliert vorsichtig mit "may provide" oder "can provide" und neigt besonders zu dem, was Graphite "corrective framing" nennt: etwas als "nicht einfach X" zu definieren oder eine Alternative anzubieten, "statt sich auf X zu verlassen". Solche Konstruktionen kamen mehr als 100-mal häufiger vor als in menschlichen Texten.
Der vertraute Em-Dash-Tell verschwindet. Opus 5.5 nutzte das Satzzeichen 99% seltener als Opus 5, Astra 88% seltener als die menschliche Vergleichsbasis, und Gemini 3.1 Pro hat es fast vollständig abgeschafft. Graphites Chief AI Officer Greg Druck sagte gegenüber TechCrunch, Claude-Modelle näherten sich der menschlichen Wortverteilung an, während sich GPT-Modelle davon entfernten; die Gesamtzahl der Tells bleibe stabil, auch wenn die bekanntesten verschwänden. Seine Arbeitshypothese: Die Labore kontrollieren davon weniger, als sie behaupten, denn "das sind riesige Modelle mit Milliarden von Parametern", bei denen einiges durchrutscht.
