Zum Inhalt
PlagiatScanner.de
Hochschulpraxis · Handlung · HSP-02

KI-Verdacht fair prüfen: Workflow für Lehrende

Direktantwort: Sichere zuerst Aufgabenstellung, geltende KI-Regel und unveränderte Abgabe. Formuliere dann konkrete, lokalisierbare Fragen statt einer Vorverurteilung. Ein Detektorwert, Stilgefühl oder einzelner Versionssprung entscheidet den Fall nicht. Prüfe mehrere voneinander unabhängige Quellen, dokumentiere entlastende wie belastende Befunde, ermögliche eine informierte Stellungnahme und übergib eine formale Entscheidung nur der zuständigen Stelle.

Mehrquellen-Evidenz-WorkflowFachstand 11. September 2026

Vor jedem Befund die tatsächlich geltende Regel prüfen

Ermittle, welche Vorgabe den Studierenden vor der Aufgabe zugänglich war. Welche KI-Tätigkeiten waren erlaubt, begrenzt oder ausgeschlossen? Welche Offenlegung wurde verlangt? Passt die Regel zur Prüfungsordnung, Aufgabenstellung und Bewertungsrubrik? Eine später formulierte Erwartung darf nicht rückwirkend als klar bekannte Regel behandelt werden.

Sichere die eingereichte Datei, Zeitangabe, Anlagen und relevante Portalansicht. Arbeite mit einer Kopie. Notiere Anlass, ohne ihn zur Feststellung zu machen: „Detektor markiert Absatz 4“ oder „Stil wechselt in Abschnitt 2“ ist präziser als „KI-Betrug“. Prüfe Zuständigkeit und den vorgesehenen Verfahrensweg, bevor du Studierende informell konfrontierst.

Authority Asset: Mehrquellen-Evidenz-Workflow

Prüfschritte und Stoppsignale
SchrittFrageMögliche EvidenzStoppsignal
1 · RegelWelche konkrete Vorgabe galt?Aufgabe, Policy, Rubrik, VeröffentlichungsstandRegel unklar oder nachträglich
2 · GegenstandWelche unveränderte Fassung?Datei, Quittung, AnhängeVersion nicht zugeordnet
3 · FundstelleWelche konkrete Auffälligkeit?Passage, Quelle, technischer BerichtNur pauschales Stilgefühl
4 · AlternativenWelche anderen Ursachen passen?Feedback, Übersetzung, Vorlage, FachspracheNur eine Hypothese geprüft
5 · ProzessWelche Entstehungsspuren existieren?Entwürfe, Notizen, Versionen, ProtokolleEinzelspur überbewertet
6 · StellungnahmeKann die Person konkret antworten?Fragen, Unterlagen, GesprächsnotizVorwurf nicht lokalisierbar
7 · ÜbergabeWer darf entscheiden?Fallakte mit GrenzenLehrperson überschreitet Mandat

Detektor, Stil und Metadaten als begrenzte Signale behandeln

Ein KI-Detektor klassifiziert Textmuster unter bestimmten Bedingungen. Der Bericht braucht Produkt, Datum, Textstand, Sprache, Einstellungen, Bedeutung des Scores und markierte Segmente. Bekannte Fehlermöglichkeiten hängen unter anderem von Textsorte, Länge, Sprache, Bearbeitung und Systemversion ab. Setze keine automatische Entscheidungsschwelle und behaupte keine Sicherheit, die nicht durch passende Validierung belegt ist.

Ein Stilwechsel kann durch Literaturgenre, Feedback, Übersetzung, intensive Überarbeitung oder eine Vorlage entstehen. Metadaten und Versionshistorien dokumentieren technische Ereignisse, nicht zwingend die Person am Gerät. Ein großer Einfügeschritt verdient eine konkrete Frage, ist aber noch keine Herkunftsfeststellung. Suche aktiv nach alternativen Erklärungen und dokumentiere, wie sie geprüft wurden.

Prozessnachweise beantworten andere Fragen: Entwürfe können Argumententwicklung zeigen, Rechercheaufzeichnungen den Quellenweg, Tests die Codearbeit und ein Nutzungsprotokoll eine offengelegte KI-Hilfe. Auch sie haben Grenzen. Aussagekräftiger ist die Übereinstimmung mehrerer unabhängiger Spuren mit konkreten Passagen.

Eine Stellungnahme ermöglichen, die auf Fundstellen antwortet

Teile die geltende Regel, die fraglichen Stellen und zugänglichen Unterlagen in der vorgesehenen Form mit. Formuliere offene Fragen: Wie entstand diese Passage? Welche Quelle oder Zwischenfassung gehört dazu? Welche Hilfsmittel wurden verwendet und wie kontrolliert? Vermeide Fragen, die ein Schuldeingeständnis voraussetzen.

Ein Fachgespräch kann Verständnis sichtbar machen, darf aber nicht als improvisierte Sonderprüfung ohne Regelgrundlage gestaltet werden. Nutze vergleichbare, auf die Arbeit bezogene Fragen. Dokumentiere Frage, Antwort, gezeigten Beleg und verbleibende Unsicherheit. Sprachliche Nervosität oder Erinnerungslücken sind nicht automatisch ein Herkunftsnachweis.

Wenn vertrauliche Daten, Behinderung, Mehrsprachigkeit oder technische Zugangsprobleme betroffen sind, beziehe zuständige Fachstellen ein. Fordere keine vollständigen privaten Konten oder Chatarchive ohne geklärte Notwendigkeit und Rechtsgrundlage. Die Anleitung Nachweise bei einem KI-Verdacht sichern zeigt verhältnismäßige Belegarten aus Sicht der betroffenen Person.

Befund, Unsicherheit und Zuständigkeit sauber übergeben

Erstelle eine Fallübersicht: Regelstand, geprüfte Fassung, nummerierte Fundstellen, verwendete Methoden, belastende und entlastende Befunde, alternative Erklärungen, Stellungnahme und offene Punkte. Trenne Systemausgabe, Beobachtung und Schlussfolgerung. Führe auch erfolglose Prüfungen auf, damit keine scheinbar lückenlose Indizienkette entsteht.

Bewerte nur innerhalb der eigenen Rolle. Lehrende können fachliche Befunde dokumentieren; die formale Entscheidung kann einem Ausschuss oder anderen Organ obliegen. Sichere Version und Empfänger der Übergabe. Informiere die betroffene Person über nächste Schritte und vorgesehene Kontaktwege nach den geltenden Regeln.

Qualitätscheck für den Mehrquellenprozess

  • Die vorab kommunizierte Regel ist identifiziert.
  • Abgabe und Bericht gehören eindeutig zusammen.
  • Jede Frage hat eine konkrete Fundstelle.
  • Detektorwerte werden weder als Beweis noch als Freispruch verwendet.
  • Alternative Ursachen wurden ernsthaft geprüft.
  • Die Stellungnahme konnte auf zugängliche Unterlagen reagieren.
  • Entlastende Befunde und Unsicherheit bleiben sichtbar.
  • Die Entscheidung trifft die zuständige Stelle.

Der Hub Hochschulpraxis bündelt institutionelle Workflows. Das Fundstellenraster für Plagiatsberichte vertieft Quellenähnlichkeiten. Genau eine Grundlagenseite ist verlinkt: Wissenschaftlich arbeiten.

Prüfmethoden vor dem Einzelfall kontrollieren

Eine Hochschule sollte festhalten, welche Werkzeuge und Gesprächsformate sie zu welchem begrenzten Zweck nutzt. Dazu gehören Version, Sprache, Eingabegrenzen, Datenschutz, bekannte Fehlermöglichkeiten und menschliche Zuständigkeit. Ohne passende institutionelle Validierung darf aus einer Herstellerzahl keine lokale Zuverlässigkeitsbehauptung entstehen.

Schule Lehrende anhand dokumentierter Beispieltypen: korrekt offengelegte Hilfe, menschlicher Text mit ungewöhnlichem Stil, übersetzter Text, stark redigierter Entwurf und ungeklärter Fall. Ziel ist keine erfundene Trefferquote, sondern konsistente Prozessanwendung. Eine zweite fachkundige Person kann prüfen, ob dieselben Fundstellen und Alternativerklärungen berücksichtigt wurden.

Erfasse Verfahrensfehler und Rückfragen anonymisiert, soweit zulässig. Wenn sich eine Regel als unklar erweist, korrigiere sie für künftige Aufgaben und behandle den laufenden Fall nach der tatsächlich kommunizierten Fassung.

Wissenschaftliche und offizielle Grundlagen

  1. Liang et al., Patterns: GPT detectors are biased against non-native English writers – empirische Hinweise auf kontextabhängige Fehlklassifikation.
  2. UNESCO: Guidance for generative AI in education and research – menschenzentrierte Prüfung und Datenschutz.
  3. DFG-Kodex zur Sicherung guter wissenschaftlicher Praxis – faire Verfahren und Verantwortung.

Quellenstand: 4. September 2026. Lokale Policy und Prüfungsordnung sind für den Einzelfall maßgeblich.