Ist Lernen mit KI Betrug? Die Regeln 2026

Ist Lernen mit KI Betrug? Die kurze Antwort

Mit KI zu lernen ist kein Betrug. KI zu nutzen, um Arbeit zu erzeugen, die als Ihre eigene benotet wird, ist Betrug, wenn die Aufgabenstellung es nicht erlaubt hat oder Sie es nicht angegeben haben. Richtlinien zur wissenschaftlichen Integrität fragen fast nie, welches Werkzeug Sie geöffnet haben. Sie stellen zwei Fragen: Wer hat die eingereichte Arbeit verfasst, und waren Sie ehrlich darüber, wie sie entstanden ist.

Auf dieser Unterscheidung ruht viel, denn dasselbe Werkzeug landet je nach Aufgabe auf beiden Seiten der Grenze. Lassen Sie sich von ChatGPT am Abend vor einer Klausur ohne Hilfsmittel die Kettenregel erklären, dann lernen Sie. Keine gängige Richtlinie verbietet das. Lassen Sie es drei Absätze Ihres Essays schreiben und reichen Sie diese ungekennzeichnet ein, ist das an nahezu jeder Hochschule ein Verstoß. Grammatikkorrekturen liegen dazwischen, und in diesem Dazwischen spielt sich fast jeder reale Streitfall ab.

Die nützliche Frage lautet also nicht "ist KI Betrug". Sie lautet: "Welches Maß an KI-Nutzung erlaubt diese konkrete Prüfungsleistung, und kann ich meinen Arbeitsweg zeigen, wenn jemand fragt?" Der Rest dieses Artikels beantwortet beides.

Wie viele Studierende KI nutzen und wie wenige auffliegen

Das Ausmaß der Nutzung steht nicht mehr infrage. Die Studierendenbefragung 2026 des Higher Education Policy Institute, durchgeführt von Savanta mit 1.054 britischen Vollzeit-Bachelorstudierenden im Dezember 2025, ergab, dass 94 % angaben, generative KI bei bewerteten Arbeiten zu nutzen. Der Anteil derer, die KI-generierten Text direkt in bewertete Arbeiten einfügen, erreichte 12 %, nach 8 % im Vorjahr und 3 % im Jahr davor. Fast zwei Drittel der Studierenden, 65 %, sagten, die Prüfungsformate hätten sich daraufhin deutlich verändert.

Vergleichen Sie das damit, wie viele auffliegen. Eine Recherche des Guardian, die über Auskunftsersuchen nach dem Informationsfreiheitsgesetz 155 britische Hochschulen anschrieb, von denen 131 antworteten, erfasste knapp 7.000 nachgewiesene Fälle von KI-gestütztem Betrug im Studienjahr 2023-24. Das entspricht 5,1 Fällen pro 1.000 Studierende, ein deutlicher Anstieg gegenüber 1,6 pro 1.000 im Vorjahr und immer noch ein Rundungsfehler neben der berichteten Nutzung. Mehr als ein Viertel der antwortenden Hochschulen erfasste KI-Missbrauch überhaupt nicht als eigene Kategorie.

Liest man diese Zeilen zusammen, ergibt sich ein für alle Beteiligten unangenehmes Bild. Nicht die Erkennung hält die meisten Studierenden ehrlich, denn die Erkennung funktioniert kaum. Was das System trägt, ist, dass die meiste KI-Nutzung tatsächlich kein Betrug ist und Studierende den Unterschied überwiegend kennen. Die 12 % sind die Zahl, auf die es ankommt, und sie steigt.

Die zwei Prüfungen, die jede KI-Integritätsrichtlinie anlegt

KI-Nutzung ist kein Plagiat im alten Sinn. Es gibt keinen geschädigten Autor, keine gestohlene Passage, nichts, womit ein Ähnlichkeitsprüfer abgleichen könnte. Die Hochschulen haben sie meist in eine breitere Kategorie eingeordnet, je nach Haus Auftragsbetrug, unerlaubte Hilfe oder schlicht Täuschung genannt. Unter den verschiedenen Namen tauchen immer wieder zwei Prüfungen auf.

Die Urheberschaftsprüfung. Ist die geistige Leistung, die bewertet wird, Ihre eigene? Wenn der Sinn der Aufgabe darin besteht zu sehen, ob Sie ein Argument aufbauen können, und das Argument bereits fertig aufgebaut ankam, haben Sie die Antwort eines anderen abgegeben. Dass dieser andere ein Modell ist, ändert daran nichts. Dieselbe Logik gilt seit Jahrzehnten für Ghostwriting-Agenturen.

Die Offenlegungsprüfung. Wäre Ihre Prüferin oder Ihr Prüfer überrascht davon, wie diese Arbeit entstanden ist? Die Überraschung ist der Hinweis. Wenn Sie zögern würden, in einem Satz genau zu beschreiben, wofür Sie KI eingesetzt haben, kennen Sie die Antwort bereits. Die meisten Richtlinien, die KI erlauben, verlangen eine Angabe, und eine zutreffende Angabe ist fast immer eine vollständige Verteidigung.

Es gibt noch einen dritten Punkt, der genannt werden sollte, weil Studierende daran häufiger scheitern als an jedem Detektor: erfundene Quellenangaben. Ein Modell nach Quellen zu fragen und das Zurückgelieferte einzufügen, ohne es zu öffnen, ist ein spezifisches, beweisbares und extrem verbreitetes Versagen. Prüft eine Lehrkraft eine einzige Referenz und stellt fest, dass es sie nicht gibt, liegt ein Beleg vor, den Sie nicht wegreden können, und es wird als Fälschung behandelt, nicht als Frage der KI-Nutzung. Öffnen Sie jede Quelle, die Sie zitieren. Wirklich jede.

Die fünf Stufen der AI Assessment Scale

Der nützlichste Rahmen ist hier die AI Assessment Scale, entwickelt von Mike Perkins, Jasper Roe, Leon Furze und Jason MacVaugh, inzwischen in Version 2.1 und von immer mehr Hochschulen übernommen. Statt einer pauschalen Regel verlangt sie von Lehrenden, jede Prüfungsleistung mit einer Stufe zu kennzeichnen. Studierende bekommen damit ein gemeinsames Vokabular statt einer Vermutung. Die Autoren betonen, dass eine höhere Stufe keine bessere ist: Die Stufen beschreiben verschiedene Arten von Aufgaben, keine Leiter. Die Spalte "typische Prüfungsform" unten ist illustrativ und nicht Teil der Skala.

Zwei praktische Hinweise. Erstens gehört die Stufe zur Aufgabe, nicht zum Kurs und schon gar nicht zur Hochschule. Sie können zwei Module desselben Instituts belegen, von denen eines Stufe 1 und das andere Stufe 4 ist. Zweitens: Wenn Ihre Aufgabenstellung keine Stufe nennt, fragen Sie schriftlich danach und bewahren Sie die Antwort auf. Eine datierte E-Mail Ihrer Lehrkraft mit dem Satz "Grammatikprüfung ist in Ordnung, Entwerfen nicht" ist mehr wert als jedes Richtliniendokument, falls später Fragen aufkommen.

Zwölf typische Arten, KI beim Lernen zu nutzen, bewertet als Grün, Gelb oder Rot

Hier sind die zwei Prüfungen und die Skala angewendet auf das, was Studierende tatsächlich tun. Grün heißt fast überall erlaubt, auch während der Vorbereitung auf Prüfungen der Stufen 1 und 2. Gelb hängt von der Aufgabenstellung ab, und Sie sollten es angeben. Rot ist an nahezu jeder Hochschule ein Verstoß, was die Richtlinie sonst auch sagen mag.

In den gelben Zeilen geraten Studierende tatsächlich in Schwierigkeiten, und die Abhilfe ist für alle dieselbe: Schreiben Sie einen Satz darüber, was Sie getan haben. Eine zutreffende Erklärung macht aus Gelb fast jedes Mal Grün.

Warum KI-Detektoren Betrug nicht beweisen können

Würde die Erkennung funktionieren, bräuchte nichts davon einen Rahmen. Sie funktioniert nicht, und sie versagt in beide Richtungen zugleich.

Fast nichts wird entdeckt. Peter Scarfe, Kelly Watcham, Alasdair Clarke und Etienne Roesch führten an der University of Reading einen Praxistest durch, veröffentlicht im Juni 2024 in PLOS ONE. Sie speisten KI-generierte Antworten in ein laufendes Take-Home-Prüfungssystem im Bachelorstudium ein, ohne dass die Prüfenden davon wussten. Ihr Befund: "We found that 94% of our AI submissions were undetected." Auf Deutsch: Wir stellten fest, dass 94 % unserer KI-Abgaben unentdeckt blieben. Diese Zahl misst die Erkennung, die eine echte Prüfung tatsächlich leistet, nämlich menschliche Prüfende, die die Arbeit lesen, und nicht den Wert irgendeines Detektors. Die Prüfenden erwischten sechs von hundert Abgaben. Schlimmer für die Aussagekraft der Noten: Die KI-Abgaben lagen im Schnitt eine halbe Notenstufe über den Arbeiten echter Studierender, mit einer Wahrscheinlichkeit von 83,4 %, dass die KI-Abgaben eines Moduls eine zufällige Auswahl gleich vieler echter Abgaben übertreffen würden.

Sie beschuldigt Menschen, die nichts falsch gemacht haben. Weixin Liang, Mert Yuksekgonul, Yining Mao, Eric Wu und James Zou testeten für eine Arbeit von 2023 in Patterns sieben weit verbreitete GPT-Detektoren. Bei Essays von US-Achtklässlern war die Treffsicherheit nahezu perfekt. Bei 91 TOEFL-Essays von Menschen, deren Muttersprache nicht Englisch ist, stuften dieselben Detektoren mehr als die Hälfte fälschlich als KI-generiert ein, eine durchschnittliche Falsch-Positiv-Rate von 61,3 %. Der Mechanismus, den sie identifizierten, war einfach: Einfachere Wortwahl liest sich als geringe Perplexität, und geringe Perplexität liest sich als maschinell geschrieben.

Dieser Befund zur Verzerrung wurde seither infrage gestellt. Im Februar 2026 untersuchten Adnan Al Ali, Jindřich Helcl und Jindřich Libovický die Frage erneut am Tschechischen und reproduzierten das Muster nicht: Texte von Nicht-Muttersprachlern wiesen keine geringere Perplexität auf, drei Detektorfamilien zeigten keine systematische Benachteiligung, und moderne Detektoren stützen sich nicht mehr so auf Perplexität wie die Generation von 2023. Die konkrete Verzerrung mag verschwinden. Das Beweisproblem nicht.

Der eigentliche Einwand gegen Detektoren war ohnehin nie allein die Verzerrung. Er lautet auch, dass ein Prozentwert nichts ist, was Studierende bestreiten könnten. Die Vanderbilt University schaltete Turnitins KI-Detektor im August 2023 ab und rechnete es öffentlich vor: Die Hochschule reichte 2022 insgesamt 75.000 Arbeiten ein, sodass selbst die vom Anbieter angegebene Falsch-Positiv-Rate von 1 % rund 750 fälschlich markierte Arbeiten in einem einzigen Jahr bedeutet hätte. Sobald ein Wert erscheint, kehrt sich die Beweislast unbemerkt um. Statt dass eine Institution ein Fehlverhalten nachweist, sollen Sie belegen, dass Sie Ihre Arbeit selbst geschrieben haben.

So lesen Sie Ihre tatsächliche Kursrichtlinie

Richtlinien sind gestaffelt, und die spezifischste gewinnt. Arbeiten Sie diese Reihenfolge ab und halten Sie beim ersten Dokument an, das Ihre Lage direkt behandelt:

1. Die Aufgabenstellung. Nennt sie eine Stufe, eine Regel oder eine verlangte Erklärung, dann gilt das, und nichts weiter unten auf dieser Liste kann es lockern.
2. Das Modul- oder Studienhandbuch. Meist dort, wo "KI ist für X erlaubt, für Y nicht" steht.
3. Fachspezifische Vorgaben. Verbreitet in Sprachen, Jura, Medizin und Informatik, wo der Berufsstand eigene Vorstellungen hat.
4. Hochschulweite Richtlinie. Die breiteste und vageste Ebene. Behandeln Sie sie als Untergrenze, nicht als Antwort.

Beantworten Sie drei Fragen, bevor Sie anfangen, nicht nachdem Sie abgegeben haben:

• Gibt es für diese Aufgabe eine festgelegte KI-Stufe?
• Ist eine Erklärung verlangt, und in welcher Form?
• Werden bestimmte Werkzeuge oder Nutzungen ausdrücklich genannt, besonders rund um Übersetzung und Grammatik?

Lautet die Antwort irgendwo "dazu steht nichts da", schreiben Sie Ihrer Lehrkraft eine E-Mail mit einem konkreten Vorschlag statt einer offenen Frage. "Ich habe vor, meine Argumentationsstruktur vor dem Schreiben mit ChatGPT durchzusprechen und am Ende die Grammatik prüfen zu lassen. Kein generierter Text in der Abgabe. Wäre das für Sie in Ordnung?" bekommt eine klare Antwort. "Darf ich KI benutzen?" bekommt eine Nichtantwort, auf die sich nichts stützen lässt.

Wenn eine Erklärung verlangt wird und keine Vorlage vorgegeben ist, funktioniert diese Form fast überall:

Erklärung zur KI-Nutzung. Ich habe ChatGPT genutzt, um Übungsfragen zu den Kapiteln 4 bis 6 zu erzeugen und die Grammatik meiner Endfassung zu prüfen. Alle Argumente, Quellen und Formulierungen stammen von mir. In dieser Abgabe erscheint kein KI-generierter Text.

Konkret, überprüfbar und ein wenig langweilig, und genau das lässt sie standhalten.

So dokumentieren Sie Ihren Arbeitsweg und belegen damit Ihre Urheberschaft

Der beste Schutz gegen einen KI-Vorwurf besteht nicht darin, KI zu meiden. Er besteht darin, zeigen zu können, wie die Arbeit zustande kam. Wer schnell entlastet wird, kann fast immer datierte, unordentliche, offensichtlich menschliche Artefakte vorlegen: kommentierte Quellen, frühe Notizen, die dem Endargument widersprechen, einen Entwurf mit einem schlechten Absatz darin.

Diese Dokumentation entsteht mühelos, wenn Sie Ihre Lektüre beim Lesen festhalten, statt sie nachträglich zu rekonstruieren. Wenn Sie eine Passage mit Glasps Web-Highlighter markieren, bleiben das Zitat, die Quell-URL und das Speicherdatum aneinander gebunden. Monate später ist das ein Nachweis darüber, was Sie wann gelesen haben, also genau das, was ein Detektorwert nie sein kann. Es macht außerdem das Zitieren von vornherein ehrlich, weil Sie aus etwas zitieren, das Sie tatsächlich geöffnet haben.

Dasselbe gilt für Quellen, die kein Text sind. Wenn Ihr Seminar auf Vorlesungen oder Konferenzvorträgen aufbaut, liefern YouTube-Videozusammenfassungen Passagen mit Zeitmarken, die Sie sauber zitieren und belegen können, statt ein Argument nur halb zu erinnern. Für Bücher importieren Kindle-Highlights die beim Lesen markierten Passagen samt Positionsangaben.

Ein Kategorieunterschied wiegt hier schwerer als alle anderen, und er trennt zwei Dinge, die beide "KI nutzen" heißen. Ein Modell, das Behauptungen aus seinen Trainingsdaten erzeugt, produziert Text, für den niemand einsteht. Ein Modell, das über Quellen arbeitet, die Sie selbst ausgewählt und markiert haben, tut etwas, das der Arbeit einer wissenschaftlichen Hilfskraft weit näher kommt. Glasps KI-Chat läuft auf Ihren eigenen gespeicherten Highlights, sodass die Antworten auf Passagen zurückverweisen, die Sie gelesen haben. Das ist unter fast jeder Richtlinie ein vertretbarer Arbeitsablauf, und er ist der bessere: Sie können jede Behauptung an der Quelle prüfen, aus der Sie sie gezogen haben.

Nichts davon ist rein defensiv. Aufzuschreiben, was Sie gelesen haben, und zwar in eigenen Worten, ist dieselbe Gewohnheit, die Verständnis erzeugt, und genau darum geht es in wie man Gelesenes behält. Sie ist auch der Grund, warum es weiterhin besser ist, wissenschaftliche Aufsätze richtig zu lesen, als eine KI-Zusammenfassung zu überfliegen.

Was KI das Lernen kostet, selbst wenn sie erlaubt ist

Angenommen, Ihre Aufgabe steht auf Stufe 4 und KI-Nutzung ist vollständig erlaubt. Sie müssen trotzdem eine Entscheidung treffen, denn erlaubt heißt nicht folgenlos.

Nataliya Kosmyna und Kolleginnen und Kollegen am MIT Media Lab ließen 54 Teilnehmende drei Essay-Sitzungen unter EEG-Aufzeichnung durchlaufen, wobei 18 für eine vierte Sitzung zurückkehrten, in der die Werkzeuge getauscht wurden. Eine Gruppe nutzte ein LLM, eine eine Suchmaschine, eine schrieb ohne Hilfsmittel (die Brain-only-Gruppe). Die Brain-only-Gruppe zeigte die stärkste und am weitesten verteilte neuronale Konnektivität; die Suchmaschinengruppe lag in der Mitte; die LLM-Gruppe war am schwächsten. Auffälliger als das EEG war das Verhaltensergebnis. LLM-Nutzende hatten wiederholt Mühe, aus Essays zu zitieren, die sie gerade fertiggestellt hatten, und zwei Englischlehrkräfte, die blind bewerteten und nicht wussten, dass es überhaupt Gruppen gab, beschrieben die von ihnen als KI-gestützt eingeschätzten Essays als "seelenlos". Die Autorinnen und Autoren nannten dieses Muster kognitive Schulden.

Bleiben Sie dieser Studie gegenüber angemessen skeptisch. Es handelt sich um einen Preprint, die Stichprobe ist klein, und eine zweite Forschungsgruppe hat einen ausführlichen Kommentar veröffentlicht, der Stichprobengröße, EEG-Methodik, Reproduzierbarkeit und Ergebnisdarstellung infrage stellt. Aber sie weist auf etwas hin, das Studierende sofort wiedererkennen: das Gefühl, etwas verstanden zu haben, dem man in Wahrheit nur beim Ablaufen zugesehen hat. Diese Lücke zwischen Geläufigkeit und Können ist außerhalb der KI-Literatur gut belegt, und sie ist der Grund, warum die Illusion der Kompetenz in jeder Prüfungsphase fähige Menschen erwischt.

Die praktische Regel, die daraus folgt, ist eng genug, um ihr zu folgen. Lassen Sie KI die Arbeit tun, die Sie bereits beherrschen, und machen Sie selbst die Arbeit, die Sie gerade lernen wollen. Wenn Sie eine solide Literaturzusammenfassung schreiben können und sie Ihnen nichts mehr beibringt, kostet es wenig, sie der KI zu überlassen. Wenn Sie noch kein Argument aufbauen können, bringt Ihnen ein Modell, das eines für Sie baut, das Argumentieren nicht bei, wie gut das Ergebnis auch aussieht. Die KI-Denkfalle schlüsselt diesen Zielkonflikt weiter auf, und wer lieber ein Werkzeug nutzt, das zum Arbeiten zwingt, findet in den KI-Lernmodi im Vergleich, was ChatGPT, Gemini und Claude tatsächlich anders machen, wenn man sie bittet, zu lehren statt einfach die Antwort zu liefern.

Häufig gestellte Fragen

Ist es Betrug, mit ChatGPT zu lernen?

Nein. ChatGPT zu nutzen, um Stoff zu verstehen, sich selbst abzufragen oder Rückmeldung zur eigenen Arbeit zu bekommen, ist Lernen, und keine gängige Hochschulrichtlinie verbietet es. Zum Betrug wird es, wenn die Ausgabe als eigene Arbeit eingereicht wird oder wenn die Prüfung erklärt hatte, dass keine KI erlaubt ist, und Sie sie trotzdem genutzt haben.

Können Lehrkräfte erkennen, ob ChatGPT im Spiel war?

Am Text selbst meist nicht. Im PLOS-ONE-Experiment der University of Reading von 2024 blieben 94 % der KI-geschriebenen Klausurabgaben von den Prüfenden unentdeckt. Auffällig wird es indirekt: Quellenangaben, die es nicht gibt, Prosa, die nicht zu früheren Arbeiten passt, Antworten, die auf Stoff verweisen, den der Kurs nie behandelt hat, oder eine mündliche Prüfung, in der Sie Ihr eigenes Argument nicht erklären können.

Ist es Betrug, KI für Hausaufgaben zu nutzen?

Das hängt davon ab, ob die Hausaufgabe bewertet wird. Zählt sie zur Note und sollen die Antworten von Ihnen stammen, scheitert es an derselben Urheberschaftsprüfung wie bei einer Hausarbeit, sie von einer KI erzeugen zu lassen. Ist es unbenotete Übung, ist es Lernen, die KI eigene Antworten prüfen oder Fehler erklären zu lassen, und es gehört zu den besseren Einsätzen des Werkzeugs. Wenn Sie unsicher sind, fragen Sie, ob die Arbeit in die Note eingeht.

Ist es Betrug, KI zur Grammatikkorrektur zu nutzen?

Das hängt von der Prüfungsform ab, was eine unbefriedigende, aber zutreffende Antwort ist. Die meisten Hochschulen erlauben es. Sie behandeln es wie einen Besuch im Schreibzentrum. Sprach-, Übersetzungs- und Schreibkurse tun das oft nicht, weil gerade die sprachliche Ausführung bewertet wird. Prüfen Sie die Aufgabenstellung und geben Sie es an, wenn eine Erklärung verlangt ist.

Muss ich angeben, dass ich KI genutzt habe?

Wenn die Aufgabenstellung oder das Handbuch eine Erklärung verlangt, ja, und eine zutreffende ist fast immer eine vollständige Verteidigung. Wenn nirgends danach gefragt wird, kostet ein einzelner Satz trotzdem nichts und nimmt der ganzen Frage die Grundlage. Probleme entstehen durch Vagheit, nennen Sie also das Werkzeug und die konkrete Aufgabe.

Wie beweise ich, dass ich keine KI genutzt habe?

Streiten Sie nicht mit dem Detektorwert, denn das können Sie nicht. Legen Sie stattdessen Prozessbelege vor. Datierte Notizen, markierte Quellen, Versionsverlauf aus der Textverarbeitung, Such- und Bibliotheksprotokolle, alles mit Zeitstempel. Fragen Sie, welche konkreten Belege über die Detektorausgabe hinaus existieren, und fragen Sie nach der dokumentierten Falsch-Positiv-Rate des Detektors. Mehrere Hochschulen, darunter Vanderbilt, haben diese Werkzeuge genau deshalb abgeschaltet, weil die Werte dieser Frage nicht standhalten.

Ist es Betrug, KI einen Artikel zusammenfassen zu lassen?

Fast immer nicht, sofern Sie zusammenfassen, um zu entscheiden, was Sie gründlich lesen, oder um bereits durchgearbeiteten Stoff aufzufrischen. Riskant wird es in zwei Situationen: wenn genau das Verständnis dieses Textes geprüft wird, und wenn Sie eine Quelle zitieren, der Sie nur über eine Zusammenfassung begegnet sind. Lesen Sie alles, was Sie zitieren wollen.

Was das für Sie bedeutet

Die Regel, auf die es ankommt, ist kleiner als die Debatte darum. Leisten Sie das Denken, für das Sie bewertet werden, sagen Sie, was Sie genutzt haben, und seien Sie in der Lage, Ihren Arbeitsweg zu zeigen. Wer diese drei Punkte befolgt, bleibt unter praktisch jeder Richtlinie frei von Verstößen, auch unter denen, die noch gar nicht geschrieben sind.

Die Erkennung wird das nicht lösen. Die menschliche Bewertung übersieht fast alles davon, Detektorwerte beschuldigen Unschuldige, und die Institutionen, die am genauesten hinsehen, schalten sie eher ab, als sich stärker auf sie zu stützen. An ihre Stelle treten Belege über den Prozess, und das heißt: Am besten geschützt sind die Studierenden, die ohnehin schon festgehalten haben, was sie gelesen und was sie dazu gedacht haben.

Das lohnt sich schon um seiner selbst willen. Fangen Sie an zu markieren, was Sie lesen, damit Quellen, Zitate und Daten zusammenbleiben, und sehen Sie in Glasps Community nach, was andere Lesende im selben Material markiert haben. Der dokumentierte Arbeitsweg belegt, dass die Arbeit Ihre ist, und er ist der Teil, der Ihnen noch gehört, wenn die Note längst steht.