Wie genau ist der KI-Detektor von Sapling?

Der KI-Detektor von Sapling ist genau genug für einen schnellen ersten Blick, aber nicht genau genug, um eine Frage dazu zu klären, wer einen Text geschrieben hat. Auf der eigenen Seite des Detektors heißt es, dass „die Genauigkeit je nach Datensatz, Textlänge und Entscheidungsschwelle variiert“, und dass kein Detektor „als alleinstehende Prüfung verwendet werden sollte“. Die unabhängige Evidenz ist dünn. Der bestdokumentierte Test von Sapling ergab, dass 18 von 30 menschgeschriebenen Physikaufsätzen als KI markiert wurden. Sapling hat sein Modell im September 2026 aktualisiert, daher beschreiben ältere Ergebnisse eine frühere Version.

Wenn Sapling Ihre eigene Arbeit markiert hat, beschreibt der Wert Muster im Text, und er ist kein Beleg dafür, wie Sie geschrieben haben.

Wie genau ist der KI-Detektor von Sapling?

Die eigenen Seiten von Sapling nennen keine einzelne Genauigkeitsprozentzahl. Die Detektorseite sagt, dass die Genauigkeit vom Datensatz, der Textlänge und der Schwelle abhängt. Sie empfiehlt, den Detektor mit Ihren eigenen Beispielen zu testen und sowohl Falsch-positive als auch verpasste KI-Texte zu zählen. Außerdem heißt es, der Detektor „wird deutlich genauer nach etwa 50 Wörtern“.

Sapling beschreibt seine Validierungsarbeit. Ein technisches Whitepaper, „Sapling AI Content Detection: Technical Overview and Validation Report“, ist ein 11-seitiges Dokument mit einer Bewertung auf einem 1.000-Sample umfassenden, zurückgehaltenen Datensatz, einschließlich einer Analyse von Falsch-positiven und Falsch-negativen. Sie fordern es über ein Formular auf der Detektorseite an, und die Ergebnisse werden dort nicht angezeigt.

Das Änderungsprotokoll von Sapling liefert die aktuellste Aussage zur Genauigkeit. Am 17. September 2026 hat Sapling das Standardmodell aktualisiert, mit höherer Präzision bei neueren KI-Modellen und höherer Erkennung von KI-Humanized Text. Es berichtet, dass Falsch-positive bei internen, zurückgehaltenen Auswertungen um 60% zurückgegangen sind.

Zwei veröffentlichte Tests nutzten den Detektor von Sapling, und beide liegen vor diesem Upgrade. Die Tabelle zeigt, was jeweils gemessen wurde.

Beide Studien testeten den Web-Detektor in der Form, wie er zu dieser Zeit verfügbar war. Das aktuelle Modell von Sapling kann sich anders verhalten, und niemand hat einen unabhängigen Test der Version von September 2026 veröffentlicht.

Was ist Sapling und wer macht es?

Sapling ist ein Unternehmen für Sprachwerkzeuge, und der KI-Detektor ist eines von mehreren Produkten in einem größeren Toolkit. Sapling Intelligence, Inc. stellt es her, und die About-Seite sagt, dass die Arbeit des Teams aus den KI-Labs von Berkeley und Stanford hervorgeht und dass das Unternehmen durch Y Combinator unterstützt wird.

Die Startseite von Sapling beschreibt es als „Language-Model-Toolkit für Entwickler und Unternehmen“. Zu den Kunden gehören Support- und CX-Teams, und die weiteren Tools sind für diese Abläufe gebaut. Der Detektor ist eines der Elemente, die jeder auf der Website nutzen kann.

Weitere Produkte von Sapling

Auf derselben Website werden neben dem Detektor mehrere Tools aufgelistet:

• Eine API und ein SDK mit Endpunkten sowie Editor-Komponenten für Grammatikprüfung, Autocomplete und Umformulieren.
• Ein MCP-Server, der es Clients wie Claude ermöglicht, Saplings Sprachtools aufzurufen.
• Grammatik- und Qualitätsprüfung mit Bewertung und Fehlerberichten.
• Autocomplete für Messaging-Plattformen und eine gemeinsam genutzte Bibliothek mit Text-Erweiterungen.
• Umformulieren- und Chat-Assist-Tools sowie eine KI-Punktuationsprüfung und ein Satzumformer auf der Website.
• Eine Browser-Erweiterung und Integrationen mit Zendesk, ServiceNow, Salesforce, Twilio Flex sowie mit Editoren wie TinyMCE und Quill.

Die Breite ist hilfreich, wenn Sie bereits mit einem Support- oder Sales-Tool arbeiten, das Sapling unterstützt.

Was erlaubt Saplings kostenloser KI-Detektor?

Der kostenlose Detektor prüft die ersten 2.000 Zeichen von allem, was Sie einfügen. Das entspricht ungefähr 300 bis 350 Wörtern auf Englisch. Alles danach wird nicht bewertet. Bezahlte Tarife erhöhen das Limit auf 100.000 Zeichen pro Prüfung.

Dies sind Saplings Detektor-Limits und Preise im Oktober 2026.

Neue Konten können mit einer einmonatigen Pro-Testphase starten, ohne eine Kreditkarte. Die API stellt neuen Keys 50.000 Zeichen pro Tag und 250.000 Zeichen pro Monat kostenlos bereit, und sie unterstützt bis zu 200.000 Zeichen pro Anfrage.

Das Limit von 2.000 Zeichen ist wichtiger, als es zunächst aussieht. Ein Thesis-Kapitel hat viele Zehntausend Zeichen, daher beschreibt die kostenlose Bewertung nur die einleitenden Absätze. Saplings Bewertungshilfe sagt das selbst: Die kostenlose Prüfung bewertet die ersten 2.000 Zeichen, daher sagt das Ergebnis nichts über den Rest eines längeren Dokuments aus.

Der Detektor verarbeitet auch PDF- und Word-Dateien. Zuerst wird der Text extrahiert, und Saplings Anleitung empfiehlt, den extrahierten Text zu prüfen, da die Extraktion die Reihenfolge beim Lesen verändern kann.

Wie bewertet Sapling Text?

Sapling gibt eine einzige Gesamtprozentzahl und eine separate Bewertung für jeden Satz. Das Gesamtergebnis ist eine KI-Generierungsbewertung, und die markierten Bereiche werden im Text hervorgehoben. Eine höhere Bewertung bedeutet, dass der Text mit höherer Wahrscheinlichkeit KI-generiert ist.

Sapling beschreibt die Methode als ein Transformer-basiertes Modell, das für jedes Token die Wahrscheinlichkeit schätzt, dass es KI-generiert ist. Die Satzbewertungen kombinieren die Wahrscheinlichkeiten der darin enthaltenen Token. Die API gibt außerdem die Token-Wahrscheinlichkeiten zurück und kann eine HTML-Heatmap erzeugen.

Die API-Dokumentation ergänzt weitere Details, die hilfreich sind, wenn Sie das Suchergebnis im Web lesen:

• Die Gesamtpunktzahl reicht von 0 bis 1, wobei 0 die höchste Zuversicht in menschliches Schreiben bedeutet und 1 die höchste Zuversicht in KI.
• Die Gesamtpunktzahl wird für den gesamten Text auf einmal berechnet. Sie ist nicht der Durchschnitt der Satzbewertungen.
• Ein Feld namens ai_fraction gibt den Anteil des Textes in Sätzen an, die mit 0.5 oder höher bewertet wurden. So sehen Sie, wie viel eines gemischten Dokuments wie KI-Text wirkt.
• Sapling empfiehlt mindestens 300 Zeichen pro Anfrage.

In Saplings Leitfaden steht außerdem, dass die Punktzahl eine Schätzung dafür ist, wie wahrscheinlich der geprüfte Text KI-generiert ist. Sie ist nicht der Anteil der Wörter, die von KI geschrieben wurden. Die Satz-Hervorhebungen werden separat bewertet. Daher können sie von der Gesamtpunktzahl abweichen. Sapling bittet Sie, beides zu überprüfen.

Sprachen

Sapling prüft Englisch, Spanisch, Portugiesisch, Französisch, Deutsch, Italienisch, Niederländisch und Japanisch. Spanisch, Portugiesisch, Französisch, Deutsch und Japanisch wurden am 9. Oktober 2026 hinzugefügt, und Italienisch sowie Niederländisch wurden am 13. Oktober 2026 in vorläufiger Form hinzugefügt. Text in jeder anderen Sprache wird durch das englische Modell geschickt, und Sapling sagt, dass diese Ergebnisse weniger zuverlässig sind.

Für Forschende, die in einer Sprache außerhalb dieser Liste schreiben, bedeutet das: Eine Sapling-Punktzahl für einen thailändischen oder arabischen Text basiert nicht auf einem dafür gebauten Modell.

Was fanden die unabhängigen Studien?

Die unabhängigen Belege für Sapling stammen aus zwei Arbeiten, und keine davon war darauf ausgelegt, Sapling allein zu testen.

Liang et al. (2023): sieben Detektoren und zweitsprachliche Aufsätze

Weixin Liang, Mert Yuksekgonul, Yining Mao, Eric Wu und James Zou an der Stanford University testeten sieben Detektoren. Die Studie, "GPT detectors are biased against non-native English writers", wurde in der Fachzeitschrift Patterns veröffentlicht. Sapling war eines davon, zusammen mit Originality.AI, Quil.org, OpenAIs Detektor, Crossplag, GPTZero und ZeroGPT. Die Autorinnen und Autoren hatten am 15. März 2023 Zugriff auf alle sieben.

Die Detektoren waren bei den US-Aufgaben der achten Klasse nahezu perfekt. Bei den 91 TOEFL-Aufsätzen meldeten sie im Durchschnitt 61.22% als KI-generiert. Alle sieben waren sich einig, dass 18 der 91 Aufsätze KI waren, und 89 der 91 wurden von mindestens einem Detektor als KI markiert.

Die TOEFL-Aufsätze, die von jedem Detektor als KI markiert wurden, hatten deutlich niedrigere Perplexity-Werte als die anderen. Die Autorinnen und Autoren werteten das als Hinweis darauf, dass Detektoren Schreibende mit begrenztem sprachlichem Spektrum benachteiligen. Die Arbeit nennt als wichtigste Zahl den Durchschnitt über alle sieben Detektoren, sodass sie nicht Saplings eigene Rate im Text isoliert. Wir decken die vollständige Studie in warum KI-Detektoren nicht-muttersprachliche Schreibende fälschlich markieren ab.

Yeadon et al. (2024): Physik-Aufsätze an der Durham University

Will Yeadon und Kolleginnen und Kollegen an der Durham University testeten fünf Detektoren an kurzen Physik-Aufsätzen, wobei die Hälfte von Studierenden geschrieben wurde, bevor es ChatGPT gab, und die andere Hälfte von GPT-4. Sie veröffentlichten das als arXiv-Preprint im März 2024. Die Tools waren ZeroGPT, QuillBot, Hive Moderation, Sapling und Radar.

Ihre Verwirrungsmatrix für Sapling nennt 30 echte Positive, 18 falsch Positive, 12 echte Negative und keine falsch Negativen. Das entspricht 70% Genauigkeit und 62% Präzision. Sapling hat jeden KI-geschriebenen Aufsatz erwischt und außerdem 18 der 30 menschlichen Aufsätze als KI markiert. Die Arbeit weist darauf hin, dass Sapling unter den fünf Tools die höchste Anzahl falsch Positiver hatte.

Lesen Sie das Ergebnis als Aussage über diesen Test. Die Essays waren kurz, formell und behandelten jeweils nur ein Thema. Genau eine solche Art von Text nennt die eigene FAQ von Sapling als eher wahrscheinlich, dass sie als KI markiert wird. Die Studie hat außerdem eine Version getestet, die noch vor dem 2026-Upgrade veröffentlicht wurde.

Was beide Studien gemeinsam haben

Beide Studien zeigen, dass Sapling KI-Texten gut erkennt, aber auch sehr viele menschliche Texte markiert. Im Durham-Test verpasste Sapling keine KI-Essays und markierte 18 menschliche. Ein Detektor mit diesem Profil eignet sich für den ersten Blick auf einen längeren Text, bei dem ein hoher Wert Ihnen zeigt, wo Sie besonders genau nachlesen sollten. Für ein Urteil, das deutlich weniger auf dem ersten Eindruck beruht, eignet er sich hingegen weniger.

Warum Sapling auch einige menschliche Texte markiert

Die FAQ von Sapling beantwortet das direkt. Wenn Sie Ihren eigenen Text einfügen und er als KI angezeigt wird, können Falschalarme auftreten. Außerdem werden kürzere, allgemeinere und stärker essayartige Texte eher markiert. Das Bewertungsleitfaden von Sapling ergänzt, dass auch formelhafte menschliche Texte markiert werden können und dass bearbeitete KI-Texte möglicherweise übersehen werden.

Akademischer Prosa liegen all diese Merkmale zugrunde. Methodenabschnitte, Abstracts und Zusammenfassungen der Literatur sind formell, allgemein und auf Standardsatzbausteine aufgebaut. Autorinnen und Autoren, die in einer zweiten Sprache schreiben, verwenden oft einen engeren Wortschatz, was Liang et al. mit niedrigerer Perplexität und mehr Falschpositiven in Verbindung gebracht haben. Unser Leitfaden zu Perplexität bei der KI-Erkennung erklärt das Maß, und Burstiness ist das Signal für den Satzrhythmus, das Detektoren häufig zugeschrieben wird.

Wenn Sie diese Signale in Ihrem eigenen Text prüfen möchten, bietet die Seite einen kostenlosen Perplexity-Checker sowie einen kostenlosen Burstiness-Checker.

So lesen Sie einen Sapling-Wert für Ihr eigenes Schreiben

Behandeln Sie einen Sapling-Wert als Hinweis auf Passagen, die sich fürs erneute Lesen lohnen, und betrachten Sie ihn nicht als Befund zur Urheberschaft. Die folgenden Schritte orientieren sich an der eigenen Anleitung von Sapling.

1. Prüfen Sie, wie viel Text bewertet wurde. Der kostenlose Check deckt nur die ersten 2.000 Zeichen ab.
2. Öffnen Sie die Ansicht auf Satzebene und sehen Sie, welche Sätze hohe Werte erhalten haben. Ein niedriger Gesamtwert kann ein paar wenige Sätze mit hohen Werten verdecken.
3. Prüfen Sie längere Texte in Abschnitten. Die FAQ von Sapling empfiehlt, einen langen Text aufzuteilen. Fügen Sie daher jeden Abschnitt einzeln ein und vergleichen Sie die Werte.
4. Lesen Sie die markierten Sätze so, wie es eine Leserin oder ein Leser tun würde. Standardsatzbausteine, lange Listen mit Abschwächungen sowie sehr gleichmäßige Satzlängen sind die üblichen Ursachen.
5. Halten Sie Ihre Entwürfe, Notizen und Quellen fest. Datierte Entwürfe sind ein besserer Nachweis für die Urheberschaft als jeder Detektorwert.

Der Bewertungsleitfaden von Sapling gibt die gleiche Warnung: "Stützen Sie eine folgenschwere Entscheidung nicht allein auf den Wert." Ein Dozent oder eine Redakteurin oder ein Redakteur hat möglicherweise den Wert genutzt, um Ihre Arbeit in Frage zu stellen. Falls das der Fall ist, bietet Ihnen unsere Einspruchsvorlage für ESL-Forschende Formulierungen für Ihre Antwort.

Sapling im Vergleich zu anderen Detektoren

Sapling ist einer von mehreren kostenlosen Detektoren, und jeder geht anders vor sowie stützt sich auf unterschiedliche veröffentlichte Nachweise. Unsere anderen Beiträge zu Detektoren behandeln diese jeweils einzeln:

• Pangram-KI-Detektor, geprüft auf Genauigkeit und Falschalarme.
• Ist GPTZero genau? Was unabhängige Tests zeigen (2026), einschließlich der unabhängigen Tests dazu.
• Ist ZeroGPT zuverlässig? Genauigkeit und was der KI-Score bedeutet, das im Durham-Test das beste Ergebnis erzielt hat.
• Winston KI-Detektor und wie genau dessen Prüfer ist.

Sapling ist kostenlos zum Testen, zeigt eine Bewertung für jeden Satz an, akzeptiert PDF- und Word-Dateien und bietet eine API mit einem kostenlosen monatlichen Kontingent für Entwickler. Außerdem unterstützt es acht Sprachen. Die kostenlose Obergrenze von 2.000 Zeichen ist die größte Einschränkung für Kurse, da für einen vollständigen Aufsatz oder ein ganzes Kapitel der kostenpflichtige Tarif oder mehrere separate Prüfungen nötig sind.

Eine Übersicht darüber, wie alle von ihnen in unabhängigen Tests abgeschnitten haben, finden Sie unter wie genau KI-Detektoren 2026 sind.

Was das Update von Sapling im September 2026 für KI-humanisierten Text bedeutet

Sapling sagt, das Modell vom 17. September 2026 sei besser darin, KI-humanisierten Text zu erkennen. Diese Aussage ist wichtig zu kennen, und von außen lässt sie sich nicht überprüfen, weil kein unabhängiger Test des neuen Modells veröffentlicht wurde.

Für Forschende ist der praktische Punkt, dass sich die Ergebnisse von Detektoren mit jedem Modell-Update ändern. Ein Entwurf, der letztes Frühjahr niedrig bewertet wurde, kann heute anders ausfallen. Deshalb kann kein KI-Humanizer, einschließlich unseres, eine Bewertung versprechen.

Wenn Sie KI nutzen, um beim Erstellen eines Papers zu helfen, führen Sie eine Aufzeichnung Ihrer eigenen Arbeit und halten Sie sich an die Veröffentlichungsregeln Ihrer Zeitschrift oder Ihrer Universität.

Häufig gestellte Fragen

Wie genau ist der KI-Detektor von Sapling?

Saplings Seiten sagen, dass die Genauigkeit je nach Datensatz, Textlänge und Entscheidungsschwelle variiert, und sie verweisen auf ein Whitepaper mit den Ergebnissen. Der einzige unabhängige Test, der Saplings eigene Kennzahlen nennt, ist ein Durham University Preprint aus dem Jahr 2024 zu Physikaufsätzen. Dabei wurden alle 30 KI-Aufsätze erkannt und 18 von 30 menschlichen Aufsätzen als KI markiert, was 70% Genauigkeit entspricht.

Ist der KI-Detektor von Sapling kostenlos?

Ja. Die kostenlose Version prüft pro Durchlauf die ersten 2.000 Zeichen, und der Pro-Tarif erhöht das auf 100.000 Zeichen für US$25 pro Monat oder US$12 pro Monat bei jährlicher Abrechnung. Sapling bietet außerdem eine einmonatige Pro-Testphase ohne Kreditkarte.

Wer steckt hinter Sapling?

Sapling Intelligence, Inc. macht es. Das Unternehmen sagt, sein Team komme aus den KI-Labs von Berkeley und Stanford, und es werde von Y Combinator unterstützt. Sapling verkauft Grammatik-, Autocomplete-, Umformulierungs- und KI-Erkennungstools an Entwickler und Unternehmen.

Kann der Detektor von Sapling menschliches Schreiben als KI markieren?

Ja, und Sapling sagt das auf seiner Detektor-Seite. Es heißt dort, kurzer, allgemeiner und aufsatzartiger Text werde eher markiert, und auch formelhafte menschliche Schreibweise könne markiert werden. Im Durham-Physikaufsatz-Test wurden 18 von 30 menschlichen Aufsätzen als KI markiert.

Funktioniert der KI-Detektor von Sapling auch für andere Sprachen als Englisch?

Er funktioniert für Spanisch, Portugiesisch, Französisch, Deutsch, Italienisch, Niederländisch und Japanisch sowie für Englisch. Die Unterstützung für Italienisch und Niederländisch ist vorläufig. Texte in anderen Sprachen werden vom englischen Modell bewertet, und Sapling sagt, dass diese Ergebnisse weniger zuverlässig sind.

Ist der KI-Detektor von Sapling gegenüber Autorinnen und Autoren mit nicht muttersprachlichem Englisch benachteiligt?

Sapling ist einer von sieben Detektoren, die Liang et al. (2023) getestet haben. Die Gruppe insgesamt hat im Mittel 61,22% nicht muttersprachliche englische Aufsätze als KI markiert. Die Studie nennt in ihrem Text keine eigene Rate von Sapling. Die getestete Version von Sapling stammt aus März 2023, daher kann eine aktuelle Bewertung abweichen.

Wie bewertet Sapling einen Text?

Sapling zeigt einen gesamten Prozentsatz für KI-Generierung und eine Bewertung für jeden Satz an. Ein Transformer-basiertes Modell schätzt die Wahrscheinlichkeit, dass jedes Token KI-generiert ist, und die Satzbewertungen setzen sich aus diesen Token-Wahrscheinlichkeiten zusammen. Die Gesamtbewertung wird über den gesamten Text berechnet, daher ist sie nicht der Durchschnitt der Satzbewertungen.

Sollte eine Universität den Sapling-Score als Beleg verwenden?

Nein. In der eigenen Anleitung von Sapling steht, dass man keine folgenschwere Entscheidung allein auf Basis des Scores treffen soll, und dass kein aktueller KI-Detektor als alleinige Prüfung verwendet werden sollte. Universitäten sind zu derselben Einschätzung hinsichtlich der Aussagekraft von Detektor-Scores im Allgemeinen gekommen.

Kann ich den Sapling-KI-Score in meinem eigenen Entwurf senken?

Sie können die Textstellen überarbeiten, die die Satzansicht hervorhebt. Das bedeutet in der Regel, gängige Formulierungen und die Satzlänge zu variieren sowie eigene Beispiele und Begründungen hinzuzufügen. Der KI-Humanizer von ProofreaderPro.ai ist darauf ausgelegt, KI-Scores in KI-unterstützten Entwürfen zu senken, während Zitate erhalten bleiben. Detektoren ändern sich bei jedem Update, daher kann kein Tool einen bestimmten Score zusichern.

KI-Korrektor

Korrigieren Sie Grammatik, Wortwahl und akademischen Stil in Ihrem eigenen Text, wobei jede Änderung sichtbar ist, sodass die endgültige Formulierung Ihre bleibt.