Plagiat Scanner.de Redaktion | Zuletzt geprüft: 27.08.2026 | 7 Min. Lesezeit
Lassen sich DeepSeek-Texte erkennen?
Nur als Wahrscheinlichkeit, und nie als Herkunft. Ein Detektor ordnet einen Text keinem Anbieter zu, er vergleicht ihn mit den statistischen Mustern maschinell erzeugter Sprache. Am Ende steht eine Zahl für Ähnlichkeit. Mehr nicht.
Bei DeepSeek kommt ein Umstand hinzu. Die Modelle sind offen verfügbar, laufen auf eigener Hardware genauso wie in Apps kleiner Anbieter, und dabei entsteht nicht zwingend irgendwo ein Protokoll, das eine Hochschule anfordern könnte. Viele lesen daraus: nicht nachweisbar, also kein Thema.
Der Schluss stimmt nicht. Nachweisbarkeit und Zulässigkeit sind zwei getrennte Fragen, und die zweite wird von der ersten nicht beantwortet.
Warum fehlende Protokolle im Verfahren nichts wiegen
Ein Prüfungsverfahren fängt selten mit Daten an. Es fängt mit einem Eindruck an: Ein Kapitel klingt anders als das Exposé, ein Absatz beantwortet die Fragestellung nicht, ein Titel im Verzeichnis existiert nicht in der angegebenen Form. Geprüft wird danach am Text und an dir.
Ob irgendwo ein Chatverlauf liegt, ändert an dieser Beweislage wenig. Niemand fordert ihn an. Gefragt wird stattdessen, warum ein Kapitel so und nicht anders aufgebaut ist, woher eine bestimmte Zahl stammt, welche Studie hinter einer Formulierung steht. Wer das erklären kann, steht gut da, unabhängig von jedem Messwert. Das ist keine Rechtsberatung.
Unbequemer ist der Umkehrschluss. Wo kein Protokoll entsteht, existiert auch nichts, was dich entlastet.
Wie eine solche Rückfrage konkret klingt
Im Kolloquium schlägt die Zweitprüferin Seite 24 auf: „Sie schreiben, der Effekt sei in der Literatur umstritten. Wer bestreitet ihn, und mit welchem Argument?" Wer den Absatz selbst geschrieben hat, nennt zwei Namen und eine Gegenposition. Wer ihn übernommen hat, wiederholt den Absatz mit anderen Worten. Der Unterschied ist in zehn Sekunden hörbar, und keine Software war beteiligt.
Die Angabepflicht hängt nicht am Anbieter
Was du angeben musst, steht in deiner Prüfungsordnung, und dort steht nichts über Server. Die Eigenständigkeitserklärung unter deiner Arbeit bezieht sich auf Hilfsmittel. Ein Sprachmodell ist ein Hilfsmittel.
Daran scheitert das Argument „kein Anbieter, keine Spur". Es beantwortet die Frage nach dem Risiko, nicht die nach deiner Zusage. Wer generierten Fließtext ohne Angabe einreicht, unterschreibt eine Erklärung, die nicht stimmt. Daran ändert sich nichts dadurch, dass es niemand merkt.
Maßgeblich ist bei dir die Passage in der Ordnung selbst, und wie du sie findest, ohne dich durch achtzig Seiten Satzung zu arbeiten, zeigt Prüfungsordnung finden. Formulierungen für die Angabe sammelt KI-Nutzung kennzeichnen.
Was der offene Betrieb ändert und was nicht
| Situation | Für die Nachweisbarkeit | Für die Angabepflicht |
|---|---|---|
| Modell läuft auf deinem eigenen Rechner | kein Anbieterprotokoll, aber auch kein Entlastungsbeleg | unverändert |
| Modell steckt in der App eines Drittanbieters | unklar, wer was wie lange speichert | unverändert |
| Modell läuft im Netz deines Praxispartners | Protokoll liegt beim Unternehmen, nicht bei dir | unverändert, dazu die Frage des Sperrvermerks |
| Ausgabe danach vollständig umgeschrieben | Messwert sinkt deutlich | unverändert, wenn generierter Text die Grundlage war |
| Nur Rechtschreibung und Zeichensetzung geprüft | kaum messbar | meist keine Angabe nötig, deine Ordnung entscheidet |
Die rechte Spalte bewegt sich kaum. Das ist die Antwort: Wo ein Modell läuft, ist für deine Erklärung ohne Belang.
Woran solche Texte im Manuskript auffallen
Generierte Absätze sind meist sauber gebaut und inhaltlich blass. Beispiele bleiben ohne Ort, Jahr und Namen, Einwände stehen als allgemeine Formel da statt als Widerspruch gegen eine bestimmte Studie, und die Fragestellung wird am Ende umformuliert wiederholt statt beantwortet.
Beim Selbstbetrieb kommt eine Eigenheit hinzu, die mit dem Modell selbst wenig zu tun hat: Wer selbst betreibt, stellt auch selbst ein. Zwei Installationen mit unterschiedlichen Einstellungen schreiben unterschiedlich, und wer über ein Semester hinweg mal die eine App und mal die eigene Installation benutzt, gibt Kapitel mit wechselndem Ton ab. Wer zwei Besprechungen mit dir hatte, hört den Sprung.
Ein Test dafür braucht keine Software. Streiche aus einem verdächtigen Absatz jeden Satz, der genauso in einer beliebigen anderen Arbeit zum Thema stehen könnte. Bleibt nichts stehen, hat der Absatz nichts gesagt. In selbst geschriebenen Passagen bleibt fast immer ein Satz übrig, der nur zu deiner Arbeit passt.
Was ein Detektor tatsächlich misst
Zwei Kennzahlen tragen das ganze Verfahren, und keine von beiden misst Urheberschaft.
Perplexität ist ein Maß für Erwartbarkeit: Wie oft trifft ein Sprachmodell mit seiner Vorhersage das nächste Wort? Bei generiertem Text trifft es häufig, weil derselbe Mechanismus den Text hervorgebracht hat. Niedrige Werte gelten als Indiz.
Burstiness misst den Ausschlag zwischen den Sätzen. Wer selbst schreibt, wird unregelmäßig: ein Satz mit drei Einschüben, danach eine knappe Feststellung, dann ein Nachtrag. Modelle bleiben ruhiger. Beide Größen erklärt Perplexität und Burstiness im Einzelnen.
Beim Selbstbetrieb tritt die Schwäche dieser Kennzahlen offen zutage. Wer ein Modell selbst aufsetzt, hat Einfluss auf Einstellungen, die genau diese Werte verschieben, ohne dass sich an der Entstehung des Textes das Geringste ändert. Ein niedriger Wert sagt hier also noch weniger aus als sonst. Wer sich darauf verlässt, verwechselt eine Messung mit einem Verfahren.
Was das für deine Arbeit heißt
Ein Prozentwert startet ein Gespräch. Entschieden wird es woanders. Wie eine solche Zahl entsteht, ordnet KI-Score interpretieren ein.
Daraus folgt eine einzige praktische Regel: Bereite nicht den Messwert vor, sondern die Auskunft über deinen Schreibprozess, denn danach fragt eine mündliche Prüfung, nicht nach Prozenten. Ein hoher Wert ist kein Urteil. Ein niedriger keine Quittung.
Der Regelfall ist ohnehin nicht das ganz oder gar nicht generierte Kapitel, sondern das gemischte. Warum gemischte Texte jedem Verfahren Schwierigkeiten machen, steht unter gemischte Texte aus Mensch und KI.
Selbstcheck vor der Abgabe
- Kannst du benennen, welche Programme und Installationen du während der Arbeit benutzt hast?
- Geht jede Angabe im Text auf eine Quelle zurück, die du in der Hand hattest?
- Existiert ein Versionsverlauf oder eine Reihe datierter Zwischenstände?
- Kannst du zu jedem Kapitel spontan sagen, warum es so und nicht anders aufgebaut ist?
- Ist eine Nutzung so angegeben, wie deine Ordnung es verlangt?
Beim lokalen Betrieb ersetzt deine eigene Ablage das, was sonst ein Anbieterkonto mitschreibt. Sichere deshalb Zwischenstände unter eigenen Dateinamen mit Datum, statt eine Datei immer wieder zu überschreiben. Pro Schreibtag kostet dich das zehn Sekunden. Rückwirkend entsteht so eine Reihe nie mehr.
Ablauf, Preis und Datenschutz
Datei hochladen, KI Scan starten, Ergebnis in der Regel nach 15 Minuten, in seltenen Fällen erst nach bis zu 24 Stunden. Angenommen werden .docx, .doc, .txt, .pdf, .pages, .odt und .rtf bis 50 MB und bis 999 Normseiten.
Gerechnet wird je Normseite zu 1.800 Zeichen inklusive Leerzeichen: 0,29 € beim KI Scan, bei 60 Normseiten also 17,40 €. Mit Plagiatsprüfung sind es 0,39 € statt 0,58 €, für dieselben 60 Normseiten 23,40 €. Die Server stehen in Deutschland, verarbeitet wird nach DSGVO, nach 14 Tagen verschwindet deine Datei automatisch. In eine Vergleichsdatenbank wandert sie nie. Ein Konto brauchst du nicht.