KI in Schule & Studium: Werkzeug, nicht Ghostwriter

KI in Schule & Studium: Werkzeug, nicht Ghostwriter

· 13 Min. Lesezeit

In English lesen →

Diesen Artikel anhören
Geschwindigkeit

KI-Vorlesestimme · automatisch erzeugt

Als Podcast abonnieren
RSS
Persönliche Notiz

Nur lokal in deinem Browser gespeichert — nichts wird gesendet.

Zwei Leseebenen: Der laufende Text ist der rote Faden — für alle, ohne Vorwissen. Die eigens markierten Fachtiefe-Kästen erklären die Technik im Detail und lassen sich überspringen.

Der Taschenrechner-Reflex

Als der Taschenrechner in die Schulen kam, war die Angst groß: Jetzt verlernen die Kinder das Rechnen. Es kam anders. Der Taschenrechner nahm den Schülern das stumpfe Ausrechnen ab und ließ Raum für das, worauf es ankommt — Verstehen, Modellieren, Problemlösen. Heute ist er selbstverständliches Werkzeug.

Bei der KI liegt derselbe Reflex nahe, und für Recherche, Rechtschreibkorrektur oder das Sortieren von Gedanken ist die Analogie auch tragfähig: ein Werkzeug, aus dem Alltag nicht mehr wegzudenken. Aber die Analogie hat einen Bruch, den man ernst nehmen muss. Der Taschenrechner automatisiert eine Nebenfertigkeit — das Rechnen —, während der eigentliche Lernzweck, das mathematische Denken, beim Menschen bleibt. Beim Schreiben ist das anders — jedenfalls in den Fächern, in denen das Formulieren selbst die Denkarbeit ist: Schreiben ist dort nicht die Verpackung des Denkens, sondern der Denkprozess selbst. Wer einen Aufsatz formuliert, ordnet Gedanken, wägt ab, argumentiert. Lässt man diese Arbeit die KI erledigen, lagert man nicht das Rechnen aus, sondern das Denken.

Genau hier — nicht beim Werkzeug an sich — verläuft die Grenze, um die es geht.

Die Grenze: mit KI schreiben ≠ die KI schreiben lassen

Die deutschen Institutionen haben diese Grenze inzwischen erstaunlich klar gezogen — und zwar nicht als Verbot. Die Kultusministerkonferenz beschloss im Oktober 2024 eine Handlungsempfehlung für einen „konstruktiv-kritischen“ Umgang und fordert ausdrücklich, die Prüfungskultur anzupassen. Die Hochschulrektorenkonferenz hält ein generelles KI-Verbot „weder für sinnvoll noch in der Praxis umsetzbar“. Der Konsens an den Hochschulen 2024/25 ist nicht Verbot, sondern abgestufte Erlaubnis mit Offenlegungspflicht: KI als Hilfe für Recherche, Gliederung, Sprache ist legitim; das Verfassen der eigentlichen Inhalte durch die KI und ihre Ausgabe als eigene Leistung ist Täuschung.

Rechtlich hängt das an einem einzigen, alten Satz: der Eigenständigkeitserklärung, mit der man versichert, die Arbeit selbst verfasst und alle Hilfsmittel angegeben zu haben. Nicht offengelegter KI-Einsatz verletzt genau diese Erklärung — das ist der Täuschungstatbestand, nicht der Tastendruck. Viele Hochschulen verlangen deshalb inzwischen ein KI-Verzeichnis als Anhang: welche Tools, wofür, in welchen Abschnitten. Wer offenlegt, darf nicht abgewertet werden. Das ist die legitime Zone — und sie ist groß.

Die eigentliche Streitfrage ist also nicht „ja oder nein“, sondern: Lässt sich die Grenze kontrollieren? Und hier beginnt der Teil, über den am meisten Unsinn erzählt wird.

Der Kern: Kann man KI-Texte überhaupt erkennen?

Die verbreitete Annahme lautet: Wenn ein Schüler die KI hat schreiben lassen, dann sieht man das — es gibt ja Detektoren, und notfalls verrät sich die KI durch versteckte Zeichen. Beides ist im Wesentlichen ein Mythos. Um zu verstehen, warum, muss man zuerst wissen, wie diese Detektoren überhaupt arbeiten.

Im Kern messen sie eine einzige Sache: Vorhersehbarkeit. Ein Sprachmodell erzeugt Text, indem es immer wieder das statistisch naheliegende nächste Wort wählt. Ein Detektor dreht das um — er prüft, wie „überrascht“ ein Sprachmodell von jedem Wort des vorgelegten Textes wäre. Ist der Text durchgehend wenig überraschend und gleichmäßig im Rhythmus, gilt er als maschinell; ist er sprunghaft, variabel, unerwartet, als menschlich. Das ist die ganze Idee. Und aus ihr folgt zwangsläufig jeder Fehler, den diese Werkzeuge machen.

Fachtiefe · für Fachleute Drei Familien von Detektoren, dasselbe Fundament. (1) Statistisch (GPTZero-Schicht): Perplexität = mittlere Überraschung des Referenzmodells über die Wortwahl; Burstiness = Varianz dieser Überraschung über den Text. KI ist bei beidem niedrig. (2) Trainierte Klassifikatoren (RoBERTa-basierte Detektoren, Turnitin, Originality.ai): ein Transformer wird auf einem gelabelten Korpus {Mensch, KI} feingetunt und lernt Oberflächenmerkmale, die die beiden Klassen in den Trainingsdaten trennen — weshalb jedes neue Modell und jeder Paraphrasierer das Ziel verschiebt. (3) Zero-Shot-Stylometrie (DetectGPT, Stanford 2023): nutzt die Log-Wahrscheinlichkeiten eines Referenzmodells und die Beobachtung, dass KI-Text auf lokalen Maxima der Wahrscheinlichkeitsfunktion sitzt. Alle drei ruhen auf derselben Annahme — KI-Text sei „vorhersehbarer“ —, und alle erben damit denselben blinden Fleck.

Wie schlecht sie wirklich sind

Der stärkste Zeuge ist der Hersteller selbst. OpenAI startete im Januar 2023 einen eigenen „AI Text Classifier“ und schaltete ihn im Juli 2023 wieder ab — wegen zu niedriger Trefferquote. Die Zahlen, die OpenAI selbst nannte: Der Detektor erkannte 26 Prozent der KI-Texte korrekt und stufte zugleich 9 Prozent echter menschlicher Texte fälschlich als KI ein. Der Konzern, der die Modelle baut, bekam für die eigene Ausgabe keinen brauchbaren Detektor hin.

Der Marktführer im Bildungsbereich, Turnitin, bewirbt eine Falsch-Positiv-Rate von unter einem Prozent — räumte aber selbst ein, dass die real höher liegt und auf Satzebene bei rund vier Prozent. Was ein Prozent Fehlerquote praktisch bedeutet, rechnete die Vanderbilt University vor, als sie Turnitins KI-Detektor im August 2023 abschaltete: Bei 75.000 Arbeiten pro Jahr wären das rund 750 fälschlich als KI markierte Arbeiten — 750 potenzielle Betrugsvorwürfe gegen Unschuldige. Michigan State, Northwestern, UT Austin und weitere zogen nach.

Am gravierendsten ist, wen die Fehler treffen. Eine Stanford-Studie (Liang et al., 2023) prüfte sieben Detektoren an echten Aufsätzen von Nicht-Muttersprachlern: 61,3 Prozent wurden im Schnitt fälschlich als KI eingestuft, 97,8 Prozent von mindestens einem Detektor, fast ein Fünftel von allen sieben einstimmig — während Texte von Muttersprachlern nahezu fehlerfrei durchgingen. Der Grund ist derselbe Mechanismus: Wer eine begrenztere Wortwahl hat, schreibt „vorhersehbarer“ — und wird von der Maschine mit KI verwechselt. Aus demselben Grund stufen Detektoren die US-Verfassung und Bibelpassagen als „KI-geschrieben“ ein: Texte, die tausendfach in den Trainingsdaten stecken, sind statistisch glatt. Reale Studenten sind durch solche Fehlalarme bereits zu Unrecht durchgefallen und des Betrugs beschuldigt worden.

Hinzu kommt ein statistischer Fallstrick. Zwar nutzen viele Schüler und Studenten KI — aber das vollständige Ghostwriting, das eine Prüfung eigentlich ahnden will, ist im Stapel die Ausnahme, nicht die Regel. Und je seltener das Gesuchte, desto mehr Fehlalarme: An der großen Masse ehrlicher Texte irrt sich selbst ein treffsicheres Werkzeug öfter, als es die wenigen echten Fälle trifft (die Rechnung steht im Kasten weiter unten). Entscheidend ist deshalb nicht die Trefferquote, sondern der Schaden eines einzigen Fehlalarms — einer zu Unrecht des Betrugs beschuldigten Person.

Man mag einwenden, all diese Befunde stammten aus der Frühzeit der Detektoren. Das stimmt — die Trefferquoten haben sich seither verbessert. Nur sitzt das eigentliche Problem nicht in der Quote, sondern in der Bauart. Und die hat sich nicht geändert.

Der entscheidende Punkt: ein Detektor sagt nie, was die KI getan hat

Selbst wenn ein Detektor richtig läge — er beantwortet nicht die Frage, die Lehrer eigentlich stellen. Denn er liefert nur eine einzige Wahrscheinlichkeit: „so KI-artig sieht das aus“. Er kann nicht unterscheiden, ob ein Text komplett von der KI generiert, nur in der Rechtschreibung korrigiert, umformuliert oder aus einer anderen Sprache übersetzt wurde. Die Anbieter sagen das selbst, unmissver­ ständlich: „60 Prozent KI bedeutet nicht, dass 60 Prozent des Textes von KI stammen“ (Originality.ai); der Prozentwert sei „nicht, dass 6 Prozent des Dokuments KI enthalten“ (GPTZero), sondern nur die Modell-Wahrscheinlichkeit. Weil die Software den Grad der Beteiligung nicht auflösen kann, kollabiert sie in der Praxis alles zu einem Alles-oder-nichts-Urteil — „menschlich geschrieben, stark KI-bearbeitet = KI-generiert“. Genau die für die Bildung entscheidende Unterscheidung — Werkzeug oder Ghostwriter? — ist die eine, die kein Detektor treffen kann.

Und selbst ein zutreffender Befund lässt sich trivial umgehen

Die Signale, auf denen alles beruht, sind zerbrechlich. Ein Paraphrasier-Modell namens DIPPER drückte in einer Studie die Trefferquote des Detektors DetectGPT von 70,3 Prozent auf 4,6 Prozent — durch bloßes Umschreiben, ohne den Inhalt zu verändern. Leichtes manuelles Überarbeiten oder eine Übersetzung genügen schon, weil sie genau die gleichmäßige, vorhersehbare Signatur zerstören, auf die der Detektor angewiesen ist. Wer täuschen will, umgeht die Werkzeuge ohne großen Aufwand; hängen bleiben die Ehrlichen, deren sauberer Stil „zu glatt“ wirkt. Nur täuscht sich, wer darin einen Freibrief sieht: Wer die KI schreiben lässt, erkauft sich eine Note und verliert das, wofür die Arbeit da ist — der Detektor lässt sich austricksen, das eigene Lernen nicht.

Was ist mit Wasserzeichen und versteckten Zeichen?

Bleibt die Hoffnung auf eine eingebaute Signatur — die KI verrät sich doch sicher selbst? Hier muss man zwei völlig verschiedene Dinge trennen, die ständig verwechselt werden.

Das eine ist ein echtes statistisches Wasserzeichen: Der Modellanbieter verzerrt schon bei der Erzeugung die Wortwahl nach einem geheimen Muster, das ein passender Detektor später wiedererkennt. Google hat so etwas (SynthID) 2024 vorgestellt, und technisch funktioniert es. Aber es hat drei entscheidende Haken. Es existiert nur, wenn der Anbieter es aktiv einbaut — lokale und quelloffene Modelle markieren gar nichts, das fehlende Wasserzeichen beweist also nichts. Es überlebt gründliches Umschreiben oder eine Übersetzung nicht und greift bei kurzen oder Faktentexten kaum. Und prüfen kann es nur, wer den geheimen Schlüssel hat — ein Lehrer gehört nicht dazu.

Fachtiefe · für Fachleute Das Grundschema (Kirchenbauer et al., 2023): Vor jedem Token teilt eine pseudozufällige Funktion das Vokabular in eine „grüne“ und eine „rote“ Liste; der Sampler bevorzugt sanft grüne Tokens. Der Detektor zählt den Grün-Anteil und testet ihn gegen die 50-Prozent-Zufallserwartung — ganz ohne Modellzugriff, aber mit dem Schlüssel. SynthID nutzt eine verfeinerte Variante („Tournament Sampling“). Dazu kommt ein grundsätzliches Basisraten-Problem für jeden Detektor: Sind nur 5 Prozent der Texte tatsächlich KI-ghostwritten, ein Werkzeug aber zu 1 Prozent falsch-positiv und zu 95 Prozent treffsicher, dann ist rund ein Sechstel aller Treffer ein Fehlalarm. Und je seltener das vollständige Ghostwriting im Stapel ist, desto stärker kippt das Verhältnis: bei wirklich seltenem Einsatz sind die meisten Treffer Fehlalarme — der klassische Basisraten-Fehlschluss.

Das andere sind unsichtbare Sonderzeichen — etwa ein schmales Leerzeichen, das aussieht wie ein normales. Im April 2025 fiel auf, dass manche ChatGPT-Modelle solche Zeichen streuten, und sofort war von einem „geheimen Wasserzeichen“ die Rede. OpenAIs Erklärung: kein Wasserzeichen, sondern ein Trainingsartefakt — und ohnehin bedeutungslos, weil solche Zeichen sich trivial entfernen lassen. Ein Erkennungszeichen, das beim Umkopieren verschwindet, taugt zu nichts. Kein ernsthafter Detektor stützt sich darauf.

Und die volkstümlichen „Beweise“ — der Gedankenstrich, Modewörter wie „delve“, zu glatte Sprache? Es sind reale Häufungen über Millionen Texte, aber wertlos als Beleg für einen einzelnen. Menschen setzen Gedankenstriche seit Jahrhunderten; man kann der KI den Strich per Anweisung ab- und wieder angewöhnen. Und im direkten Vergleich erkennen Menschen KI-Text mit dem bloßen Auge nur in rund 53 Prozent der Fälle — kaum besser als ein Münzwurf.

Und das EU-Gesetz?

Seit dem 2. August 2026 greift die Transparenzpflicht des EU-KI-Gesetzes (AI Act, Artikel 50): Anbieter generativer KI müssen ihre Ausgaben — Text, Bild, Ton, Video — maschinenlesbar als künstlich erzeugt markieren, und wer KI-Texte veröffentlicht, um die Öffentlichkeit über Fragen von öffentlichem Interesse zu informieren, muss das offenlegen. Klingt nach der Lösung, ist aber keine — jedenfalls nicht für den Lehrer. Zum einen richtet sich die Pflicht an Anbieter und Verbreiter, nicht an den Schüler, der die KI seine Hausarbeit schreiben lässt und als eigene abgibt; eine Facharbeit „informiert die Öffentlichkeit“ nicht. Zum anderen stützt sich die Kennzeichnung auf genau die Wasserzeichen und Metadaten, die ein Umformulieren, Kopieren oder Übersetzen zerstört — und die EU-Kommission räumt in ihren eigenen Leitlinien ein, dass keine einzige Markierungstechnik alle Anforderungen erfüllt und die forensische Erkennung noch nicht zuverlässig genug ist. Bestehende Systeme haben bis Dezember 2026 Zeit, eine interoperable Wasserzeichen-Erkennung sogar bis Februar 2027.

Das Gesetz ist sinnvoll — es stärkt die Kennzeichnung an der Quelle. Aber es bestätigt genau den Befund dieses Essays: Selbst der Gesetzgeber setzt nicht darauf, KI-Text im Nachhinein zu überführen, sondern auf Offenlegung. Für Schule und Studium heißt das dasselbe.

Was folgt daraus — für Schule und Studium

Wenn Erkennung nicht funktioniert, heißt das nicht: Kapitulation. Es heißt: Die Kontrolle verschiebt sich von der Detektion zum Prüfungsdesign — und genau dorthin bewegen sich die Hochschulen bereits. Was eine KI nicht ersetzen kann, macht die eigene Leistung sichtbar: die mündliche Verteidigung, das Fachgespräch über die eigene Arbeit, das Schreiben unter Aufsicht, der Nachweis des Prozesses über Entwürfe und Zwischenschritte, die verpflichtende, ehrliche Offenlegung. Das ist unbequemer und teurer als ein Klick auf „Prüfen“ — es kostet Zeit, die Lehrende nicht geschenkt bekommen. Aber es ist der einzige verlässliche Weg, der die Richtigen trifft statt der Falschen. Wer seine Hausarbeit im Kolloquium erklären muss, kann sie nicht von der KI haben schreiben lassen, ohne dass es auffällt — ganz ohne Detektor.

Das heißt nicht, dass ein Detektor gar nichts taugt. Als Anlass, irgendwo genauer hinzusehen — ein Rauchmelder, der ein Gespräch auslöst, nicht ein Urteil fällt —, mag er seinen Platz haben; und bei Tausenden Arbeiten, die niemand einzeln mündlich prüfen kann, hilft eine grobe Vorsortierung durchaus. Detektion und Prüfungsdesign sind darum keine Gegensätze. Nur muss am Ende der Mensch im Gespräch entscheiden, nie die nackte Wahrscheinlichkeit — denn beweisen, wer getäuscht hat, kann die Zahl nicht.

Und die Frage nach dem Nutzen? Sie hat eine überraschend klare, empirische Antwort — und sie fällt genau auf der Werkzeug/Ghostwriter-Grenze. Als Tutor eingesetzt, der fragt, erklärt und Feedback gibt, verdoppelte eine eigens dafür gebaute KI in einer randomisierten Harvard-Studie die Lerngewinne gegenüber aktivem Präsenzlernen. Als Ghostwriter dagegen, der den Text fertig liefert, geschieht etwas Tückisches: In einer kontrollierten Studie erzielte die ChatGPT-Gruppe zwar die besten Aufsatz-Noten — aber keinen messbaren zusätzlichen Wissens- und Transfergewinn gegenüber den anderen Gruppen. Besseres Produkt, kein besserer Student. Das ist die Grenze, in einem Satz: KI, mit der man denkt, macht klüger; KI, die für einen denkt, liefert eine bessere Arbeit und einen ärmeren Menschen.

Was hängen bleibt

Die Abwehrhaltung vieler Lehrer und Universitäten ist verständlich, aber sie kämpft an der falschen Front. Man wird KI aus Schule und Studium nicht heraushalten, und man wird ihren Einsatz auch nicht zuverlässig detektieren — die Werkzeuge dafür sind unzuverlässig, blind für das Entscheidende und trivial zu umgehen; wer sich auf sie verlässt, beschuldigt am Ende die Falschen. Die ehrliche Antwort ist unbequemer und besser zugleich: Nicht die Maschine ist zu überführen, sondern die eigene Leistung ist zu zeigen. KI ist ein Werkzeug wie der Taschenrechner — solange sie das Rechnen abnimmt und nicht das Denken. Wo diese Linie verläuft, entscheidet keine Software. Das entscheiden wir.

Wenn dieser Essay dich zum Nachdenken gebracht hat, teile ihn gern — und wenn dir das nächste Mal jemand erzählt, er könne KI-Texte „eindeutig erkennen“, frag ruhig nach, woran genau.

Quellen (Auswahl):