Plagiat Scanner.de Redaktion | Zuletzt geprüft: 26.08.2026 | 6 Min. Lesezeit
Kann ein Detektor KI-generierten Code erkennen?
Verlässlich nicht. Es gibt Werkzeuge, die es versuchen, aber ihre Aussagen sind bei Quellcode noch unsicherer als bei Fließtext. Für eine Bewertung taugen sie nicht.
Unser KI Scan ist auf natürliche Sprache ausgelegt. Wenn du eine Arbeit mit umfangreichem Code-Anhang hochlädst, wird dieser Anhang mitgezählt, verwässert aber das Ergebnis. Nimm ihn besser vorher heraus.
Warum Code für Detektoren ein Sonderfall ist
Textdetektoren messen, wie vorhersagbar eine Wortfolge ist. Bei einem Aufsatz gibt es viele Wege, denselben Gedanken auszudrücken. Bei Code gibt es wenige.
Eine Schleife über eine Liste sieht in Python bei fast allen Entwicklerinnen gleich aus. Variablennamen folgen Konventionen, Einrückung erzwingt der Formatierer, und Bibliotheken geben Aufrufmuster vor. Genau diese Gleichförmigkeit lässt Code statistisch wie Maschinentext aussehen — auch dann, wenn ein Mensch ihn getippt hat.
Dazu kommt die Länge. Eine einzelne Funktion hat vielleicht fünfzehn Zeilen. Ein statistisches Verfahren braucht deutlich mehr Material, um überhaupt einen Trend zu sehen. Bei kurzen Abschnitten wird jede Aussage zur Münze.
Wichtig ist auch die Abgrenzung zum klassischen Codeplagiat. Dort geht es um eine identifizierbare Quelle: ein Repository, eine fremde Abgabe, ein Forumsbeitrag. Ein Ähnlichkeitsprüfer kann diese Quelle benennen und die übereinstimmenden Zeilen zeigen. Bei generiertem Code fehlt dieser Gegenpart. Es gibt kein Original, mit dem sich vergleichen ließe, sondern nur einen Verdacht über die Entstehungsweise. Deshalb sind die beiden Fragen methodisch getrennt, auch wenn sie prüfungsrechtlich zusammenlaufen.
Drei Szenarien aus der Praxis
Der Anfängerkurs. Zwanzig Studierende lösen dieselbe Aufgabe nach demselben Vorlesungsbeispiel. Die Lösungen ähneln sich stark, und keine davon ist abgeschrieben. Ein Ähnlichkeitsprüfer schlägt trotzdem an.
Die Bibliotheksvorlage. Du übernimmst das Beispiel aus der offiziellen Dokumentation eines Frameworks und passt drei Zeilen an. Das ist erlaubt, wenn du die Quelle nennst, und es wird zum Problem, wenn du sie verschweigst.
Der generierte Helfer. Ein Sprachmodell schreibt dir eine Sortierfunktion. Sie funktioniert, sie ist unauffällig, und sie enthält einen Kommentarstil, den du sonst nie verwendest. Genau diese Stilbrüche fallen einem Betreuer auf, nicht einem Detektor.
Ein viertes Muster taucht in Abschlussarbeiten regelmäßig auf: Der Code läuft, nutzt aber eine Bibliotheksfunktion, die im Text der Arbeit nirgends erwähnt wird. Nicht der Stil verrät hier etwas, sondern der Bruch zwischen Beschreibung und Umsetzung.
Was ein Befund bei Code aussagt und was nicht
| Beobachtung | Belastbarer Schluss | Kein Schluss |
|---|---|---|
| Detektor meldet hohen KI-Wert | Anlass für Nachfragen | Dass der Code generiert wurde |
| Code ist sehr gleichförmig formatiert | Ein Formatierer war aktiv | Dass eine KI ihn geschrieben hat |
| Kommentare in makellosem Englisch | Sprachliche Sorgfalt oder ein Werkzeug | Fremdautorschaft am Code selbst |
| Wörtliche Übereinstimmung mit einem Repository | Übernahme, Lizenzfrage prüfen | Ob KI oder Copy-and-paste die Quelle war |
| Keine Versionshistorie vorhanden | Der Prozess ist nicht dokumentiert | Dass nichts selbst geschrieben wurde |
Die vierte Zeile ist der eigentlich harte Fall. Wörtliche Übereinstimmung mit lizenziertem Code ist eine urheberrechtliche Frage, unabhängig davon, ob ein Mensch kopiert oder ein Modell reproduziert hat. Mehr zur Einordnung steht unter Urheberrecht in der Arbeit.
Wen falsche Verdächtigungen besonders treffen
Es trifft die Ordentlichen. Wer konsequent einen Linter nutzt, aussagekräftige Variablennamen vergibt und jede Funktion mit einem kurzen Docstring versieht, produziert Code, der nach Lehrbuch aussieht. Genau das gilt vielen als KI-Signal.
Ebenso betroffen sind Studierende, deren Muttersprache nicht Deutsch oder Englisch ist. Ihre Codekommentare entstehen oft mit Übersetzungshilfe und klingen deshalb glatter als der Rest der Arbeit. Und Einsteiger, die eng an einem Tutorial entlang arbeiten, erzeugen fast zwangsläufig den Code, den auch ein Modell vorschlagen würde.
Verdacht ohne Beleg
Ein hoher Detektorwert auf Quellcode ist kein Nachweis. Er ist nicht einmal ein gutes Indiz. Wird dir auf dieser Grundlage etwas vorgeworfen, verlange die konkrete Fundstelle und erkläre deinen Entstehungsweg. Wie du dich vorbereitest, steht unter KI-Vorwurf widerlegen.
Was du praktisch tust
- Versionsverwaltung nutzen. Viele kleine Commits mit sprechenden Nachrichten sind der beste Beleg für einen echten Arbeitsprozess, siehe Versionsverlauf als Nachweis.
- Herkunft im Code vermerken. Eine Kommentarzeile mit Quelle und Datum über einem übernommenen Block kostet zehn Sekunden und löst das Problem.
- Lizenzen prüfen. Übernimmst du Code aus einem Repository, sieh dir die Lizenzdatei an und halte die geforderten Hinweise ein.
- KI-Nutzung offenlegen. Wenn Assistenzsysteme erlaubt sind, benenne Werkzeug und Umfang, wie unter KI-Nutzung kennzeichnen beschrieben.
- Vorher klären, was gilt. Welche Werkzeuge dein Fachbereich zulässt, steht unter Welche Tools erlaubt sind.
Wie eine seriöse Prüfung damit umgeht
An Hochschulen laufen für Code meist strukturelle Ähnlichkeitsprüfer, die Programme nach Aufbau vergleichen statt nach Zeichenketten. Sie finden Übernahmen zwischen Abgaben, sagen aber nichts über KI-Nutzung.
Für den KI-Anteil gibt es kein vergleichbares Verfahren. Wer in einer Prüfungsordnung eine Kennzeichnungspflicht verankert, verlagert die Frage deshalb sinnvollerweise weg vom Nachweis und hin zur Offenlegung. Das ist ehrlicher, als eine Genauigkeit zu behaupten, die es nicht gibt.
Der belastbarste Schritt bleibt das Gespräch. Wer seinen Code geschrieben hat, kann erklären, warum an einer Stelle eine Schleife statt einer Rekursion steht und was passiert, wenn die Eingabeliste leer ist. Fachgespräch und Repository-Historie zusammen sind aussagekräftiger als jede Prozentzahl. Die grundsätzlichen Kanten dieser Verfahren stehen unter Grenzen der KI-Erkennung.
Preis, Ablauf und Datenschutz beim KI Scan
Der KI Scan kostet 0,29 € pro Normseite mit 1.800 Zeichen inklusive Leerzeichen. Zusammen mit dem Plagiat Scan zahlst du 0,39 € statt 0,58 € pro Normseite. Bei einer Informatikarbeit lohnt es sich, den Code-Anhang vor dem Upload zu entfernen: Das senkt die Seitenzahl, spart Geld und macht das Ergebnis für den Fließtext aussagekräftiger.
Formate sind .docx, .doc, .pdf, .txt, .odt, .rtf und .pages, bis 50 MB und bis 999 Normseiten. Das Ergebnis liegt in der Regel nach 15 Minuten vor, in seltenen Fällen dauert es bis zu 24 Stunden. Verarbeitet wird auf Servern in Deutschland nach DSGVO, deine Datei wird nach 14 Tagen gelöscht und kommt in keine Vergleichsdatenbank. Eine Registrierung ist nicht nötig.