Grammatikbasierte Methode übertrifft oder hält mit KI in Autorenanalyse Schritt

Eine neue Studie der University of Manchester stellt die Annahme in Frage, dass komplexe KI bei Sprachanalysen immer bessere Ergebnisse liefert. Forscher unter der Leitung von Dr. Andrea Nini entwickelten LambdaG, eine grammatikbasierte Methode zur Autorschaftsverifikation, die vergleichbar oder besser als fortschrittliche KI-Systeme abschneidet.

Wie LambdaG funktioniert

LambdaG analysiert grammatikalische Muster, anstatt sich auf groß angelegte maschinelle Lernmodelle zu verlassen. Es erstellt ein statistisches Profil individueller Schreibstile, indem es Merkmale wie:

• Die Verwendung von Funktionswörtern (Wörter wie "es", "von" und "der")
• Satzstruktur
• Interpunktionsmuster
• Andere grammatikalische Gewohnheiten

Die Forscher beschreiben diese Merkmale als eine charakteristische Verhaltenssignatur für jeden Autor, ähnlich wie Individuen eine einzigartige Handschrift oder Gangart entwickeln.

Leistungsergebnisse

Die Studie testete LambdaG an 12 realen Schreibdatensätzen, die praktische Szenarien widerspiegeln:

• E-Mails
• Online-Forenbeiträge
• Verbraucherbewertungen

In den meisten Fällen erzielte LambdaG eine höhere Genauigkeit als mehrere etablierte Autorschaftsverifikationssysteme, einschließlich neuronaler Netzwerkansätze. Die Methode zog mit führenden KI-Systemen in den meisten Testdatensätzen gleich oder übertraf sie.

Wesentliche Vorteile gegenüber KI-Systemen

Während viele aktuelle Autorschaftsverifikationssysteme auf komplexen KI-Modellen basieren, die mit riesigen Datensätzen trainiert wurden, bietet LambdaG mehrere praktische Vorteile:

• Größere Transparenz: Zeigt, welche grammatikalischen Muster die Entscheidungen beeinflusst haben, anders als viele KI-Modelle, die als Blackbox agieren
• Geringere Rechenkosten: Benötigt nicht die umfangreichen Rechenressourcen großer KI-Modelle
• Erklärbarkeit: Liefert klare Erklärungen für Schlussfolgerungen, was es für hochriskante Bereiche wie strafrechtliche Ermittlungen geeignet macht

Mögliche Anwendungen

Die Forscher identifizieren mehrere praktische Anwendungsfälle für die Methode:

• Forensische Linguistik
• Strafverfolgung
• Erkennung von Online-Missbrauch
• Überwachung der akademischen Integrität

Dr. Nini merkt an: "Es gibt eine wachsende Annahme, dass man komplexe KI benötigt, um Probleme wie die Autorschaftsanalyse zu lösen, aber unsere Ergebnisse zeigen, dass dies nicht unbedingt der Fall ist. Indem wir unseren Ansatz in der Wissenschaft gründen, wie Sprache tatsächlich funktioniert, können wir Ergebnisse erzielen, die genauso gut – und oft besser – sind, während sie transparenter sind."

Die Studie wurde in Humanities and Social Sciences Communications mit DOI: https://doi.org/10.1057/s41599-025-06340-3 veröffentlicht.