Turnitin Authorship und KI-Erkennung: zwei verschiedene Systeme, verständlich erklärt

Wenn Sie einen Turnitin-Bericht ansehen, steht dort womöglich mehr als eine Art von Ergebnis. Turnitin betreibt nicht einen einzigen Detektor, der Ihre Arbeit liest und ihr einen Stempel aufdrückt. Es laufen zwei getrennte Systeme, und sie beantworten zwei verschiedene Fragen.

Authorship (Teil des Originality-Bereichs) fragt: Haben die Studierenden, die die Arbeit eingereicht haben, sie auch wirklich selbst geschrieben? Die KI-Erkennung fragt: Wurde dieser Text von einem KI-Schreibwerkzeug erzeugt? Beide arbeiten mit anderen Methoden, werden von anderem ausgelöst und sind nicht gegeneinander austauschbar. Wenn Ihr Bericht Sie unter Authorship markiert, ist das etwas anderes, als wenn die KI-Erkennung anschlägt.

Authorship ist der Mechanismus, mit dem Turnitin prüft, ob die eingereichte Arbeit tatsächlich von der Person geschrieben wurde, die sie eingereicht hat. Mit dieser Prüfung lassen sich bezahlte Ghostwriter, Essay-Mühlen oder eine von einer Freundin geschriebene Arbeit aufdecken. Nach KI sucht sie nicht.

Turnitin beschreibt den Mechanismus so: „Authorship, on the other hand, uses metadata as well as forensic language analysis to detect if the submitted assignment was written by someone other than the student. It will not be able to indicate if it was AI written; only that the content is not the student's own work." (Authorship verwendet dagegen Metadaten wie auch forensische Sprachanalyse, um zu erkennen, ob die eingereichte Arbeit von jemand anderem als dem Studierenden geschrieben wurde. Es kann nicht anzeigen, ob sie von einer KI geschrieben wurde, sondern nur, dass der Inhalt nicht das eigene Werk des Studierenden ist.)

Hier arbeiten zwei Komponenten zusammen. Die erste sind Metadaten: die Informationen, die in Ihrer Datei stecken und festhalten können, wer daran gearbeitet hat, von welchem Gerät und zu welchen Zeiten. Die zweite ist die forensische Sprachanalyse; sie vergleicht das Schreiben in der Arbeit mit den bekannten Schreibmustern des Studierenden. Beide zusammen stützen ein Urteil über die Urheberschaft: Ist dieses Dokument das eigene Werk des Studierenden – oder nicht? Eine ausführlichere Fassung derselben Spur sammelt Turnitin an anderer Stelle: was Turnitin Clarity darüber festhält, wie Sie Ihre Arbeit geschrieben haben.

Dieses Urteil ist in einer wichtigen Hinsicht binär. Es entscheidet, wer die Arbeit geschrieben hat, und nicht, wie sie geschrieben wurde. Eine Arbeit von einem menschlichen Ghostwriter und eine Arbeit von einer Freundin fallen beide bei Authorship durch, selbst wenn überhaupt keine KI im Spiel war.

Der Unterschied liegt in der Frage, die jedes der beiden Systeme beantworten soll. Die KI-Erkennung betrachtet den Text selbst und schätzt die Wahrscheinlichkeit, dass er von einem KI-Schreibwerkzeug erzeugt wurde. Authorship betrachtet die Datei und ihren Schreibstil und beurteilt, ob die einreichende Person die wahre Urheberin oder der wahre Urheber ist. Was die Turnitin-KI-Erkennung prüft und wie der Score zustande kommt führt durch den ersten dieser beiden Wege.

Turnitin sagt ausdrücklich, dass beides nicht dasselbe ist. Zur Authorship-Prüfung heißt es in der offiziellen Beschreibung: „It will not be able to indicate if it was AI written; only that the content is not the student's own work." (Es kann nicht anzeigen, ob die Arbeit von einer KI geschrieben wurde, sondern nur, dass der Inhalt nicht das eigene Werk des Studierenden ist.)

Dieser Satz zieht eine klare Grenze. Ein Authorship-Hinweis kann Ihnen sagen, dass jemand anderes die Arbeit geschrieben hat, aber er kann Ihnen nicht sagen, wer das war, und auch nicht, ob beim Schreiben KI im Spiel war. Es ist ohne Weiteres möglich, dass eine Arbeit die KI-Erkennung besteht und bei Authorship durchfällt – und umgekehrt ebenso. Die beiden Ergebnisse messen unterschiedliche Eigenschaften derselben Einreichung.

Für Sie als Studierende oder Studierender heißt das praktisch: Lesen Sie die eine Art von Ergebnis nicht so, als wäre es die andere. Wenn Ihre Lehrperson ein Authorship-Problem anspricht, geht es darum, ob Sie die Arbeit selbst geschrieben haben, und nicht darum, ob der Text KI-generiert ist. Wenn Ihre Lehrperson ein Problem mit der KI-Erkennung anspricht, geht es um den Text, nicht um die Urheberschaftsgeschichte der Datei.

Das wird in realen Situationen wichtig. Lassen Sie eine Arbeit von einem Dienst schreiben oder geben Sie einen Entwurf an eine Freundin weiter, damit sie ihn fertigstellt, dann kann eine Arbeit ohne einzigen KI-generierten Satz trotzdem bei Authorship durchfallen. Schreiben Sie jedes Wort selbst, kann die Arbeit trotzdem von der KI-Erkennung markiert werden, wenn die Prosa nach KI-Output klingt. Das sind zwei verschiedene Probleme mit zwei verschiedenen Lösungen, und wer sie vermischt, dem fällt die Antwort auf einen Bericht deutlich schwerer. Wo ein Umschreibwerkzeug auf dieser Linie liegt, ist eine eigene Frage: Fällt ein KI-Umschreibwerkzeug unter die Regeln Ihrer Universität zur Bearbeitung durch Dritte?

Wenn Ihr Bericht da ist, klären Sie zuerst, welcher Teil worüber spricht. Ein Authorship-Hinweis sitzt im Originality-Bereich und spricht über Urheberschaftsbelege, Metadaten und Sprachforensik. Ein Prozentwert oder eine Markierung aus der KI-Erkennung ist ein davon getrennter Score über die Wahrscheinlichkeit, dass der Text KI-generiert ist; wie man den Turnitin AI Writing Report liest geht diese Hälfte Indikator für Indikator durch.

Wenn Sie mit Ihrer Lehrperson sprechen, verwenden Sie die richtigen Wörter. „Ich habe das selbst geschrieben" ist die passende Antwort auf ein Authorship-Problem. „Der Hinweis betrifft den Text, nicht die Frage, wie der Ablauf über einen Dritten schiefgelaufen ist" ist ein ganz anderes Gespräch. Den Unterschied zu erklären leistet zweierlei zugleich: Es hilft Ihnen, Ihren eigenen Bericht zu verstehen, und es zeigt Ihrer Lehrperson, dass Sie den Unterschied zwischen den beiden Systemen kennen.