Hausarbeit auf KI prüfen: Was Dozenten wirklich sehen

Bereits jede(r) fünfte Studierende nutzt ChatGPT für Haus- und Abschlussarbeiten — und Dozenten wissen das. Aber wie erkennen sie KI-generierte Texte genau? Welche Methoden setzen Hochschulen ein, und was verrät eine Hausarbeit am stärksten? Dieser Artikel erklärt die Realität hinter der KI-Erkennung an deutschen Hochschulen.

Wie verbreitet ist KI bei Hausarbeiten wirklich?

Eine interne Umfrage unter rund 1.250 Studierenden im Sommer 2024 ergab: Jede(r) Fünfte gibt an, ChatGPT bereits für Haus- und Abschlussarbeiten eingesetzt zu haben. Die Dunkelziffer dürfte höher liegen — da viele Studierende unsicher sind, ob ihr Einsatz erlaubt war.

Gleichzeitig sind sich viele Studierende bewusst, dass KI-Einsatz an deutschen Hochschulen unterschiedlich gehandhabt wird. Die Regeln variieren stark: Manche Hochschulen erlauben KI als Hilfsmittel mit Kennzeichnungspflicht, andere verbieten es vollständig. Wer die Regeln seiner eigenen Hochschule nicht kennt, geht ein ernstes Risiko ein.

Wie erkennen Dozenten KI-generierte Texte?

Dozenten und Prüfer setzen zwei grundlegend unterschiedliche Methoden ein — und oft beide gleichzeitig.

Methode 1: Technische KI-Detektoren

Hochschulen rüsten zunehmend mit spezialisierten Software-Lösungen auf. Tools wie Turnitin, GPTZero oder Copyleaks analysieren statistische Muster im Text und liefern einen Wahrscheinlichkeitswert für KI-Generierung.

Die Erkennungsrate liegt bei nicht weiter bearbeitetem ChatGPT-Text bei etwa 74%. Wer den Text manuell überarbeitet oder umformuliert, reduziert die technische Erkennungswahrscheinlichkeit — allerdings ohne sie zu eliminieren.

Methode 2: Menschliche Expertise — und warum sie entscheidender ist

Erfahrene Dozierende kennen den Schreibstil ihrer Studierenden. Eine plötzliche, deutliche Veränderung im Ausdrucksvermögen ist für viele von ihnen das stärkste Signal überhaupt. Kein Algorithmus kann diesen Kontext replizieren — ein(e) Betreuer(in), der(die) eine Studierende seit zwei Semestern begleitet, bemerkt sofort wenn Kapitel 3 einer Bachelorarbeit in einem anderen Stil verfasst ist als Kapitel 1 und 5.

Die fünf häufigsten Erkennungsmerkmale

Diese Signale werden von Dozenten und KI-Detektoren am häufigsten als Indikatoren für KI-Generierung gewertet:

• Gleichförmige Satzstruktur: KI produziert Texte mit auffällig gleichmäßiger Satzlänge und -struktur. Kurze Einwurfsätze, rhetorische Fragen oder bewusste Stilbrüche fehlen fast vollständig. Menschen schreiben variabler — mal lang, mal kurz, manchmal fragmentarisch.
• Formulierungsartefakte: Bestimmte Phrasen sind KI-typisch: "Es ist wichtig zu betonen, dass…", "Zusammenfassend lässt sich festhalten…", "Diese Grundlagen bilden das Fundament für…". Einzeln sind sie unauffällig — gehäuft in einer Arbeit werden sie zum Muster.
• Erfundene oder fehlerhafte Quellen: KI-Systeme halluzinieren Quellen — sie erfinden Autornamen, Seitenzahlen und Jahreszahlen die plausibel klingen, aber nicht existieren. Prüfer, die Quellenangaben stichprobenartig kontrollieren, entdecken das sofort.
• Stilbrüche zwischen Kapiteln: Das sogenannte "Sandwich-Muster" — Einleitung und Fazit menschlich, Hauptteil KI-generiert — ist eines der häufigsten Muster in studentischen Arbeiten. Die Score-Differenz zwischen Kapiteln macht das sofort sichtbar.
• Inhaltliche Flachheit trotz korrekter Sprache: KI beschreibt, erklärt und fasst zusammen — aber entwickelt selten eine eigene, nachvollziehbare Argumentationslinie. Der Text klingt akademisch kompetent, hat aber wenig eigene Substanz.

Was passiert, wenn KI-Nutzung festgestellt wird?

Die Konsequenzen hängen von der Hochschule und dem Ausmaß der nicht deklarierten KI-Nutzung ab. Das Spektrum ist breit:

Warum "einfach umformulieren" nicht ausreicht

Viele Studierende versuchen, KI-generierten Text durch manuelle Überarbeitung oder Paraphrasierungs-Tools zu "menschlichern". Das reduziert die technische Erkennungsrate durch Detektoren — eliminiert sie aber nicht vollständig, und hilft gegen die menschliche Expertise von Betreuern kaum.

Das eigentliche Problem liegt tiefer: KI-Text, der nur oberflächlich überarbeitet wurde, behält seine strukturellen Merkmale — die gleichmäßige Satzlänge, die fehlende Argumentationstiefe, die generische Quelleneinbindung. Diese Muster sind schwerer zu kaschieren als einzelne Formulierungen.

Warum Studierende ihre eigenen Texte prüfen

Nicht alle Studierende die einen KI-Detektor nutzen, haben selbst KI verwendet. Viele prüfen ihre Arbeiten aus einem anderen Grund: Sie wollen sichergehen, dass ein Text den sie mithilfe von KI-Tools überarbeitet haben — etwa für Grammatik oder Stil — nicht als KI-generiert eingestuft wird.

Was PaperScan anders macht

Die meisten KI-Detektoren analysieren Texte als Ganzes und geben einen einzigen Score zurück. Das Problem: Eine Hausarbeit ist kein homogener Text. Einleitung, Theorie, Methodik und Fazit können sehr unterschiedliche KI-Profile haben.

PaperScan analysiert Texte kapitelweise — und macht damit das Sandwich-Muster sichtbar, das Detektoren mit einem Gesamt-Score verdecken würden. Im Report bekommst du für jedes Kapitel einen eigenen Score, die auffälligsten Passagen mit konkreter Begründung und — beim Standard-Plan — Verbesserungsvorschläge für verdächtige Formulierungen.