Privat statt Cloud-Upload
Der KI-Klassifikator und die Schreib-KI laufen im Browser. Auch die Python/WASM-Probe läuft lokal. Texte werden für diese Funktionen nicht an unseren Server geschickt.
Klingt dein Text nach KI?
KI-Ähnlichkeit einschätzen, Texte lokal überarbeiten und den öffentlichen SynthID-Referenzdetektor testen – ohne eigenen Server und ohne laufende KI-API-Gebühren.
Deinen Text analysieren
DE / EN · experimentellDas Detektionsmodell wird erst beim ersten Prüfen geladen. Der Text bleibt auf deinem Gerät.
◈ SynthID Text · Referenzdetektor im Browser
SynthID-Referenz 0.6: Threefry 2×32, g-Bits, Wiederholungsmaske, Binomial-p-Wert – alles lokal, ohne Python oder Server.
Wichtig: Dies ist ein technisch kompatibler Port des öffentlichen 2026-Google-Referenzverfahrens (Frequentist Detector) für bekannte Schlüssel und passende Token-IDs. Keine allgemeine Gemini-, Claude- oder ChatGPT-Wasserzeichenprüfung: fremde private Schlüssel sind nicht bekannt. Ein p-Wert ist keine Wahrscheinlichkeit, dass ein Text KI-generiert wurde. Ein falscher Schlüssel/Tokenizer macht die Auswertung aussagelos.
🔬 Referenztest durchführen
Der Textmodus nutzt den öffentlichen GPT-2-Tokenizer. Bei Gemma, Gemini oder anderen Modellen müssen die tatsächlichen Modell-Tokens verwendet werden. Prompt-Tokens entfernen – nur die generierten Token-IDs prüfen.
Gib einen bekannten Schlüssel und den passenden Text oder Token-IDs ein. Ohne Schlüssel ist keine echte Prüfung möglich.
◉ Statistische Auswertung
Noch kein Test
p = –
G-Werte: – · Tokens: – · maskierte Positionen: –
Der frequentistische Detektor berechnet die einseitige Binomial-Überlebenswahrscheinlichkeit für den getesteten Schlüssel. Kleine p-Werte sind Evidenz für genau diese Schlüssel-/Modellkonfiguration; sie sind keine KI-Wahrscheinlichkeit in Prozent. Dieser Referenztest ersetzt keinen offiziellen Anbieter-Nachweis.
Der Demo-Knopf simuliert eine wasserzeichenbeeinflusste Token-Auswahl und eine unbeeinflusste Kontrollprobe. Das ist keine echte Gemini-Ausgabe und kein Test des freien Nutzertextes.
Paritätsprüfung: Ein unabhängiger Python-Referenzdatensatz (9 Szenarien, einschließlich EOS und Kontextwiederholung) ist lokal prüfbar. Zusätzlich führt GitHub Actions einen getrennten Test mit den originalen Google-Python-Modulen durch. Ein bestandener lokaler Test ersetzt keinen offiziellen GitHub-CI-Lauf.
Läuft ausschließlich lokal in einem JavaScript-WebWorker. Keine Linux-VM, kein PyTorch, keine Tokens an Sloppy-AI übertragen. Für den Textmodus werden nur Tokenizer-Dateien von Hugging Face heruntergeladen. Der Schlüssel wird weder gespeichert noch gesendet.
✓ Schritt 1 · 0.520-Runden-Threefry-2×32, Kontext-Hashing, g-Bits und Maskierung portiert. Bisherige Python-API nicht nötig.
✓ Schritt 2 · 0.5Frequentist Detector, echte p-Wert-Berechnung, GPT-2-Tokenizer und deterministischer Demonstrationstest.
✓ Schritt 3 · 0.6Automatisierter Python-gegen-JavaScript-Regressionstest mit Kontext-Hashes, Bitwerten, EOS-Masken und p-Werten. Originale Google-Python-Referenz wird in GitHub Actions geprüft; ein erfolgreicher Lauf muss dort nachgewiesen werden.
◷ Schritt 4 · ForschungDual-Key-/Bayesian-Detektor, echte Generierungstests mit großen Modellen und Anbieter-Verifikation nur mit autorisiertem Zugang.
Optional: Python in WebAssembly testen (kein SynthID)
Nur eine getrennte Python/Pyodide-Laufzeitprobe; der neue SynthID-Detektor benötigt sie nicht.
Noch nicht gestartet
Keine API-Tokenkosten
Keine Bezahlung pro Wort. Die lokalen KI-Modelle benötigen allerdings einen initialen Download und ausreichend Geräteleistung.
Getrennte Prüfverfahren
KI-Musterklassifikator im Browser, SynthID-Referenzdetektor für eigene Schlüssel – ohne Gemini-Anbieterprüfung.
Kostenlos für alle
♥ Auf Patreon unterstützen ↗
Ein Kaffee, eine Cola oder eine Pizza? ☕ 🥤 🍕
Sloppy-AI ist kostenlos. Hosting, Weiterentwicklung und Tests kosten trotzdem Zeit und Geld. Wenn dir das Projekt gefällt, freue ich mich über eine freiwillige Unterstützung via Patreon.
Ab 30 € monatlich kannst du dir auch eine eigene App wünschen – sofern sie anschließend für alle kostenlos verfügbar ist. Die Umsetzung hängt von Machbarkeit und Entwicklungsaufwand ab.
Wasserzeichen & EU AI Act verstehen
Was ein Prozentwert leisten kann – und wie ein schlüsselbasiertes statistisches Wasserzeichen tatsächlich funktioniert.
Artikel 50 des EU AI Act
Art. 50 Abs. 2 sieht für Anbieter einschlägiger generativer KI-Systeme eine maschinenlesbare Kennzeichnung und Erkennbarkeit KI-generierter oder manipulierter Inhalte vor – soweit technisch machbar und vorbehaltlich gesetzlicher Ausnahmen.
Art. 50 Abs. 4 betrifft unter anderem die Offenlegung bestimmter KI-generierter Veröffentlichungen zu Themen von öffentlichem Interesse. Eine menschliche Prüfung mit redaktioneller Verantwortung kann eine Ausnahme begründen.
Eine spätere Textüberarbeitung beseitigt bestehende Transparenz- und Kennzeichnungspflichten nicht automatisch.
Originaltext der EU-Verordnung ↗ · EU-Kommission: Erläuterungen ↗
Wie das Wasserzeichen funktioniert
Googles SynthID Text fügt nicht einfach unsichtbare Zeichen in den fertigen Text ein. Es beeinflusst bereits bei der Generierung die Auswahlwahrscheinlichkeit von Tokens (Wortteilen) durch ein schlüsselabhängiges Verfahren.
- Das Sprachmodell berechnet mögliche nächste Tokens.
- SynthID verändert deren Auswahlwerte nach einem verdeckten Muster.
- Ein passender Detektor untersucht das statistische Muster im entstandenen Text.
Leichte Bearbeitungen können das Signal bestehen lassen. Umfassende Neuformulierungen oder Übersetzungen können dagegen den Detektionswert reduzieren – ohne garantierte Entfernung.
Wichtig für Sloppy-AI: Die allgemeine KI-Erkennung bewertet sprachliche Muster. Der öffentliche SynthID-Referenzdetektor ist jetzt als JavaScript-Port integriert. Ein Nachweis setzt dennoch den passenden Schlüssel, die korrekte Tokenisierung und Generierungskonfiguration voraus; Gemini-Schlüssel sind nicht verfügbar. Der angezeigte Prozentscore ist keine kalibrierte Wahrscheinlichkeit für die KI-Urheberschaft. Textänderungen dürfen nicht als Ersatz für erforderliche Offenlegungen eingesetzt werden.