Veröffentlicht am 8. Oktober 2026

Ein Faktenprüfer für Texte, direkt in Ihrem KI-Agenten: KI-Erkennung, Grammatik und Plagiat über MCP

Probator prüft jeden Text auf KI-Generierung, Grammatik und Plagiat in mehr als 100 Sprachen – über eine REST API oder einen Remote-MCP-Server, den Ihr Agent selbst aufrufen kann.

Immer mehr Text, der durch unsere Apps fließt, wird von einem Sprachmodell geschrieben, überarbeitet oder zusammengefasst. Content-Plattformen wollen das wissen, bevor sie ihn veröffentlichen. Schulen wollen es wissen, bevor sie ihn benoten. Und nach Artikel 50 der KI-Verordnung der EU muss künftig jeder, der KI-generierten Text zur Information der Öffentlichkeit veröffentlicht, diesen kennzeichnen.

Probator prüft einen Text in einem einzigen Aufruf auf drei Dinge:

KI-Generierung: eine Wahrscheinlichkeit und ein Urteil, Satz für Satz, samt den Belegen dafür;
Grammatik und Stil: Korrekturen mit Erklärungen, die nie ungefragt übernommen werden;
Plagiat: übereinstimmende Quellen aus dem Web, wissenschaftlichen Datenbanken und Wikipedia, in jeder Sprache.

Außerdem meldet Probator versteckte Zeichen, verwechselbare Buchstaben und KI-Herkunftsmerkmale (C2PA, IPTC-Kennzeichnungen, unsichtbare Unicode-Tags für versteckte Prompts). Es funktioniert in mehr als 100 Sprachen, und Sie können es aus Ihrem Code aufrufen oder Ihren KI-Agenten direkt darauf zugreifen lassen.

Für Agenten: eine Zeile MCP-Konfiguration

Probator betreibt einen Remote-MCP-Server. Fügen Sie ihn in jeden Client ein, der MCP über HTTP spricht:

{
  "mcpServers": {
    "probator": { "type": "http", "url": "https://probator.ai/mcp" }
  }
}

Der erste Aufruf liefert einen 401, der den Client zu OAuth 2.1 weiterleitet. Der Client registriert sich selbst, Sie melden sich an und bestätigen, fertig: Es müssen keine Schlüssel hin und her kopiert werden. Arbeitet Ihr Agent lieber mit einem Schlüssel, fügen Sie stattdessen "headers": { "Authorization": "Bearer pb_live_…" } hinzu.

Ihr Agent erhält fünf Tools:

Tool	Funktion
`check_ai`	KI-Erkennung mit Belegen und Herkunftsmerkmalen
`check_grammar`	Korrekturen, mit Erklärungen in 6 Sprachen
`check_plagiarism`	Originalitätswert und übereinstimmende Quellen
`check_all`	alle drei Prüfungen in einem Aufruf
`get_credits`	Plan und verbleibende Credits (kostenlos)

Agenten, die keinen OAuth-Client ausführen können, lassen sich trotzdem registrieren: Sie senden die E-Mail-Adresse der Person, diese meldet sich an und gibt einen 6-stelligen Code ein, den der Agent ihr anzeigt. Die Details stehen in auth.md.

Für Ihren Code: eine schlichte REST API

curl https://probator.ai/v1/detect \
  -H "Authorization: Bearer $PROBATOR_KEY" \
  -H "Content-Type: application/json" \
  -d '{"text": "Fügen Sie hier den Text ein, den Sie prüfen möchten..."}'

{
  "verdict": { "key": "likely_ai", "p_ai": 0.94, "confidence": "high", "guards": [] },
  "sentences": [ … ],
  "evidence": [ … ],
  "provenance": { "declared": null, "marks": [] },
  "credits": { "used": 142, "remaining": 499858 }
}

Endpunkte: /v1/analyze führt beliebige Kombinationen von Prüfungen aus und akzeptiert auch PDF-, Word-, Markdown-, HTML- und Textdateien. /v1/detect, /v1/grammar und /v1/plagiarism führen jeweils eine einzelne Prüfung aus, und /v1/usage liefert Ihren Plan und Ihre Credits.
Fehler: Jeder Fehler hat einen stabilen code (insufficient_credits, too_many_words, rate_limited), und jede Antwort enthält die Header x-credits-used und x-credits-remaining.
Spezifikationen: Die OpenAPI-Datei ist öffentlich, ebenso llms.txt und llms-full.txt. Ihr Coding-Assistent kann die Dokumentation also selbst lesen.

So funktioniert die Erkennung (und warum Sie einem „Nein“ trauen können)

Die meisten KI-Detektoren liefern eine einzige undurchsichtige Zahl. Probator kombiniert vier unabhängige Signale:

Ein eigenes Erkennungsmodell: ein Klassifikator auf Basis mehrsprachiger Satz-Embeddings, trainiert mit menschlichen und KI-geschriebenen Texten in sechs Sprachen, einschließlich KI-überarbeiteter und „humanisierter“ Texte.
Eine Expertenanalyse durch ein Sprachmodell, das die Passagen zitiert, die es verdächtig findet.
Ein Umschreibtest: Maschinentext ändert sich kaum, wenn ein Modell ihn noch einmal überarbeitet.
Forensische Belege: Chatbot-Überbleibsel, unsichtbare Zeichen, verwechselbare Buchstaben, Datei-Metadaten.

Ein falsch positives Ergebnis wiegt viel schwerer als ein übersehener KI-Text, deshalb ist die Engine darauf ausgelegt, solche Fehler zu vermeiden:

Kurze Texte: unter 80 Wörtern kein Urteil „KI-generiert“ ohne harte Belege.
Stärkstes Urteil: Zwei Detektoren müssen übereinstimmen.
Schwellenwerte pro Sprache: so kalibriert, dass falsch positive Ergebnisse bei menschlichen Texten höchstens 1 % ausmachen.

Ändert eine dieser Schutzregeln ein Ergebnis, nennt der Bericht sie in verdict.guards.

Auf zurückgehaltenen Testdokumenten erreicht das Modell 98,4 % Genauigkeit und eine AUROC von 0,998. Die Ergebnisse nach Sprache sind auf der Genauigkeitsseite veröffentlicht.

Die Ergebnisse sind Wahrscheinlichkeiten mit Begründung, keine Beweise. Nutzen Sie sie, um zu entscheiden, was ein Mensch prüfen sollte, nicht, um über einen Menschen zu entscheiden.

Was damit gebaut wird

Publishing-Pipelines: Artikel vor der Veröffentlichung prüfen und die KI-Kennzeichnung ergänzen, wo sie nötig ist.
Lernplattformen: Einreichungen durch KI-Erkennung und Plagiatsprüfung schicken und Lehrkräften dann die Belege zeigen, nicht nur einen Wert.
Redaktions- und Review-Agenten: ein Agent, der eingehende Texte sichtet, markiert, was ein Mensch ansehen sollte, und beim Rest die Grammatik korrigiert.
Moderations-Warteschlangen: generierten Spam und kopierte Inhalte sprachübergreifend abfangen.
Signierte Zertifikate: aus einer Prüfung ein PDF-Zertifikat mit Ed25519-Signatur machen, das jeder überprüfen kann.

Datenschutz in Kürze

Gespeicherte Dokumente und die Kontodatenbank bleiben in der EU. Texte werden nie zum Trainieren von Modellen verwendet, und die eingesetzten Sprachmodelle werden ohne Speicherung und ohne Training aufgerufen. Probator meldet versteckte Markierungen und KI-Kennzeichnungen, entfernt sie aber nie.

Jetzt ausprobieren

Kostenlos: 5.000 Credits pro Monat im Web-Editor, keine Karte nötig. KI-Erkennung kostet 1 Credit pro Wort.
API und MCP: enthalten in Pro (12,99 € pro Monat, 500.000 Credits) und Team (39 € pro Monat für 3 Plätze, 2.000.000 gemeinsame Credits).
Dokumentation: probator.ai/docs/api.

Eigenen Text prüfen