Wie erkennt man, ob Code von einer KI generiert wurde?

Dozenten, Personalverantwortliche und CTF-Organisatoren fragen immer wieder danach. Es gibt keinen zuverlässigen einzelnen Detektor, aber es gibt Muster, die häufig genug auftauchen, um nützlich zu sein – besonders wenn du einen Stapel von Einsendungen bewertest statt einer einzelnen isolierten Datei.

Strukturelle Merkmale in generiertem Code

Generierter Code neigt dazu, auf eine bestimmte Weise über-kommentiert zu sein: Kommentare, die wiederholen, was die Zeile tut (# increment the counter), anstatt warum sie existiert. Menschlicher Code unter Zeitdruck verzichtet auf offensichtliche Kommentare und erklärt nur die seltsamen Teile. Generierter Code neigt auch zu einheitlicher Funktionslänge und durchgehend konsistentem, lehrbuchmäßig perfektem Error Handling, auch an Stellen, wo eine Person faul geworden oder einen Shortcut verwendet hätte, den sie aus einem früheren Bug gelernt hat.

Ein weiteres Merkmal: Variablen- und Funktionsnamen, die gleichzeitig zu beschreibend und zu generisch sind. calculate_total_price_with_tax statt calc_total oder welcher Shorthand auch immer ein echtes Codebase entwickelt. Echte Projekte sammeln im Laufe der Zeit Namensinkonsistenz an, wenn verschiedene Menschen die Datei anfassen. Eine einzelne Datei mit verdächtig konsistenten Namenskonventionen über 300 Zeilen, angeblich von einem Anfänger geschrieben, verdient einen zweiten Blick.

Frage nach den Teilen, die nicht laufen

Die schnellste praktische Überprüfung besteht darin, die Person zu bitten, eine spezifische Entscheidung zu erklären, die nicht auf den ersten Blick aus dem Code klar wird – etwa