KI-Text-Erkennung: Substacks Detektor

Die KI-Text-Erkennung von Substack ist ein Schätzwerkzeug, kein Lügendetektor. Seit dem 21. Juli 2026 sehen Leser über eine Integration des Drittanbieters Pangram, welcher Anteil eines Textes vermutlich von Menschen stammt, welcher KI-assistiert^?Text, den ein Mensch mithilfe von KI erstellt und verantwortet hat, im Unterschied zu vollständig KI-generiertem Text. und welcher vollständig KI-generiert ist.

Was hat Substack genau eingeführt?

Substack hat am 21. Juli 2026 eine Erkennung auf Abruf freigeschaltet. Leser klicken im Menü eines Beitrags auf „Scan AI Text“, dann berechnet Pangram^?Drittanbieter für KI-Text-Erkennung, dessen Modell Substacks Scan berechnet. Liefert eine prozentuale Schätzung, keinen Beweis. eine Schätzung. Das Feature läuft im Web und in der iOS-App, Android soll folgen. Scannen lassen sich Posts, Notes, Replies und Kommentare.

Zwei Einschränkungen zählen. Erstens wertet das Tool nur Inhalte aus, die nach dem Startzeitpunkt erschienen sind. Ältere Texte bleiben außen vor. Zweitens gilt eine Mindestlänge, die je nach Bericht bei über 100 Wörtern oder mindestens 100 Zeichen liegt. Kurze Notes fallen also oft durchs Raster.

Zusätzlich führt Substack eine freiwillige Erklärung ein, in der Creator ihren Arbeitsprozess und ihren KI-Einsatz offenlegen. Das ist der ehrlichere Teil der Ankündigung, denn eine Selbstauskunft sagt mehr als eine geratene Prozentzahl.

Wie zuverlässig ist die KI-Text-Erkennung wirklich?

Zuverlässig genug für einen Verdacht, zu unscharf für einen Vorwurf. Begleitende Berichte betonen, Pangram erkenne KI-Text mit „hohem Grad an Genauigkeit“, sei aber nicht unfehlbar. Substack selbst spricht von einer Schätzung.

Das ist keine Marotte dieses einen Tools. KI-Detektoren machen strukturell zwei Fehler:

• Falsch positiv: Sauber redigierter, nüchterner Menschentext wird als KI markiert. Betroffen sind oft Nicht-Muttersprachler und formelhafte Fachprosa.

• Falsch negativ: Leicht umgeschriebener KI-Text rutscht durch, gerade wenn ein Mensch ihn überarbeitet hat – das häufigste Szenario im Redaktionsalltag.

Genau darauf zielt der Substack-CEO in einem Interview: Die Erkennung zeige, wie ein Text entstanden sei, aber nicht, ob jemand wirklich darüber nachgedacht habe. Das bleibt die entscheidende Grenze.

Was sollten Unternehmen jetzt für ihre Content-Governance ableiten?

Nicht in Panik einen Detektor kaufen, sondern eine klare Regel schreiben. Der eigentliche Hebel liegt bei der Offenlegung, nicht bei der Fahndung. Die Substack-Funktion zeigt, wohin sich Plattformen bewegen: hin zu sichtbarer Autorschaft.

Drei konkrete Schritte, in dieser Reihenfolge:

1. Offenlegungs-Stufen festlegen. Unterscheiden Sie „menschlich verfasst“, „KI-assistiert, menschlich verantwortet“ und „KI-generiert, geprüft“. Diese Dreiteilung deckt sich mit dem, was Pangram anzeigt, und ist auch ohne das Tool sinnvoll.

2. Verantwortung benennen. Jeder veröffentlichte Text braucht einen menschlichen Namen, der für Fakten und Haltung geradesteht. Ein Detektorwert ersetzt diese Verantwortung nicht.

3. Regel mit dem Rechtsrahmen koppeln. Die Transparenzpflichten des AI Act greifen ab dem 2. August 2026. Wie das konkret aussieht, haben wir in unserem Beitrag zur KI-Kennzeichnungspflicht ab 2. August 2026 aufgeschlüsselt.

Kontrolliert der Detektor am Ende die Autoren oder die Plattform?

Beide – und genau hier reibt es sich. Creator können den KI-Scan laut einem Substack-Newsletter auf dem eigenen Kanal abschalten, behalten also eine Teilkontrolle. Zugleich entscheidet die Plattform, welches Erkennungsmodell den Maßstab setzt. Zu den Investoren von Pangram Labs zählt Menlo Ventures, der Markt für KI-Detektion wird kommerziell.

Das Muster kennen Content-Teams schon von anderen Plattformen, etwa von den YouTube-Regeln gegen KI-Slop: Die Plattform schiebt die Beweislast auf die Publisher. Für Unternehmen heißt das, nicht auf fremde Detektoren zu warten, sondern die eigene Deklaration so sauber zu halten, dass jede Schätzung sie bestätigt statt widerlegt.