Welche Beweise werden bei KI-Verdachtsfällen herangezogen? Eine Untersuchung von 1.162 Fallakten

An einer australischen Universität machten Detektor-Ergebnisse nur einen geringen und stetig schrumpfenden Teil der Beweise aus. Bei 1.162 Fällen von mutmaßlichem akademischem Fehlverhalten im Zusammenhang mit KI zwischen 2023 und 2025 machten Ergebnisse von KI-Erkennungstools wie GPTZero 5,8 % der 2023 erfassten Beweismittel aus, 8,8 % im Jahr 2024 und lediglich 0,5 % im Jahr 2025 – das entsprach fünf Beweisstücken in einem Jahr mit 618 solcher Fälle. Über die drei Jahre hinweg tauchten Detektor-Ergebnisse in 67 der 1.162 Fälle auf. Weitaus häufiger waren Geständnisse im Gespräch mit Studierenden (in 34,3 % der Fälle), unauffindbare Quellenangaben (30,6 %) und die Einschätzung der Prüfenden, dass sich der Text wie KI lese (20,6 %). Art und Beweiskraft der Beweismittel lieferten nur eine schwache Erklärung dafür, wie die Verfahren letztlich ausgingen.

Die Studie trägt den Titel "How strong is the evidence in generative AI-related academic misconduct allegations? A mixed-methods analysis" (Wie stichhaltig sind die Beweise bei Vorwürfen wegen Fehlverhaltens im Zusammenhang mit generativer KI? Eine Mixed-Methods-Analyse) und stammt von Albert Munoz, Mercedez Hinchcliff, Cameron Langfield und Ann Rogerson von der University of Wollongong. Sie erschien am 2. September 2026 im International Journal for Educational Integrity und ist Open Access zugänglich. Die Fallakten stammen von ihrer eigenen Universität, an der die Forschenden auch tätig sind. Rogerson gehört dem Herausgebergremium der Zeitschrift an, was in der Publikation als Interessenkonflikt offengelegt wird.

Zwischen Januar 2023 und Dezember 2025 erfasste die Universität 5.127 Fälle von akademischem Fehlverhalten. Das Forschungsteam filterte die 1.162 Fälle heraus, bei denen der Verdacht auf den Einsatz generativer KI bestand – 22,7 % der Gesamtzahl. Dieser Anteil stieg von Jahr zu Jahr:

Teil dieser Stichprobe zu sein bedeutet keineswegs, dass den Studierenden ein tatsächliches Vergehen nachgewiesen wurde. Die Studie stellt dies unmissverständlich fest: "This study does not adjudicate whether individual students engaged in the misuse of generative artificial intelligence." (Diese Studie entscheidet nicht darüber, ob einzelne Studierende generative künstliche Intelligenz missbräuchlich verwendet haben.)

In den Akten identifizierten die Forschenden 1.855 einzelne Beweismittel und unterteilten sie in 15 Kategorien. Jedes Beweisstück wurde anhand von drei Skalen aus der Rechtswissenschaft bewertet: Relevanz, Glaubwürdigkeit und Beweiskraft (inferential force) – also wie stark ein einzelner Beleg den Vorwurf für sich genommen stützt. Diese Einstufungen spiegeln das Urteil der Forschenden wider und wurden mithilfe eines lokal betriebenen Sprachmodells auf den gesamten Korpus angewendet, das sie zuvor anhand eigener manueller Kodierungen kalibriert hatten. Es handelt sich dabei nicht um eine Überprüfung, ob ein einzelnes Beweisstück inhaltlich zutraf.

Alle 15 Beweiskategorien, sortiert nach der Anzahl der Fälle, in denen sie vorkamen. Ein einzelner Fall kann mehrere Beweisarten enthalten, weshalb die Prozentwerte in der Summe über 100 % ergeben.

Nicht auffindbare Quellenangaben waren die am schnellsten wachsende Kategorie: Ihr Anteil stieg von 10,4 % der erfassten Beweismittel im Jahr 2023 auf 30,0 % im Jahr 2025.

Die Prozentangaben beziehen sich auf die einzelnen Beweismittel, nicht auf die Anzahl der Fälle, und die Studie nennt nur für 2025 eine absolute Zahl. Rein zur Einordnung, nicht als mathematischer Nenner: Die Zahl der Fälle mit KI-Bezug lag in den drei Jahren bei 214, 330 und 618. Über den gesamten Dreijahreszeitraum machten KI-Erkennungstools 69 Belege in 67 der 1.162 Fälle aus.

Bevor Sie daraus ableiten, dass Detektoren „gar nicht zählen“, sind zwei Dinge klarzustellen.

Die Bewertungen waren vorab festgelegt und nicht experimentell ermittelt. Jedes Beweisstück aus einer KI-Erkennung wurde von vornherein als wenig glaubwürdig eingestuft – das war eine Regel, die die Forschenden vorab festgelegt hatten. In der Studie heißt es dazu, diese Ergebnisse "were treated in the present analysis as low-credibility evidence" (wurden in der vorliegenden Analyse als Beweismittel von geringer Glaubwürdigkeit behandelt), und die Glaubwürdigkeitsskala wurde gezielt so konstruiert, dass sie "documented limitations such as AI detector false positive rates" (dokumentierte Einschränkungen wie die Falsch-Positiv-Raten von KI-Detektoren) berücksichtigt. Die Studie überprüfte also keineswegs, ob ein konkreter Wert falsch war. Wenn Sie sehen möchten, welche Dimensionen selbst eine winzige Fehlerquote an einer ganzen Universität annimmt: Der Artikel was eine Falsch-Positiv-Rate von 1 % bedeutet, wenn eine Universität 75.000 Arbeiten einreicht rechnet genau das vor.

Der Rückgang deckt sich zudem mit einer internen Richtlinie. Seit 2025 untersagt die Prüfungsordnung der Universität dem Lehrpersonal, studentische Arbeiten bei externen Detektoren hochzuladen. Im aktuellen Wortlaut heißt es, Beschäftigten "are not permitted to upload student work to third party tools, including generative artificial intelligence (GenAI) or misconduct detection software" (ist es nicht gestattet, studentische Arbeiten bei Drittanbieter-Tools hochzuladen, einschließlich generativer künstlicher Intelligenz (GenAI) oder Software zur Erkennung von Fehlverhalten). Dieselbe Klausel erlaubt weiterhin "approved detection software" (zugelassene Erkennungssoftware), die von der Universität unterstützt wird, und Ähnlichkeitsberichte machten auch 2025 noch 3,1 % der Beweismittel aus. Die aktuelle Verfahrensordnung der Universität für Fehlverhalten führt ebenfalls Software auf, die zum Einsatz kommen darf, darunter Textabgleich-Tools (Turnitin) und "language analysis software (e.g. Turnitin Authorship)" (Sprachanalysesoftware (z. B. Turnitin Authorship)). Die Autorinnen und Autoren interpretieren den Rückgang so, dass das Lehrpersonal inzwischen anerkennt, dass Detektor-Ergebnisse dem zivilrechtlichen Beweismaßstab der überwiegenden Wahrscheinlichkeit (balance of probabilities) nicht genügen. Ihre eigene Hochschule hat dafür eigene Regelungen; einige davon sind in der Übersicht 19 Universitäten, die den Einsatz von KI-Detektoren oder deren Beweiskraft einschränken zusammengetragen.

Eine Frage lässt die Studie offen: Wo genau der AI-Writing-Score von Turnitin einsortiert wurde. Die Kategorie der Ähnlichkeitsberichte wird als reiner Textabgleich definiert; als Beispiel wird ein Bericht genannt, der "a similarity score of 1%, which is unusually low" (einen Ähnlichkeitswert von 1 %, was ungewöhnlich niedrig ist) für diese Art von Aufgabe auswies. Die Kategorie der KI-Erkennung nennt namentlich hingegen GPTZero und ZeroGPT.

Unter den Beweisen, die sich direkt aus dem Text selbst ableiteten, war das subjektive Urteil der Prüfenden, der Text klinge nach KI, mit 239 Fällen der Spitzenreiter. Die Studie zitiert als typische Formulierung des Lehrpersonals: "generic transitional phrases, unnaturally uniform paragraph structure, and unsolicited definitions of basic terms not required by the task." (generische Übergangsformulierungen, unnatürlich einheitliche Absatzstrukturen und unaufgeforderte Definitionen von Grundbegriffen, die von der Aufgabenstellung gar nicht verlangt wurden).

Die Forschenden stuften die meisten dieser Belege als schwach ein, da solche Merkmale "not exclusive to GenAI misuse." (nicht ausschließlich auf den Missbrauch von generativer KI zurückzuführen sind.) Ihr Anteil an allen erfassten Beweismitteln sank von 19,5 % im Jahr 2023 auf 14,5 % im Jahr 2025.

Eine kleinere Fallgruppe betrifft den Vergleich der eingereichten Arbeit mit dem sonstigen Niveau der Studierenden (65 Fälle); hier teilten sich die Einstufungen fast gleichmäßig in mittel und schwach auf. Der Hintergrundteil der Studie benennt das zentrale Problem: Der Schreibstil von Studierenden entwickelt sich im Laufe der Zeit weiter, "which can make legitimate improvement difficult to distinguish from anomalies attributable to misuse." (was es schwierig machen kann, berechtigte Verbesserungen von Auffälligkeiten zu unterscheiden, die auf Missbrauch zurückzuführen sind.) Falls Sie mit einem solchen Vorwurf konfrontiert sind, erläutert der Leitfaden frühere Arbeiten als Vergleichsbasis für den Schreibstil, an welchen Punkten ein Vergleich mit alten Arbeiten standhält und wo er angreifbar ist.

Die Beweisart, die in den meisten Fällen überhaupt auftauchte, war ein Geständnis im persönlichen Gespräch (399 Fälle) – fast ausnahmslos als stark eingestuft. Ein zweiter Befund aus Gesprächen – dass Studierende ihre eigene Arbeit nicht erklären konnten – lag in 63 Fällen vor. Dies wurde durchgehend als mittel bewertet, da es zwar "consistent with GenAI use but equally consistent with alternative explanations such as poor comprehension or test anxiety" (mit dem Einsatz von GenAI vereinbar, aber ebenso vereinbar mit alternativen Erklärungen wie mangelndem Verständnis oder Prüfungsangst) ist.

Die Autorenschaft zieht daraus selbst das Fazit: "in a substantial proportion of cases, the strongest evidence available emerged only after the institution had already determined the allegation was sufficient to proceed." (in einem erheblichen Teil der Fälle ergaben sich die stärksten verfügbaren Beweise erst, nachdem die Institution bereits entschieden hatte, dass der Vorwurf für die Einleitung eines Verfahrens ausreichte.)

Das Verfahren läuft zudem schnell ab: Der Median von der Erhebung des Vorwurfs bis zur endgültigen Entscheidung lag bei 12 Tagen (bei der mittleren Hälfte der Fälle dauerte es 6 bis 20 Tage). Nach der aktuellen Verfahrensordnung der Universität für Fehlverhalten bei Studienleistungen wird Ihnen ein Gespräch angeboten. Vor diesem Termin muss die Modulleitung sicherstellen, dass Ihnen "the summary of the allegation and evidence that has been collected" (die Zusammenfassung des Vorwurfs und der gesammelten Beweise) per E-Mail zugesandt wird. Sie dürfen eine Begleitperson mitbringen, die Sie jedoch nicht offiziell vertreten kann. Der Leitfaden der Universität für Studierende weist ausdrücklich darauf hin: "you may be asked to explain how you developed an assessment item" (Sie werden möglicherweise gebeten zu erklären, wie Sie eine Prüfungsleistung erarbeitet haben).

Nichts davon soll bedeuten, dass Sie im Gespräch schweigen sollten. Falls Sie KI tatsächlich in unzulässiger Weise eingesetzt haben: Der Beitrag Fälschlicherweise als KI-generiert markiert: Wie Sie Einspruch einlegen und welche Beweise Ihre Universität akzeptiert widmet sich genau diesem Szenario und rät zu schonungsloser Offenheit. Haben Sie keine KI unerlaubt genutzt, bietet das Gespräch genau die Gelegenheit darzulegen, wie die Arbeit Schritt für Schritt entstanden ist.

Aus den vorliegenden Daten geht das keineswegs eindeutig hervor. Die Forschenden prüften, ob Art, Anzahl und Bewertung der Beweismittel damit korrelierten, wie weit ein Fall eskalierte und wie er endete. Zwar fanden sich gewisse Zusammenhänge, doch "the explanatory power of evidence characteristics across all model specifications is modest" (ist die Erklärungskraft der Beweismittelmerkmale über alle Modellspezifikationen hinweg bescheiden).

Ihre Erklärung dafür liegt im Verfahren selbst: Eine Eskalation richtet sich nach der Einschätzung der zuständigen Lehrkraft und nicht nach formalen Beweisbewertungen. Ob ein Fall letztlich als akademisches Fehlverhalten oder lediglich als mangelhafte wissenschaftliche Praxis ("poor academic practice" – was eher pädagogische als disziplinarische Konsequenzen hat) eingestuft wird, hängt meist von Faktoren wie einem Erstverstoß ab. Eine Einstellung auf Ausschussebene kann auf den Schilderungen der Studierenden, Verfahrensfehlern oder Fürsorgeaspekten beruhen; was in den Anhörungen tatsächlich vorgebracht wurde, halten die Akten nicht fest. Mit den Worten der Forschenden gibt es "no minimum evidentiary threshold at any stage of the pipeline" (in keinem Stadium des Verfahrens eine Mindestbeweisschwelle).

Dieser letzte Punkt schlägt sich auch in den Zahlen nieder: In 58 Fällen (5,0 %) war außer dem reinen Vorwurf überhaupt kein Beweismittel aktenkundig. Solche substanzlosen Anschuldigungen wurden jedoch seltener: Ihr Anteil sank von 7,6 % der Beweismittel im Jahr 2023 auf rund 2,5 % im Jahr 2025.

• Eine einzige Universität, drei Jahre. Die University of Wollongong von 2023 bis 2025. Die Forschenden betonen selbst, dass die Muster an anderen Hochschulen anders aussehen können.
• Aktenlage, keine Verhandlungsprotokolle. "The evidence records capture what was documented in the case file, not what was argued, tested, or weighed during the hearing." (Die Beweisprotokolle erfassen, was in der Fallakte dokumentiert wurde, nicht jedoch, was während der Anhörung vorgebracht, überprüft oder abgewogen wurde.)
• Keine Aufschlüsselung nach Studierendengruppen. Weder Studienniveau (Bachelor/Master), Herkunft (einheimisch/international) noch Fachbereich sind in den Daten enthalten. Die Studie kann daher keine Aussage darüber treffen, wer häufiger beschuldigt wird.
• Die Bewertungen basieren auf einem Modell. Sie entstammen dem Raster der Forschenden, das von einem Sprachmodell angewendet wurde. Dieses wurde an 12 Fällen kalibriert und an 54 neuen Fällen überprüft, wobei die Übereinstimmung mit zwei menschlichen Kodierern statistisch nicht von der Übereinstimmung der beiden Personen untereinander zu unterscheiden war.
• Interne Perspektive. Die Forschenden sind Angestellte der untersuchten Universität. Sie weisen selbst darauf hin, dass dies "introduces potential bias, especially during the calibration exercise." (potenzielle Verzerrungen mit sich bringt, insbesondere während der Kalibrierung.)
• Regeländerung während des Untersuchungszeitraums. Das Verbot aus dem Jahr 2025, Arbeiten bei Drittanbieter-Detektoren hochzuladen, fiel mitten in den analysierten Zeitraum.

1. Verlangen Sie eine genaue Auflistung aller Beweismittel. Ein Detektor-Wert, eine Passage, die angeblich nach KI klingt, ein Vergleich mit früheren Arbeiten oder ein Problem mit einer Quellenangabe: Lassen Sie sich jeden Punkt einzeln nennen. In 5,0 % der untersuchten Fälle gab es außer der reinen Anschuldigung keinerlei Belege. In Ihrer Prüfungsordnung sollte geregelt sein, welche Unterlagen Ihnen vor dem Gespräch zustehen. Alles Weitere zur Vorbereitung finden Sie im Leitfaden Anhörung zur akademischen Integrität nach einem KI-Vorwurf.
2. Befindet sich ein Detektor-Ergebnis in der Akte, bringen Sie in Erfahrung, welches Tool genutzt wurde und ob Ihre Universität dem Lehrpersonal den Einsatz dieses Werkzeugs überhaupt gestattet.
3. Stützt sich der Vorwurf auf den Schreibstil, legen Sie lückenlose Belege Ihres Schreibprozesses vor. Entwürfe, Notizen und die Versionshistorie der Datei. Die Anleitung So sichern Sie den Versionsverlauf in Word, Google Docs und Overleaf erklärt, wo Sie diese Verläufe finden und sichern.
4. Bereiten Sie sich darauf vor, Ihre Arbeit im Detail zu erläutern. Warum die Argumentation so aufgebaut ist, was Ihre Hauptquellen tatsächlich aussagen und was sich zwischen einzelnen Entwürfen verändert hat. In 63 der untersuchten Fälle wurde das Unvermögen, die eigene Arbeit zu erklären, selbst als belastendes Beweismittel protokolliert.
5. Bringen Sie Ihre Entlastungsbeweise bereits in der ersten Instanz ein. An der untersuchten Universität ist ein Widerspruch gegen eine Entscheidung nur bei Verfahrensfehlern oder aufgrund von "new and substantial evidence that has not previously been considered." (neue und wesentliche Beweise, die zuvor nicht berücksichtigt wurden) möglich. Prüfen Sie Ihre eigene Prüfungsordnung auf eine entsprechende Klausel.

Für ein bereits laufendes Verfahren nützt Ihnen dies nichts: Gegenstand des Verfahrens ist die bereits eingereichte Version, und eine nachträgliche Überarbeitung ändert nichts an der Aktenlage. Dieser Abschnitt richtet sich an einen früheren Zeitpunkt: Sie überarbeiten noch Ihren Entwurf, verfügen über einen Turnitin- oder iThenticate-Bericht und haben sich vergewissert, dass Ihre Modulvorgaben die sprachliche Überarbeitung durch externe KI-Werkzeuge erlauben (und nicht nur ein bestimmtes Tool vorschreiben) sowie wie diese Unterstützung offengelegt werden muss. Die Richtlinien in Wollongong mahnen Studierende etwa, "use only the permitted gen AI technology" (nur die zugelassene generative KI-Technologie zu verwenden), und werten jede Nutzung über die Aufgabenstellung hinaus als Missbrauch. Sind all diese Voraussetzungen erfüllt, setzt genau hier HumanPen an. Importieren Sie den Turnitin- oder iThenticate-Bericht und überarbeiten Sie nur die darin markierten Passagen. Sie erhalten eine bearbeitbare Datei im selben Format zurück. Gleichen Sie das Ergebnis vor dem Einreichen mit Ihrem eigenen Entwurf ab – denn Sie sollten jeden Satz, den Sie abgeben, selbst erklären können.

Nutzen Universitäten Ergebnisse von KI-Detektoren noch als Beweismittel? An der untersuchten Hochschule war dies 2025 nur noch selten der Fall: fünf Belege, was 0,5 % der in diesem Jahr erfassten Beweismittel entsprach, nachdem eine Richtlinie dem Personal das Hochladen von Arbeiten bei Drittanbieter-Detektoren untersagt hatte. Andere Universitäten erlassen jedoch eigene Vorgaben; die Studie lässt daher keine Rückschlüsse auf Ihre Hochschule zu.

Reicht der Eindruck „Liest sich wie KI“ für sich allein aus? Die Forschenden stuften die meisten dieser Belege als schwach ein, da die genannten Merkmale nicht ausschließlich bei KI-Einsatz auftreten. Dies ist jedoch das methodische Raster der Forschenden, nicht die starre Regel der Universität. An dieser Hochschule fällt die Entscheidung nach dem Grundsatz der überwiegenden Wahrscheinlichkeit (balance of probabilities) unter Würdigung aller Beweise. Die Studie erläutert die Bedeutung: Es muss wahrscheinlicher sein, dass ein Fehlverhalten vorliegt, als dass dies nicht der Fall ist, "with the burden of proof resting with the institution and the academic raising the allegation rather than the student" (wobei die Beweislast bei der Hochschule und der den Vorwurf erhebenden Lehrkraft liegt und nicht bei den Studierenden).

Was galt in dieser Studie als stärkstes Beweismittel? Mündliche Geständnisse im Gespräch oder schriftliche Eingeständnisse, Protokolle von Proctoring-Software bei Prüfungen und unzulässiges Verhalten, das in diesen Aufzeichnungen festgehalten wurde. Diese Kategorien wurden jeweils für den Großteil der Belege als stark eingestuft.

Zeigt die Studie, ob die beschuldigten Studierenden tatsächlich KI genutzt hatten? Nein. Sie zählt und bewertet lediglich, was in den Akten stand. Die Erfassung unter den 1.162 Fällen bedeutet nur, dass ein Verdacht auf KI-Missbrauch vorlag, nicht, dass ein Vergehen nachgewiesen wurde.

• Albert Munoz, Mercedez Hinchcliff, Cameron Langfield und Ann Rogerson, How strong is the evidence in generative AI-related academic misconduct allegations? A mixed-methods analysis, International Journal for Educational Integrity 22, Artikel 26, veröffentlicht am 2. September 2026 (Version of Record 10. September 2026); abgerufen am 2. Oktober 2026 (Tabelle 2, Abbildungen 1 und 2).
• University of Wollongong, Academic Misconduct (Coursework) Procedure, Fassung gültig ab 3. November 2025, Klauseln 35, 80, 119; abgerufen am 2. Oktober 2026.
• University of Wollongong, Assessment and Feedback Policy, Fassung gültig ab 14. März 2025, Klausel 14; abgerufen am 2. Oktober 2026.
• University of Wollongong, Using Generative Artificial Intelligence (Gen AI) in Assessments; abgerufen am 2. Oktober 2026.