Letzte Woche haben wir eine „Hinter-den-Kulissen-Story“ geteilt, die sogar uns überrascht hat: Menschen nutzen Mentafy – eigentlich für akademische Integrität gebaut – um Liebesbriefe auf KI-Einsatz zu prüfen.

– Jetzt selbst und kostenlos Texte auf KI-Einsatz prüfen

Jetzt, wo die Valentinswoche vorbei ist, sehen wir: Das Muster hat sich 2026 nicht nur wiederholt – es ist auch deutlich mehr getestet geworden [6].

Was wir 2026 gesehen haben (einfach erklärt)

• Wieder sahen grob 1 von 10 Einreichungen nach persönlicher Kommunikation aus – nicht nach akademischer Arbeit (basierend auf interner Klassifikation).
• Unser Love-Letter-Filter identifizierte rund um die Valentinswoche knapp 2.000 Liebesbrief-Uploads – etwa 5x so viele wie im Vorjahr.
• Das aussagekräftigste Signal: Ein relevanter Anteil dieser Liebesbriefe zeigte starke KI-Muster, konsistent mit dem, was wir zuvor gesehen haben (aggregiertes internes Signal; kein „Beweis-Label“ für einzelne Texte).

Was uns gleichzeitig zum Schmunzeln und Nachdenken brachte: Manche haben nicht einmal getippte Nachrichten hochgeladen, sondern Fotos handgeschriebener Liebesbriefe vom Smartphone. Das ist weit weg von Hausarbeiten – aber es zeigt, wie emotional die Frage dahinter ist:

„Ich will nicht nur eine schöne Nachricht. Ich will etwas, das echt ist.“

Warum das über Romantik hinaus relevant ist

Wir haben unsere LinkedIn-Community gefragt, ob es sie stören würde, wenn der Partner KI für den Liebesbrief nutzt. 57% antworteten klar mit „Ja“. Die übrigen 43% verlangten zumindest Transparenz – und niemand sagte „Nein“. Das ist nicht nur eine Mentafy-Anekdote: Eine repräsentative YouGov-Umfrage für GMX/WEB.DE zeigt, dass 72% der Deutschen keine KI für Liebesbriefe oder Valentinsgrüße verwenden würden [1]. Eine aktuelle Studie (zusammengefasst u. a. von der University of Kent) deutet außerdem darauf hin, dass KI-Outsourcing bei sozial-relationalen Nachrichten nach hinten losgehen kann: Selbst bei Offenlegung werden Menschen teils als weniger fürsorglich, weniger authentisch und weniger vertrauenswürdig wahrgenommen [2].

Das Compliance-Problem: KI-Detektion allein trägt keine „Beweiskraft“

Wenn Gesellschaft und Institutionen zunehmend fragen „Ist das echt?“, brauchen wir Antworten, die verantwortbar sind – besonders in Bildung, Recruiting und anderen High-Stakes-Kontexten.

Die harte Realität: Post-hoc KI-Detektoren sind allein nicht zuverlässig genug, um als Beweis zu gelten. OpenAI hat den eigenen KI-Text-Detektor wegen „geringer Genauigkeit“ eingestellt [3]. Und im deutschen Hochschulkontext wird davor gewarnt, dass KI-Detektoren irreführende Wahrscheinlichkeitswerte und Bias-bedingte Fehlklassifikationen liefern können – gerade bei unterschiedlichen Schreibstilen und Sprachhintergründen [4].

Der „aufstrebende Star“: Prozessevidenz (Versionshistorie) und digitale Forensik

Was skaliert besser als Rätselraten? Evidenz aus dem Schreibprozess. Schon eine einfache Versionshistorie kann Hinweise geben, ob ein Text schrittweise entstanden ist – oder plötzlich als großer Block eingefügt wurde [5].

Genau hier sehen wir einen starken Trend: klassische Checks (Plagiat, KI-Klassifikation, Zitatanalyse) zu kombinieren mit prozessorientierter Evidenz (Revisionen, Entwicklungsverlauf, Schreibmuster), um faire Entscheidungen und bessere Lernprozesse zu unterstützen.

Wie Mentafy hineinpasst

Darum wird der Werkzeugkasten der Zukunft „mehrschichtig“:

• Klassische Checks (Plagiat, Zitatanalyse, KI-Klassifikation)
• Plus Prozessevidenz (Revision-Muster, Versionshistorie, Textentwicklung)

Diese Kombination beantwortet „Ist das echt?“ deutlich besser als ein einzelner Score.

Lust, es selbst auszuprobieren?

Wenn du neugierig bist – bei Liebesbrief, Motivationsschreiben oder Hausarbeit – nutze unseren kostenlosen KI-Classifier als schnellen ersten Hinweis. Und wenn du Lehrkraft oder Institution bist, geht Mentafy weiter: als Suite, die mehrere Methoden in einer klaren Ansicht zur effizienten Prüfung zusammenführt.

Valentinstag 2026 ist vorbei. Die Echtheitsfrage nicht.

Quellen
[1] Friemel, C. (2026, February 9). Keine Gefühle für KI: Mehrheit der Deutschen hält sie aus der Liebe raus. GMX Newsroom. https://newsroom.gmx.net/2026/02/09/keine-gefu%CC%88hle-fu%CC%88r-ki-mehrheit-der-deutschen-haelt-sie-aus-der-liebe-raus/
[2] Claessens, S., Veitch, P., & Everett, J. A. C. (2026). Negative perceptions of outsourcing to artificial intelligence. Computers in Human Behavior, 177, 108894. https://doi.org/10.1016/j.chb.2025.108894
[3] Coldewey, D. (2023, July 25). OpenAI scuttles AI-written text detector over “low rate of accuracy”. TechCrunch. https://techcrunch.com/2023/07/25/openai-scuttles-ai-written-text-detector-over-low-rate-of-accuracy/
[4] Gostmann, I., & Hildermeier, L. (2026, February 12). KI prüft KI – und scheitert? Über Bias-Effekte und Verzerrungen in KI-Detektoren. Hochschulforum Digitalisierung. https://hochschulforumdigitalisierung.de/bias-effekte-ki-detektoren/
[5] University of Maryland, Baltimore County, Division of Information Technology. (2025, May 14). Using Google Doc “Versions” to detect student originality vs. AI abuse. https://doit.umbc.edu/news/post/150153/
[6] Mentafy GmbH. (2026). Internal analysis of anonymized user uploads around Valentine’s Day 2025–2026 (Unpublished internal dataset).