KI-Detektoren an deutschen Hochschulen: Was die Forschung zeigt und was die Prüfungsordnungen wirklich sagen

Was Sie in diesem Beitrag erwartet: Dieser Beitrag analysiert, wie zuverlässig KI-Detektoren an deutschen Hochschulen tatsächlich arbeiten — gestützt auf die meistzitierte internationale Studie (Weber-Wulff et al. 2023), die Leistungsdaten des OpenAI-Classifiers und eine offizielle Stellungnahme des Digitale Lehre Hub Niedersachsen. Sie erfahren, warum der ungekennzeichnete Einsatz von KI als Täuschungsversuch gewertet wird, wie der prüfungsrechtliche Rahmen an deutschen Hochschulen aufgebaut ist, welche datenschutz- und KI-verordnungsrechtlichen Hürden gegen den Einsatz von Detektoren sprechen und wie ein Verdacht in der Praxis tatsächlich geprüft wird — nämlich nicht durch Software, sondern im Gespräch.

KI-Detektoren Hochschule — kaum ein Thema verunsichert Studierende und Lehrende gleichermaßen. Seit ChatGPT im Winter 2022 in die Hörsäle kam, begleitet eine Hoffnung den Hochschulbetrieb: Es müsse doch ein Werkzeug geben, das Prüfenden zuverlässig anzeigt, ob eine Hausarbeit von einem Sprachmodell stammt. Drei Jahre später ist die Antwort der Forschung eindeutig — und sie fällt anders aus, als die Marketingversprechen der Anbieter nahelegen. Wer heute eine Hausarbeit schreiben lassen mit KI möchte oder KI-Tools für Recherche und Textarbeit nutzt, sollte wissen, was die empirische Forschung über die Trefferquoten von KI-Detektoren sagt, warum mehrere deutsche Hochschulverbünde inzwischen ausdrücklich von deren Einsatz abraten, welche datenschutz- und prüfungsrechtlichen Hürden bestehen und wie ein Täuschungsverdacht tatsächlich geprüft wird.

1. Die empirische Ausgangslage: KI-Detektoren sind unzuverlässig

Die international meistzitierte Untersuchung zum Thema stammt von Debora Weber-Wulff (HTW Berlin) und einem Team aus sieben Ländern. Die Studie Testing of detection tools for AI-generated text erschien 2023 im International Journal for Educational Integrity und prüfte zwölf frei verfügbare Detektoren sowie zwei kostenpflichtige Systeme.

Das Fazit der Autorinnen und Autoren: Die verfügbaren Werkzeuge seien „neither accurate nor reliable“. Sie zeigten zudem eine systematische Verzerrung — im Zweifel klassifizieren sie Texte eher als menschlich geschrieben, statt KI-Generiertes zu erkennen. Für Turnitin, das im deutschen Hochschulbetrieb am weitesten verbreitete System, wurde in der Untersuchung eine korrekte Erkennung von rund 54 Prozent des KI-Textes ermittelt.

Ebenso relevant ist der zweite Untersuchungsgegenstand der Studie: Wie verhalten sich Detektoren, wenn Texte maschinell übersetzt oder sprachlich überarbeitet werden? Die Erkennungsraten brechen in diesen Fällen deutlich ein. Liu et al. (2024) und Sheinman Orenstrakh et al. (2023) kommen unabhängig davon zu vergleichbaren Ergebnissen.

Májovský et al. (2024) argumentieren in Cell Reports Physical Science grundsätzlicher: Eine perfekte Erkennung computergenerierten Textes stehe vor fundamentalen, nicht bloß technischen Hindernissen.

Der Anbieter selbst als Kronzeuge

Bemerkenswert ist, dass die deutlichsten Einschränkungen von den Herstellern kommen. OpenAI veröffentlichte am 31. Januar 2023 einen eigenen AI Text Classifier und nannte im selben Atemzug die Leistungsdaten: Auf einem englischsprachigen Challenge-Set erkannte das System 26 Prozent der KI-Texte korrekt (True Positives) und stufte gleichzeitig 9 Prozent menschlich verfasster Texte fälschlich als KI-generiert ein.

Die Einschränkungen, die OpenAI selbst formulierte, lesen sich wie eine Warnliste für den Prüfungsbetrieb:

„It should not be used as a primary decision-making tool, but instead as a complement to other methods of determining the source of a piece of text.“

Zwei Punkte verdienen besondere Beachtung. Erstens die Sprachfrage: „We recommend using the classifier only for English text. It performs significantly worse in other languages.“ Für den deutschsprachigen Hochschulbetrieb ist das die zentrale Einschränkung. Zweitens die Prognose zur Nachbearbeitung:

„AI-written text can be edited to evade the classifier. […] it is unclear whether detection has an advantage in the long-term.“

Am 20. Juli 2023 nahm OpenAI den Classifier wegen zu geringer Genauigkeit wieder vom Netz. In der Mitteilung dazu findet sich eine weitere aufschlussreiche Formulierung: Man arbeite an wirksameren Provenienz-Verfahren und habe sich verpflichtet, Mechanismen zu entwickeln, mit denen Nutzerinnen und Nutzer audiovisuelle Inhalte als KI-generiert erkennen können. Für Text besteht diese Selbstverpflichtung nicht.

Nach Recherchen des Wall Street Journal (August 2024) verfügt OpenAI seit etwa 2023 über ein einsatzfähiges Wasserzeichenverfahren für Text mit einer angegebenen Trefferquote von rund 99,9 Prozent, hält dessen Veröffentlichung aber zurück. Als Gründe werden unter anderem die Sorge um Nutzerabwanderung, die unverhältnismäßige Belastung von Nicht-Muttersprachlern und die Umgehbarkeit durch Umformulierung oder Übersetzung genannt. Auch 2026 existiert kein öffentliches Text-Wasserzeichen von OpenAI; das C2PA-Verfahren des Unternehmens betrifft ausschließlich Bilder.

2. Falsch-Positive: Wen es trifft

Die Fehlerquote ist kein abstraktes Problem. Falsch-positive Ergebnisse bedeuten, dass Studierenden KI-Nutzung unterstellt wird, obwohl sie keine KI verwendet haben.

Die Stellungnahme des Digitale Lehre Hub Niedersachsen weist auf ein kontraintuitives Muster hin: Gerade gut strukturierte Texte sind von Falsch-Positiv-Bewertungen betroffen. Wer klar gliedert, konsistent argumentiert und stilistisch sauber schreibt, produziert ein Textprofil, das statistisch schwer von maschineller Erzeugung zu unterscheiden ist.

Ein zweites Risikoprofil sind Nicht-Muttersprachler. OpenAI selbst führte diesen Punkt als Argument gegen die Einführung des Wasserzeichens an. Eine Recherche von Bloomberg Businessweek (Davalos & Yin, November 2024) dokumentierte den Fall der US-Lehramtsstudentin Moira Olmsted, die auf Basis eines Detektorergebnisses zu Unrecht beschuldigt wurde — mit erheblichen Folgen für ihren Studienverlauf.

Hinzu kommt ein struktureller Unterschied zur Plagiatsprüfung, den die Universität Bielefeld in ihrer prüfungsrechtlichen Handreichung klar benennt: Beim Plagiat lässt sich die Vorlage danebenlegen und der Abgleich dokumentieren. Bei KI-Text existiert keine Quelle, die als Beweismittel dienen könnte — der Text wird genau für diesen einen Zweck erzeugt.

3. Der prüfungsrechtliche Rahmen

Eine bundeseinheitliche Regelung gibt es nicht. Zuständig sind die Länder, in der Praxis entscheiden Hochschulen, häufig einzelne Fachbereiche und im Einzelfall die prüfende Person.

Die juristische Konstruktion ist gleichwohl in weiten Teilen identisch. Prüfungsleistungen müssen eigenständig und ohne fremde Hilfe erbracht werden. Die Universität Bielefeld argumentiert — gestützt auf das Rechtsgutachten von Salden, Lordick, Wiethoff und Hoeren — dass ursprünglich zwar an Menschen oder Unternehmen gedacht war, fremde Hilfe aber auch technisch in Anspruch genommen werden kann. KI-Unterstützung habe „häufig den gleichen quantitativen und qualitativen Umfang“ wie bereits sanktionierte menschliche Hilfestellung und falle daher begrifflich unter „Inanspruchnahme fremder Hilfe“.

Daraus folgt der gemeinsame Nenner der meisten Hochschulregelungen: Der ungekennzeichnete Einsatz von KI entgegen Aufgabenstellung oder Eigenständigkeitserklärung gilt als Täuschungsversuch.

Das ist allerdings kein Automatismus. Ein Täuschungsversuch führt dazu, dass eine Abwertung oder ein Nichtbestehen erfolgen kann; es bleibt eine ordnungsgemäße Ermessensausübung erforderlich, und die Prüfungsordnungen sehen in der Regel eine Anhörung vor.

Der Trend geht zur Offenlegung, nicht zum Verbot

Bemerkenswert ist, in welche Richtung sich die Argumentation an den Hochschulen bewegt. Die Universität Bielefeld listet in ihrer Handreichung ausdrücklich Gründe auf, KI-Werkzeuge zuzulassen: Die Qualität KI-generierter Texte sei bereits hoch; Prüfenden werde es je nach Fach schwerfallen zu erkennen, ob KI im Spiel war. Erkennungssoftware entwickle sich verzögert und könne „nach jetzigem Stand keine verlässliche Indikation garantieren“. Der Nachweis sei rechtssicher schwierig, da keine Vorquelle existiert. Und es sei wichtig, Kompetenzen zu vermitteln, die dem technischen Stand der Disziplin entsprechen.

Ein weiterer Aspekt betrifft die Chancengleichheit: Kostenpflichtige Modelle und Fach-GPTs stehen zahlenden Nutzerinnen und Nutzern zur Verfügung. Aus prüfungsrechtlicher Sicht müssen die Startbedingungen auch für sozial schwächere Studierende gleich sein. Bielefeld betreibt deshalb mit BiKI eine eigene KI-Schnittstelle.

Das Fazit der Universität: Im Bachelor- und Masterbereich spreche vieles dafür, KI-Werkzeuge einzubinden, statt ein generelles Verbot auszusprechen. Strenger bleibt der Promotions- und Habilitationsbereich — dort kommt KI-Einsatz nur bei entsprechender schriftlicher Vereinbarung mit der Betreuung in Betracht.

Das praktische Steuerungsinstrument ist daher nicht der Detektor, sondern die Dokumentation: eine angepasste Eigenständigkeitserklärung, ergänzt um ein KI-Verzeichnis, das Werkzeug, Zweck und Umfang ausweist. Bielefeld empfiehlt, Studierende zur Angabe zu verpflichten, welche Software mit welchen Prompts zum Ergebnis beigetragen hat.

4. KI-Detektoren Hochschule: Warum offiziell abgeraten wird

Im Februar 2025 veröffentlichten Kira Baresel (Universität Vechta) sowie Janine Horn und Susanne Schorer (Universität Oldenburg) eine Stellungnahme des Digitale Lehre Hub Niedersachsen. Das Ergebnis ist unmissverständlich:

„In der Gesamtbetrachtung raten wir vom Einsatz von KI-Detektoren an Hochschulen daher ab.“

Neben der Unzuverlässigkeit führt die Stellungnahme vier rechtliche Hürden an.

Datenschutz. Prüfungsleistungen sind personenbezogene Daten (EuGH, Urteil vom 20.12.2017, C-434/16). Der Einsatz von KI-Detektoren ist ohne Rechtsgrundlage — entweder vorherige Einwilligung nach Art. 6 Abs. 1 lit. a DSGVO oder eine Regelung in der Prüfungsordnung — unzulässig.

Freiwilligkeit der Einwilligung. Eine Einwilligung muss ohne Nachteile verweigert werden können. Praktisch heißt das: Es müsste immer möglich bleiben, die Prüfungsleistung ohne Detektorprüfung abzugeben. Zudem ist die Einwilligung jederzeit widerrufbar, was während laufender Bewertungsverfahren Rechtsunsicherheit erzeugt.

Automatisierte Entscheidungen. Art. 22 DSGVO verbietet Entscheidungen, die ausschließlich auf automatisierter Verarbeitung beruhen und rechtliche Wirkung entfalten. Die Auslegung im Kontext von KI-Detektoren ist nicht abschließend geklärt.

KI-Verordnung. Systeme zur Erkennung verbotenen Prüfungsverhaltens dürften als Hochrisiko-KI im Sinne von Art. 6 Abs. 2 KI-VO in Verbindung mit Anhang III Nr. 3 lit. d einzustufen sein. Erwägungsgrund 56 der KI-VO begründet dies damit, dass solche Systeme über Bildungs- und Berufsverläufe mitentscheiden. Daraus folgt ein umfangreicher Pflichtenkatalog.

Hinzu kommt ein organisatorischer Punkt: Um die Weiterverwendung studentischer Texte durch den Anbieter auszuschließen, müssten Hochschulen einen Auftragsverarbeitungsvertrag schließen oder lokal hosten.

Die Stellungnahme benennt schließlich ein Risiko, das häufig übersehen wird: Stellt die Hochschule ein Detektionswerkzeug bereit, kann bei Prüfenden ein falsches Sicherheitsgefühl entstehen.

5. Wie ein Täuschungsverdacht tatsächlich geprüft wird

Die Beweislast liegt bei der Prüfungsbehörde, konkret bei der prüfenden Person.

Das Verwaltungsgericht München hat sich in zwei Eilverfahren mit der Frage befasst (M 3 E 23.4371 und M 3 E 24.1136). In beiden Fällen wurde das Ergebnis eines KI-Detektors lediglich als Indiz gewertet. Ausschlaggebend war die Stellungnahme der Prüfenden.

Den Anscheinsbeweis einer Täuschungshandlung stützte das Gericht auf den Vergleich mit den Leistungen anderer Bewerberinnen und Bewerber, den Vergleich der Textpassagen untereinander in Struktur, Inhalt und Ausdruck, typische Fehler, Stärken und Ausdrucksformen von KI-Generatoren, allgemeine Erfahrungen der Prüfenden zum Leistungsniveau von Bachelorabsolventinnen und -absolventen sowie den Vergleich mit bekannten Vorleistungen der geprüften Person.

Die praktische Konsequenz beschreibt die Universität Bielefeld: Liegen fachliche oder methodische Auffälligkeiten vor, können Studierende aufgefordert werden darzulegen, wie sie bei der Erstellung vorgegangen sind. Sie werden mit den Auffälligkeiten konfrontiert und erhalten Gelegenheit zur Erklärung. Gelingt das nicht überzeugend und bleibt unzulässiger KI-Einsatz als einzige Erklärung, kann dies als Beleg ausreichen.

Eine gefestigte Rechtsprechung zu KI-Täuschungen existiert bislang nicht. Unter Juristinnen und Juristen ist umstritten, ob sich angesichts der Neuartigkeit der Technologie überhaupt schon „typische Muster“ nach allgemeiner Lebenserfahrung annehmen lassen.

Der entscheidende Punkt für Studierende lautet deshalb: Das Risiko liegt weniger im Text als im Verfahren — in der Fähigkeit, den eigenen Arbeitsprozess und die fachliche Substanz im Gespräch nachvollziehbar darzustellen.

6. Welche Systeme deutsche Hochschulen einsetzen

Ein zentrales Register existiert nicht; jede Hochschule lizenziert eigenständig. Verbreitet sind im Kern drei Plagiatssysteme, bei denen KI-Erkennung ein Zusatzmodul ist.

Der Trend seit 2025 zeigt: KI-Detektoren Hochschule verlieren zunehmend an Bedeutung. International geht die Entwicklung dahin, rein automatisierte Detektion aufzugeben und stattdessen auf Prüfungsformate, Transparenzregeln und didaktische Strategien zu setzen. In Deutschland verstärken Datenschutz- und Beweislastfragen diese Zurückhaltung zusätzlich.

Ein häufig unterschätzter Faktor bei der Systemauswahl: Eine verlässliche Erkennung KI-generierter Texte in deutscher Sprache ist derzeit nicht möglich. Für einige Hochschulen wurde das zum Ausschlusskriterium.

7. Was folgt daraus?

Für Studierende. Maßgeblich ist nicht der Score eines Detektors, sondern die Regelung der eigenen Hochschule, des Fachbereichs und der konkreten Aufgabenstellung. Wo KI zulässig ist, ist sie offenzulegen — über die Eigenständigkeitserklärung und, wo gefordert, ein KI-Verzeichnis mit Werkzeug, Zweck und Umfang. Wer den eigenen Arbeitsprozess dokumentiert, ist im Fall eines Verdachts erheblich besser gestellt als jemand, der nur ein fertiges Dokument vorlegen kann.

Für falsch Beschuldigte. Ein Detektorergebnis allein trägt die Beweislast nicht. Das ergibt sich aus der Rechtsprechung des VG München, aus der Fehlerquote der Verfahren und aus den Angaben der Anbieter selbst — einschließlich OpenAIs Hinweis, dass die eigenen Klassifikatoren nicht als primäres Entscheidungswerkzeug taugen und auf nicht-englischen Texten deutlich schlechter arbeiten. Wer betroffen ist, sollte den eigenen Schreibprozess belegen: Zwischenstände, Notizen, Literaturexzerpte, Versionsverläufe.

Für Lehrende. Die Stellungnahme aus Niedersachsen empfiehlt, Ressourcen statt in Detektionssoftware in die Anpassung von Prüfungskultur und -formaten zu investieren. Die Universität Bielefeld verweist auf mündliche Elemente, Präsenzanteile und Aufgabenstellungen, bei denen überzeugende Ergebnisse nur erreichbar sind, wenn die Thematik tatsächlich durchdrungen wurde.

Wie die Bielefelder Handreichung nüchtern festhält: Das Prüfungswesen hat technische Umbrüche schon mehrfach überstanden — vom Wechsel der reinen Bibliotheksnutzung zu Internetquellen bis zur flächendeckenden PC-Ausstattung. Probleme wie Ghostwriting existierten bereits vor generativer KI. Sie werden durch die Technologie verstärkt, aber weder durch sie noch durch Detektoren gelöst.

KASL — wissenschaftliche Arbeiten mit KI, transparent und geprüft

KASL (ki-arbeitschreibenlassen.de) erstellt fertige wissenschaftliche Arbeiten — von Seminararbeiten über Bachelorarbeiten bis hin zu Masterarbeiten mit bis zu 80 Seiten. Die Literaturrecherche greift auf mehr als 20 akademische Fachdatenbanken zu; jede Quelle wird mit DOI-Link und als PDF bereitgestellt. Jede Arbeit durchläuft eine Plagiatsprüfung (PlagAware) und einen KI-Erkennungstest (GPTZero) — beide Berichte gehören zum Lieferumfang.

Die Bearbeitung beginnt sofort nach dem Ausfüllen des Auftragsformulars. Die erste vollständige Version steht innerhalb von vier bis sechs Stunden bereit — zu festen Preisen, die für alle Fachbereiche gelten.

Testen Sie KASL unverbindlich: Die kostenlose Demo zeigt Ihnen in etwa drei Minuten, wie Ihre fertige Arbeit aussehen wird — ohne Registrierung, ohne Kreditkarte, nur Ihr Thema.