Viele verstehen unter „KI-Klang reduzieren“ nur eines: ein Erkennungstool laufen lassen und schauen, ob der Index gesunken ist. Wer aber tatsächlich Texte geschrieben hat, weiß, dass der Index selbst beim Überarbeiten nicht hilft. Wirklich nützlich ist die Lokalisierung – welcher Satz, welches Satzmuster, welches Wort den Text wie maschinengeschrieben wirken lässt. Der persönliche Agentenassistent von MuchSci geht den zweiten Weg: keine Punktzahl, sondern erst diagnostizieren, dann lokalisieren, dann Punkt für Punkt umschreiben.
Der Schlüssel zum Verständnis liegt darin, „Erkennung“ und „Umschreiben“ zu trennen. Erkennung bedeutet, das Risiko zu beurteilen; Umschreiben bedeutet, tatsächlich Hand anzulegen und zu korrigieren. Dieses Tool macht Letzteres und zerlegt das Umschreiben in mehrere Arbeitsschritte, die verschiedene Agenten gemeinsam erledigen.
01 KI-Klang reduzieren heißt nicht „Erkennung“, sondern „Satzmuster-Fingerabdruck“
Zunächst ein verbreitetes Missverständnis: Ob ein Text stark nach KI klingt, liegt oft nicht am Inhalt, sondern am Satzmuster-Fingerabdruck.
▲ Abb. 1｜Maschinelle Spuren liegen meist nicht im Inhalt, sondern in den Ausdrucksgewohnheiten auf Satzebene
Wenn Forschungsrichtung, Kernaussage und experimentelle Daten einer Arbeit vom Autor selbst stammen, gibt es auf Inhaltsebene meist kein Problem. Auf Satzebene treten jedoch leicht maschinentypische Präferenzen auf: übermäßig viele Gedankenstriche, stark ähnliche Konnektoren, gehäufte Aussagesätze. Diese Merkmale berühren nicht die faktische Korrektheit der Arbeit, lassen Leser aber intuitiv denken: „Dieser Text ist nicht von einem Menschen geschrieben.“
Der erste Schritt beim Umschreiben besteht also darin, „ob der Inhalt stimmt“ und „ob die Satzmuster menschlich klingen“ voneinander zu trennen. Der persönliche Agentenassistent behandelt Letzteres, also die Reparatur auf Ebene von Satzmustern und Wortwahl. Er verspricht keine Erkennungsergebnisse, sondern lässt den Text in der Ausdrucksweise lediglich menschlicher wirken.
02 Die Ausführungskette des persönlichen Agentenassistenten
Öffnet man die Oberfläche des persönlichen Agentenassistenten von MuchSci, sieht man die vollständige Ausführungskette einer Umschreibungsaufgabe.
▲ Abb. 2｜Ausführungskette sichtbar: Nach Abschluss von `Exec` und `TodoWrite` werden docx und eine PDF-Vorschau geliefert
Der Screenshot zeigt eine echte Aufgabe: Zuerst wird `Exec` ausgeführt, dann `TodoWrite`; beide Schritte sind als „abgeschlossen“ markiert. Danach werden zwei Dateien geliefert – die Hauptlieferung ist `/data/..._降AIGC版.docx`, die andere eine gerenderte PDF-Vorschau zur Layoutkontrolle. Diese Prozesssichtbarkeit macht das Umschreiben zu keiner Blackbox, sondern zu einem prüfbaren Arbeitsschritt.
Anschließend liefert das Tool die Diagnose: „Zuerst die Diagnose: Wo konzentriert sich der KI-Klang in diesem Text?“ Es stellt fest, dass „die typischsten maschinellen Spuren nicht der Inhalt, sondern der Satzmuster-Fingerabdruck sind“, und listet die wichtigsten Punkte auf. Der im Screenshot sichtbare konkrete Eintrag lautet: „Gedankenstrich-Inflation: 13 Vorkommen im gesamten Text – fast jeder Absatz nutzt ihn für eine ‚nachtretende Erweiterung‘.“
03 Wie die Aufgaben unter mehreren Agenten aufgeteilt werden
Der persönliche Agentenassistent erledigt nicht alles mit einem einzigen Agenten, sondern verteilt die Aufgabe auf mehrere Rollen.
▲ Abb. 3｜Diagnose, Umschreiben und Prüfung sind auf drei Rollen verteilt, um Bestätigungsfehler durch Selbstprüfung zu verringern
Diagnose-Agent liest den Originaltext, findet Satzmuster-Fingerabdrücke und erstellt eine Liste der wichtigsten Punkte. Seine Ausgabe ist keine Punktzahl, sondern eine Tabelle: Welche Spur liegt vor, und wo zeigt sie sich im Originaltext?Umschreib-Agent arbeitet die Liste Punkt für Punkt ab: überlange Sätze aufteilen, häufig verwendete Konnektoren ersetzen, absolute Formulierungen abschwächen.Prüf-Agent scannt nach dem Umschreiben erneut und bestätigt, ob die wichtigsten Punkte auf null zurückgegangen sind und ob die Semantik verfälscht wurde.
Der Wert dieser Aufteilung liegt darin: Diagnose und Umschreiben werden nicht von derselben Rolle erledigt, wodurch die Verzerrung durch „sich selbst prüfen“ seltener wird. In der Prüfphase können ungelöste Probleme erneut vorgelegt werden, damit der Autor sie beurteilen kann.
04 Die Methode „erst diagnostizieren, dann lokalisieren, dann Punkt für Punkt umschreiben“
Zerlegt man den Ablauf noch etwas feiner, ergibt sich ungefähr die folgenden vier Schritte.
▲ Abb. 4｜Der Schlüssel zur Reduzierung des KI-Klangs ist nicht die Erkennungspunktzahl, sondern das Lokalisieren konkreter Sätze vor dem Umschreiben
Der erste Schritt ist das Lesen des Originaltexts. Gelesen werden dabei nicht die Themen, sondern statistische Merkmale auf Satzebene: Häufigkeit von Gedankenstrichen, Verteilung von Konnektoren, Dichte von Aussagesätzen.Der zweite Schritt ist die Diagnose. Das Tool listet die wichtigsten Punkte auf, zum Beispiel „Gedankenstrich-Inflation: 13 Vorkommen im gesamten Text“ aus dem Screenshot.Der dritte Schritt ist die punktuelle Überarbeitung. Für jeden wichtigen Punkt schreibt das Tool die betreffenden Sätze um, behält die ursprüngliche Bedeutung bei und ändert die Ausdrucksweise.Der vierte Schritt ist die erneute Prüfung. Nach der Überarbeitung wird neu bewertet und bestätigt, dass die Spuren deutlich zurückgegangen oder auf null gesunken sind.
Um die Diagnoseergebnisse zu veranschaulichen, kann im Haupttext eine Tabelle ergänzt werden:
| Spur | Erscheinungsform im Originaltext |
| Gedankenstrich-Inflation | 13 Vorkommen im gesamten Text; fast jeder Absatz nutzt ihn für eine „nachtretende Erweiterung“ |
| Anhäufung von Übergangswörtern | Konnektoren wie zuerst, dann, außerdem treten mit hoher Frequenz auf |
| Gehäufte Aussagesätze | Viele Formulierungen vom Typ „ist“ und „bedeutet“ |
Der Sinn dieser Tabelle ist nicht, Angst zu machen, sondern den abstrakten „KI-Klang“ in konkrete, lokalisierbare und korrigierbare Probleme zu übersetzen.
05 Grenzen
Wie üblich werden die Grenzen offen benannt.
① Dieser Beitrag beschreibt den Funktionsmechanismus, keine Wirkungsgarantie. Der persönliche Agentenassistent führt Reparaturen auf Ebene von Satzmustern und Wortwahl durch und kann keine Erkennungsergebnisse garantieren; verschiedene Erkennungstools haben unterschiedliche Bewertungsmaßstäbe, und die Ergebnisse können voneinander abweichen.
② Er verändert nicht die inhaltliche Wahrheit. Ob Forschungsfrage, experimentelle Daten und zitierte Literatur zuverlässig sind, bleibt weiterhin die Verantwortung des Autors. Das Tool behandelt nur die Ausdrucksweise und tastet die inhaltlichen Bewertungen der Arbeit nicht an.
③ Der zulässige Umfang der KI-Beteiligung beim Verfassen wissenschaftlicher Arbeiten richtet sich nach den aktuell geltenden Regeln der jeweiligen Hochschule oder Institution. In Kontexten akademischer Integrität sollten Nutzer die betreffenden Regelungen vorab prüfen und nicht allein aufgrund der Tool-Ausgabe direkt einreichen.