KI in wissenschaftlichen Hausarbeiten & Abschlussarbeiten: Was ist erlaubt?

ChatGPT und andere KI-Systeme können in Sekunden eine Gliederung entwerfen, Literatur zusammenfassen, Formulierungen verbessern oder ganze Kapitel schreiben. Aber nicht alles, was technisch möglich ist, ist in einer wissenschaftlichen Arbeit auch wirklich erlaubt.

Dieser Beitrag gibt den Recherchestand vom 19. Juni 2026 wieder. Die Prüfungsordnungen und Vorgaben der eigenen Hochschule haben immer Vorrang. Zudem ist dieser Artikel keine individuelle Rechtsberatung, sondern dient der allgemeinen Orientierung.

Das Wichtigste in Kürze

• Es gibt bundesweit keine einheitlichen Detailregel, nach der KI in jeder wissenschaftlichen Hausarbeit oder Abschlussarbeit entweder generell erlaubt oder generell verboten wäre.
• KI ist ein Hilfsmittel. Ob dieses Hilfsmittel zulässig ist, bestimmt die konkrete Prüfungsordnung der Hochschulen. Bei Abschlussarbeiten sollte die Nutzung vorab schriftlich mit dem Betreuer geklärt werden.
• Die geistige Hauptleistung muss vom Studenten stammen. Forschungsfrage, Quellenbewertung, Argumentation, Methodenauswahl, Interpretation und Schlussfolgerungen dürfen nicht einfach an ein KI-Sprachmodell ausgelagert werden.
• Auch erlaubte KI-Nutzung kann trotzdem kennzeichnungspflichtig sein. Eine allgemeine Angabe wie:„ChatGPT wurde verwendet“ ist allerdings oft zu pauschal. Viele Hochschulen erwarten Angaben zum Tool, Zweck, Umfang und betroffene Arbeitsschritte.
• Eine Quellenangabe macht verbotene Nutzung nicht erlaubt. Erlaubnis und Offenlegung sind zwei getrennte Punkte.
• Bei einer Täuschung drohen je nach Regelwerk die Bewertung „nicht bestanden“, der Verlust eines Prüfungsversuchs, der Ausschluss von der Wiederholung und in schweren oder wiederholten Fällen weitere hochschulrechtliche Konsequenzen.

Immer mehr Studenten nutzen für wissenschaftlichen Arbeiten KI. In einer CHE-Befragung aus dem Wintersemester 2024/25 gaben 65 Prozent der befragten Studenten, KI mindestens wöchentlich für das Studium zu verwenden.^[1] Einheitliche Regeln für KI-Nutzng an Hochschulen existieren bisher nicht. Es gibt dabei nicht nur Unterschiede zwischen Hochschulen, sondern auch zwischen Fachbereichen, Lehrveranstaltungen und einzelnen Prüfungen. Der aktuelle Leitlinien-Check des Hochschulforums Digitalisierung kommt nach der Analyse von 30 hochschulweiten Leitlinien aus allen 16 Bundesländern zu einem klaren Ergebnis: Die konkrete Entscheidung ob und wie der KI-Einsatz erlaubt ist, wird häufig auf Ebene der Fächer, Prüfer oder Prüfungsausschüsse verlagert.^[2]

Keine einheitlichen KI-Richtlinien an Hochschulen

Eine Hausarbeit ist keine einheitlich geregelte Textsorte mit identischen Bedingungen an jeder deutschen Hochschule. Manche Prüfer erlauben generative KI ausdrücklich als Schreib- oder Reflexionshilfe. Andere gestatten nur Rechtschreibkorrekturen. Wieder andere schließen KI für die gesamte Prüfung aus. Auch innerhalb derselben Hochschule kann eine Gliederungshilfe in einem Seminar erlaubt, in einem anderen aber verboten sein.

Praktisch sollten Studenten deshalb fünf Ebenen prüfen:

1. Prüfungsordnung und Rahmenordnung: Welche Regeln gelten zu Hilfsmitteln, Täuschung, Eigenständigkeit und Kennzeichnung?
2. Modulhandbuch und Aufgabenstellung: Ist KI für diese Prüfungsform ausdrücklich erlaubt, eingeschränkt oder untersagt?
3. Fachbereichs- oder Hochschulleitlinie: Welche Dokumentation und Eigenständigkeitserklärung wird verlangt?
4. Vorgaben des Prüfers oder Betreuers: Welche konkreten Einsatzarten sind freigegeben?
5. Individuelle schriftliche Vereinbarung: Was wurde für die eigene Abschlussarbeit tatsächlich abgestimmt?

Die Universität Hamburg formuliert für Abschlussarbeiten beispielsweise, dass generative KI nur in dem Umfang eingesetzt werden soll, der vorab mit dem Betreuer vereinbart wurde; der kreative und wissenschaftliche Einfluss des Studenten müsse überwiegen.^[3] Die Universität Köln nennt dagegen beispielhaft Literaturrecherche, Ideenfindung, sprachliche Überarbeitung eigener Formulierungen und Übersetzungen als potenziell zulässige Hilfen, solange die Arbeit im Kern eigenständig bleibt und die konkreten Vorgaben eingehalten werden.^[4] Das sind keine deutschlandweit geltenden Regeln, sondern Beispiele dafür, wie unterschiedlich Hochschulen den Rahmen ausgestalten.

Wichtig: Eigenleistung, Transparenz und Verantwortung

1. Eigenleistung: Wer hat die wissenschaftliche Hauptarbeit erbracht?

Eine Prüfungsleistung soll zeigen, welche Kompetenzen der Student selbst beherrscht. Das bedeutet nicht, dass keinerlei Hilfsmittel verwendet werden dürfen. Literaturdatenbanken, Statistikprogramme, Rechtschreibsoftware oder fachliches Feedback sind seit Langem Teil wissenschaftlicher Arbeit. Entscheidend ist, ob das Hilfsmittel die geforderte Kompetenz unterstützt oder ersetzt.

Problematisch wird es insbesondere dann, wenn eine KI die gedankliche Kernleistung übernimmt: Sie entwickelt die tragende Argumentation, wertet die Literatur anstelle des Studenten aus, entscheidet über die Methode, interpretiert Ergebnisse oder verfasst große Teile der abzugebenden Arbeit. Ein vollständig oder in wesentlichen Teilen KI-generierter Text kann damit ähnlich behandelt werden wie nicht offengelegtes Ghostwriting. Die Universität Köln bewertet eine vollständig oder zu erheblichen Teilen von KI erstellte Arbeit ausdrücklich als nicht eigenständig.^[4]

Warum Hochschulen daran festhalten, ist nicht nur eine formale Frage. Wissenschaftliches Schreiben ist selbst ein Erkenntnisprozess: Beim Ordnen, Formulieren, Überarbeiten und Begründen werden Widersprüche sichtbar und Gedanken präziser. Ein 2025 veröffentlichter Fachbeitrag beschreibt Schreiben deshalb als Prozess des „knowledge transforming“ und warnt davor, dass eine weitgehende Auslagerung an KI genau jene analytischen und reflexiven Fähigkeiten schwächen kann, die eine Hausarbeit prüfen soll.^[5]

2. Transparenz: Was wurde mit welchem Tool gemacht?

Eine KI-Nutzung kann fachlich vertretbar und dennoch regelwidrig sein, wenn sie nicht in der vorgeschriebenen Form offengelegt wird. Umgekehrt legalisiert eine Fußnote keine Nutzung, die ausdrücklich verboten war. Studenten müssen daher zwei Fragen getrennt beantworten:

1. War dieser Einsatz erlaubt?
2. Wie musste dieser erlaubte Einsatz dokumentiert oder gekennzeichnet werden?

Der Leitlinien-Check 2026 des Hochschulforums Digitalisierung nennt Transparenz neben Eigenständigkeit und Täuschung als einen Kernbereich aktueller Hochschulregeln. Dabei reicht das Spektrum von einer knappen Angabe des Tools und des Zwecks bis zu Prompt- und Output-Protokollen im Anhang.^[6]

Auch die Deutsche Forschungsgemeinschaft orientiert ihre aktuellen Regeln für Förderanträge an Tool, Zweck und Umfang der Nutzung. Rein sprachliche Hilfen ohne Einfluss auf den wissenschaftlichen Inhalt müssen dort nicht angegeben werden.^[7] Für Studenten ist das eine sinnvolle Orientierung, aber keine automatische Freigabe: Die DFG-Regel gilt für Förderanträge und ersetzt nicht die Prüfungsordnung einer Hochschule.

3. Verantwortung: Der Student haftet fachlich für das Ergebnis

Ein KI-Sprachmodell ist kein Autor, der die Verantwortung für Fehler übernimmt. Wer KI verwendet, bleibt für jede Aussage, jede Quelle, jedes Zitat, jede Rechnung, jeden Programmcode, jede Abbildung und jede Schlussfolgerung verantwortlich. Eine Aussage wie „Die KI hat das so ausgegeben“ schützt weder vor einer schlechten Bewertung noch vor einem Täuschungsvorwurf.

Das gilt auch dann, wenn das Tool seriös klingt oder Quellenlinks anzeigt. KI-Systeme können falsche Tatsachen behaupten, Literatur erfinden, reale Quellen falsch wiedergeben oder auf einen Artikel verweisen, der die behauptete Aussage gar nicht enthält. In einer viel beachteten Untersuchung von 2023 waren bei den damals getesteten Modellen 55 Prozent der von GPT‑3.5 und 18 Prozent der von GPT‑4 erzeugten Literaturangaben vollständig erfunden; auch unter den real existierenden Quellen fanden die Forscher zahlreiche inhaltliche Fehler.^[8] Die konkreten Prozentwerte lassen sich nicht ungeprüft auf heutige Modelle übertragen. Das Grundproblem plausibel formulierter Falschinformationen besteht jedoch fort.

Die Praxis-Ampel: Welche KI-Nutzung ist eher unkritisch, welche riskant?

Die folgende Ampel ist eine redaktionelle Orientierung, keine verbindliche Rechtsregel. Selbst ein „grüner“ Einsatz kann verboten oder kennzeichnungspflichtig sein, wenn die konkrete Prüfung dies vorsieht.

Einsatz	Einordnung	Worauf es ankommt
Rechtschreibung und Grammatik im selbst verfassten Text	Eher grün	Nur sprachliche Korrektur; keine neuen Inhalte oder umfassende Umformulierung. Vorgaben zur Offenlegung beachten.
Brainstorming, Themenvarianten und Suchbegriffe	Grün bis gelb	Auswahl und wissenschaftliche Begründung müssen vom Studenten stammen. Keine vertraulichen Informationen eingeben.
Fragen zum Verständnis eines Begriffs	Grün bis gelb	Als Lernhilfe geeignet; Aussagen anschließend in Lehrbüchern oder Originalquellen prüfen.
Literatursuche und Vorschläge für Quellen	Gelb	Jede Quelle im Original öffnen, bibliografisch prüfen, selbst lesen und fachlich bewerten. Keine KI-Zusammenfassung anstelle der Lektüre.
Gliederungsvorschläge	Gelb	Kann die konzeptionelle Leistung berühren. Vorher klären, dokumentieren und die Struktur eigenständig entwickeln.
Zusammenfassung wissenschaftlicher Texte	Gelb bis rot	Fehler- und Verzerrungsrisiko; urheberrechtlich geschützte oder vertrauliche Texte nicht ohne Freigabe hochladen. Originaltexte selbst auswerten.
Übersetzung zum eigenen Verständnis	Eher grün bis gelb	Bei einer abzugebenden Übersetzung oder interpretativ wichtigen Passage kann die Nutzung prüfungsrelevant werden.
Stilistische Überarbeitung ganzer Absätze	Gelb bis rot	Die Grenze zwischen Korrektur und fremder Textproduktion ist fließend. Umfang und übernommene Änderungen offenlegen.
Erzeugung von Code, statistischen Auswertungen oder Modellen	Gelb bis rot	Nur mit Erlaubnis; Code vollständig verstehen, testen, dokumentieren und methodisch verantworten.
Erzeugung von Abbildungen, Tabellen oder Transkripten	Gelb bis rot	Entstehung, Bearbeitung und Datenbasis dokumentieren; Fehler, Manipulationen, Rechte und Datenschutz prüfen.
Verfassen der Argumentation, Analyse oder Schlussfolgerung	Rot	Berührt regelmäßig die wissenschaftliche Kernleistung. Nur in ausdrücklich dafür konzipierten Prüfungen denkbar.
Übernahme ganzer Abschnitte ohne Offenlegung	Rot	Hohes Täuschungsrisiko – auch dann, wenn der Text anschließend leicht umformuliert wird.
Erfundene Quellen, Daten, Interviews oder Messergebnisse	Rot	Schwerer Verstoß gegen wissenschaftliche Integrität; niemals übernehmen.
Eingabe von Firmengeheimnissen, personenbezogenen oder nicht freigegebenen Forschungsdaten	Rot	Ohne ausdrücklich freigegebenes System und klare Rechtsgrundlage unterlassen.

Was darf KI in den einzelnen Phasen einer Arbeit übernehmen?

Themenfindung und Forschungsfrage

KI kann helfen, ein Themenfeld zu sortieren, Gegenpositionen zu sammeln oder Begriffe für eine erste Suche zu finden. Die endgültige Forschungsfrage sollte der Student jedoch selbst entwickeln und fachlich begründen. Wer lediglich eine automatisch erzeugte Frage übernimmt, kann oft weder erklären, welche Forschungslücke sie adressiert, noch ob sie mit den verfügbaren Daten und Methoden überhaupt bearbeitbar ist.

Eine sinnvolle Nutzung besteht darin, KI-Vorschläge als Gegenstand der Kritik zu behandeln: Welche Annahmen stecken darin? Ist der Gegenstand zu breit? Sind die Begriffe messbar oder definierbar? Anschließend muss die Frage anhand der echten Fachliteratur und in Abstimmung mit dem Betreuer präzisiert werden.

Literaturrecherche

KI-gestützte Suchsysteme können den Einstieg erleichtern. Sie ersetzen aber keine systematische Recherche in Bibliothekskatalogen, Fachdatenbanken und wissenschaftlichen Suchmaschinen. Besonders riskant ist es, aus einem Chatfenster bibliografische Angaben zu kopieren, ohne den Titel im Katalog oder beim Verlag zu verifizieren.

Für jede verwendete Quelle sollten mindestens Autor, Titel, Erscheinungsjahr, Publikationsort beziehungsweise Zeitschrift, Seiten, DOI oder URL und die tatsächliche Existenz geprüft werden. Noch wichtiger: Der Student muss den Originaltext lesen und kontrollieren, ob er die konkrete Aussage wirklich trägt. Eine korrekte Quellenangabe zu einem Artikel, der etwas anderes sagt, ist wissenschaftlich ebenfalls wertlos.

Lesen, Exzerpieren und Zusammenfassen

Eine KI-Zusammenfassung kann als zusätzliche Verständnishilfe dienen, sofern die Regeln dies erlauben. Sie darf aber nicht die eigene Lektüre ersetzen. Modelle gewichten Inhalte nach statistischen Mustern, nicht nach der Fragestellung der Hausarbeit. Sie können Einschränkungen, methodische Schwächen oder widersprüchliche Ergebnisse auslassen und damit den Aussagegehalt einer Studie verändern.

Hinzu kommt ein rechtliches und datenschutzbezogenes Problem: Wer ein vollständiges E‑Book, einen unveröffentlichten Aufsatz, Interviewtranskripte oder interne Unternehmensunterlagen in ein externes System lädt, kann Rechte Dritter, Vertraulichkeitsabreden oder Datenschutzvorgaben verletzen. Der Leitlinien-Check 2026 zeigt, dass nahezu alle untersuchten Hochschulregeln vor der Eingabe personenbezogener oder vertraulicher Daten in nicht kontrollierte KI-Systeme warnen.^[9]

Gliederung und Argumentation

Die Gliederung einer wissenschaftlichen Arbeit wirkt auf den ersten Blick wie eine rein formale Hilfe. Tatsächlich bildet sie aber die Logik der Arbeit ab: Welche Begriffe werden zuerst definiert? Welche Theorie trägt die Analyse? Welche Gegenargumente müssen berücksichtigt werden? Welche Ergebnisse beantworten die Forschungsfrage? Deshalb kann ein KI-generierter Aufbau bereits einen erheblichen Teil der konzeptionellen Leistung betreffen.

Eine transparente, eher unterstützende Variante wäre, eine selbst erstellte Gliederung von der KI auf erkennbare Lücken oder Dopplungen prüfen zu lassen. Auch dabei gilt: Die Hinweise müssen fachlich bewertet werden; sie sind kein automatischer Qualitätsnachweis.

Formulieren und Überarbeiten

Zwischen Rechtschreibkorrektur und Textproduktion liegt ein breites Spektrum. „Korrigiere Tippfehler“ greift deutlich weniger in die Eigenleistung ein als „Schreibe diesen Abschnitt wissenschaftlicher, ergänze Argumente und passende Quellen“. Moderne Schreibassistenten vermischen beides häufig in einer einzigen Funktion.

Studenten sollten deshalb nicht nur auf den Namen des Tools schauen, sondern auf den tatsächlichen Eingriff. Ergänzt das KI-System neue Gedanken, verändert es die Bedeutung, baut es Begründungen ein oder schreibt es den Absatz vollständig neu, liegt keine bloße Korrektur mehr vor. Solche Eingriffe sollten nur nach ausdrücklicher Freigabe erfolgen und nachvollziehbar dokumentiert werden.

Datenanalyse, Statistik und Programmcode

KI kann Formeln erklären, Codegerüste erzeugen und Fehlermeldungen analysieren. In empirischen Arbeiten kann das jedoch die geprüfte Methodenkompetenz direkt betreffen. Ein funktionierendes Skript ist zudem nicht automatisch methodisch richtig. Fehler bei Variablenauswahl, Datenbereinigung, Signifikanztests oder Modellannahmen können plausible, aber falsche Ergebnisse erzeugen.

Wer KI-generierten Code verwenden darf, sollte jede Zeile verstehen, Testfälle durchführen, Software- und Modellversionen festhalten und die Analyse reproduzierbar dokumentieren. Rohdaten, personenbezogene Angaben und interne Datensätze gehören nur in Systeme, die von Hochschule und gegebenenfalls Praxispartner ausdrücklich freigegeben wurden.

Abbildungen und Tabellen

Generierte Grafiken können Urheberrechts-, Kennzeichnungs- und Wahrheitsfragen aufwerfen. In einer wissenschaftlichen Abbildung darf nichts nur deshalb überzeugend aussehen, weil ein Bildmodell es so dargestellt hat. Achsen, Zahlen, Beschriftungen und Datenbezug müssen korrekt und nachvollziehbar sein. Eine illustrative KI-Grafik sollte als solche kenntlich gemacht und nicht mit einer datenbasierten Visualisierung verwechselt werden.

KI ist normalerweise keine wissenschaftliche Quelle

Ein KI-Chatbot erzeugt eine Antwort auf Basis eines Modells und eines konkreten Eingabekontexts. Seine Ausgabe ist meist weder stabil reproduzierbar noch unabhängig begutachtet. Deshalb sollte ein Sprachmodell nicht an die Stelle einer wissenschaftlichen Quelle treten. Die Universität Hamburg weist in ihrer Dokumentationshilfe ausdrücklich darauf hin, dass ein KI-Output im Regelfall keine wissenschaftliche Quelle ist.^[10]

Die richtige Vorgehensweise lautet daher:

1. KI kann einen Suchhinweis liefern.
2. Der Student sucht die Originalquelle.
3. Er liest und bewertet sie selbst.
4. In der Arbeit wird die Originalquelle zitiert.
5. Der KI-Einsatz wird zusätzlich nach den Prüfungsregeln offengelegt.

Eine Ausnahme besteht, wenn die KI-Ausgabe selbst Forschungsgegenstand oder Primärmaterial ist – etwa bei einer Analyse von Antworten verschiedener Sprachmodelle. Dann müssen Tool, Anbieter, Modell beziehungsweise angezeigte Version, Datum, Prompt, Ausgabe und gegebenenfalls Systemeinstellungen so dokumentiert werden, dass das Material nachvollziehbar bleibt.

So sollte die KI-Nutzung dokumentiert werden

Es gibt noch keinen einheitlichen Zitierstandard, der für alle Hochschulen und Fächer gilt. Deshalb haben die Vorgaben der eigenen Hochschule Vorrang. Fehlt eine Vorlage, ist eine klare, überprüfbare Dokumentation besser als der pauschale Satz „Bei der Erstellung wurde KI genutzt“.

Ein KI-Verzeichnis im Anhang kann beispielsweise folgende Spalten enthalten:

Angabe	Beispiel
Arbeitsschritt	Entwicklung von Suchbegriffen für Kapitel 2
Tool, Anbieter, Modell/Version	Name laut Benutzeroberfläche, Anbieter, angezeigte Modellversion
Datum	14. Mai 2026
Zweck	Brainstorming; keine Textübernahme
Prompt oder Prompt-Kategorie	Vollständiger Prompt oder Verweis auf Prompt-Protokoll
Betroffener Teil der Arbeit	Kapitel 2.1; Literaturrecherche
Umgang mit der Ausgabe	Drei Suchbegriffe übernommen; alle Quellen anschließend selbst recherchiert
Prüfung	Quellen über Fachdatenbank und DOI verifiziert

Ob vollständige Prompts und Ausgaben abgegeben werden müssen, hängt von der Hochschule ab. Manche Regeln verlangen nur Tool, Zweck und Umfang, andere fordern ein Prozessprotokoll. Die Universität Hamburg empfiehlt je nach Prüfungsformat entweder eine kompakte Checkliste oder eine ausführlichere prozessbezogene Dokumentation.^[10]

Muster für eine KI-Erklärung

Hier ist ein Beispiel für eine KI-Erklärung.

Wichtig: Dieses Muster ist nur eine Formulierungshilfe. Eine offizielle Eigenständigkeits- oder KI-Erklärung der Hochschule muss unverändert beziehungsweise nach deren Vorgaben verwendet werden.

„Bei der Erstellung dieser Arbeit wurde [Tool, Anbieter, Modell/angezeigte Version] für [Zweck] in [Kapitel oder Arbeitsschritt] eingesetzt. Die Auswahl und Bewertung der Quellen, die fachliche Argumentation, die methodischen Entscheidungen sowie die Endfassung wurden eigenständig vorgenommen. Inhaltlich prägende KI-Ausgaben sind entsprechend den Vorgaben dokumentiert. Sämtliche Angaben, Quellen, Berechnungen und Schlussfolgerungen wurden anhand geeigneter Originalquellen beziehungsweise eigener Prüfungen kontrolliert. Personenbezogene, vertrauliche oder nicht freigegebene Daten wurden nicht in externe KI-Systeme eingegeben.“

Vorsicht bei Firmengeheimnissen und personenbezogenen Daten

Für duale Studenten kommt zur Hochschulregel eine zweite Ebene hinzu: die Vertraulichkeit gegenüber dem Praxispartner. Abschlussarbeiten enthalten häufig interne Kennzahlen, Prozessbeschreibungen, Kundendaten, Mitarbeiterinformationen, Quellcode, Verträge, Interviewtranskripte oder bislang unveröffentlichte Forschungsergebnisse.

Solche Inhalte dürfen nicht allein deshalb in ein öffentlich zugängliches KI-Tool kopiert werden, weil das Arbeiten dadurch schneller geht. Vor jeder Nutzung sind mindestens vier Fragen zu klären:

1. Ist das konkrete System von Hochschule und Unternehmen freigegeben?
2. Werden Eingaben gespeichert, zur Qualitätskontrolle verwendet oder zum Training genutzt?
3. Ist die Verarbeitung personenbezogener Daten rechtlich und organisatorisch zulässig?
4. Erlauben Sperrvermerk, Arbeitsvertrag, Geheimhaltungsvereinbarung und Betreuungsabrede die Eingabe?

Auch eine vermeintliche Anonymisierung ist nicht automatisch ausreichend: Aus Kombinationen von Funktion, Standort, Zeitraum und Fallbeschreibung können Personen oder Unternehmen wieder erkennbar werden. Im Zweifel sollte ausschließlich ein institutionell bereitgestelltes System verwendet oder vollständig auf die Eingabe interner Inhalte verzichtet werden. Die Deutsche Forschungsgemeinschaft (DFG) betont ebenfalls, dass bei KI-Nutzung Datenabfluss, unzulässige Trainingsnutzung, Datenschutzverstöße und Eingriffe in Urheberrechte ausgeschlossen werden müssen.^[11]

Wann wird KI-Nutzung zur Täuschung?

KI-Nutzung ist nicht automatisch Täuschung. Täuschungsrelevant wird sie typischerweise, wenn mindestens einer der folgenden Fälle vorliegt:

• Ein ausdrücklich verbotenes KI-Tool wird dennoch eingesetzt.
• Eine erlaubte Nutzung wird entgegen der Vorgaben nicht offengelegt.
• Die abgegebene Leistung erscheint eigenständig, obwohl wesentliche gedankliche oder sprachliche Teile von der KI stammen.
• Die KI ersetzt genau jene Kompetenz, die geprüft werden soll.
• Erfundene Quellen, Daten oder Ergebnisse werden übernommen.
• Eine falsche oder unvollständige Eigenständigkeitserklärung wird abgegeben.

Wissenschaftsethisch ist ein KI-Verstoß nicht zwingend dasselbe wie ein klassisches Plagiat. Ein Plagiat setzt typischerweise die nicht gekennzeichnete Übernahme fremder Texte oder Gedanken voraus. Ein nicht erlaubter KI-Einsatz kann dagegen schon deshalb eine Täuschung sein, weil ein unzulässiges Hilfsmittel verwendet oder die eigene Leistung falsch dargestellt wurde – selbst wenn sich keine konkrete menschliche Vorlage nachweisen lässt.

Welche Konsequenzen können drohen?

Die Folgen richten sich nach Landeshochschulrecht, Prüfungsordnung und Schwere des Falls. Möglich sind insbesondere:

• Inhaltliche Abwertung, wenn erlaubte KI-Nutzung zu Fehlern, schwacher Argumentation oder unzureichender Quellenarbeit führt.
• „Nicht bestanden“ beziehungsweise 5,0 für die Prüfungsleistung.
• Verlust eines Prüfungsversuchs und Wiederholung nach den Regeln der Prüfungsordnung.
• Ausschluss von der Wiederholung bei einem besonders schweren Täuschungsfall.
• Exmatrikulation oder weitere hochschulrechtliche Maßnahmen in schweren oder wiederholten Fällen, soweit das jeweilige Landesrecht und die Hochschulregeln dies vorsehen.
• Spätere Überprüfung des Abschlusses, wenn ein erheblicher Verstoß erst nach der Verleihung bekannt wird.
• Arbeits- oder vertragsbezogene Folgen beim Praxispartner, wenn vertrauliche Daten oder Geschäftsgeheimnisse unzulässig weitergegeben wurden.

Wie weit Sanktionen reichen können, zeigen zwei Urteile des Verwaltungsgerichts Kassel vom 25. Februar 2026. In den Verfahren ging es um eine Bachelorarbeit und eine Hausarbeit. Die Universität hatte die Leistungen wegen unerlaubter KI-Nutzung als nicht bestanden bewertet und die Studenten wegen besonders schwerer Täuschung von der Wiederholung ausgeschlossen. Das Gericht bestätigte diese Entscheidungen. Es stellte unter anderem darauf ab, dass „fremde Hilfe“ nicht zwingend von einem Menschen stammen müsse und dass nicht kenntlich gemachte KI-Textproduktion gegen die Regeln guter wissenschaftlicher Praxis verstoßen könne.^[12]

Die Entscheidungen sind wichtig, aber nicht das letzte Wort: Laut Pressemitteilung waren sie am 26. März 2026 noch nicht rechtskräftig; das Gericht hatte die Berufung zugelassen.^[12] Außerdem beziehen sie sich auf konkrete Prüfungsregeln.

Wie können Hochschulen KI-Nutzung überhaupt bemerken?

KI-Nutzung zu bemerken, ist im Regelfall schwierig. Es gibt keinen verlässlichen „KI-Fingerabdruck“, der bei jedem Text eindeutig zeigt, ob und in welchem Umfang ein Sprachmodell beteiligt war. Hochschulen können einen Verdacht jedoch aus mehreren Indizien entwickeln.

1. Erfundenes oder unpassendes Quellenmaterial

Nicht auffindbare Aufsätze, falsche DOI-Nummern, erfundene Seitenzahlen oder Quellen, die die Aussage nicht stützen, sind besonders auffällig. Prüfer kennen die zentrale Literatur ihres Fachgebiets häufig gut und können Angaben über Bibliothekskataloge und Datenbanken schnell kontrollieren.

2. Brüche in Stil, Terminologie und Argumentation

Verdächtig können starke Unterschiede zwischen Kapiteln, plötzlich wechselnde Fachbegriffe, ungewöhnlich glatte Formulierungen bei gleichzeitig oberflächlicher Analyse, unnötige Wiederholungen oder schematische Zusammenfassungen sein. Solche Merkmale beweisen für sich allein nichts: Auch menschliche Texte können stilistisch uneinheitlich sein. Sie können aber Anlass für eine genauere Prüfung geben.

3. Widerspruch zwischen Text und tatsächlichem Kenntnisstand

In einem Verfahren in Kassel spielte die Diskrepanz zwischen der schriftlichen Arbeit und der mündlichen Darstellung des Fachwissens eine wesentliche Rolle. Hinzu kamen der dokumentierte Arbeitsverlauf und eine auffallend schnell vorgelegte nahezu vollständige Ausarbeitung.^[14] Hochschulen können Studenten daher zu Methodik, Literatur, Code, Tabellen, Begriffen und Argumentationsentscheidungen befragen.

4. Entstehungsprozess und Zwischenstände

Exposés, Besprechungsnotizen, Literaturverwaltung, Rohdaten, Code-Versionen, Überarbeitungsverläufe und gespeicherte Zwischenstände machen sichtbar, wie eine Arbeit entstanden ist. Manche Fachbereiche verlangen bereits regelmäßige Fortschrittsdokumentationen oder Gespräche. Diese Unterlagen dienen nicht nur der Kontrolle: Sie können einen Studenten auch vor einem falschen Verdacht schützen.

5. Plagiatssoftware

Klassische Plagiatsprogramme suchen vor allem nach Textübereinstimmungen mit zugänglichen Quellen. Ein vollständig neu formulierter KI-Text kann deshalb unauffällig bleiben. Umgekehrt kann ein KI-Text Passagen aus Trainingsmaterial oder Webquellen sehr ähnlich wiedergeben und dadurch Treffer erzeugen. Ein Plagiatsbericht beantwortet daher eine andere Frage als ein KI-Detektor.

6. KI-Detektoren

Detektoren berechnen anhand sprachlicher Muster eine Wahrscheinlichkeit, dass ein Text maschinell erzeugt wurde. Wissenschaftliche Studien zeigen jedoch deutliche Grenzen. Eine 2026 veröffentlichte Untersuchung mit authentischen Studenten-, Berufs-, KI- und Mischtexten erreichte für zwei verbreitete Systeme nur Gesamtgenauigkeiten von 69 beziehungsweise 61 Prozent; besonders schwierig waren hybride Texte, unterschiedliche Textlängen und Fachgenres.^[15]

Bereits eine große Untersuchung von 2023 kam bei 14 getesteten Werkzeugen zu dem Ergebnis, dass kein System eine Genauigkeit von 80 Prozent erreichte.^[16] Eine weitere Studie zeigte für englischsprachige Texte ein erhebliches Fairnessproblem: Aufsätze von Nicht-Muttersprachlern wurden von den damals getesteten Detektoren besonders häufig fälschlich als KI-generiert eingestuft.^[17]

Die Forschungslage bedeutet nicht, dass jeder Detektor immer wertlos ist. Unter kontrollierten Bedingungen können einzelne Systeme brauchbare Hinweise liefern. Für reale Hausarbeiten mit menschlicher Überarbeitung, Zitaten, Fachsprache und gemischter Nutzung reicht ein Prozentwert aber nicht als sicherer Nachweis. Auch die Universität Köln weist darauf hin, dass ein Detektor allein wegen seiner Fehleranfälligkeit keinen hinreichenden Beweis bildet. Erforderlich sind zusätzliche Umstände und eine Gesamtbewertung.^[18]

Fazit zur Erkennung: Hochschulen „entlarven“ KI nicht zuverlässig mit einem einzigen Knopfdruck. Belastbar wird ein Verdacht eher durch die Kombination aus Quellenfehlern, inhaltlichen Auffälligkeiten, Arbeitsprozess, Fachgespräch, Dokumentation und gegebenenfalls einem Detektorhinweis.

Was tun bei einem KI-Verdacht?

Ein Detektorwert oder eine ungewöhnliche Formulierung ist noch kein Beweis. Studenten sollten einen Vorwurf dennoch ernst nehmen und reagieren:

1. Nichts nachträglich löschen oder verändern. Entwürfe, Versionsverläufe, Literaturdatenbanken, Notizen, Prompts und E‑Mails können die eigene Arbeitsweise belegen.
2. Den Vorwurf und die Regel, gegen die angeblich verstoßen wurde, schriftlich anfordern. Entscheidend ist, welche konkrete Nutzung beanstandet wird und gegen welche Vorgabe sie verstoßen haben soll.
3. Den Entstehungsprozess nachvollziehbar erklären. Dazu gehören Quellenwahl, Gliederungsentscheidungen, Methoden, Datenaufbereitung und Überarbeitungsschritte.
4. KI-Nutzung wahrheitsgemäß und präzise darstellen. Spekulationen oder nachträgliche Schutzbehauptungen verschärfen das Problem.
5. Bei gravierenden Folgen Beratung suchen. Prüfungsberatung, studentische Rechtsberatung, Personalrat beziehungsweise Interessenvertretung und bei Bedarf ein Fachanwalt können das Verfahren einordnen.

Die sicherste Vorgehensweise in sieben Schritten

1. Vor Beginn Regeln sammeln: Prüfungsordnung, Aufgabenstellung, Fachbereichsleitlinie und Eigenständigkeitserklärung lesen.
2. Konkrete Nutzungsfälle benennen: Nicht nur „Darf ich KI nutzen?“, sondern etwa „Darf ich meine selbst erstellte Gliederung auf Lücken prüfen lassen?“
3. Freigabe schriftlich sichern: Bei Hausarbeiten per E‑Mail, bei Abschlussarbeiten möglichst in einer Betreuungs- oder KI-Vereinbarung.
4. Kernleistung selbst erbringen: Literatur lesen, Forschungsfrage, Methode, Analyse, Argumentation und Fazit eigenständig verantworten.
5. Originalquellen prüfen: Keine Zahl, kein Zitat und keine Literaturangabe ungeprüft übernehmen.
6. Nutzung laufend dokumentieren: Tool, Version, Datum, Zweck, Prompt, betroffener Abschnitt, Übernahme und Prüfung festhalten.
7. Daten schützen: Keine personenbezogenen, vertraulichen, urheberrechtlich geschützten oder betrieblichen Inhalte in nicht freigegebene Systeme eingeben.

Fazit: KI darf unterstützen – aber nicht heimlich die Prüfungsleistung übernehmen

KI kann wissenschaftliches Arbeiten sinnvoll unterstützen: bei der Suche nach Stichworten, beim Verständnis, bei sprachlichen Korrekturen, beim Testen von Gegenargumenten oder – je nach Fach und Freigabe – bei Code und Datenanalyse. Sie wird problematisch, sobald sie die geforderte Eigenleistung ersetzt oder ihr Einsatz verschwiegen wird sowie wenn Studenten ihre Ausgaben ungeprüft als Fakten und Quellen übernehmen.

Die tragfähigste Regel lautet deshalb: vorher klären, begrenzt einsetzen, vollständig verstehen, sorgfältig prüfen und transparent dokumentieren. Wer zusätzlich Entwürfe, Quellenarbeit und Entscheidungen nachvollziehbar festhält, schützt nicht nur die wissenschaftliche Qualität der Arbeit, sondern kann im Zweifel auch belegen, dass die Leistung tatsächlich die eigene ist.

---

Fußnoten

1. CHE Centrum für Hochschulentwicklung, DatenCHECK 6/2025 zur KI-Nutzung im Studium: Befragung im Wintersemester 2024/25 mit 23.288 Teilnehmern aus ausgewählten Fächern an 171 Hochschulen; 65 Prozent nutzten generative KI mindestens wöchentlich. Die Stichprobe ist nicht als Vollerhebung aller Studenten in Deutschland zu verstehen. Zur Veröffentlichung. ↩
2. Tobor, Jens; Westermann, Anja; Leifeld, Johanna; Becker, Sarah; Lüthi, Riccarda: Leitlinien-Check 2026. Ein Update zu generativer KI an Hochschulen, Hochschulforum Digitalisierung, 2026. Analysiert wurden 30 offiziell veröffentlichte hochschulweite Leitlinien aus allen 16 Bundesländern. PDF. ↩
3. Universität Hamburg, Fachbereich Sozialwissenschaften: Hinweise zu generativer KI und Prüfungen; bei Abschlussarbeiten soll der Einsatz vorab mit dem Betreuer abgestimmt werden, wobei der eigene kreative und wissenschaftliche Einfluss überwiegen muss. Hinweise der Universität. ↩
4. Universität Köln, Stabsstelle 02.1: FAQ zum Einsatz von KI in Prüfungsleistungen, zuletzt aktualisiert am 12. März 2026. Die Seite nennt potenziell zulässige Unterstützungsformen, betont aber Eigenständigkeit, Transparenz und die konkrete Prüfungsregel. FAQ. ↩ ↩
5. Schulze Heuling, Dagmar et al.: „Generative KI und (politik)wissenschaftliches Schreiben: Herausforderung für die Lehre und darüber hinaus“, Politische Vierteljahresschrift 66 (2025), S. 913–940. DOI: 10.1007/s11615-025-00631-9. ↩
6. Hochschulforum Digitalisierung, Leitlinien-Check 2026, insbesondere die Kapitel zu Prüfungswesen, Transparenz, Eigenständigkeit, Täuschung sowie Dokumentations- und Kennzeichnungspflichten. PDF. ↩
7. Deutsche Forschungsgemeinschaft: KI in der Antragstellung, Stand Mai 2026. Die DFG verlangt bei inhaltlich relevantem Einsatz die Offenlegung von Modell, Zweck und Umfang; rein sprachliche Hilfen ohne Einfluss auf den wissenschaftlichen Inhalt müssen in DFG-Anträgen nicht angegeben werden. Diese Vorgabe gilt nicht automatisch für Hochschulprüfungen. DFG-Information. ↩
8. Walters, William H.; Wilder, Esther I.: „Fabrication and errors in the bibliographic citations generated by ChatGPT“, Scientific Reports 13 (2023), Artikel 14045. DOI: 10.1038/s41598-023-41032-5. ↩
9. Hochschulforum Digitalisierung, Leitlinien-Check 2026, Kapitel Datenschutz und Urheberrecht: Die untersuchten Leitlinien warnen nahezu durchgehend vor der Eingabe personenbezogener, vertraulicher oder geschützter Inhalte in nicht kontrollierte KI-Systeme. PDF. ↩
10. Universität Hamburg, Fakultät für Erziehungswissenschaft: Hinweise zur Dokumentation von KI-Nutzung, einschließlich kompakter und prozessbezogener Dokumentationsformen sowie des Hinweises, dass KI-Ausgaben grundsätzlich keine wissenschaftlichen Quellen ersetzen. Dokumentationshilfe. ↩ ↩
11. Deutsche Forschungsgemeinschaft: Stellungnahme und aktuelle Informationen zum Umgang mit generativen Modellen. Die DFG betont die Verantwortung des Menschen sowie Datenschutz, Vertraulichkeit, geistiges Eigentum und gute wissenschaftliche Praxis. DFG-Stellungnahme 2023 und aktuelle DFG-FAQ 2026. ↩
12. Verwaltungsgericht Kassel, Urteile vom 25. Februar 2026, Az. 7 K 2134/24.KS und 7 K 2515/25.KS; zusammengefasst in der Pressemitteilung vom 26. März 2026. Die Universität hatte in beiden Fällen besonders schwere Täuschung angenommen und die Wiederholung ausgeschlossen; das Gericht bestätigte dies. Die Urteile waren laut Pressemitteilung noch nicht rechtskräftig. Pressemitteilung und Entscheidungsgründe in Zusammenfassung. ↩ ↩
13. Gesetz über die Hochschulen des Landes Nordrhein-Westfalen, § 63 Abs. 5 HG NRW in der zum Recherchezeitpunkt abrufbaren Fassung: Regelungen zu Täuschung, Ordnungswidrigkeit, Bußgeldrahmen und möglichen Folgen schwerer beziehungsweise wiederholter Verstöße. Amtlicher Gesetzestext. ↩
14. Verwaltungsgericht Kassel, Pressemitteilung vom 26. März 2026: In einem Verfahren wurden unter anderem die Diskrepanz zwischen schriftlichem und mündlichem Kenntnisstand, wiederholende Formulierungen, dokumentierte Verständnisschwierigkeiten und der zeitliche Arbeitsverlauf in einer Gesamtschau gewürdigt. Pressemitteilung. ↩
15. Hadra, Mohammad; Cambridge, Karleen; Mesbah, Mostefa: „Evaluating the accuracy and reliability of AI content detectors in academic contexts“, International Journal for Educational Integrity 22 (2026), Artikel 4. DOI: 10.1007/s40979-026-00213-1. ↩
16. Weber-Wulff, Debora et al.: „Testing of detection tools for AI-generated text“, International Journal for Educational Integrity 19 (2023), Artikel 26. DOI: 10.1007/s40979-023-00146-z. ↩
17. Liang, Weixin et al.: „GPT detectors are biased against non-native English writers“, Patterns 4 (2023), 100779. DOI: 10.1016/j.patter.2023.100779. Die Ergebnisse betreffen englischsprachige Texte und die damals getesteten Systeme. ↩
18. Universität Köln, FAQ zum KI-Einsatz in Prüfungen: Detektorresultate werden wegen ihrer Fehleranfälligkeit nicht als allein ausreichender Beweis eingeordnet; zusätzliche Umstände und eine Gesamtbewertung sind erforderlich. FAQ. ↩

Quellenübersicht

Offizielle Regeln, Gerichts- und Hochschulquellen

• Deutsche Forschungsgemeinschaft: KI in der Antragstellung, aktualisiert 2026.
• Deutsche Forschungsgemeinschaft: Leitlinien für den Umgang mit generativen Modellen, 2023.
• Verwaltungsgericht Kassel: Umgang mit KI bei studentischen Prüfungsleistungen, Pressemitteilung vom 26. März 2026.
• Land Nordrhein-Westfalen: Hochschulgesetz NRW, § 63.
• Universität Köln: FAQ zu KI und Prüfungsleistungen, aktualisiert 2026.
• Universität Hamburg, Fachbereich Sozialwissenschaften: Generative KI und Prüfungen.
• Universität Hamburg, Fakultät für Erziehungswissenschaft: Dokumentation von KI-Nutzung.
• Universität Münster, Fachbereich Erziehungswissenschaft und Sozialwissenschaften: Hinweise zum Umgang mit KI.

Hochschul- und Nutzungsstudien

• Tobor, Jens; Westermann, Anja; Leifeld, Johanna; Becker, Sarah; Lüthi, Riccarda: Leitlinien-Check 2026. Ein Update zu generativer KI an Hochschulen, Hochschulforum Digitalisierung, 2026.
• CHE Centrum für Hochschulentwicklung: DatenCHECK 6/2025 zur KI-Nutzung im Studium.

Wissenschaftliche Fachliteratur

• Hadra, Mohammad; Cambridge, Karleen; Mesbah, Mostefa: „Evaluating the accuracy and reliability of AI content detectors in academic contexts“, International Journal for Educational Integrity 22 (2026), Artikel 4. DOI.
• Liang, Weixin et al.: „GPT detectors are biased against non-native English writers“, Patterns 4 (2023), 100779. DOI.
• Schulze Heuling, Dagmar et al.: „Generative KI und (politik)wissenschaftliches Schreiben: Herausforderung für die Lehre und darüber hinaus“, Politische Vierteljahresschrift 66 (2025), S. 913–940. DOI.
• Walters, William H.; Wilder, Esther I.: „Fabrication and errors in the bibliographic citations generated by ChatGPT“, Scientific Reports 13 (2023), 14045. DOI.
• Weber-Wulff, Debora et al.: „Testing of detection tools for AI-generated text“, International Journal for Educational Integrity 19 (2023), Artikel 26. DOI.
• Frisch, Katrin; Hagenström, Felix; Reeg, Nele: „Textgenerierende KI und gute wissenschaftliche Praxis“, Zeitschrift für Bibliothekswesen und Bibliographie 70 (2023), S. 326–336. DOI.