KI-Detektor 2026: Wie zuverlässig KI-Checker Texte erkennen

Ein KI-Detektor schätzt, mit welcher Wahrscheinlichkeit ein Text von einer KI wie ChatGPT, Claude oder Gemini stammt. Er liefert eine Prozentzahl und keinen Beweis. Unabhängige Studien zeigen hohe Fehlerquoten, vor allem bei überarbeiteten KI-Texten und bei Texten von Nicht-Muttersprachlern. OpenAI selbst schreibt in seinem Hilfebereich, dass Detektoren nach eigener Erfahrung nicht zuverlässig genug sind, um daraus Urteile über Schülerinnen und Schüler abzuleiten. Wer einen KI-Checker nutzt, sollte das Ergebnis deshalb als Hinweis lesen und nie als alleinige Grundlage für eine Note oder einen Vorwurf. Hier erfährst du, wie die Werkzeuge arbeiten, was sie laut Studien leisten, was sie kosten und was die deutsche Rechtslage dazu sagt (Stand: 17. Oktober 2026).

Was ist ein KI-Detektor?

Ein KI-Detektor, oft auch KI-Checker oder AI Detector genannt, ist eine Software, die Texte auf typische Merkmale maschinell erzeugter Sprache untersucht. Du fügst einen Text ein oder lädst eine Datei hoch, das Tool zeigt danach einen Wert zwischen 0 und 100 Prozent an. Viele Anbieter markieren zusätzlich einzelne Sätze, die sie für KI-generiert halten.

KI-Detektor und Plagiatsprüfung: der Unterschied

Beide Werkzeuge werden oft verwechselt. Eine Plagiatsprüfung vergleicht deinen Text mit einer Datenbank aus Webseiten, Büchern und Fachartikeln und sucht nach Übereinstimmungen. Ein KI-Detektor gleicht laut Scribbr nichts mit einer Datenbank ab. Er misst Merkmale wie Satzstruktur, Satzlänge, Wortwahl und Vorhersehbarkeit. Ein Text kann also frei von Plagiaten und trotzdem KI-generiert sein, er kann umgekehrt auch kopiert sein, ohne dass eine KI beteiligt war. Seit 2026 kommt eine dritte Technik hinzu, das Wasserzeichen, das manche KI-Anbieter direkt in ihre Texte einbauen.

Wer KI-Checker nutzt

Die Hersteller nennen vor allem Lehrkräfte, Hochschulen, Redaktionen, Verlage und SEO-Agenturen als Zielgruppen. Studierende prüfen ihre eigenen Arbeiten vor der Abgabe, Auftraggeber kontrollieren eingekaufte Texte von Freelancern. GPTZero führt auf der eigenen Website zusätzlich Angebote für Personalverantwortliche.

Wie funktioniert ein KI-Detektor?

Klassische Detektoren werten statistische Muster aus. Sie nutzen dafür dasselbe Prinzip, nach dem Sprachmodelle schreiben. Wie ein Modell Wort für Wort einen Text erzeugt, erklärt unser Ratgeber Wie funktioniert ChatGPT?. Für den Detektor zählt vor allem, wie wahrscheinlich jedes Wort an seiner Stelle ist.

Perplexität: Wie vorhersehbar ist der Text?

Die Perplexität beschreibt, wie überrascht ein Sprachmodell von einem Text ist. Ein Sprachmodell wählt bevorzugt Wörter mit hoher Wahrscheinlichkeit, deshalb haben KI-Texte meist eine niedrige Perplexität. Menschen schreiben unregelmäßiger und greifen öfter zu unerwarteten Wörtern. Laut Turnitin-Dokumentation erzeugen große Sprachmodelle das nächste Wort konsistent und mit hoher Wahrscheinlichkeit, menschliches Schreiben beschreibt der Anbieter als uneinheitlich und eigenwillig.

Burstiness: Wie stark schwanken die Sätze?

Burstiness misst, wie sehr Satzlänge und Satzbau innerhalb eines Textes variieren. Menschen wechseln zwischen kurzen und langen Sätzen, zwischen einfachen und verschachtelten Konstruktionen. KI-Texte wirken in dieser Hinsicht oft gleichmäßiger. QuillBot nennt auf seiner Detektor-Seite neben der Vorhersehbarkeit ausdrücklich die Variation im Satzbau und Wiederholungen als Merkmale, auf die das Tool achtet.

Klassifikatoren: trainierte Modelle gegen Modelle

Die meisten kommerziellen Werkzeuge kombinieren diese Messwerte mit einem eigenen Klassifikator. Das ist ein Modell, das mit großen Mengen menschlicher und maschineller Texte trainiert wurde und lernt, beide zu unterscheiden. Turnitin setzt laut eigener FAQ auf eine Transformer-Architektur, trainiert mit einem eigenen Bestand akademischer Texte. Solche Klassifikatoren müssen ständig nachtrainiert werden, weil jede neue Modellgeneration anders schreibt.

Wasserzeichen: SynthID, textGrain und Claude

Wasserzeichen funktionieren grundlegend anders. Hier verändert der KI-Anbieter selbst schon beim Schreiben die Wortwahl nach einem geheimen Schlüssel. Für Menschen ist das unsichtbar, ein passender Detektor kann das Muster aber nachweisen. Google hat dafür SynthID Text entwickelt und laut Entwicklerdokumentation als Open Source veröffentlicht, nutzbar etwa über Hugging Face Transformers ab Version 4.46.0. Der Detektor kennt drei Ergebnisse, also mit Wasserzeichen, ohne Wasserzeichen oder unsicher. Google weist selbst darauf hin, dass die Sicherheit bei stark umgeschriebenen oder übersetzten Texten deutlich sinkt und dass sachliche Antworten weniger Raum für das Signal bieten.

Anthropic hat im August 2026 angekündigt, Texte künftiger Claude-Modelle weltweit mit einem Wasserzeichen zu versehen. Für Modelle, die vor dem 2. August 2026 erschienen sind, soll das Wasserzeichen laut Anthropic in den folgenden Monaten nachkommen. Laut Anthropic enthält das Wasserzeichen keine Angaben zu Person, Organisation oder Chat. Das passende Erkennungswerkzeug läuft als private Vorschau für berechtigte Stellen wie Behörden, Medien, Forschende und Bildungseinrichtungen. OpenAI hat am 5. Oktober 2026 angekündigt, Textausgaben von ChatGPT und Codex in der EU in den kommenden Wochen mit dem Wasserzeichen textGrain zu versehen. Den Detektor dafür gibt es laut OpenAI zunächst nur für zugelassene Forschende und Fachorganisationen. Für Lehrkräfte oder Studierende sind die Wasserzeichen von Anthropic und OpenAI damit bisher nicht frei prüfbar.

Wie zuverlässig sind KI-Checker?

Bei der Zuverlässigkeit gehen Herstellerangaben und unabhängige Forschung weit auseinander. Die Zahlen der Anbieter stammen aus eigenen Messreihen, die Studien prüfen dagegen mit selbst zusammengestellten Texten und unter erschwerten Bedingungen.

Was die Hersteller angeben

Fast jeder Anbieter wirbt mit Werten um 99 Prozent. Grammarly und QuillBot berufen sich auf den unabhängigen Vergleich RAID, Grammarly sieht sich dort auf Platz eins. Copyleaks nennt für deutsche Texte eine Trefferquote von 99,94 Prozent bei menschlichen und 95,63 Prozent bei KI-Texten sowie eine Falsch-positiv-Rate von 0,03 Prozent. GPTZero gibt für Deutsch eine Falsch-positiv-Rate von 0,62 Prozent an (Modell 3.2m, Mai 2025). Turnitin strebt nach eigener Angabe eine Falsch-positiv-Rate unter 1 Prozent an, bezogen auf Dokumente mit mehr als 20 Prozent KI-Anteil. Turnitin räumt in derselben FAQ ein, dass dafür KI-Passagen übersehen werden können. Ein Dokument mit angezeigten 50 Prozent KI-Anteil könne bis zu 65 Prozent KI-Text enthalten.

Was unabhängige Studien zeigen

Ein Team um die Informatikerin Debora Weber-Wulff hat 2023 im International Journal for Educational Integrity zwölf frei zugängliche Werkzeuge sowie Turnitin und PlagiarismCheck untersucht. Das Fazit der Studie lautet, die Werkzeuge seien weder genau noch zuverlässig. Sie neigten eher dazu, KI-Texte als menschlich einzustufen. Selbst die besten Werte lagen bei strenger Zählung unter 80 Prozent. Turnitin erreichte dort den höchsten Gesamtwert, gefolgt von Compilatio und dem GPT-2 Output Detector. Rein menschliche Texte wurden zu 96 Prozent richtig erkannt. Bei KI-Texten, die Menschen nachbearbeitet hatten, lag die Trefferquote bei rund 42 Prozent. Wurden KI-Texte maschinell umformuliert, sank sie auf 26 Prozent.

Die Studie ist für deutsche Leser aus einem weiteren Grund interessant. Menschliche Texte, die aus einer anderen Sprache maschinell ins Englische übersetzt worden waren, erkannten die Werkzeuge um 20 Prozent schlechter als menschlich. Wer etwa einen eigenen deutschen Entwurf mit einem Übersetzer wie DeepL ins Englische überträgt, riskiert also einen KI-Verdacht für einen Text, den er selbst geschrieben hat.

Warum Überarbeitung die Erkennung schwächt

Jede Überarbeitung verwischt die statistischen Spuren. Das gilt für klassische Detektoren und für Wasserzeichen. OpenAI hat für textGrain eigene Zahlen veröffentlicht, gemessen bei einer angestrebten Falsch-positiv-Rate von 1 Prozent. Bei unbearbeiteten Passagen mit 400 Token fand der Detektor das Wasserzeichen in rund 92 Prozent der Fälle. Wurden 10 Prozent der Wörter durch Synonyme ersetzt, sank die Quote auf 66 Prozent, bei 25 Prozent ersetzten Wörtern auf 17 Prozent. Kurze Texte und Fächer mit wenig Spielraum bei der Wortwahl, etwa Mathematik, schnitten deutlich schlechter ab. Umformulierungswerkzeuge verändern genau diese Wortwahl. Turnitin, GPTZero und andere Anbieter werben deshalb mit einer eigenen Erkennung für sogenannte Humanizer, die KI-Texte menschlicher klingen lassen sollen.

Was OpenAI selbst über Detektoren sagt

Besonders deutlich äußert sich OpenAI im Hilfebereich für Lehrkräfte. Auf die Frage, ob KI-Detektoren funktionieren, antwortet das Unternehmen sinngemäß, dass sie nach seiner Erfahrung nicht funktionieren. Ein eigener Detektor habe menschliche Texte wie Shakespeare und die amerikanische Unabhängigkeitserklärung als KI-generiert eingestuft. OpenAI hatte seinen eigenen AI Classifier im Juli 2023 wegen geringer Genauigkeit eingestellt. Wichtig für den Alltag ist ein weiterer Hinweis aus derselben Quelle. ChatGPT selbst hat kein Wissen darüber, welche Texte KI-generiert sind. Fragst du den Chatbot, ob er einen Aufsatz geschrieben hat, sind die Antworten laut OpenAI zufällig und ohne Grundlage.

Falsch positive Treffer: Wen trifft es besonders?

Ein falsch positiver Treffer bedeutet, dass ein Detektor einen menschlichen Text als KI-Text meldet. Für Betroffene ist das der folgenreichste Fehler, weil er zu einem Täuschungsvorwurf führen kann.

Nicht-Muttersprachler

Die bekannteste Untersuchung dazu stammt von Forschenden der Stanford University um Weixin Liang und James Zou. Sie ließen sieben verbreitete Detektoren 91 englische TOEFL-Aufsätze von Nicht-Muttersprachlern bewerten. Im Schnitt stuften die Werkzeuge 61,22 Prozent dieser menschlichen Texte als KI-generiert ein. 18 der 91 Aufsätze hielten alle sieben Detektoren einstimmig für KI-Texte, 89 von 91 wurden von mindestens einem Detektor markiert. Aufsätze amerikanischer Achtklässler erkannten die Tools dagegen nahezu fehlerfrei. Als Ursache nennen die Autoren der Studie die geringere sprachliche Vielfalt, die zu niedriger Perplexität führt. Ließen die Forschenden die Wortwahl der Aufsätze mit ChatGPT anreichern, sank die Fehlerquote auf 11,77 Prozent.

Turnitin hält dem eigene Zahlen entgegen. Bei rund 2.000 Texten von Englischlernenden mit mindestens 300 Wörtern lag die Falsch-positiv-Rate laut Hersteller bei 0,014, bei Muttersprachlern bei 0,013. Daraus folgert Turnitin, dass keine statistisch bedeutsame Benachteiligung bestehe. Diese Zahl stammt vom Anbieter selbst und bezieht sich auf englische Texte.

Formelhafte, knappe und kurze Texte

Auch Muttersprachler sind betroffen, wenn sie sehr strukturiert schreiben. OpenAI nennt im Hilfebereich ausdrücklich Lernende, deren Texte besonders formelhaft oder knapp sind. Turnitin beschreibt in seiner FAQ ähnliche Fälle, etwa Texte mit wenig struktureller Abwechslung, Wiederholungen oder Umformulierungen ohne neue Gedanken. Kurze Texte sind ein weiteres Risiko. Turnitin wertet je nach Sprache Dokumente unter 300 Wörtern gar nicht aus, QuillBot verlangt mindestens 80 Wörter und empfiehlt längere Texte für genauere Ergebnisse.

Deutschsprachige Texte

Viele Detektoren wurden zuerst für Englisch entwickelt. Grammarly erkennt laut eigenem Blog bisher nur englische Texte, die Gratisversion von Scribbr ebenfalls. Turnitin hat Deutsch erst am 6. Oktober 2026 in die KI-Erkennung aufgenommen, die Erkennung von Umformulierungs-Tools gibt es laut FAQ weiter nur für Englisch. Für deutsche Texte stehen dadurch weniger unabhängige Vergleichswerte zur Verfügung als für englische. Nach unserer Einschätzung solltest du Prozentwerte für deutsche Texte deshalb mit besonderer Vorsicht lesen.

Welche KI-Detektoren gibt es und was kosten sie?

Die folgende Übersicht fasst Preise, Gratis-Umfang und Deutsch-Unterstützung der bekanntesten Werkzeuge zusammen. Alle Angaben stammen von den Preis- und Produktseiten der Hersteller (Stand: 17. Oktober 2026). Preise in Dollar zuzüglich möglicher Steuern, den genauen Betrag in Euro siehst du im Bezahlvorgang.

GPTZero

GPTZero gehört zu den bekanntesten Detektoren und wirbt mit über 10 Millionen Lehrkräften und Studierenden als Nutzer. Der Gratis-Plan umfasst laut Preisseite 10.000 Wörter im Monat und einen erweiterten Scan. Die mehrsprachige Erkennung, Downloads von Berichten und 300.000 Wörter monatlich gibt es ab Premium für 9,99 Euro im Monat bei jährlicher Zahlung. Laut Support-Seite erkennt GPTZero neben Englisch über 20 weitere Sprachen, darunter Deutsch.

ZeroGPT

ZeroGPT ist vor allem wegen der großzügigen Gratisprüfung mit 15.000 Zeichen pro Durchgang verbreitet. Die Bezahlpläne bündeln den Detektor mit Paraphrasierer, Zusammenfasser, Übersetzer und einer Funktion, die KI-Texte menschlicher klingen lassen soll. Nach unserer Einschätzung ist diese Kombination aus Erkennung und Verschleierung bei einem Anbieter ein Grund, die Ergebnisse kritisch zu lesen. Eine klare Liste der unterstützten Sprachen nennt die Preisseite nicht.

Scribbr

Der KI-Detector von Scribbr richtet sich an Studierende im deutschsprachigen Raum. Die kostenlose Version prüft unbegrenzt englische Texte bis 500 Wörter und braucht kein Konto. Für deutsche Texte brauchst du die Premium-Prüfung ab 17,95 Euro, die mit der Plagiatsprüfung gekoppelt ist und bis zu 100.000 Wörter verarbeitet. Scribbr weist auf der eigenen Seite darauf hin, dass kein KI-Detektor vollständig zuverlässig ist.

Grammarly und QuillBot

Der KI-Detektor von Grammarly ist kostenlos und prüft bis zu 10.000 Zeichen, funktioniert laut Grammarly-Blog aber nur auf Englisch. Mit Pro (laut Preisseite ab 12 Euro) kommen Plagiatsprüfung und weitere Funktionen dazu. Bei QuillBot ist die Gratisprüfung auf 1.200 Wörter und sechs Durchgänge am Tag begrenzt. Laut QuillBot-Blog erkennt der Detektor Englisch, Französisch, Spanisch, Deutsch, Niederländisch und Portugiesisch. Der Hersteller schreibt selbst, Ergebnisse seien Signale und keine Urteile, akademische Entscheidungen sollten nie allein auf einem Detektorwert beruhen.

Originality.ai, Copyleaks und Pangram

Diese drei Anbieter zielen stärker auf Verlage, Agenturen und Unternehmen. Originality.ai rechnet über Credits ab, ein Credit entspricht 100 Wörtern. Der Pro-Plan für 12,95 Dollar im Monat bei jährlicher Zahlung enthält 2.000 Credits. Copyleaks kombiniert KI- und Plagiatsprüfung und unterstützt laut Dokumentation 30 Sprachen, darunter Deutsch. Pangram kostet 20 Dollar im Monat für 300.000 Wörter. Anthropic nennt Pangram als Beispiel für Detektoren, die ohne Schlüssel nach typischen Formulierungsmustern suchen.

Turnitin

Turnitin ist an vielen Hochschulen als Plagiatssoftware im Einsatz, die KI-Erkennung gibt es nur mit einer Lizenz für Turnitin Originality. Den Bericht sehen nur Lehrende und Administratoren. Werte zwischen 1 und 19 Prozent zeigt Turnitin nicht als Zahl, um falsch positive Treffer zu vermeiden. Mit der Aufnahme von Deutsch hat Turnitin auch eine Datenspeicherung in Frankfurt am Main für Feedback Studio angekündigt.

KI-Text erkennen ohne Tool: Worauf kannst du achten?

Weil Software allein keine Sicherheit bietet, empfehlen Hochschulen, auf inhaltliche Anzeichen zu achten. Die Handreichung der Universität Potsdam zum Thema KI und Prüfungen nennt dafür konkrete Indizien.

Erfundene Quellen und Stilbrüche

Ein starkes Indiz sind erfundene Zitate oder Quellen, die es nicht gibt oder die den angegebenen Inhalt nicht stützen. Auffällig sind außerdem Stilbrüche innerhalb einer Arbeit, etwa wenn fehlerfreies, komplexes Deutsch mit einfachen, fehlerhaften Passagen wechselt oder sich die Art zu gendern ändert. Die Handreichung nennt zudem Texte, die eloquent klingen, inhaltlich aber vage bleiben, Argumente wiederholen und keine konkreten Bezüge zum Seminar enthalten.

Fehlender Bezug zum Unterricht

KI-Texte beantworten manchmal nicht die konkrete Fragestellung, sie liefern eine allgemeine Abhandlung. Je nach Trainingsstand fehlen außerdem Bezüge zu aktuellen Debatten. Solche Merkmale beweisen nichts, sie können aber einen Anfangsverdacht begründen oder eine schlechtere Bewertung aus inhaltlichen Gründen rechtfertigen.

Das Gespräch über den Schreibprozess

Als wirksamstes Mittel empfiehlt die Potsdamer Handreichung ein zeitnahes Klärungsgespräch mit Fragen zu Inhalten, Quellen und dem eigenen Schreibprozess. Wer eine Arbeit selbst verfasst hat, kann ihre Entstehung in der Regel plausibel erklären. OpenAI schlägt Lehrkräften ähnlich vor, sich geteilte Chatverläufe zeigen zu lassen, wenn KI erlaubt war.

KI erkennen in Schule und Uni: Wie gehen Lehrkräfte damit um?

Schulen und Hochschulen stehen vor derselben Frage, haben aber unterschiedliche Rahmenbedingungen. In beiden Fällen gilt, dass klare Regeln vor der Abgabe mehr bringen als Kontrolle danach.

In der Schule

Lehrkräfte arbeiten meist mit Texten minderjähriger Schülerinnen und Schüler, was beim Datenschutz besondere Vorsicht verlangt. Welche Werkzeuge im Unterricht sinnvoll sind, beschreibt unser Ratgeber KI-Tools für Lehrkräfte. Für die Bewertung von Schülertexten mit KI-Unterstützung gibt es einen eigenen Beitrag zu Korrektur und Feedback mit KI. Nach unserer Einschätzung eignet sich ein Detektor in der Schule höchstens als Anlass für ein Gespräch, nicht als Grundlage für eine Note.

An der Hochschule

Viele Hochschulen arbeiten mit Eigenständigkeitserklärungen, in denen Studierende angeben, welche KI-Werkzeuge sie wie genutzt haben. Die Universität Potsdam empfiehlt dafür eine zentral geprüfte Erklärung. Sie rät von einem pauschalen KI-Verbot ab, weil Verstöße nicht sicher nachweisbar seien und die Chancengleichheit leide. Welche Werkzeuge im Studium erlaubt und hilfreich sind, erklärt unser Ratgeber KI-Tools im Studium. Wichtig für dich als Studierende oder Studierender ist vor allem, die Regeln des jeweiligen Lehrstuhls zu kennen und eine KI-Nutzung offen anzugeben.

Was sagt das deutsche Recht zu KI-Detektoren?

Eine eigene gesetzliche Regel für KI-Detektoren gibt es in Deutschland nicht. Maßgeblich sind das Prüfungsrecht der Länder und Hochschulen, die europäische KI-Verordnung und die Datenschutz-Grundverordnung. Die folgenden Abschnitte geben einen Überblick und ersetzen keine Rechtsberatung.

Prüfungsrecht: Beweislast und Anscheinsbeweis

Die Beweislast für einen Täuschungsversuch liegt bei den Prüfenden. Die Universität Potsdam hält in ihrer Handreichung fest, dass KI-Detektoren nicht zuverlässig sind und keine rechtssicheren Beweise liefern, weil sie nur statistische Wahrscheinlichkeiten bewerten. Hochschulen können sich aber auf den Anscheinsbeweis stützen. Er liegt vor, wenn die festgestellten Umstände bei typischem Geschehensablauf keinen anderen Schluss zulassen als eine Täuschung. Für Betroffene heißt das, dass mehrere Indizien zusammen ausreichen können, auch ohne Geständnis.

Was die Gerichte bisher entschieden haben

Das Verwaltungsgericht München hat am 28. November 2023 im Eilverfahren den Ausschluss eines Bewerbers der TU München gebilligt (Az. M 3 E 23.4371). Laut beck-aktuell stützte sich das Gericht auf die Einschätzung zweier erfahrener Prüfer und auf konkrete Textmerkmale, darunter den Vergleich mit einem von ChatGPT erzeugten Essay, mit den Texten anderer Bewerber und mit dem Essay des Bewerbers aus dem Vorjahr. Eine Plagiatssoftware hatte den Verdacht ausgelöst, das Software-Ergebnis war aber nicht die Grundlage der Entscheidung.

Das Verwaltungsgericht Kassel bestätigte laut einem Bericht vom Juli 2026 die Bewertung einer Hausarbeit als besonders schwere Täuschung (Az. 7 K 2515/25.KS). Laut News4teachers waren Fußnoten mit nicht existierenden Gerichtsentscheidungen aufgefallen, der Student räumte später ein, eine KI zur Überarbeitung genutzt zu haben. Generative KI gilt nach Ansicht des Gerichts als fremde Hilfe, auch wenn die Prüfungsordnung sie nicht ausdrücklich verbietet. Maßgeblich war die unterschriebene Eigenständigkeitserklärung.

KI-Verordnung: Kennzeichnungspflicht nach Art. 50

Die europäische KI-Verordnung (AI Act) verpflichtet Anbieter generativer KI in Art. 50, erzeugte Inhalte maschinenlesbar zu kennzeichnen. Die Transparenzpflichten gelten seit dem 2. August 2026. Durch die Änderungsverordnung (EU) 2026/1744, den sogenannten Digital Omnibus, haben Systeme, die schon vor diesem Datum auf dem Markt waren, laut Legalithm für die Kennzeichnung bis zum 2. Dezember 2026 Zeit. Texte, die die Öffentlichkeit über Angelegenheiten von öffentlichem Interesse informieren sollen, müssen als KI-generiert offengelegt werden, außer ein Mensch hat sie geprüft und trägt die redaktionelle Verantwortung. Für Hausarbeiten gilt diese Offenlegungspflicht nicht, dort regeln Prüfungsordnungen und Eigenständigkeitserklärungen den Umgang.

Sind KI-Detektoren selbst Hochrisiko-KI?

Anhang III der KI-Verordnung zählt unter Bildung KI-Systeme auf, die dazu bestimmt sind, verbotenes Verhalten von Studierenden während Prüfungen zu überwachen und zu erkennen. Ob ein KI-Detektor im Einzelfall darunter fällt, hängt vom Einsatzzweck ab und ist juristisch noch nicht geklärt. Die Pflichten für Hochrisiko-Systeme nach Anhang III gelten nach dem Digital Omnibus erst ab dem 2. Dezember 2027. Den Wortlaut findest du im Anhang III der KI-Verordnung.

DSGVO: Darfst du fremde Texte hochladen?

Wer die Arbeit einer anderen Person in einen Detektor lädt, übermittelt in der Regel personenbezogene Daten. Name, Matrikelnummer und der Inhalt selbst lassen Rückschlüsse auf die Person zu. Schulen und Hochschulen brauchen dafür eine Rechtsgrundlage nach Art. 6 DSGVO und bei externen Anbietern einen Vertrag zur Auftragsverarbeitung nach Art. 28 DSGVO. Sitzt der Anbieter außerhalb der EU, kommen die Regeln für Datenübermittlungen in Drittländer hinzu. Lehrkräfte sollten deshalb nur Werkzeuge nutzen, die ihre Schule oder Hochschule freigegeben hat, und Namen vor dem Hochladen entfernen. Mehr dazu liest du in unseren Ratgebern KI und Datenschutz in der Schule und Vertrauliche PDFs hochladen.

Fälschlich beschuldigt: Was kannst du tun?

Ein KI-Verdacht ist belastend, vor allem wenn du den Text selbst geschrieben hast. Mit ein paar Schritten kannst du deine Position deutlich verbessern.

Sachlich bleiben und nachfragen

Frag schriftlich nach, worauf sich der Verdacht stützt, also welches Werkzeug genutzt wurde, welcher Wert herauskam und welche weiteren Indizien es gibt. Verweise darauf, dass Hersteller wie QuillBot und Turnitin selbst davon abraten, Entscheidungen allein auf einen Detektorwert zu stützen. Die Studie von Liang und Kollegen sowie die Untersuchung um Weber-Wulff kannst du als Belege für die bekannten Fehlerquoten anführen.

Den Schreibprozess belegen

Der stärkste Gegenbeweis ist die Entstehungsgeschichte deiner Arbeit. Dazu gehören frühere Entwürfe, die Versionshistorie in Word oder Google Docs, Notizen, Exzerpte, die Literaturliste mit Zugriffsdaten und Mails mit der Betreuung. Biete an, die Arbeit im Gespräch zu erläutern und Fragen zu Quellen und Gedankengang zu beantworten. Für künftige Arbeiten lohnt es sich, Entwürfe von Anfang an zu speichern.

Rechte kennen und Hilfe holen

Bevor eine Hochschule als Behörde eine belastende Entscheidung trifft, muss sie dir nach dem Verwaltungsverfahrensrecht (etwa § 28 VwVfG) Gelegenheit zur Stellungnahme geben. Die Hochschule muss eine Täuschung nachweisen, ein Detektorwert allein reicht dafür nach den genannten Handreichungen nicht. Unterstützung bieten Studierendenvertretungen, die Studienberatung, an Schulen die Vertrauenslehrkraft oder die Elternvertretung. Bei schwerwiegenden Folgen wie dem Nichtbestehen oder einer Exmatrikulation ist eine Beratung bei einer Fachanwältin oder einem Fachanwalt für Verwaltungsrecht sinnvoll, weil Fristen für Widerspruch und Klage laufen.

Fazit: Was ein KI-Detektor leisten kann

Ein KI-Detektor kann einen Verdacht anstoßen, mehr nicht. Die Herstellerangaben von 99 Prozent stehen Studien gegenüber, in denen überarbeitete KI-Texte meist unerkannt blieben und menschliche Texte von Nicht-Muttersprachlern mehrheitlich als KI-Text markiert wurden. Selbst die neuen Wasserzeichen verlieren laut Google und OpenAI an Aussagekraft, sobald ein Text bearbeitet oder übersetzt wird. Die Detektoren von Anthropic und OpenAI sind zudem bisher nicht frei zugänglich. Wer Texte prüfen muss, fährt mit klaren Regeln, Gesprächen über den Schreibprozess und inhaltlicher Bewertung besser. Wer selbst schreibt, schützt sich am besten mit gespeicherten Entwürfen und einer offenen Angabe, wo KI geholfen hat.