KI in Hausarbeiten erkennen: Was Detektoren können und was vor Gericht zählt

Im Mai 2026 bestätigte das Verwaltungsgericht Berlin die Note 5,0 für eine Bachelorarbeit im Fach BWL. Ausschlaggebend war kein KI-Detektor, sondern ein einzelnes Wort: „Billionen“. In der englischen Quelle stand „billions“, also Milliarden. Dass ein deutscher Muttersprachler und BWL-Student diesen Fehler macht, hielt die Kammer für „nahezu ausgeschlossen“. Sie sah darin die Spur einer maschinellen Rückübersetzung. Der Fall zeigt, wie die Erkennung von KI-Texten an Hochschulen im Jahr 2026 tatsächlich funktioniert: mit Detektivarbeit statt Knopfdruck.

Die Ausgangslage: KI ist Standard

Die Zahlen lassen wenig Interpretationsspielraum. Laut einer Befragung des Centrums für Hochschulentwicklung (CHE) unter mehr als 28.000 Studierenden der Wirtschafts- und Rechtswissenschaften nutzten im Wintersemester 2025/26 46,5 Prozent KI täglich im Studium. Ein Jahr zuvor war es ein Viertel. Nur 2,4 Prozent nutzen KI nie. In Großbritannien gaben in einer Umfrage des Higher Education Policy Institute (HEPI) 94 Prozent der Studierenden an, generative KI für bewertete Arbeiten einzusetzen.

Wie oft dabei die Grenze zur Täuschung überschritten wird, weiß niemand genau. Eine Recherche des Guardian zählte für das Studienjahr 2023/24 knapp 7.000 nachgewiesene Fälle von KI-Betrug an britischen Universitäten, gut dreimal so viele pro Kopf wie im Vorjahr. Klassische Plagiate gingen im selben Zeitraum zurück. In der Schweiz ergab eine Umfrage des SRF unter 31 Hochschulen nur niedrige Fallzahlen: Die ZHAW meldete 17 Fälle in zwei Jahren, die ETH Zürich einen „niedrigen einstelligen Bereich pro Jahr“. Fachleute gehen von einer hohen Dunkelziffer aus. Erfasst wird eben nur, was sich nachweisen lässt.

KI-Detektoren: Prozentzahlen mit Schlagseite

Der naheliegende Reflex ist Software. Anbieter wie Turnitin, GPTZero, Copyleaks oder Pangram versprechen, KI-Texte zu erkennen. Technisch prüfen sie, wie vorhersehbar ein Text für ein Sprachmodell ist, oder sie setzen eigens trainierte Klassifikatoren ein. Das Ergebnis ist eine Wahrscheinlichkeit, kein Nachweis. Anders als beim Plagiatsscanner gibt es keine Originalquelle, die man neben die Arbeit legen kann.

Die Forschung stellt den Werkzeugen seit Jahren ein schlechtes Zeugnis aus. Ein internationales Team um die Berliner Informatikerin Debora Weber-Wulff (HTW Berlin) testete 2023 vierzehn Detektoren, darunter Turnitin. Ihr Fazit: Die Tools seien „weder genau noch zuverlässig“. Sie stuften KI-Texte eher als menschlich ein, und schon einfaches Umschreiben oder Übersetzen verschlechterte die Erkennung deutlich. Eine Stanford-Studie fand im selben Jahr eine systematische Schlagseite: Sieben Detektoren hielten im Schnitt 61 Prozent der Englisch-Prüfungsaufsätze chinesischer Studierender für KI-generiert. Aufsätze US-amerikanischer Achtklässler erkannten sie dagegen fast fehlerfrei als menschlich. Wer einfacher und vorhersehbarer schreibt, gerät schneller unter Verdacht.

Neuere Tools sind besser geworden. Eine im Juni 2026 veröffentlichte Studie der Vrije Universiteit Brussel verglich Pangram, GPTZero, Copyleaks und Turnitin an 160 Dokumenten mit bekannter Herkunft. Fehlalarme bei rein menschlichen Texten waren bei allen Werkzeugen selten. Pangram schnitt am besten ab, die übrigen unterschätzten den KI-Anteil deutlich, vor allem bei Texten aktueller Modelle. Die Forscher ließen Pangram anschließend über 1.163 Masterarbeiten des Studienjahrs 2024/25 laufen. Das Tool markierte 45,5 Prozent davon. Auch die Autoren warnen aber, Detektoren lieferten nur „erste Hinweise“ und dürften nicht alleinige Grundlage folgenreicher Entscheidungen sein.

Wie heikel selbst niedrige Fehlerquoten sind, rechnete die Vanderbilt University schon 2023 vor, als sie die KI-Erkennung von Turnitin abschaltete. Bei 75.000 eingereichten Arbeiten pro Jahr würde schon eine Fehlalarmrate von einem Prozent rund 750 Studierende zu Unrecht verdächtigen. Für deutschsprachige Texte fehlt eine belastbare unabhängige Studie bislang ganz. Die meisten Tests im Netz stammen von Anbietern oder nutzen Stichproben im zweistelligen Bereich.

Hinzu kommt ein Wettrüsten. Sogenannte Humanizer schreiben KI-Texte so um, dass Detektoren sie nicht mehr erkennen. Studierende können ihre Arbeit außerdem vor der Abgabe selbst durch einen Detektor schicken und nachbessern. Laut Berichten nutzen inzwischen auch ehrliche Studierende solche Werkzeuge, um nicht fälschlich unter Verdacht zu geraten.

Wasserzeichen helfen Hochschulen vorerst nicht

Seit August 2026 versehen Google, Anthropic und OpenAI ihre KI-Texte mit unsichtbaren Wasserzeichen in der Wortwahl. Wie das funktioniert, erklärt unser Artikel zu KI-Wasserzeichen in Texten. Für die Prüfung von Hausarbeiten taugen sie bislang kaum. Die Detektoren sind nicht öffentlich. OpenAI schließt Berichten zufolge die Prüfung von Hausarbeiten und Abschlussarbeiten ausdrücklich aus dem Zugangsprogramm für seinen Detektor aus. Anthropic nennt Bildungseinrichtungen zwar unter den berechtigten Organisationen, die Detection-API ist aber noch in einer geschlossenen Vorschau.

Und selbst ein Treffer wäre kein Beweis für Täuschung. Ein Wasserzeichen zeigt nur, dass ein Modell den Text verarbeitet hat, etwa beim Korrekturlesen oder Übersetzen. Umgekehrt verschwindet es beim Umformulieren schnell: Nach OpenAIs eigenen Tests sinkt die Erkennungsrate auf 17 Prozent, wenn ein Viertel der Wörter ausgetauscht wird.

Menschen erkennen KI-Texte auch nicht besser

Bleibt das geschulte Auge der Prüfenden. Ein Experiment der University of Reading spricht dagegen, sich darauf zu verlassen. Für eine 2024 veröffentlichte Studie reichten Forscher um Peter Scarfe unter 33 erfundenen Identitäten von GPT-4 geschriebene Antworten in reguläre Psychologie-Prüfungen ein. Die Korrektoren wussten nichts von dem Test. 94 Prozent der KI-Einsendungen fielen nicht auf. Im Schnitt bekamen sie sogar etwa eine halbe Notenstufe bessere Bewertungen als die echten Studierenden.

Was vor Gericht zählt

Trotz aller Unsicherheit landen die ersten Fälle vor deutschen Verwaltungsgerichten, und die Hochschulen gewinnen bislang. Auffällig ist dabei, welche Rolle Detektoren spielen: fast keine.

Den Anfang machte das VG München 2023 und 2024 in zwei Eilverfahren zu Bewerbungsessays an der TU München. Die Beweislast liege bei der Hochschule, so das Gericht. Sie könne die Täuschung aber per Anscheinsbeweis führen, also über typische Indizien, die nach Lebenserfahrung auf KI schließen lassen. Software allein genüge dafür nicht. Erst zusammen mit der Einschätzung erfahrener Hochschullehrer ergebe sich ein tragfähiges Bild. Im zweiten Fall hatte eine Gegenprüfung mit einem anderen Detektor keinen Verdacht ergeben. Das Gericht wertete das als Zweifel an der Software, nicht an der Täuschung.

Deutlich weiter ging das VG Kassel im Februar 2026. In einem Fall konnte ein Informatikstudent seine Bachelorarbeit und den zugehörigen Programmcode im Kolloquium nicht erklären. Im anderen enthielt eine Master-Hausarbeit im Verwaltungsrecht Fußnoten zu Gerichtsentscheidungen, die es nicht gibt. Der Student hatte zunächst behauptet, er habe Copilot nur zur Korrektur genutzt. Das Gericht wertete beide Fälle als besonders schwere Täuschung. Damit war auch die Wiederholungsprüfung ausgeschlossen. Schon eine einmalige, nicht gekennzeichnete Nutzung generativer KI überschreite die Grenze. Eine Rechtschreibprüfung wie in Word sei in Ordnung, eine inhaltliche Überarbeitung durch KI nicht. Dass die Prüfungsordnung KI nicht ausdrücklich verbot, spielte keine Rolle. Die Urteile sind nicht rechtskräftig, die Berufung zum Hessischen Verwaltungsgerichtshof ist zugelassen.

Das VG Köln bestätigte im Juni 2026 den Verlust des Prüfungsanspruchs einer Anglistik-Studentin. Ihre Hausarbeit über einen Spielfilm von 2012 zitierte unter anderem Quellen, die älter waren als der Film selbst. Ob tatsächlich KI im Spiel war, ließ das Gericht offen. Entscheidend sei, dass eine wissenschaftliche Eigenleistung vorgespiegelt worden sei. Die Studentin hatte bereits zwei frühere Täuschungen auf dem Konto.

Das VG Berlin schließlich, im eingangs geschilderten Fall, stützte sich auf eine ganze Reihe von Indizien: „Billionen“ statt Milliarden, „compromise“ übersetzt als „kompromittieren“, hochgestellte Anführungszeichen, gemischt englische und deutsche Zeichensetzung, Anglizismen und aufgeblähte Formulierungen. Dazu kamen Kapitel ohne Fehler neben Passagen mit vielen Fehlern auf engem Raum. Diese Unterschiede konnte der Student nicht erklären. Mindestens 16 Seiten stufte das Gericht als KI-generiert ein. Bemerkenswert: Die Berliner Kammer wandte ausdrücklich keinen Anscheinsbeweis an, sondern die allgemeinen Beweisregeln. Ob schon eine einmalige KI-Nutzung genügt, wie es Kassel sieht, ließ sie offen. Die Rechtsprechung ist sich also im Ergebnis einig, in der Begründung noch nicht.

Auch Schulen sind betroffen. Das VG Hamburg entschied im Dezember 2025 im Fall eines Neuntklässlers, der ein Lesetagebuch mit KI erstellt hatte: KI-Nutzung ohne Erlaubnis der Lehrkraft sei Täuschung, auch ohne ausdrückliches Verbot.

Die Indizien, auf die es ankommt

Aus den Urteilen und den Empfehlungen der Hochschulen ergibt sich ein recht klares Bild der Merkmale, die in der Praxis tragen:

• Erfundene oder falsche Quellen. Das stärkste Einzelindiz, weil es objektiv prüfbar ist. In einer Studie aus dem Jahr 2023 waren 55 Prozent der von GPT-3.5 erzeugten Literaturangaben erfunden, bei GPT-4 noch 18 Prozent. Neuere Modelle mit Websuche halluzinieren seltener, aber nicht nie.
• Übersetzungs- und Formatierungsspuren. Falsche Zahlwörter, Anglizismen, fremde Typografie, uneinheitliche Zeichensetzung.
• Brüche im Text. Abschnitte, die sich in Stil, Fehlerdichte und Niveau deutlich vom Rest unterscheiden oder von früheren Arbeiten derselben Person.
• Das Gespräch. Wer seine Arbeit, seine Quellen oder seinen Code im Kolloquium nicht erklären kann, hat ein Problem. Für viele Hochschulen ist das Gespräch bei Verdacht inzwischen der Standardweg.
• Widersprüchliche Einlassungen. Sowohl in Kassel als auch in Köln fiel ins Gewicht, dass die Erklärungen der Studierenden nicht zusammenpassten.

Generische, glatte Formulierungen allein reichen dagegen nicht. Das betonte auch das VG Kassel. Stilanalysen wie unser KI-Muster-Check können auf Auffälligkeiten hinweisen, beweisen aber nichts. Gut strukturierte Texte von Menschen geraten ebenso leicht in Verdacht.

Die Hochschulen setzen auf Regeln und Prüfungsformate

Die deutschen Hochschulen haben reagiert, allerdings vor allem auf dem Papier. Laut dem KI-Monitor 2025 des Hochschulforums Digitalisierung haben 87 Prozent ihre Eigenständigkeitserklärung angepasst. Im Wintersemester 2023/24 waren es noch 42 Prozent. Die Prüfungsordnung haben dagegen nur 43 Prozent geändert. Gerade die Eigenständigkeitserklärung ist vor Gericht zentral: Wer unterschreibt, keine unerlaubten Hilfsmittel genutzt zu haben, kann sich später kaum auf Unwissen berufen.

Von Detektoren raten die meisten Fachgremien ab. Eine Stellungnahme des Digitale Lehre Hub Niedersachsen vom Februar 2025 verweist neben der Unzuverlässigkeit auch auf den Datenschutz. Prüfungsleistungen sind personenbezogene Daten. Wer sie durch einen externen Detektor schickt, braucht eine Rechtsgrundlage, also eine Regelung in der Prüfungsordnung oder eine freiwillige Einwilligung. Freiwillig heißt: Wer ablehnt, muss die Arbeit trotzdem ohne Nachteile abgeben können.

Die Richtung gibt ein Diskussionspapier des Hochschulforums Digitalisierung vom Oktober 2025 vor. Die Autorinnen um Doris Weßels (FH Kiel) warnen vor einem „technologischen Wettrüsten mit KI-Detektoren“. Sie plädieren dafür, neben dem fertigen Text auch den Arbeitsprozess und eine mündliche Verteidigung zu bewerten. Wer den Weg zu seiner Arbeit dokumentiert und sie im Gespräch vertreten kann, hat sie in aller Regel auch selbst erarbeitet, mit oder ohne erlaubte KI-Hilfe.

Fazit

Eine Software, die zuverlässig anzeigt, ob eine Hausarbeit von einer KI stammt, gibt es nicht und wird es absehbar nicht geben. Detektoren liefern bestenfalls einen Anfangsverdacht und schlimmstenfalls falsche Beschuldigungen, vor allem gegenüber Nicht-Muttersprachlern. Was vor Gericht trägt, sind handfeste Fehler: erfundene Quellen, Übersetzungsspuren, ein Kolloquium, in dem die eigene Arbeit fremd wirkt. Für Studierende folgt daraus vor allem eines: KI-Nutzung offenlegen, wo sie erlaubt ist, und jede Quelle selbst prüfen. Für Hochschulen heißt es: klare Regeln, und Prüfungsformate, bei denen ein fertiger Text nicht mehr alles ist.

Häufige Fragen

Können KI-Detektoren sicher erkennen, ob eine Hausarbeit mit KI geschrieben wurde?

Nein. Selbst gute Detektoren liefern nur eine Wahrscheinlichkeit. Studien zeigen Fehlalarme, besonders bei Nicht-Muttersprachlern, und eine deutlich schlechtere Erkennung, sobald Texte umgeschrieben werden. Gerichte werten Detektor-Ergebnisse höchstens als Indiz.

Woran erkennen Prüfende KI in einer Hausarbeit?

Vor allem an erfundenen oder falschen Quellen, an Übersetzungs- und Formatierungsfehlern, an Stilbrüchen innerhalb der Arbeit und daran, dass Studierende ihre Arbeit im Gespräch nicht erklären können.

Ist KI-Nutzung in der Hausarbeit automatisch eine Täuschung?

Nicht automatisch. Entscheidend ist, was die Hochschule oder Lehrkraft erlaubt und ob die Nutzung offengelegt wird. Laut VG Kassel kann aber schon eine einmalige, nicht gekennzeichnete Nutzung generativer KI eine Täuschung sein, auch wenn die Prüfungsordnung KI nicht ausdrücklich verbietet.

Wer muss die KI-Nutzung beweisen?

Die Hochschule. Mehrere Verwaltungsgerichte lassen dafür einen Anscheinsbeweis über typische Indizien genügen. Studierende müssen dann plausibel machen, dass der Text auf anderem Weg entstanden ist. Das VG Berlin hat den Anscheinsbeweis dagegen nicht angewandt. Die Frage ist noch nicht abschließend geklärt.