KI-Detektor falsch positiv.

Der Bericht sieht aus wie ein Messergebnis, und genau das ist seine Gefahr. Neunzig Prozent KI-Wahrscheinlichkeit, rot markierte Absätze, ein Firmenlogo, das nach Labor klingt, und auf der Empfängerseite ein Prüfungsausschuss, der die Zahl für einen Befund hält. Tatsächlich vergleicht die Software keinen Text mit einer Quelle, wie es die Plagiatsprüfung tut, sondern schätzt Muster: Wie vorhersagbar sind die Wortfolgen, wie gleichförmig die Satzstrukturen. Was statistisch unauffällig formuliert ist, gilt als maschinenverdächtig, und darunter fallen systematisch die Sorgfältigen, die Geübten, die stark Überarbeitenden und die Nicht-Muttersprachler mit ihrer einfacheren Syntax. Dieser Beitrag liefert die Beweiswert-Analyse für die Verteidigung: die technischen Grenzen, die dokumentierte Fehlerbilanz, die verwaltungsgerichtlichen Maßstäbe und den Entlastungsbeweis, der wirklich trägt. Das Täuschungsverfahren insgesamt, von der Beweislast bis zur Sanktionsskala, behandelt der Beitrag zum KI-Täuschungsvorwurf. Einen Überblick über alle Beiträge dieses Rechtsgebiets, geordnet nach Lebenslagen, gibt unsere Übersichtsseite Anwalt für Prüfungsrecht.

Vier technische Eigenschaften begrenzen den Beweiswert jedes Detektorberichts, und sie gehören in jede Verteidigung. Erstens das Messprinzip: Bewertet wird die statistische Vorhersagbarkeit des Textes, nicht seine Herkunft, es gibt keine Quelle, mit der verglichen wird, und deshalb auch keinen Treffer im Sinne der Plagiatsprüfung, sondern nur eine Musterschätzung. Zweitens die eingestandenen Grenzen der Hersteller selbst: Turnitin unterdrückt Werte unterhalb von etwa 20 Prozent als unzuverlässig, verlangt Mindesttextlängen von rund 300 Wörtern und hat eingeräumt, einen erheblichen Teil tatsächlich KI-generierter Texte bewusst nicht zu markieren, um Falschpositive zu begrenzen, während GPTZero eine selbstberichtete Falschpositivrate ausweist, die unabhängige Tests nicht bestätigen. Drittens die fehlende Reproduzierbarkeit: Derselbe Text kann in erneuten Durchläufen und erst recht in verschiedenen Werkzeugen abweichende Werte erzeugen, und die Modelle werden nicht offengelegt, sodass weder Prüfling noch Ausschuss noch Gericht die Herleitung eines Wertes nachvollziehen können. Viertens die Manipulierbarkeit in beide Richtungen: Schon gewöhnliche Überarbeitung drückt die Erkennungsleistung drastisch, und mehrere Anbieter von Detektoren vertreiben zugleich Werkzeuge zum Umschreiben von KI-Texten, was die Ernsthaftigkeit der eigenen Nachweisbehauptung untergräbt. Ein Wert, der so entsteht, ist ein Verdachtsgenerator, und als solcher darf er behandelt werden, mehr nicht.

Die Verteidigung muss die Fehlerbilanz nicht behaupten, sie kann sie zitieren. Die 2023 in der Fachzeitschrift Patterns veröffentlichte Stanford-Studie testete gängige Detektoren an Aufsätzen von Nicht-Muttersprachlern und fand eine Falschpositivrate von über 61 Prozent, weil einfachere Sprache als besonders vorhersagbar gilt, ein Befund mit unmittelbarer Relevanz für internationale Studierende, die in deutschen Täuschungsverfahren überproportional betroffen sind. OpenAI stellte den eigenen Erkennungsdienst 2023 nach rund einem halben Jahr wegen zu geringer Treffsicherheit ein. Unabhängige Untersuchungen berichten übereinstimmend, dass die Zuverlässigkeit bei kurzen und bei überarbeiteten Texten deutlich einbricht und die Ergebnisse verschiedener Werkzeuge für denselben Text auseinanderfallen. Und die abnehmerseitige Reaktion ist selbst ein Beweismittel: Die Vanderbilt University deaktivierte die Turnitin-KI-Erkennung im August 2023 mit einer veröffentlichten Begründung, die die Methodenintransparenz rügt und vorrechnet, dass bereits die vom Hersteller behauptete Falschpositivrate von einem Prozent bei 75.000 eingereichten Arbeiten pro Jahr rund 750 zu Unrecht markierte Arbeiten bedeutet, weitere Universitäten folgten oder beschränkten die Werkzeuge auf eine bloße Vorprüfungsrolle. Wer als Prüfungsausschuss einen Detektorwert als Beweis behandelt, muss sich an dieser publizierten Bilanz messen lassen, und genau dorthin gehört sie in jeder Stellungnahme: nicht als Empörung, sondern als Fundstellenliste.

Die deutsche Rechtsprechungslinie zu KI-Täuschungsvorwürfen arbeitet mit dem Beweis des ersten Anscheins: Die Beweislast für die Täuschung trägt die Prüfungsbehörde, erleichtert durch ein Bündel gewichtiger Indizien, das der Prüfling durch einen ernsthaft in Betracht kommenden anderen Geschehensablauf erschüttern kann. In den bislang entschiedenen Fällen tragen die Gerichte diese Indizienbündel auf inhaltliche und stilistische Auffälligkeiten, den Vergleich mit früheren Arbeiten und die fachkundige Einschätzung der Prüfer, der Detektorwert erscheint dabei als ein Element neben anderen, nicht als alleinige Grundlage. Daraus folgen die drei Angriffslinien der Verteidigung. Auf der Aktenebene: Der vollständige Bericht gehört ins Verfahren, mit Werkzeug, Version, Einstellungen und Teilwerten, denn ein Prozentwert im Anhörungsschreiben ist keine überprüfbare Tatsachengrundlage, und die Weigerung, ihn offenzulegen, ist selbst ein Verfahrensargument. Auf der Tatsachenebene: Gegenläufe desselben Textes durch andere Werkzeuge, die Falschpositiv-Anfälligkeit gerade beim konkreten Textprofil, etwa Nicht-Muttersprachler, stark überarbeiteter oder technischer Text, und die publizierten Grenzen des eingesetzten Produkts. Auf der Verfahrensebene: Hat der Ausschuss die Herstellergrenzen gekannt und beachtet, wurde der Wert als Verdachtsanlass oder als Beweis behandelt, und trägt das übrige Indizienbündel ohne den Wert noch. Ein Verfahren, das im Kern auf der Software ruht, ist auf allen drei Ebenen verwundbar, und diese Prüfung ist der erste Schritt jeder Stellungnahme, deren Aufbau und Taktik der Beitrag zur Stellungnahme im Täuschungsverfahren entfaltet.

Die stärkste Verteidigung argumentiert nicht gegen die Software, sondern für die eigene Arbeit. Der Anscheinsbeweis wird erschüttert, indem ein konkreter, belegter Entstehungsprozess vorgelegt wird, und dessen Bausteine sind banal und mächtig zugleich: die Versionshistorie des Dokuments über Wochen, mit wachsendem Text, Umstellungen und Korrekturen, datierte Entwürfe und Gliederungen, Exzerpte und Literaturnotizen, Rechercheverläufe, Bibliotheksausleihen, Korrespondenz mit Betreuern und Schreibberatung. Eine über sieben Wochen gewachsene Datei mit vierzig Zwischenständen ist als Entlastungsbeweis jedem Detektorgegenwert überlegen, weil sie den alternativen Geschehensablauf nicht behauptet, sondern zeigt. Daraus folgt die wichtigste Verhaltensregel für Beschuldigte und für alle, die es nie werden wollen: nichts löschen, alles sichern, sofort exportieren, denn gelöschte Verläufe entlasten niemanden, und wer aus diffuser Angst seinen Entwurfsordner leert, vernichtet die eigenen Beweise. Wo die Dokumentation lückenhaft ist, lässt sich der Prozess teilweise rekonstruieren, über Cloud-Historien, Mailanhänge und Geräte, und auch das gehört in professionelle Hände, bevor in der Anhörung improvisiert wird.

• Erstens. Beweise sichern, bevor irgendetwas anderes geschieht. Exportieren Sie noch heute Versionshistorie, Entwürfe, Exzerpte und Rechercheverläufe und legen Sie eine gesicherte Kopie an. Löschen Sie nichts, auch nicht scheinbar Unwichtiges.

• Zweitens. Den vollständigen Bericht verlangen. Fordern Sie im Rahmen der Akteneinsicht das eingesetzte Werkzeug, Version, Einstellungen, Datum des Laufs und sämtliche Teilwerte an. Ein bloßer Prozentwert ist keine Tatsachengrundlage, und die Lücke ist Ihr Argument.

• Drittens. Gegenläufe fertigen. Lassen Sie denselben Text durch zwei bis drei andere Detektoren laufen und dokumentieren Sie abweichende Ergebnisse. Divergenz ist der einfachste Beleg für die Unzuverlässigkeit des Einzelwerts.

• Viertens. Das Textprofil einordnen. Prüfen Sie, ob Ihr Fall zu den dokumentierten Falschpositiv-Gruppen gehört, Nicht-Muttersprachler, stark überarbeiteter, kurzer oder technischer Text, und belegen Sie das mit den publizierten Studien und Herstellergrenzen.

• Fünftens. Keine Äußerung vor der Strategie. Erklären Sie sich gegenüber dem Ausschuss erst nach Akteneinsicht und Beweissicherung, mit Belegen statt Beteuerungen. Reihenfolge, Aufbau und die Frage des Schweigens gehören beraten, wir übernehmen die Kommunikation in diesen Verfahren regelmäßig vollständig.

Wie hoch ist die Fehlerquote von KI-Detektoren wie GPTZero oder Turnitin?

Belastbare Herstellerangaben und unabhängige Befunde klaffen auseinander. Turnitin behauptete zur Einführung eine Falschpositivrate von einem Prozent, unterdrückt aber selbst Werte unter 20 Prozent als unzuverlässig, und die Stanford-Studie in Patterns fand über 61 Prozent Falschpositive bei Nicht-Muttersprachlern. Bei überarbeiteten, kurzen und technischen Texten bricht die Zuverlässigkeit zusätzlich ein. Ein Einzelwert ohne offengelegte Grundlagen ist deshalb kein belastbarer Befund.

Ist ein Turnitin- oder GPTZero-Ergebnis vor Gericht ein Beweis?

Nein. Die Verwaltungsgerichte behandeln Detektorwerte in den bisher entschiedenen Verfahren als ein Indiz neben inhaltlichen und stilistischen Auffälligkeiten, nicht als alleinige Grundlage, und die Beweislast für die Täuschung liegt bei der Prüfungsbehörde. Ein Verfahren, das im Kern auf einem Softwarewert ruht, ist angreifbar, insbesondere wenn der vollständige Bericht mit Version und Einstellungen nicht in der Akte liegt.

Ich habe die Arbeit selbst geschrieben und wurde trotzdem markiert. Wie beweise ich das?

Über die Entstehungsgeschichte: Versionshistorie des Dokuments, datierte Entwürfe und Gliederungen, Exzerpte, Rechercheverläufe, Ausleihen und Betreuerkorrespondenz. Diese Dokumentation setzt dem Anscheinsbeweis einen konkreten, belegten Geschehensablauf entgegen und ist in der Praxis der stärkste Entlastungsbeweis, deutlich stärker als jede Kritik an der Software. Sichern Sie diese Unterlagen sofort und löschen Sie nichts.

Warum trifft die KI-Erkennung besonders Nicht-Muttersprachler?

Weil die Detektoren die statistische Vorhersagbarkeit von Text messen und einfachere Vokabel- und Satzstrukturen, wie sie Nicht-Muttersprachler häufig verwenden, als maschinentypisch einstufen. Die Stanford-Studie in Patterns dokumentierte auf dieser Basis über 61 Prozent Falschpositive bei Aufsätzen von Nicht-Muttersprachlern. In Verfahren gegen internationale Studierende gehört dieser publizierte Bias deshalb zwingend in die Verteidigung.

• KI-Täuschungsvorwurf: das Verfahren insgesamt, von der Beweislast über die Rechtsprechungslinie bis zur Sanktionsskala.
• stellungnahme-taeuschungsvorwurf Stellungnahme im Täuschungsverfahren: Reihenfolge, Aufbau und Taktik der Äußerung, in die die Beweiswert-Analyse eingebettet wird.
• Täuschungsvorwurf an der Uni: die allgemeinen Regeln der Täuschungsverfahren jenseits der KI-Konstellation.
• plagiatsvorwurf-bachelorarbeit Plagiatsvorwurf bei der Bachelorarbeit: die Parallelfrage des Softwarebefunds als bloßes Indiz in der klassischen Plagiatsprüfung.

*Verfasst von der Rechtsanwaltskanzlei Weber · familum · Juli 2026*