Warum Universitäten Turnitins KI-Erkennung abschalten

Seit Jahren ist Turnitin das wichtigste Tool gegen Plagiate an Unis. 2023 kam eine neue Funktion hinzu: die KI-Erkennung. Sie sollte automatisch zeigen, ob ein Text von ChatGPT oder einem Menschen stammt. Doch heute steht Turnitin unter Druck. Viele berühmte Unis wie Yale oder Vanderbilt entscheiden sich, die KI-Erkennung abzuschalten, weil sie sicher sind: Die Funktion macht mehr Probleme, als sie löst.

Warum ziehen die Unis die Reißleine?

Der Grund ist einfach: Die Software ist nicht sicher genug. Die Vanderbilt University hat nachgerechnet. Selbst wenn die Fehlerquote minimal ist, werden bei Tausenden Arbeiten jedes Semester Hunderte Studierende zu Unrecht beschuldigt. Das ist für eine Uni nicht akzeptabel.

Außerdem wird es immer schwerer, KI-Texte zu finden. Die Technik entwickelt sich so schnell, dass die Detektoren kaum hinterherkommen. Deshalb sagen viele Hochschulen: Wir vertrauen diesen Tools nicht mehr blind.

Immer more Unis folgen dem Beispiel

Immer mehr Hochschulen weltweit schalten die KI-Funktion ab. Zuletzt sorgte die Curtin University in Australien für Schlagzeilen. Seit Anfang 2026 bleibt die KI-Erkennung dort aus. Warum? Weil die Tools nicht fair sind. Sie haben besonders oft Probleme mit Texten von Studierenden, die Deutsch oder Englisch nicht als Muttersprache haben.

Die Unis wollen lieber Vertrauen aufbauen, statt nur zu überwachen. Sie setzen auf moderne Prüfungen, die auch in Zukunft noch funktionieren. Klassisches „Text-Matching“ gegen Plagiate bleibt aber weiterhin aktiv.

Die drei Kernprobleme der KI-Erkennung

Warum stellen sich so viele Hochschulen gegen ein Tool, das ihnen eigentlich helfen soll? Die Kritik konzentriert sich auf drei zentrale Punkte.

1. False Positives und Unzuverlässigkeit

KI-Detektoren analysieren statistische Muster in Texten. Sie messen, wie vorhersagbar Wortwahl und Satzstruktur sind. Das Problem: Nicht jeder vorhersagbare Text stammt von einer Maschine. Akademische Texte folgen Konventionen. Fachsprache ist per Definition formelhaft. Wer sauber wissenschaftlich schreibt, produziert genau die Muster, die ein Detektor als verdächtig einstuft.

Turnitin selbst räumt ein, absichtlich 15 Prozent der tatsächlich KI-generierten Texte durchzulassen, um die False-Positive-Rate unter einem Prozent zu halten. Doch selbst dieses vorsichtige Kalibrieren funktioniert in der Praxis nicht zuverlässig. Unabhängige Tests zeigen reale Genauigkeitsraten von 70 bis 80 Prozent bei echten Studierendenarbeiten (Quelle: WalterWrites, 2026).

2. Diskriminierung von Nicht-Muttersprachlern

Hier liegt das vielleicht gravierendste Problem. Eine vielzitierte Studie der Stanford University zeigte, dass KI-Detektoren 61 Prozent der TOEFL-Aufsätze von Nicht-Muttersprachlern fälschlicherweise als KI-generiert einstuften. Zum Vergleich: Bei Texten von US-amerikanischen Achtklässlern waren die Detektoren „nahezu perfekt". 97 Prozent der 91 getesteten TOEFL-Aufsätze wurden von mindestens einem der sieben getesteten Tools markiert (Quelle: Stanford HAI).

Der Grund ist technischer Natur: Die Detektoren messen Perplexität, also wie unvorhersehbar ein Text ist. Nicht-Muttersprachler verwenden tendenziell einfachere Satzstrukturen und häufigere Wörter. Genau das tut auch ChatGPT. Die Software kann beides nicht unterscheiden.

3. Fehlende Transparenz

Turnitin verrät nicht, wie genau sein Algorithmus KI-generierte Texte identifiziert. Die Aussage beschränkt sich darauf, dass das Tool „Muster erkennt, die typisch für KI-Schreiben sind". Welche Muster das sind, bleibt unklar. Für Studierende bedeutet das: Sie werden von einem System bewertet, dessen Funktionsweise sie nicht nachvollziehen können. Und wenn sie sich verteidigen müssen, kämpfen sie gegen eine Blackbox.

Und die deutschen Hochschulen?

In Deutschland ist Turnitin weniger verbreitet als im angloamerikanischen Raum. Viele Hochschulen setzen auf europäische Anbieter wie PlagAware oder Docoloc. Dennoch gibt es klare Signale, dass die Skepsis gegenüber KI-Detektoren auch hierzulande wächst.

Die Freie Universität Berlin formulierte in ihren offiziellen FAQ zur Plagiatserkennung eine bemerkenswert deutliche Position: Aktuelle KI-Erkennungsalgorithmen seien „unzuverlässig und werden das sehr wahrscheinlich auch bleiben". Eine Aussage, die man von einer der renommiertesten deutschen Universitäten so nicht erwartet hätte.

Andere Hochschulen verfolgen einen differenzierteren Ansatz. Die Euro-FH etwa setzt KI-Detektoren nicht als Beweismittel ein, sondern als einen von mehreren Hinweisen in einem breiteren Bewertungsprozess. Die TU Darmstadt unterscheidet nach Prüfungsformat: Bei beaufsichtigten Klausuren ohne Internetzugang ist KI-Erkennung irrelevant, bei Hausarbeiten wird sie als ergänzender Hinweis gewertet (Quelle: TU Darmstadt, EinfachLehren).

Fest steht: Die Entscheidungen von Yale, Vanderbilt und Curtin werden auch in Deutschland registriert. Die KI-Richtlinien vieler deutscher Hochschulen sind noch jung und werden regelmäßig überarbeitet. Der internationale Trend hin zu weniger Vertrauen in automatisierte KI-Erkennung dürfte diese Überarbeitungen beeinflussen.

Was tritt an die Stelle der KI-Erkennung?

Keine der Universitäten, die die KI-Erkennung abgeschaltet haben, sagt: „KI-Betrug ist uns egal." Im Gegenteil. Sie argumentieren, dass bessere Methoden existieren. Die wichtigsten Alternativen sind:

Erstens: Veränderte Prüfungsformate. Mündliche Verteidigungen, Prozessportfolios und Reflexionsgespräche prüfen das Verständnis hinter einer Arbeit, nicht nur das Endprodukt. Mehr dazu in unserem Artikel über Prüfungen im KI-Zeitalter.

Zweitens: Dokumentation des Arbeitsprozesses. Studierende reichen Entwürfe, Recherche-Protokolle und Überarbeitungsschritte ein. Wer seine Arbeit tatsächlich selbst geschrieben hat, kann das belegen.

Drittens: Gesprächsbasierte Bewertung. Lehrende sprechen mit Studierenden über ihre Arbeiten, stellen Vertiefungsfragen und bewerten, ob jemand die Materie durchdrungen hat. Das kostet Zeit, ist aber deutlich aussagekräftiger als ein Algorithmus.

Viertens: Klare Regeln statt Überwachung. Statt KI-Nutzung heimlich zu detektieren, definieren Universitäten transparent, wann und wie KI-Tools erlaubt sind. Curtin beispielsweise verweist Studierende auf Curtin Grammarly und die Authorship-Funktion als unterstützende Werkzeuge.

Was Turnitin selbst sagt

Turnitin hat auf die wachsende Kritik reagiert. Im August 2025 führte das Unternehmen eine neue Erkennungskategorie ein: „KI-generierter Text, der durch KI paraphrasiert wurde". Damit reagiert Turnitin direkt auf Humanizer-Tools, die KI-Texte umschreiben, um Detektoren zu umgehen.

Eine Einschränkung ist dabei wesentlich: Diese erweiterte Erkennung funktioniert bisher nur für englische Texte. Für den deutschsprachigen akademischen Betrieb bietet sie keinen Mehrwert. Turnitin hat außerdem angekündigt, die False-Positive-Rate weiter senken zu wollen und arbeitet an detaillierteren Berichten, die Lehrenden mehr Kontext liefern sollen.

Ob das reicht, um verlorenes Vertrauen zurückzugewinnen, bleibt offen. Die Grundsatzfrage, ob algorithmische KI-Erkennung in der akademischen Bewertung überhaupt einen fairen Platz haben kann, beantwortet auch ein verbesserter Algorithmus nicht.

Was das für dich als Studierende oder Studierenden bedeutet

Die Debatte um Turnitins KI-Erkennung betrifft dich direkt, unabhängig davon, ob du KI nutzt oder nicht.

Informiere dich, ob deine Hochschule KI-Erkennung einsetzt. Die KI-Regelungen an deutschen Universitäten sind uneinheitlich. Was an einer Uni erlaubt ist, kann an einer anderen als Täuschungsversuch gelten.

Dokumentiere deinen Arbeitsprozess. Entwürfe, Notizen, Literaturrecherchen und Überarbeitungsversionen helfen dir, deine Eigenleistung zu belegen, falls ein Detektor Fehlalarm auslöst. Eine Studentin in Deutschland musste 15 Seiten Beweismaterial zusammentragen, um sich gegen eine falsche KI-Erkennung zu wehren. Vorsorge ist einfacher als Nacharbeit.

Nutze einen KI-Scan vor der Abgabe. So siehst du, welche Passagen ein Detektor als auffällig einstufen könnte. Unser KI Scan ist auf deutsche Texte optimiert und zeigt dir, wo mögliche Probleme liegen.

Kenne deine Rechte. Ein KI-Erkennungsergebnis ist kein Beweis. Es ist eine statistische Schätzung. Wenn du zu Unrecht beschuldigt wirst, solltest du das Gespräch mit dem Prüfungsausschuss suchen und auf die dokumentierten Schwächen der Technologie verweisen.

Häufige Fragen