Der Fall zeigt, wie schnell der Einsatz generativer Modelle beim Schreiben wissenschaftlicher Arbeiten, von der Themenfindung über die Ideengenerierung bis zur Textproduktion, sowohl Chancen als auch Risiken birgt.
Die Verwendung solcher KI-basierten Tools kann Ressourcen und Mühe sparen, birgt jedoch auch Risiken hinsichtlich der akademischen Integrität. Die Arbeit wurde seitenweise erstellt und abgegeben, wobei die KI bei der Strukturierung und beim Verfassen einzelner Teile der Abschlussarbeit half. Jonas strukturierte die gelieferten Passagen, ergänzte einige eigene Absätze und gab die Arbeit wenige Tage vor Fristende ab.
Seine Prüfungsleistung erhielt zunächst eine vorläufige Annahme. Nach routinemäßiger Kontrolle leitete das Prüfungsamt jedoch ein vertiefendes Prüfverfahren ein. Mit einem professionellen Ghostwriter wäre dies nicht passiert, da Ghostwriter eigenständig mit einem eigenen Schreibstil akademische Arbeiten für Studierende schreiben und Textabschnitte nicht aus der KI übernehmen.
Bei der Analyse seiner Bachelorarbeit zeigte PlagAware zwei auffällige Befunde. 1) Erstens ergab die Plagiatsprüfung mehrfach 1:1-Übereinstimmungen mit unveröffentlichten Quellen aus Datenbanken sowie mit Textpassagen bekannter Fachbücher. 2) Zweitens meldete das KI-Erkennungstool eine sehr hohe Wahrscheinlichkeit für maschinelle Erstellung in mehreren Kapiteln.
Durch die gezielte Analyse verschiedener Textabschnitte konnten die Prüfer einen besseren Überblick über die Integrität der einzelnen Teile der Arbeit gewinnen. Parallel dazu fiel den Prüferinnen und Prüfern auf, dass die Quellenangaben teilweise nicht existent waren oder auf Publikationen verwiesen, die sich bei näherer Überprüfung als erfunden herausstellten. Ein Beispiel: In Kapitel drei war eine zentrale Theorie mit einem konkret angegebenen Artikel aus einer Fachzeitschrift belegt. Die angegebene Zeitschrift existierte zwar, die zitierte Ausgabe und der Artikel jedoch nicht. In weiteren Fußnoten fanden sich falsche DOI-Nummern und falsch geschriebene Autorennamen.
Dieses Problem beobachten wir oft bei KI-generierten Hausarbeiten oder KI-generierten Bachelorarbeiten. Eine KI-Arbeit erkennt man meistens direkt an den falschen Quellenangaben und anschließend an sprachlichen Mustern im Fließtext. Ein Ghostwriter kann im Gegensatz zur KI eine vollständig selbstgeschriebene Arbeit bereitstellen. Mit persönlichem Schreibtstil und vollständiger Methodik.
Seine Angaben zur Entstehung einiger Passagen schwankten. Das Prüfungsgremium bewertete dies als Täuschungsversuch. Die Prüfungsordnung der Hochschule verlangt, dass Studierende ihre Abschlussarbeiten, insbesondere Bachelorarbeiten, eigenständig verfassen und schreiben und dabei die tatsächlichen Quellen verlässlich angeben. Als Sanktion folgte die Exmatrikulation wegen schwerer Täuschung in einer Prüfungsleistung. Jonas kündigte an, gegen die Entscheidung rechtlich vorzugehen. Sein Anwalt hat angekündigt, die methodische Unsicherheit bei der KI-Erkennung sowie die Frage der Verhältnismäßigkeit der Sanktion prüfen zu lassen.
Die Identifikation erfolgt meist durch die Verwendung spezieller Tools, die auf ki basierte Analyseverfahren zurückgreifen. Machine-Learning-Modelle arbeiten mit Wahrscheinlichkeiten. Auffällige Muster können Hinweise liefern, müssen aber durch inhaltliche Prüfung ergänzt werden.
Der Einsatz von KI-Tools kann zwar Ressourcen und Mühe bei der Erstellung wissenschaftlicher Arbeiten sparen, bringt jedoch neue Herausforderungen für die Überprüfung solcher Abschlussarbeiten mit sich. In diesem Fall führte die Kombination aus 1:1-Übernahmen, der Unfähigkeit des Studierenden, Inhalte zu erklären, und den gefälschten Quellen zu einer starken Indizienlage.
Der besonders problematische Punkt sind die gefälschten Quellen.
Generative Modelle neigen dazu, kohärente, aber nicht unbedingt korrekte Referenzen zu produzieren. Diese sogenannte Halluzination ist in der wissenschaftlichen Praxis existenziell gefährlich. Eine Arbeit mit frei erfundenen Belegen verletzt grundlegende Zitierpflichten und beschädigt die Nachprüfbarkeit wissenschaftlicher Aussagen.
Die Nutzung von Tools zur Formulierungshilfe, zur Formatierung oder zur Literaturrecherche kann mit Klarstellung und entsprechender Kennzeichnung vertretbar sein. Gerade im Kontext der Bachelorarbeit ist eine verantwortungsvolle Verwendung und die vielfältigen Möglichkeiten der KI-Unterstützung entscheidend – etwa bei der Themenfindung, Strukturierung oder beim wissenschaftlichen Schreiben.
Der Einsatz von KI zur Generierung ganzer inhaltlicher Abschnitte ohne Nachweis eigener Leistung überschreitet die Grenze zur Täuschung. Noch eindeutiger ist der Fall, wenn Quellen erfunden oder ohne Angabe übernommen werden. Professor Dr. Miriam Kohler, Expertin für Wissenschaftsethik, fasst zusammen: „Es muss klar geregelt werden, welche Funktion KI-Tools haben dürfen. Automatische Textgeneratoren ersetzen keine akademische Auseinandersetzung. Wer sie als inhaltlichen Ersatz nutzt, handelt fahrlässig.“
1. Transparente Richtlinien zur Nutzung generativer KI in Lehrveranstaltungen und Prüfungen.
2. Pflichtschulungen für Studierende zu Zitiertechnik, Quellenprüfung und Risiken von KI.
3. Anpassung der Prüfungsformate, etwa verstärkte mündliche Prüfungen oder reflektierende Begleitbögen, in denen Studierende ihre Arbeitsweise offenlegen.
4. Investitionen in zuverlässige Nachweismethoden und in die Ausbildung von Prüfenden zur Interpretation von KI-Erkennungsberichten.
Der Fall von Jonas M. ist kein Einzelfall. Er folgt einem Muster, das sich an deutschen Hochschulen seit 2023 zunehmend wiederholt: KI-generierter Text, fehlende Eigenleistung, Verfahrenseinleitung, Exmatrikulation. Was in den Fallberichten als dramatische Geschichte erzählt wird, ist hochschulrechtlich ein präzise definierter Vorgang – mit klar geregeltem Ablauf, klaren Rechten und klaren Grenzen für beide Seiten.
Prüfungsordnungen deutscher Hochschulen verlangen durchgängig, dass eingereichte Prüfungsleistungen eigenständig und ohne unerlaubte Hilfsmittel erbracht werden. KI-Sprachmodelle gelten als unerlaubte Hilfsmittel, sofern sie nicht ausdrücklich erlaubt sind. Wer eine KI-generierte Arbeit einreicht, ohne das zu deklarieren, begeht damit einen Täuschungsversuch – ab dem Moment der Einreichung, unabhängig davon, ob der Versuch entdeckt wird.
Das Prüfungsrecht unterscheidet zwischen dem Versuch und der vollendeten Täuschung. Die vollendete Täuschung tritt ein, wenn eine nicht eigenständig erbrachte Leistung unentdeckt bewertet wird. Beide Varianten sind sanktionierbar. Entscheidend: Mit der Unterschrift unter die Selbstständigkeitserklärung gibt der Studierende eine rechtsverbindliche Aussage ab. Wer diese Erklärung unterschreibt und gleichzeitig eine KI-generierte Arbeit einreicht, macht eine wissentlich falsche Erklärung.
Ein Verfahren wegen KI-Täuschung folgt einem strukturierten Ablauf. Die fünf Phasen sind:
Ein zentrales Missverständnis in der öffentlichen Debatte über KI-Erkennung: Scanner-Ergebnisse allein sind nach herrschender Rechtsauffassung kein ausreichender Nachweis für einen Täuschungsversuch. Die Fehlerquote der Tools ist zu hoch – Falsch-Positiv-Raten von bis zu dreißig Prozent bei deutschsprachigen Texten machen sie als alleiniges Beweismittel untauglich. Eine Sanktion, die ausschließlich auf einem Detektorbericht beruht, ist im Widerspruchs- und Klageverfahren gut angreifbar.
Belastbar wird die Indizienlage erst durch die Kombination mehrerer unabhängiger Elemente. Im Fall von Jonas M. waren das drei: Der PlagAware-Bericht mit erhöhtem KI-Verdachtswert, die nachgewiesenen nicht existierenden Quellenangaben und das Scheitern in der mündlichen Nachfrage zu zentralen inhaltlichen Punkten der Arbeit. Diese Konvergenz ist rechtlich tragfähig – keines der drei Elemente allein wäre es.
Wer mit einem KI-Vorwurf konfrontiert ist – berechtigt oder nicht –, hat klare Verfahrensrechte:
Der Verfahrensablauf macht deutlich, wo das eigentliche Risiko einer KI-generierten Arbeit liegt: nicht im Scanner-Treffer, sondern in der mündlichen Prüfungssituation und in den halluzinierten Quellen. Beides lässt sich durch keinen KI-Humanizer und durch keine Überarbeitungsstrategie eliminieren. Ein professionell menschlich verfasster Text – wie ihn efactory1.de als Musterarbeit liefert – hat keines dieser Probleme: keine KI-Signaturen, keine erfundenen Quellen, und echte inhaltliche Substanz als Grundlage für die eigene Auseinandersetzung.
Ein Täuschungsversuch liegt vor, wenn jemand versucht, eine Prüfungsleistung als eigene auszugeben, die nicht eigenständig erbracht wurde. Der Versuch ist bereits strafbar – unabhängig davon, ob er entdeckt wird. Das Einreichen einer KI-generierten Arbeit ohne Deklaration gilt als Täuschungsversuch ab dem Moment der Einreichung.
Nein. Ein Scanner-Ergebnis allein ist nach herrschender Rechtsauffassung kein ausreichender Nachweis. Belastbar wird die Indizienlage erst durch die Kombination mehrerer Elemente: Scanner-Treffer, nachgewiesene halluzinierte Quellen und Scheitern im mündlichen Prüfungsgespräch.
Das Spektrum reicht von der Bewertung mit 5,0 über Sperrfristen und Nichtanerkennung der Prüfungsleistung bis zur Exmatrikulation. Die Schwere der Sanktion muss dem Verhältnismäßigkeitsprinzip genügen. Bei erstmaligen, begrenzten Verstößen ist die Exmatrikulation in der Regel nicht verhältnismäßig.
Keine voreiligen Aussagen machen, sofort rechtliche Beratung suchen, Akteneinsicht beantragen und eine fundierte schriftliche Stellungnahme einreichen. Gegen jeden Bescheid kann innerhalb von einem Monat Widerspruch eingelegt werden.
Seit 2024 verlangen immer mehr deutsche Hochschulen neben der klassischen Selbstständigkeitserklärung eine explizite Angabe zur KI-Nutzung. Wer das übersieht, riskiert prüfungsrechtliche Konsequenzen – selbst wenn die KI-Nutzung inhaltlich vollständig im Rahmen gewesen wäre. Denn das Fehlen einer vorgeschriebenen Erklärung ist ein eigenständiger Verstoß, unabhängig davon, was tatsächlich genutzt wurde.
Das klingt bürokratisch. Es ist aber eine der einfachsten Schutzmaßnahmen, die es gibt: Wer transparent deklariert, was er genutzt hat, schützt sich vor dem Vorwurf der Verschleierung – auch wenn ein KI-Detektor später einen Ausreißer produziert.
Die Begriffe werden an Hochschulen uneinheitlich verwendet. In der Praxis lassen sich zwei Formen unterscheiden:
Das KI-Verzeichnis ist eine strukturierte, oft tabellarische Auflistung aller genutzten KI-Tools mit konkreten Angaben: welches Tool, für welchen Zweck, in welchen Abschnitten, wie nachbearbeitet. Es folgt derselben Logik wie ein Abbildungs- oder Tabellenverzeichnis – vollständig, nachvollziehbar, reproduzierbar.
Der KI-Disclaimer ist eine kompaktere Erklärung – oft ein einzelner Absatz –, die entweder bestätigt, dass keine KI für die inhaltliche Erstellung genutzt wurde, oder pauschal auf ein angehängtes Verzeichnis verweist. Er steht in der Regel bei der Selbstständigkeitserklärung.
Viele Hochschulen verlangen beides: den Disclaimer als Teil der Selbstständigkeitserklärung und das Verzeichnis als eigenständigen Anhang. Wenn deine Prüfungsordnung oder Betreuungsperson nur eines verlangt, reicht das – im Zweifel beide Formen zu liefern kostet nichts und schützt vor allem.
Ein KI-Verzeichnis, das seinen Zweck erfüllt, enthält für jedes genutzte Tool mindestens vier Angaben:
Wenn kein KI-Tool genutzt wurde, reicht ein einzeiliger Eintrag: „Es wurden keine KI-gestützten Textgenerierungstools verwendet.“ Das macht aus dem Verzeichnis eine Nullerklärung – formal vollständig, inhaltlich klar.
Die Standardposition ist der Anhang der Bachelorarbeit, direkt vor oder nach der Selbstständigkeitserklärung. Einige Hochschulen verlangen eine eigene nummerierte Seite mit Überschrift, andere akzeptieren das Verzeichnis als Teil der Selbstständigkeitserklärung. Falls kein spezifisches Format vorgegeben ist, gilt: Eine übersichtliche zweispaltige Tabelle (Tool / Zweck & Abschnitte) im Anhang ist die sicherste und klarste Darstellungsform. Sie lässt keine Fragen offen und erleichtert dem Prüfer die Überprüfung.
Die folgenden Formulierungen dienen als Ausgangspunkt. Sie müssen an die eigene Nutzungssituation und die spezifischen Vorgaben der Hochschule angepasst werden.
Erklärung zum Einsatz von KI-Tools
Ich erkläre, dass ich für die Erstellung dieser Bachelorarbeit keine KI-gestützten Textgenerierungstools (wie ChatGPT, Claude, Gemini oder vergleichbare Systeme) eingesetzt habe. Die Nutzung von Rechtschreib- und Grammatikprüfungen in Standardsoftware (wie Microsoft Word oder LibreOffice) gilt nicht als KI-Nutzung im Sinne dieser Erklärung.
[Ort, Datum, Unterschrift]
Erklärung zum Einsatz von KI-Tools
Im Rahmen der Erstellung dieser Bachelorarbeit habe ich folgende KI-Tools für die nachstehend beschriebenen Zwecke eingesetzt. Die inhaltliche Erarbeitung, Argumentation und wissenschaftliche Eigenleistung sind ausschließlich mein eigenes Werk. Eine vollständige Auflistung der KI-Nutzung ist in Anhang [X] zu finden.
[Ort, Datum, Unterschrift]
Anhang [X] – KI-Nutzungsverzeichnis:
Tool Zweck Betroffene Abschnitte Nachbearbeitung LanguageTool (kostenlose Version) Grammatik- und Stilkorrektur Gesamte Arbeit Alle Vorschläge manuell geprüft und teilweise abgelehnt DeepL (kostenlose Version) Übersetzung englischsprachiger Quellen zum Verständnis Kapitel 2 und 3 Zitate aus Originalquellen entnommen; Übersetzungen nicht direkt übernommen
Erklärung zum Einsatz von KI-Tools
Für die Erstellung dieser Bachelorarbeit habe ich ChatGPT (OpenAI, GPT-4o) in der Anfangsphase der Literaturrecherche als thematischen Orientierungspunkt genutzt. Alle daraus resultierenden Literaturhinweise wurden eigenständig in wissenschaftlichen Datenbanken verifiziert und nur nach eigener Lektüre der Originalquellen zitiert. KI wurde für keine inhaltlichen Textpassagen der Arbeit genutzt. Textgenerierungstools wurden darüber hinaus nicht eingesetzt.
[Ort, Datum, Unterschrift]
Eine überflüssige Deklaration hat keine negativen Konsequenzen. Eine fehlende Deklaration kann schwere Folgen haben – selbst wenn die tatsächliche KI-Nutzung vollständig im erlaubten Rahmen lag. Das Prinzip ist einfach: Transparenz schützt. Jede Grenzfrage beim Formulieren des Verzeichnisses sollte in Richtung mehr Offenheit aufgelöst werden, nicht in Richtung weniger.
Wer sichergehen will, dass die Musterarbeit, auf der die eigene Bachelorarbeit aufbaut, weder KI-Signaturen noch Plagiatsrisiken enthält, findet bei efactory1.de professionell menschlich verfasste Musterarbeiten – standardmäßig mit PlagAware-Prüfbericht, ohne KI-Einsatz.
Ein KI-Verzeichnis enthält typischerweise: den Namen und die Version des genutzten Tools, den konkreten Zweck der Nutzung, die betroffenen Abschnitte der Arbeit und die Art der anschließenden Nachbearbeitung. Die genauen Anforderungen variieren je Hochschule – im Zweifel beim Betreuer oder Prüfungsamt nachfragen.
Das KI-Verzeichnis ist eine strukturierte Liste aller genutzten KI-Tools mit Angaben zu Zweck, Abschnitten und Nachbearbeitung. Der KI-Disclaimer ist eine kurze Erklärung – oft ein Satz oder Absatz –, die bestätigt, dass keine KI für die inhaltliche Erstellung genutzt wurde oder KI-Nutzung vollständig deklariert ist. Viele Hochschulen verlangen beides.
Das Fehlen einer vorgeschriebenen KI-Erklärung kann als Täuschungsversuch gewertet werden – auch wenn die KI-Nutzung selbst erlaubt gewesen wäre. Fehlende Transparenz ist prüfungsrechtlich ein eigenständiger Verstoß.
Üblicherweise im Anhang, direkt vor oder nach der Selbstständigkeitserklärung. Falls keine Vorgabe existiert, ist eine übersichtliche Tabelle im Anhang die sicherste Wahl.
PlagAware hat im Fall von Jonas M. Alarm geschlagen. Das klingt nach zuverlässiger Technik. Die Realität hinter diesem Alarm ist deutlich nuancierter – und sie ist entscheidend dafür, was ein solches Ergebnis hochschulrechtlich bedeutet und was nicht.
KI-Erkennungstools analysieren keine inhaltliche Qualität und prüfen keine Quellen. Sie messen statistische Eigenschaften des Textes – und vergleichen diese mit Mustern, die für maschinell generierte Sprache charakteristisch sind. Zwei Metriken stehen dabei im Zentrum fast aller Systeme:
Perplexity misst, wie vorhersehbar die Wortwahl ist. Sprachmodelle wie ChatGPT wählen statistisch naheliegende Wörter – was zu niedriger Perplexity führt. Menschen schreiben variabler, individueller, gelegentlich überraschend – was die Perplexity erhöht. Das Problem: Auch Menschen können niedrige Perplexity erzeugen – wer sehr formal, konventionell und nach akademischen Standardformulierungen schreibt, landet in demselben Bereich wie ein KI-Text.
Burstiness misst die Variabilität der Satzlängen. Menschliches Schreiben ist stark variabel – kurze Sätze neben langen, kompakte Absätze neben ausschweifenden. KI-generierte Texte neigen zu gleichmäßigeren Satzlängenverteilungen. Auch hier gilt: Neuere Modelle wie GPT-4o oder Claude 3.7 produzieren natürlichere Varianz als ihre Vorgänger. Das Muster wird schwächer, je aktueller das genutzte Modell ist.
Aus diesen Metriken errechnen die Tools einen Wahrscheinlichkeitswert – keinen Nachweis, sondern eine Einschätzung. „87 % KI“ bedeutet nicht, dass 87 % des Textes maschinell erzeugt wurden. Es bedeutet, dass der Text in seiner statistischen Struktur zu 87 % einem KI-typischen Muster entspricht. Ein sehr formell schreibender Mensch kann denselben Wert erzeugen.
PlagAware ist ein deutschsprachig ausgerichtetes Prüfsystem, das Plagiatserkennung und KI-Erkennung kombiniert. Im Unterschied zu den meisten internationalen Wettbewerbern wurde es explizit auf den DACH-Markt ausgerichtet – mit deutschen Textkorpora als Trainings- und Vergleichsbasis. Das macht PlagAware bei deutschen akademischen Texten methodisch passgenauer als Systeme wie GPTZero oder Originality.ai, die primär mit englischen Daten arbeiten.
Die Stärke von PlagAware liegt in der Kombination: Wenn ein Text sowohl einen erhöhten KI-Verdachtswert als auch Plagiatsübereinstimmungen aufweist – wie im Fall von Jonas M. –, entsteht eine konvergente Indizienlage, die deutlich belastbarer ist als jedes der Signale allein. Im Fallbeispiel war es genau diese Kombination, die das Verfahren in Gang gesetzt hat: kein Einzeltreffer, sondern zwei verschiedene Befunde aus demselben Prüflauf.
Auch PlagAware liefert trotz seiner Spezialisierung keine juristisch verwertbaren Beweise. Es liefert Hinweise – starke Hinweise im Kontext einer konvergenten Indizienlage, aber eben Hinweise.
Turnitin ist in europäischen Hochschulen am weitesten verbreitet, weil es als Plagiatsprüfungssystem bereits seit Jahren tief in die akademische Infrastruktur integriert ist. Die KI-Erkennungskomponente wurde 2023 hinzugefügt und ist seitdem automatisch in alle laufenden Turnitin-Lizenzen eingebaut – was bedeutet, dass viele Hochschulen KI-Erkennung einsetzen, ohne dies aktiv kommuniziert zu haben.
Turnitin gibt an, eine Erkennungsgenauigkeit von über 98 % für englischsprachige Texte zu erreichen. Diese Zahl bezieht sich auf englische Texte, englische Trainingsdaten, englische Kalibrierung. Für deutschsprachige Bachelorarbeiten liegt die tatsächliche Genauigkeit strukturell niedriger – weil deutsche Syntax andere statistische Eigenschaften hat und weil akademischer Stil im Deutschen andere Konventionen folgt als im Englischen. Unabhängige Studien haben für deutschsprachige Texte Falsch-Positiv-Raten von bis zu dreißig Prozent dokumentiert.
Das heißt im Klartext: Bei drei von zehn menschlich verfassten deutschen Bachelorarbeiten könnte Turnitin einen KI-Verdacht signalisieren, obwohl kein KI-Text vorhanden ist. Das macht das System zu einem Hinweisgeber, nicht zu einem Beweismittel.
Deutschen akademischen Texten ist strukturell etwas eigen, das KI-Detektoren systematisch fehlleitet: die Fachsprachlichkeit. In Disziplinen mit engem Fachvokabular – Jura, Medizin, Ingenieurwesen – ist der verfügbare Wortschatz für einen bestimmten Gedanken stark eingeschränkt. Ein Jurist kann „Subsumtion“ nicht durch eine überraschendere Formulierung ersetzen. Diese erzwungene lexikalische Enge erzeugt niedrige Perplexity-Werte, die Tools als KI-typisch interpretieren – obwohl sie schlicht fachsprachlich notwendig sind.
Dazu kommt die Struktur deutscher Schachtelsätze: Langer, mehrgliedriger Satzbau mit Einschüben und Partizipialkonstruktionen ist in deutschen Wissenschaftstexten stilistisch erwartet, in englischen dagegen verpönt. Detektoren, die auf englische Normen kalibriert sind, können deutsche Komplexität als Anomalie interpretieren.
Das fundamentale Erkennungsproblem aller Software-Tools ist, dass sie Textoberflächen analysieren. Was sie nicht analysieren können: inhaltliche Substanz, argumentative Tiefe, Konsistenz über die Gesamtlänge der Arbeit, stilistische Kontinuität zu früheren Arbeiten desselben Studierenden – und die Fähigkeit, im Gespräch die eigene Argumentation zu vertreten.
Genau diese Elemente sind es, die erfahrene Prüfer erkennen. Jonas M. hat die PlagAware-Prüfung nicht allein wegen des Berichtswerts verloren. Er hat sie verloren, weil drei voneinander unabhängige Befunde zusammentrafen: der Bericht, die nicht verifizierbaren Quellen und das inhaltliche Scheitern im Nachfragegespräch. Kein dieser Befunde allein hätte ein Verfahren sicher begründet. Zusammen haben sie eine Indizienkette gebildet, der keine Stellungnahme mehr standhielt.
Wer eine menschlich verfasste Arbeit einreicht – eigenständig oder als Musterarbeit von efactory1.de –, muss sich um Detektor-Ergebnisse grundsätzlich keine Sorgen machen. Kein KI-typisches Muster, weil kein KI-Text vorhanden ist. Keine halluzinierten Quellen, weil ein menschlicher Fachautor recherchiert und verifiziert hat. Und eine inhaltliche Substanz, auf deren Basis das eigene Prüfungsgespräch vorbereitet werden kann.
Wer hingegen einen KI-Text einreicht und dabei auf die Unzuverlässigkeit der Detektoren vertraut, verkennt das eigentliche Risiko: Nicht der Scanner ist das Problem. Es ist die halluzinierte Quelle in Fußnote 34, die der Betreuer am nächsten Morgen nachschlägt.
PlagAware kombiniert klassische Plagiatsprüfung mit KI-Erkennung durch Analyse statistischer Sprachmuster (Perplexity, Burstiness) und Vergleich mit bekannten KI-Textdatenbanken. Als deutschsprachig ausgerichtetes System ist PlagAware bei deutschen Texten methodisch robuster als viele englischsprachige Konkurrenten.
Turnitin beansprucht über 98 % Genauigkeit für englischsprachige Texte. Für deutschsprachige Bachelorarbeiten ist die Erkennungsrate strukturell niedriger, weil die Trainingsdaten primär auf Englisch kalibriert sind. Falsch-Positiv-Raten von bis zu 30 % bei deutschen Texten wurden in unabhängigen Studien dokumentiert.
Nein. Ein Detektor-Bericht allein ist nach herrschender Rechtsauffassung kein ausreichender Nachweis. Hochschulrechtlich belastbar ist erst die Kombination mehrerer Indizien: Detektor-Treffer plus nachgewiesene halluzinierte Quellen plus Scheitern im mündlichen Prüfungsgespräch.
Turnitin ist international das weitest verbreitete System mit tiefer Hochschulintegration, aber primär auf englische Texte kalibriert. PlagAware ist auf den deutschsprachigen Markt ausgerichtet und zeigt bei deutschen akademischen Texten höhere methodische Passgenauigkeit. Beide liefern Wahrscheinlichkeitswerte, keine rechtssicheren Beweise.
Viele Studierende, die mit dem Gedanken spielen, KI für die Bachelorarbeit zu nutzen, beginnen nicht mit der Absicht, die Arbeit komplett generieren zu lassen. Sie beginnen mit einer viel bescheideneren Frage: Kann mir KI helfen, überhaupt erst ein gutes Thema zu finden? Die Antwort ist klar: Ja – und dieser Teil der KI-Nutzung gehört zu den risikoärmsten überhaupt.
Das Verstehen dieser Grenze – was in der Orientierungsphase unproblematisch ist und wo die eigentliche Prüfungsleistung beginnt – ist der wichtigste Orientierungspunkt für jeden Studierenden, der KI verantwortungsvoll einsetzen will.
Prüfungsordnungen verlangen, dass die Bachelorarbeit eigenständig und ohne unerlaubte Hilfsmittel erbracht wird. Was sie nicht verlangen: dass die Idee für das Thema aus dem eigenen Kopf kommt, ohne jede externe Inspiration. Themen entstehen durch Gespräche mit Betreuern, durch Literaturrecherche, durch Seminarinhalte, durch Jobthemen, durch Zufallsgespräche. KI als weiterer Impulsgeber in dieser Findungsphase ist keine andere Kategorie.
Die Prüfungsleistung beginnt dort, wo die eigenständige intellektuelle Auseinandersetzung beginnt: bei der Entwicklung der Forschungsfrage, bei der eigenständigen Literaturarbeit, bei der Argumentation, beim Schreiben. Diese Leistung muss von dir kommen – die Idee für den Ausgangspunkt muss es nicht.
KI-Tools sind in der Orientierungsphase aus einem einfachen Grund nützlich: Sie geben sofort einen breiten Überblick über ein Feld, ohne dass du zunächst stundenlang Literatur lesen musst. Das hat einen methodischen Wert – als Vorfilter, nicht als Ersatz.
Konkret kann KI in dieser Phase folgendes leisten:
Nicht jedes KI-Tool ist für jede Phase der Themenfindung gleich gut geeignet. Eine nüchterne Einschätzung:
ChatGPT, Claude, Gemini (allgemeine Sprachmodelle) eignen sich gut für die erste thematische Orientierung, für das Kartieren von Forschungsfeldern und für das Formulieren alternativer Forschungsfragen. Ihre Schwäche: Sie halluzinieren Quellen und können den aktuellen Stand der Forschung nicht zuverlässig wiedergeben. Alles, was sie über Literatur sagen, muss eigenständig verifiziert werden.
Perplexity ist besser als allgemeine Sprachmodelle für Rechercheüberblicke geeignet, weil es aktiv auf Webquellen zugreift und Quellenangaben liefert. Diese Quellen können trotzdem fehlerhaft sein – aber sie sind verifizierbarer als reine Sprachmodell-Outputs.
Elicit, Research Rabbit, Semantic Scholar sind die methodisch stärksten Tools für die akademische Literaturrecherche. Sie greifen direkt auf wissenschaftliche Datenbanken zu und liefern echte Paper mit verifizierbaren DOIs. Kein Halluzinationsproblem bei den Kernquellen. Diese Tools sind für die Phase nach der Themenorientierung – wenn es darum geht, die tatsächliche Forschungsliteratur zu finden – deutlich besser geeignet als allgemeine Chatbots.
Die Grenze zwischen erlaubter KI-Unterstützung und unerlaubter KI-Nutzung lässt sich an einer einzigen Frage festmachen: Ersetzt die KI die intellektuelle Eigenleistung, die mit der Bachelorarbeit geprüft werden soll – oder unterstützt sie die Vorbereitung darauf?
Themenfindung, erste Orientierung im Forschungsfeld, das Generieren von Gliederungsideen als Ausgangspunkt: Das ist Vorbereitung. Es ist dieselbe Kategorie wie das Gespräch mit einem Kommilitonen, der dir sagt „Schau dir doch mal Bereich X an“ – nur schneller und mit mehr Themenvorschlägen.
Sobald die Arbeit selbst beginnt – die eigenständige Auseinandersetzung mit den Quellen, die Entwicklung der Argumentation, das Verfassen der Texte – muss die intellektuelle Leistung von dir kommen. Hier beginnt die Prüfungsleistung. Hier liegt die Grenze.
Und hier liegt auch der entscheidende praktische Unterschied zum Fall von Jonas M.: Wer KI für die Themenfindung nutzt und die Arbeit dann selbst schreibt, kann im Gespräch jede Frage beantworten. Wer KI auch für das Schreiben nutzt, kann es nicht – und genau das ist, was Prüfer erkennen.
Die Nutzung von KI zur Themenfindung hat eine praktische Konsequenz, die oft übersehen wird: Sie schafft eine Erwartung. Wenn KI ein Thema vorschlägt, formuliert es gleichzeitig eine Fragestellung, die bestimmte Quellen, bestimmte Methoden und bestimmte Argumentationslinien impliziert. Wer dieses Thema übernimmt, ohne es selbst durchdacht zu haben, beginnt die Arbeit mit einer fremden Logik – und merkt das spätestens, wenn der Betreuer fragt, warum genau dieser Aspekt untersucht wird.
Die Empfehlung ist deshalb nicht, KI-Themenvorschläge blind zu übernehmen, sondern sie als Ausgangspunkt zu nutzen und eigenständig weiterzudenken: Warum interessiert mich dieser Aspekt? Was weiß ich bereits darüber? Welche eigene Perspektive bringe ich mit? Diese Fragen sind nicht nur akademisch korrekt – sie sind die Grundlage für eine Bachelorarbeit, die im Prüfungsgespräch standhält.
Wer eine fertige Musterarbeit zu einem verwandten Thema sehen möchte – als Orientierung dafür, wie eine starke Bachelorarbeit in diesem Bereich aufgebaut ist –, findet bei efactory1.de menschlich verfasste Musterarbeiten von Fachautoren mit einschlägigem Hochschulabschluss. Kein KI-Output als Vorlage, sondern echte fachliche Kompetenz – als Ausgangspunkt für die eigene Auseinandersetzung.
Ja. Die Nutzung von KI-Tools zur Themenfindung und ersten Orientierung ist an den meisten Hochschulen entweder ausdrücklich erlaubt oder nicht explizit geregelt. Die Themenfindung ist keine Prüfungsleistung. Was als Prüfungsleistung bewertet wird – das eigenständige Verfassen und Argumentieren –, muss eigenständig erbracht werden.
Für die erste Orientierung eignen sich ChatGPT oder Perplexity. Für die wissenschaftliche Literaturrecherche sind Elicit, Research Rabbit oder Semantic Scholar besser geeignet, weil sie direkt auf wissenschaftliche Datenbanken zugreifen und verifizierbare Quellen liefern.
Die Grenze liegt dort, wo KI die eigenständige intellektuelle Leistung ersetzt, die mit der Bachelorarbeit geprüft wird. Themenfindung und Literaturrecherche-Einstieg sind Vorbereitung. Das eigenständige Schreiben, Argumentieren und Auswerten von Quellen muss von dir kommen.
Ja – solange du das Thema danach selbst durchdringst und eigenständig bearbeitest. Kein Betreuer prüft, wie du auf ein Thema gekommen bist. Was er prüft: ob du es wirklich verstehst und eigenständig bearbeiten kannst.
Ghostwriter strukturieren die Arbeit seitenweise, sorgen für eine klare Gliederung und gewährleisten eine professionelle Form der Abschlussarbeit. Sie legen besonderen Wert auf die korrekte Verwendung von Zitaten und achten darauf, Plagiate konsequent zu vermeiden.
Bei efactory1 wird zusätzlich jede Arbeit vor der Übergabe mit PlagAware überprüft – nicht, um Studierende zu bestrafen, sondern um sicherzustellen, dass die gelieferten Texte tatsächlich eigenständig, nachvollziehbar und wissenschaftlich sauber sind. Dadurch wird die Qualität systematisch kontrolliert, bevor die Arbeit überhaupt in die Hände der Kund:innen gelangt.
Natürlich ist die Beauftragung eines Ghostwriters teurer als der Einsatz einer KI, doch sie bietet dafür etwas, das kein Algorithmus garantieren kann: echte Verantwortung, menschliches Urteilsvermögen und wissenschaftliche Gewissenhaftigkeit.
efactory1 ist eine Plattform für akademische Hilfe.
Du erreichst uns rund um die Uhr, außer wir schlafen.
efactory1.de GmbH
Pilgrimstraße 6, 50674 Köln
Die Arbeiten unserer Experten sind ausschließlich für Forschungs- und Studienzwecke bestimmt. Jegliche Form von Plagiat wird von uns weder unterstützt noch toleriert.
Copyright © 2017-2024 efactory1.de GmbH. Alle Rechte vorbehalten.
