Sie korrigieren eine schriftliche Arbeit, und ein Gefühl beschleicht Sie: zu glatt, zu generisch, irgendwie nicht nach diesem Studierenden klingend. Ein Klick auf einen KI-Detektor verspricht Gewissheit: mit „87 Prozent Wahrscheinlichkeit KI-generiert“. Doch was dann? Genau an diesem Punkt stehen derzeit viele Lehrende, denn Studierende nutzen generative Künstliche Intelligenz längst flächendeckend. In der Studierendenbefragung für das CHE Hochschulranking im Wintersemester 2024/25 gaben rund zwei Drittel der mehr als 23.000 Befragten an, KI-Tools regelmäßig einzusetzen (Jurios, 2026).

Dieser Beitrag zeigt Ihnen zweierlei. Erstens: Warum der Detektor-Klick Sie in die Irre führt, nicht nur fachlich und rechtlich sondern auch ethisch. Zweitens, und ausführlicher: Mit welchen konkreten Aufgaben- und Prüfungsdesigns Sie das eigentliche Problem lösen. Denn die entscheidende Frage lautet nicht „Hat dieser Studierende KI benutzt?“, sondern „Liefert meine Prüfung überhaupt noch einen gültigen Nachweis für Lernen?“ (Lodge et al., 2023). Wer diese Frage ernst nimmt, gewinnt Handlungsspielraum zurück, ganz ohne Verdachtskultur.

Bevor Sie einem Detektorwert vertrauen, lohnt der Blick hinter die Kulissen. Die meisten Werkzeuge messen statistische Texteigenschaften: die Perplexität, also wie vorhersehbar ein Wort im Kontext ist, und die Burstiness, die Variation von Satzlänge und -bau. Die Annahme dahinter lautet, menschliche Texte seien überraschender und unregelmäßiger als die gleichförmigeren KI-Texte (Weber-Wulff et al., 2023). Andere Systeme nutzen Machine-Learning-Klassifikatoren, die auf menschlichen und maschinellen Textpaaren trainiert wurden (OpenAI, 2023) oder Watermarking, das statistische Muster in den Output einbettet (Sadasivan et al., 2023).

Daraus folgt eine zentrale Grenze, denn ein Detektor stellt keine Tatsache fest, sondern gibt selbst nur eine statistische Wahrscheinlichkeit aus und ist damit eine KI-Blackbox, die über eine andere KI urteilt (Hochschulforum Digitalisierung, 2024). Für Sie als Lehrende heißt das: Der scheinbar präzise Prozentwert suggeriert eine Sicherheit, die das Verfahren nie liefern wird.

Die Befundlage ist eindeutig ernüchternd. Weber-Wulff et al. (2023) testeten 14 Werkzeuge, darunter GPT Zero, Turnitin und PlagiarismCheck, in 54 Fällen. Kein einziges Tool erreichte 80 Prozent Genauigkeit, nur fünf überschritten überhaupt 70 Prozent. Während menschliche Texte zu rund 96 Prozent korrekt erkannt wurden, lag die Trefferquote bei unveränderten KI-Texten nur bei etwa 74 Prozent und das mit einem systematischen Hang, KI-Text fälschlich dem Menschen zuzuschreiben.

Entscheidend für Ihre Praxis ist der Effekt einfacher Überarbeitung. Nach manueller Bearbeitung sank die Erkennung auf 42 Prozent, nach maschineller Paraphrasierung auf 26 Prozent (Weber-Wulff et al., 2023). Sadasivan et al. (2023) zeigten, dass wiederholtes Paraphrasieren praktisch alle Detektortypen aushebelt. Mit anderen Worten: Gerade die Studierenden, die gezielt täuschen wollen, umgehen den Detektor mühelos und die Ehrlichen werden mit Fehlalarmen geprällt.

Wie wenig den Marketingzahlen zu trauen ist, zeigt ein Eingeständnis aus erster Hand, denn OpenAI zog den eigenen AI Text Classifier am 20. Juli 2023 zurück. Das Werkzeug erkannte nur 26 Prozent der KI-Texte korrekt und markierte 9 Prozent menschlicher Texte fälschlich als KI – Rückzug „due to its low rate of accuracy“ (OpenAI, 2023). Wenn Entwickler:innen die Arbeit an ihrem eigenen Erkennungstool aufgeben, zeigt sich: Misstrauen ist mehr als angemessen.

Das für Sie gefährlichste Szenario ist der Fehlalarm bei ehrlicher Arbeit. Liang et al. (2023) prüften sieben verbreitete Detektoren an 91 von Nicht-Erstsprachler:innen verfassten TOEFL-Essays. Die durchschnittliche Falsch-Positiv-Rate lag über 61 Prozent und fast 98 Prozent der Essays wurden von mindestens einem Detektor als KI markiert. Texte von US-Schülern dagegen wurden nahezu fehlerfrei als menschlich erkannt. Der Grund ist mechanisch: Ein begrenzterer Wortschatz erzeugt geringere Perplexität und ähnelt damit dem statistischen Profil von KI. Detektoren benachteiligen also systematisch internationale und mehrsprachige Studierende in genau Ihren Seminaren.

Was das im Maßstab bedeutet, hat die Vanderbilt University vorgerechnet: Selbst bei der von Anbieter:innen behaupteten Falsch-Positiv-Rate von einem Prozent wären rund 750 der 75.000 im Jahr 2022 eingereichten Arbeiten fälschlich markiert worden, weshalb die Universität Turnitins Detektor deaktivierte (Vanderbilt University, 2023). Für die einzelne Lehrperson heißt das: Selbst eine niedrige Fehlerquote produziert über ein Semester verteilt reale, ungerechte Verdachtsfälle (Hochschulforum Digitalisierung, 2024).

Auch wenn Sie überzeugt sind: Ein Detektorergebnis allein begründet keine Sanktion. Die Universität Potsdam stellt klar, dass KI-Detektoren keine rechtssicheren Beweise liefern, weil sie nur Wahrscheinlichkeiten bewerten und die Beweislast für einen Täuschungsversuch bei Ihnen als Prüfenden liegt (Universität Potsdam, 2024). Aktuelle Entscheidungen der Verwaltungsgerichte Kassel und Hamburg zeigen zudem, dass der rechtliche Hebel nicht der Detektor ist, sondern die wahrheitswidrige Eigenständigkeitserklärung und dass KI nur genutzt werden darf, wenn die Prüfungsordnung dies erlaubt (Jurios, 2026).

Hinzu kommt eine psychologische Falle in Ihrem eigenen Urteil: der Automation Bias. Menschen vertrauen automatisierten Ausgaben übermäßig und unterdrücken eigene Einschätzungen, selbst bei widersprechenden Hinweisen (Skitka et al., 1999). Ein „99 Prozent“-Wert kann so Ihre fachliche Wahrnehmung überschreiben und eine vorschnelle Verurteilung auslösen und gravierende Folgen für die Betroffenen nach sich ziehen.

Wenn Detektion nicht funktioniert, verschiebt sich Ihre Aufgabe. Corbin, Dawson und Liu (2025) argumentieren, dass KI primär kein Integritäts-, sondern ein Validitätsproblem ist: Lässt eine Aufgabe sich vollständig von KI erledigen, misst sie nicht mehr die Kompetenz, die sie messen soll. Sarah Eaton (2023) spricht von einer „Postplagiarism“-Ära, in der hybrides Schreiben von Menschen und KI normal wird und die saubere Trennlinie verschwindet. Ihr Hebel liegt deshalb nicht in der Kontrolle, sondern im Design Ihrer Aufgaben. Die folgenden Ansätze sind so gewählt, dass Sie viele davon bereits im nächsten Semester umsetzen können.

Die folgenden sieben Ansätze verfolgen ein gemeinsames Prinzip: Sie verlagern das Gewicht weg von der Frage, ob ein Text mit KI entstanden ist, hin zur Frage, ob er Lernen belegt (Lodge et al., 2023). Verstehen Sie die Ansätze nicht als Checkliste, die Sie vollständig abarbeiten müssen, sondern als Baukasten, denn schon ein oder zwei gezielte Eingriffe verändern die Prüfungslogik einer Lehrveranstaltung spürbar. Manche Vorschläge kosten Sie kaum Vorbereitung, andere lohnen sich erst über mehrere Semester. Wählen Sie deshalb nach Ihrem Fach, Ihrer Gruppengröße und Ihren zeitlichen Ressourcen aus, denn wirksames Prüfungsdesign ist immer kontextgebunden (Bearman et al., 2024).

Generische Aufgaben („Diskutieren Sie die Vor- und Nachteile von X“) erledigt jedes Sprachmodell in Sekunden. Verankern Sie die Aufgabe deshalb in Material, das die KI nicht kennt (Bearman et al., 2024). Konkret: Lassen Sie Studierende ein Konzept auf Daten anwenden, die Sie selbst im Seminar erhoben haben, auf eine Diskussion aus der letzten Sitzung Bezug nehmen oder eine in der Vorlesung gezeigte Fallvignette analysieren. Eine Aufgabe wie „Beziehen Sie Ihre Analyse auf die drei Gegenargumente, die in Sitzung sieben genannt wurden, und auf S. 14 des Seminarreaders“ ist für reine KI-Antworten kaum lösbar und verlangt echtes Verstehen.

Bewerten Sie nicht nur das polierte Endprodukt, sondern den Weg dorthin (Bearman et al., 2024). Konkret: Verlangen Sie gestaffelte Abgaben – Exposee, kommentierter Rohentwurf, überarbeitete Fassung und reservieren Sie einen Teil der Note für die dokumentierte Überarbeitung. Bearman et al. (2024) plädieren dafür, dass „evaluative judgement“ gezielt zu fördern: Lassen Sie Studierende einen KI-Vorschlag einholen und schriftlich begründen, was sie übernehmen, was sie verwerfen und warum. Bewertet wird damit eine Kompetenz, die KI nicht ersetzt, nämlich das fachlich fundierte Urteil über Qualität.

Ein kurzes Fachgespräch zeigt in wenigen Minuten, ob jemand seine eigene Arbeit durchdrungen hat (Sotiriadou et al., 2020). Konkret: Koppeln Sie an die schriftliche Abgabe ein fünf- bis zehnminütiges Gespräch, in dem Studierende zwei, drei zentrale Entscheidungen ihrer Arbeit erläutern, etwa „Warum diese Methode und nicht jene?“. Wichtig: Planen Sie das als regulären, für alle gleichen Bestandteil des Formats ein, nicht als nachträgliche Verdachtsprüfung Einzelner. So bleibt es fair und ist organisatorisch kalkulierbar.

Auch Aufgaben, die reale berufliche Situationen abbilden, sind kein KI-sicheres Format – ein Sprachmodell kann eine Handlungsempfehlung oder ein Gutachten passabel entwerfen. Ihr Wert liegt woanders: Sie verlagern das Gewicht von reiner Textproduktion hin zu fachlicher Urteilskraft, erhöhen Relevanz und Motivation und bereiten Studierende auf eine Berufspraxis vor, in der KI ohnehin Teil der Werkzeugkiste ist (Sotiriadou et al., 2020; QAA, 2023). Konkret: Statt einer abstrakten Hausarbeit lassen Sie eine Handlungsempfehlung für eine reale lokale Organisation entwickeln, ein Gutachten für einen fiktiven, aber realistischen Auftraggeber verfassen oder eine Intervention für eine Zielgruppe entwerfen, die Ihre Studierenden tatsächlich kennen. Je spezifischer der Kontext und je mehr eigenes Abwägen die Aufgabe verlangt, desto weniger trägt eine generische KI-Antwort. Die eigentliche Absicherung gegen Täuschung leistet dann nicht die Aufgabe allein, sondern ihre Kombination mit prozessbegleitenden oder mündlichen Elementen (Lodge et al., 2023).

Transparenz ersetzt Verdacht und entlastet Sie zugleich. Verlangen Sie ergänzend zur Eigenständigkeitserklärung eine kurze Erklärung zur KI-Nutzung: welche Tools, wofür, mit welchen Prompts (HTW Berlin, 2024). Die Universität Hohenheim betont, dass diese Erklärung zugleich als Reflexionsinstrument wirkt – die Studierenden müssen ihren eigenen Einsatz durchdenken (Universität Hohenheim, 2024). Konkret: Nutzen Sie eine abgestufte Skala wie den AI Assessment Scale von Perkins et al. (2024), die fünf Stufen von „kein KI-Einsatz“ bis „volle Integration“ definiert. So machen Sie für jede Aufgabe unmissverständlich klar, was erlaubt ist – und vermeiden Graubereiche, in denen Verdacht erst entsteht.

Verbote allein bereiten Studierende nicht auf eine Arbeitswelt mit KI vor. Ng et al. (2021) unterscheiden vier Kompetenzfelder: KI verstehen, anwenden, bewerten und ethisch einordnen. Konkret: Bauen Sie eine Übung ein, in der Studierende eine bewusst fehlerhafte KI-Ausgabe – etwa mit erfundenen Quellenangaben – aufspüren und korrigieren. Solche Aufgaben trainieren kritische Bewertung als Kompetenz und entdramatisieren zugleich den Umgang mit KI (UNESCO, 2023).

Sie müssen nicht jede einzelne Aufgabe KI-sicher machen. Das an der University of Sydney entwickelte Zwei-Spuren-Modell unterscheidet eine gesicherte Spur – etwa eine überwachte Prüfung, die Kernkompetenzen eigenständig nachweist – und eine offene Spur, in der KI ausdrücklich erlaubt und Lerngegenstand ist (Lodge et al., 2023). Konkret: Sichern Sie die zentralen Kompetenzen Ihres Moduls über ein gesichertes Format ab und nutzen Sie die offene Spur für anspruchsvolle, KI-gestützte Projektarbeit. Stimmen Sie sich dazu mit Kolleg:innen im Modulverbund ab, damit nicht jede Lehrperson dieselbe Last allein trägt.

Sollten Sie oder Ihre Einrichtung an einem Detektor festhalten, behandeln Sie das Ergebnis ausschließlich als Anlass für ein Gespräch, nie als Beweis. Foltýnek et al. (2023) betonen in den ENAI-Empfehlungen Transparenz, menschliche Prüfung und faire Verfahren. Geben Sie Studierenden stets Gelegenheit, ihre Arbeit zu erläutern und Entwürfe vorzulegen (QAA, 2023). Angesichts der dokumentierten Fehlerquoten gilt aber: Wägen Sie ehrlich ab, ob ein Werkzeug, das vor allem Ehrliche und mehrsprachige Studierende trifft, in Ihrer Lehre überhaupt einen Platz verdient.

Der Detektor-Klick verspricht Gewissheit und liefert das Gegenteil: Die Werkzeuge sind ungenau, durch simples Paraphrasieren umgehbar, gegen mehrsprachige Studierende verzerrt und rechtlich nicht belastbar (Weber-Wulff et al., 2023; Liang et al., 2023). Ihr wirksamster Hebel liegt nicht in der Kontrolle, sondern im Design Ihrer Aufgaben. Kontextgebundene, prozessorientierte, mündlich gestützte und authentische Formate machen Lernen sichtbar – und entziehen der Detektionsfrage den Boden (Lodge et al., 2023; Bearman et al., 2024). Transparente KI-Nutzungserklärungen und KI-Kompetenz als Lernziel verwandeln ein Kontrollproblem in eine Lerngelegenheit (Eaton, 2023). Wer so prüft, braucht keinen Spürhund und gewinnt etwas Wertvolleres als Verdacht: Vertrauen und gute Lehre.

Dieser Beitrag entstand unter Nutzung der KI-Modelle ChatGPT, Claude AI und Lumo. Die Entwicklung von Gliederung, Formulierungen und Entwurfsfassungen erfolgte in Zusammenarbeit zwischen den Autor:innen und den KI-Systemen. Die fachliche Validierung, redaktionelle Endbearbeitung sowie die Gesamtverantwortung für die veröffentlichten Inhalte obliegen ausschließlich den Autor:innen.