Der KI-Detektor hat deine Arbeit markiert. Was tun, wenn du selbst geschrieben hast

Ein Wert aus einem KI-Detektor ist kein Beweis. Turnitin sagt es selbst: Über eine Täuschung entscheidet nicht das Werkzeug, sondern die prüfende Person, und die Fehlerquote ist nicht null. Wenn du die Arbeit selbst geschrieben hast, steht deine Verteidigung nicht auf einem Streit über Technik. Sie steht auf einem belegbaren Schreibprozess: Versionsverlauf, Notizen, Exzerpte und die Fähigkeit, den Text mündlich zu erklären.

Warum der Detektor auch Texte von Menschen markiert

Detektoren messen nicht die Herkunft eines Textes. Sie messen seine Vorhersagbarkeit. Wählt ein Satz erwartbare Wörter in erwartbarer Reihenfolge, bekommt er einen hohen Wert, ganz gleich wer ihn geschrieben hat.

Akademisches Deutsch ist genau so ein Text. Feste Wendungen, vorsichtige Formulierungen, lange Satzgefüge, kein Slang und keine persönlichen Abschweifungen. Je besser du gelernt hast, wissenschaftlich zu schreiben, desto näher liegt dein Stil an dem, was das Modell für den Durchschnitt hält.

Turnitin hat das an eigenen Daten gemessen. In einem Update seines Chief Product Officers nennt das Unternehmen eine Fehlerquote auf Satzebene von rund 4 %, also können vier von hundert markierten Sätzen menschlich sein. Zugleich räumt es ein, dass die Fehlerquote in den ersten und letzten Sätzen eines Dokuments höher liegt, typischerweise also in Einleitung und Fazit, wo am allgemeinsten geschrieben wird.

Wie die Erkennung technisch funktioniert, haben wir im Beitrag darüber behandelt, wie KI-generierte Texte erkannt werden. Hier geht es um etwas anderes: was zu tun ist, wenn sich das Werkzeug ausgerechnet bei dir geirrt hat.

Wen Detektoren am häufigsten markieren

Die stärksten Daten zu falsch positiven Ergebnissen stammen aus der Studie GPT detectors are biased against non-native English writers (Liang u. a., Zeitschrift Patterns, 2023). Die Autoren schickten Aufsätze durch sieben gängige Detektoren:

• Durchschnittliche Fehlerquote bei TOEFL-Aufsätzen von Nicht-Muttersprachlern: 61,22 %.
• Achtzehn von 91 Aufsätzen, also 19,78 %, wurden von allen sieben Detektoren übereinstimmend als maschinell eingestuft.
• Bei Aufsätzen von Muttersprachlern, konkret US-Achtklässlern, lag die Fehlerquote bei nur 5,19 %.

Der Unterschied ist kein Zufall. Wer in einer Fremdsprache schreibt, nutzt einen kleineren Wortschatz und sicherere Satzkonstruktionen. Für den Detektor sieht das aus wie maschineller Text.

Für Studierende in Deutschland ergeben sich daraus zwei konkrete Risikostellen. Die erste ist das englische Abstract, das du vorsichtig und wörtlich geschrieben hast. Die zweite sind Abschnitte, die von ihrer Natur her schablonenhaft sind: Abstract, Begriffsdefinitionen, Methodenbeschreibung und Fazit. Dort kommen die meisten festen Wendungen pro Seite vor.

Was der Wert wirklich bedeutet und was nicht

Der Wert sagt eine Sache: Dieser Text hat statistische Eigenschaften, die maschinellem Text ähneln. Er zeigt der prüfenden Person, wo sie hinschauen soll. Mehr nicht. Er sagt nicht, dass du KI benutzt hast, er sagt nicht, dass eine Täuschung vorliegt, und er sagt nichts, was ein anderes Werkzeug genauso bestätigen würde.

Bei Arbeiten mit mehr als 20 % markiertem Text nennt Turnitin eine Fehlerquote auf Dokumentebene unter 1 %, geprüft an 800.000 akademischen Arbeiten, die noch vor der Veröffentlichung von ChatGPT entstanden sind. In der Praxis heißt das eine falsch markierte Arbeit von hundert. Das klingt wenig, bis du diese eine bist.

Unterhalb von 20 % ist es schlechter, und Turnitin gibt das selbst zu. Seit Juli 2024 zeigt das Unternehmen Werte im Bereich 1 bis 19 % gar nicht mehr an und ersetzt sie durch ein Sternchen, damit niemand aus der Zahl Schlüsse zieht. Ebenso gilt ein Mindestumfang von 300 Wörtern, unterhalb dessen ein Dokument nicht bewertet wird.

Unabhängige Tests fielen noch schlechter aus. Die Studie Testing of detection tools for AI-generated text (Weber-Wulff u. a., International Journal for Educational Integrity, 2023) prüfte 14 Werkzeuge einschließlich Turnitin und kommt zu dem Schluss, dass die verfügbaren Detektoren weder genau noch zuverlässig sind.

Turnitin trifft keine Feststellung einer Täuschung. Wir liefern Daten, damit Lehrende informiert entscheiden können. Da unsere Rate falsch positiver Ergebnisse nicht null ist, müssen Sie Ihr fachliches Urteil, Ihre Kenntnis Ihrer Studierenden und den Kontext der konkreten Aufgabenstellung anwenden.

Turnitin, Understanding false positives within our AI writing detection capabilities

Das ist der wichtigste Satz des ganzen Artikels, und du kannst ihn im Schriftwechsel mit der Hochschule ruhig verwenden. Der Hersteller sagt selbst, dass sein Ergebnis keine Entscheidung ist.

Belege, die du schon vor der Abgabe anlegen kannst

Ein falscher Vorwurf wird nicht durch Argumente entkräftet, sondern durch Aufzeichnungen. Wer zeigen kann, wie der Text entstanden ist, braucht kaum eine Verteidigung. Lege das an, bevor du es brauchst.

• Schreibe in einem Dokument mit Versionsverlauf. Google Docs speichert den Versionsverlauf automatisch, Word macht dasselbe über OneDrive oder SharePoint, und frühere Versionen kannst du auch nachträglich öffnen. Hundert gespeicherte Versionen über vier Monate sind ein stärkerer Beleg als jede Erklärung.
• Behalte Notizen und Exzerpte. Fotos von Buchseiten, Datenbankexporte, markierte PDFs, eine Zotero-Bibliothek. Quellen, die du wirklich gelesen hast, lassen sich überprüfen. Erfundene Quellen existieren nicht.
• Betreue per E-Mail, nicht nur mündlich. Schicke Zwischenstände auch dann per E-Mail an die Betreuung, wenn ihr euch persönlich seht. Das ergibt eine datierte Spur, dass der Text schrittweise gewachsen ist.
• Bewahre die Rohdaten auf. Ausgefüllte Fragebögen, Interviewtranskripte, die Antworttabelle vor der Auswertung. Die eigene Datenerhebung ist das Einzige, was ein Modell nicht herstellen kann.
• Schreibe die Arbeit nicht an einem Wochenende. Selbst wenn du es schaffst, sieht die Beweisspur genau so aus wie das, was dir vorgeworfen wird.

Wie du vorgehst, wenn der Vorwurf schon im Raum steht

Fordere den konkreten Bericht an

Bitte um den Namen des Werkzeugs, das Datum der Prüfung, den vollständigen Wert und die markierten Passagen. Ohne das weißt du nicht, ob es um 22 % in einem Kapitel geht oder um eine markierte Einleitung. Der Unterschied ist entscheidend.

Gestehe nichts vorsorglich

Der übliche Fehler ist der Satz „vielleicht habe ich diesen einen Satz übersetzen lassen", um kooperativ zu wirken. Damit hast du gerade den Vorsatz geliefert, den bis dahin niemand hatte. Beschreibe, wie du geschrieben hast, mehr nicht.

Lege die Entstehungsgeschichte vor

Versionsverlauf, laufende E-Mails mit der Betreuung, Notizen und Rohdaten. Reiche das auf einmal und nach Datum sortiert ein, nicht stückweise auf Nachfrage.

Biete eine mündliche Überprüfung an

Schlage vor, jede beliebige Passage live zu erklären. Wer den Text nicht geschrieben hat, kann nicht sagen, warum genau diese Definition darin steht und woher sie stammt. Das ist derselbe Muskel wie bei der Verteidigung, du übst es also ohnehin.

Genau dieser Punkt ist juristisch entscheidend geworden. Das Verwaltungsgericht Kassel entschied am 25. Februar 2026 in zwei Verfahren (7 K 2134/24.KS und 7 K 2515/25.KS) über nicht offengelegte KI-Nutzung. Nach der Berichterstattung von beck-aktuell fiel dabei ins Gewicht, dass die Studierenden Fragen zu den Grundlagen ihrer eigenen Arbeit nicht beantworten konnten. Wer seine Arbeit erklären kann, steht deutlich besser da als jemand, der nur über Detektoren diskutiert.

Kenne die Beweislast

Der Vorwurf einer Täuschung muss von der Hochschule belegt werden, nicht von dir widerlegt. Stilistische Auffälligkeiten oder ein Detektorwert allein tragen eine Sanktion nicht. Konkret gilt für dich:

• Der Prüfungsausschuss entscheidet, nicht die Software. Ein Detektorergebnis ist ein Indiz unter mehreren, kein Nachweis.
• Das Verfahren richtet sich nach deiner Prüfungsordnung. Dort stehen die zuständigen Stellen, die möglichen Folgen und die Fristen. Lies sie, bevor du antwortest.
• Widerspruchsfristen sind kurz. Die Frist steht in der Rechtsbehelfsbelehrung des Bescheids. Versäumst du sie, ist die Sache in der Regel erledigt, unabhängig davon, wie gut deine Argumente sind.
• Die Fachschaft und die allgemeine Studienberatung helfen kostenlos. Bei einem drohenden Bescheid ist zusätzlich fachanwaltliche Beratung im Prüfungsrecht sinnvoll.

Was du in dieser Situation nicht tun solltest

• Jage den Text nicht durch „Humanizer"-Werkzeuge. Damit machst du aus deinem eigenen Text einen Text mit Spuren maschineller Bearbeitung. Turnitin erkennt seit dem 27. August 2025 auch den Einsatz von Werkzeugen zur Umgehung der Erkennung und nimmt ihn in den Wert auf.
• Lösche und überschreibe den Versionsverlauf nicht. Kopieren in ein neues Dokument vernichtet den einzigen Beleg, den du hast. Bearbeite auch die Originaldatei nicht, solange die Sache läuft.
• Schicke die Arbeit nicht testweise durch öffentliche Detektoren. Du übergibst deinen unveröffentlichten Text an Dritte und hast nichts bewiesen. Die Werte unterscheiden sich zwischen Werkzeugen, und eine niedrige Zahl aus einem anderen Detektor ist kein Gegenbeweis.
• Streite nicht über die Technik. Ein Vortrag darüber, wie Detektoren funktionieren, überzeugt keinen Prüfungsausschuss. Deine Linie ist der Schreibprozess, nicht die Kritik am Werkzeug.

Wie du das Risiko künftig senkst

Die Regeln werden an den Hochschulen laufend nachgeschärft. Laut dem KI-Monitor 2025 des Hochschulforums Digitalisierung befassen sich 97 % der Hochschulen mit KI in Prüfungen und 87 % haben ihre Eigenständigkeitserklärungen bereits angepasst, aber nur 43 % haben die Prüfungsordnungen selbst geändert. Genau in dieser Lücke entstehen Streitfälle.

Praktisches Minimum, das dich ein paar Minuten kostet:

• Frage die Betreuung, welches Werkzeug der Fachbereich einsetzt und ab welchem Wert eine Arbeit geprüft wird.
• Lies die Regelung deiner eigenen Hochschule, nicht einen Artikel über die Regelung einer anderen.
• Lies vor allem den KI-Passus deiner Eigenständigkeitserklärung. Genau das unterschreibst du.
• Gib an und zitiere, was du tatsächlich genutzt hast. Wie das geht, steht in unserem Text darüber, ob Studierende ChatGPT nutzen dürfen.
• Ergänze eigene Daten, konkrete Beispiele und Namen. Schablonenhaftigkeit ist das, was ein Detektor bestraft.

Eine eigene Frage ist das Wasserzeichen, das KI-Werkzeuge selbst in ihre Ausgaben legen. Mit Detektoren hat es nichts zu tun, den Unterschied haben wir im Beitrag zu Wasserzeichen und unsichtbaren Zeichen in KI-Texten beschrieben.

Häufig gestellte Fragen

Ist ein hoher Wert aus dem KI-Detektor ein Beweis dafür, dass ich getäuscht habe?

Nein. Turnitin gibt selbst an, dass nicht das Werkzeug über eine Täuschung entscheidet, sondern die prüfende Person, und dass die Fehlerquote nicht null ist. Der Wert ist ein Anlass für ein Gespräch, keine Entscheidung. Die Beweislast für den Vorwurf liegt bei der Hochschule.

Was mache ich zuerst, wenn die Betreuung schreibt, die Arbeit sei als KI markiert?

Fordere den konkreten Bericht an: Name des Werkzeugs, Datum der Prüfung, Gesamtwert und markierte Passagen. Antworte erst danach. Gestehe nichts vorsorglich und schicke keine überarbeitete Fassung, solange du nur weißt, dass irgendetwas markiert wurde.

Warum ist mein Text markiert, obwohl ich gar keine KI benutzt habe?

Detektoren messen nicht die Herkunft, sondern die Vorhersagbarkeit. Fachsprache, feste Wendungen und vorsichtige Formulierungen sehen statistisch genauso aus wie maschineller Text. Am häufigsten markiert werden Abstract, Begriffsdefinitionen, Methodenbeschreibung und Fazit, also die schablonenhaftesten Teile der Arbeit.

Hilft mir der Versionsverlauf aus Google Docs oder Word?

Ja, das ist der stärkste Beleg, den du vorlegen kannst. Er zeigt, dass der Text über Wochen gewachsen ist, mit Umschreiben und Rücksprüngen. Voraussetzung ist, dass du direkt in diesem Dokument geschrieben und es am Ende nicht in eine neue Datei kopiert hast.

Kann die Hochschule mich allein wegen eines Detektorwerts exmatrikulieren?

Ein Wert allein trägt eine solche Entscheidung nicht, weil die Hochschule die Täuschung belegen muss. In den Verfahren vor dem Verwaltungsgericht Kassel im Februar 2026 kam es auf die Gesamtumstände an, insbesondere darauf, dass die Studierenden Fragen zu ihrer eigenen Arbeit nicht beantworten konnten.

Werden Nicht-Muttersprachler wirklich häufiger markiert?

Ja, und der Effekt ist groß. In der Studie von Liang u. a. lag die durchschnittliche Fehlerquote bei TOEFL-Aufsätzen von Nicht-Muttersprachlern bei 61,22 %, bei Aufsätzen von US-Achtklässlern dagegen bei 5,19 %. Das betrifft in Abschlussarbeiten vor allem das englische Abstract.

Lohnt es sich, den Text so umzuschreiben, dass er durch den Detektor kommt?

Nein. Werkzeuge zur Umgehung der Erkennung hinterlassen eigene Spuren, und Turnitin nimmt sie seit August 2025 direkt in den Wert auf. Außerdem entwertest du damit den Versionsverlauf, der dein bester Beleg ist. Besser ist, eigene Daten und konkrete Beispiele zu ergänzen.