Turnitin unter Druck: Warum immer mehr Universitäten die KI-Erkennung abschalten

Turnitin ist seit Jahren das Standardwerkzeug für Plagiatserkennung an Hochschulen weltweit. Als das Unternehmen 2023 eine KI-Erkennungsfunktion einführte, schien das Problem gelöst: Eine Software, die automatisch erkennt, ob ein Text von ChatGPT oder einem Menschen stammt. Doch drei Jahre später zeigt sich ein anderes Bild. Mindestens zwölf renommierte Universitäten haben diese Funktion wieder abgeschaltet. Yale, Vanderbilt, Johns Hopkins, Northwestern und zuletzt die australische Curtin University: Sie alle sind zu dem Schluss gekommen, dass die KI-Erkennung mehr Probleme schafft, als sie löst.

Der Wendepunkt: Vanderbilts Rechnung

Der Wendepunkt kam im August 2023 an der Vanderbilt University. Nach mehreren Monaten intensiver Tests und Gesprächen mit Turnitin und anderen KI-Forschern zog die Universität die Reißleine. Die Begründung war ungewöhnlich konkret: Turnitin behauptete eine False-Positive-Rate von unter einem Prozent. Die Verantwortlichen an Vanderbilt machten eine einfache Rechnung auf. Bei 75.000 geprüften Arbeiten pro Semester bedeutet selbst ein Prozent, dass rund 750 Studierende fälschlicherweise beschuldigt werden. 750 Menschen, die sich gegen einen Vorwurf verteidigen müssen, den ein Algorithmus erhoben hat (Quelle: Vanderbilt University, Brightspace Support).

Vanderbilts Fazit war deutlich: KI-Erkennung sei eine „sehr schwierige Aufgabe für Technologie, wenn sie überhaupt lösbar ist", und werde mit der Weiterentwicklung von KI-Modellen nur noch schwieriger. Die Universität schaltete die Funktion ab und empfahl Lehrenden, sich nicht auf automatisierte Erkennung zu verlassen.

Die Liste wird länger

Vanderbilt war nicht allein. In den folgenden Monaten folgten weitere Ivy-League-Universitäten und Forschungseinrichtungen. Johns Hopkins deaktivierte Turnitins KI-Erkennung nach Berichten über Fehlalarme und den damit verbundenen Ängsten, Studierende zu Unrecht des akademischen Fehlverhaltens zu beschuldigen. Die Teaching-Abteilung der Universität formulierte es so: Man könne das Tool nicht als „effektives Instrument" empfehlen (Quelle: Johns Hopkins Teaching).

Auch Yale, Northwestern, die University of Waterloo und UC San Diego schlossen sich an. Die Gründe ähnelten sich überall: unzuverlässige Ergebnisse, fehlende Transparenz und die Sorge, bestimmte Studierendengruppen systematisch zu benachteiligen.

Januar 2026: Curtin University macht den nächsten Schritt

Der jüngste und vielleicht sichtbarste Fall ist die Curtin University in Australien. Zum 1. Januar 2026 hat die Hochschule Turnitins KI-Erkennungsfunktion campusweit abgeschaltet. Die Entscheidung gilt für alle Standorte und Studienperioden. Turnitin selbst bleibt als Text-Matching-Tool aktiv, nur die KI-Erkennung wurde deaktiviert (Quelle: Curtin University, offizielle Mitteilung).

Curtins Academic Board nannte mehrere Gründe: Bedenken zur Zuverlässigkeit, Fairness-Probleme durch höhere Fehlalarmraten bei bestimmten Studierendengruppen und den Wunsch, den Fokus von Überwachung auf Bildung zu verlagern. Die Universität betonte, dass die Maßnahme „Vertrauen und Klarheit in der Bewertung stärken" solle. Es gehe darum, eine „moderne akademische Kultur" zu schaffen, in der Prüfungen „sicher, fair, relevant und zukunftsfähig" sind.

Dr. Mark A. Bassett von der Charles Sturt University kommentierte die Entscheidung auf LinkedIn: „Kudos an Curtin University, dass sie sich der wachsenden Liste von Einrichtungen anschließen, die diese zutiefst fehlerhafte Technologie aufgeben."

Die drei Kernprobleme der KI-Erkennung

Warum stellen sich so viele Hochschulen gegen ein Tool, das ihnen eigentlich helfen soll? Die Kritik konzentriert sich auf drei zentrale Punkte.

1. False Positives und Unzuverlässigkeit

KI-Detektoren analysieren statistische Muster in Texten. Sie messen, wie vorhersagbar Wortwahl und Satzstruktur sind. Das Problem: Nicht jeder vorhersagbare Text stammt von einer Maschine. Akademische Texte folgen Konventionen. Fachsprache ist per Definition formelhaft. Wer sauber wissenschaftlich schreibt, produziert genau die Muster, die ein Detektor als verdächtig einstuft.

Turnitin selbst räumt ein, absichtlich 15 Prozent der tatsächlich KI-generierten Texte durchzulassen, um die False-Positive-Rate unter einem Prozent zu halten. Doch selbst dieses vorsichtige Kalibrieren funktioniert in der Praxis nicht zuverlässig. Unabhängige Tests zeigen reale Genauigkeitsraten von 70 bis 80 Prozent bei echten Studierendenarbeiten (Quelle: WalterWrites, 2026).

2. Diskriminierung von Nicht-Muttersprachlern

Hier liegt das vielleicht gravierendste Problem. Eine vielzitierte Studie der Stanford University zeigte, dass KI-Detektoren 61 Prozent der TOEFL-Aufsätze von Nicht-Muttersprachlern fälschlicherweise als KI-generiert einstuften. Zum Vergleich: Bei Texten von US-amerikanischen Achtklässlern waren die Detektoren „nahezu perfekt". 97 Prozent der 91 getesteten TOEFL-Aufsätze wurden von mindestens einem der sieben getesteten Tools markiert (Quelle: Stanford HAI).

Der Grund ist technischer Natur: Die Detektoren messen Perplexität, also wie unvorhersehbar ein Text ist. Nicht-Muttersprachler verwenden tendenziell einfachere Satzstrukturen und häufigere Wörter. Genau das tut auch ChatGPT. Die Software kann beides nicht unterscheiden.

3. Fehlende Transparenz

Turnitin verrät nicht, wie genau sein Algorithmus KI-generierte Texte identifiziert. Die Aussage beschränkt sich darauf, dass das Tool „Muster erkennt, die typisch für KI-Schreiben sind". Welche Muster das sind, bleibt unklar. Für Studierende bedeutet das: Sie werden von einem System bewertet, dessen Funktionsweise sie nicht nachvollziehen können. Und wenn sie sich verteidigen müssen, kämpfen sie gegen eine Blackbox.

Und die deutschen Hochschulen?

In Deutschland ist Turnitin weniger verbreitet als im angloamerikanischen Raum. Viele Hochschulen setzen auf europäische Anbieter wie PlagAware oder Docoloc. Dennoch gibt es klare Signale, dass die Skepsis gegenüber KI-Detektoren auch hierzulande wächst.

Die Freie Universität Berlin formulierte in ihren offiziellen FAQ zur Plagiatserkennung eine bemerkenswert deutliche Position: Aktuelle KI-Erkennungsalgorithmen seien „unzuverlässig und werden das sehr wahrscheinlich auch bleiben". Eine Aussage, die man von einer der renommiertesten deutschen Universitäten so nicht erwartet hätte.

Andere Hochschulen verfolgen einen differenzierteren Ansatz. Die Euro-FH etwa setzt KI-Detektoren nicht als Beweismittel ein, sondern als einen von mehreren Hinweisen in einem breiteren Bewertungsprozess. Die TU Darmstadt unterscheidet nach Prüfungsformat: Bei beaufsichtigten Klausuren ohne Internetzugang ist KI-Erkennung irrelevant, bei Hausarbeiten wird sie als ergänzender Hinweis gewertet (Quelle: TU Darmstadt, EinfachLehren).

Fest steht: Die Entscheidungen von Yale, Vanderbilt und Curtin werden auch in Deutschland registriert. Die KI-Richtlinien vieler deutscher Hochschulen sind noch jung und werden regelmäßig überarbeitet. Der internationale Trend hin zu weniger Vertrauen in automatisierte KI-Erkennung dürfte diese Überarbeitungen beeinflussen.

Was tritt an die Stelle der KI-Erkennung?

Keine der Universitäten, die die KI-Erkennung abgeschaltet haben, sagt: „KI-Betrug ist uns egal." Im Gegenteil. Sie argumentieren, dass bessere Methoden existieren. Die wichtigsten Alternativen sind:

Erstens: Veränderte Prüfungsformate. Mündliche Verteidigungen, Prozessportfolios und Reflexionsgespräche prüfen das Verständnis hinter einer Arbeit, nicht nur das Endprodukt. Mehr dazu in unserem Artikel über Prüfungen im KI-Zeitalter.

Zweitens: Dokumentation des Arbeitsprozesses. Studierende reichen Entwürfe, Recherche-Protokolle und Überarbeitungsschritte ein. Wer seine Arbeit tatsächlich selbst geschrieben hat, kann das belegen.

Drittens: Gesprächsbasierte Bewertung. Lehrende sprechen mit Studierenden über ihre Arbeiten, stellen Vertiefungsfragen und bewerten, ob jemand die Materie durchdrungen hat. Das kostet Zeit, ist aber deutlich aussagekräftiger als ein Algorithmus.

Viertens: Klare Regeln statt Überwachung. Statt KI-Nutzung heimlich zu detektieren, definieren Universitäten transparent, wann und wie KI-Tools erlaubt sind. Curtin beispielsweise verweist Studierende auf Curtin Grammarly und die Authorship-Funktion als unterstützende Werkzeuge.

Was Turnitin selbst sagt

Turnitin hat auf die wachsende Kritik reagiert. Im August 2025 führte das Unternehmen eine neue Erkennungskategorie ein: „KI-generierter Text, der durch KI paraphrasiert wurde". Damit reagiert Turnitin direkt auf Humanizer-Tools, die KI-Texte umschreiben, um Detektoren zu umgehen.

Eine Einschränkung ist dabei wesentlich: Diese erweiterte Erkennung funktioniert bisher nur für englische Texte. Für den deutschsprachigen akademischen Betrieb bietet sie keinen Mehrwert. Turnitin hat außerdem angekündigt, die False-Positive-Rate weiter senken zu wollen und arbeitet an detaillierteren Berichten, die Lehrenden mehr Kontext liefern sollen.

Ob das reicht, um verlorenes Vertrauen zurückzugewinnen, bleibt offen. Die Grundsatzfrage, ob algorithmische KI-Erkennung in der akademischen Bewertung überhaupt einen fairen Platz haben kann, beantwortet auch ein verbesserter Algorithmus nicht.

Was das für dich als Studierende oder Studierenden bedeutet

Die Debatte um Turnitins KI-Erkennung betrifft dich direkt, unabhängig davon, ob du KI nutzt oder nicht.

Informiere dich, ob deine Hochschule KI-Erkennung einsetzt. Die KI-Regelungen an deutschen Universitäten sind uneinheitlich. Was an einer Uni erlaubt ist, kann an einer anderen als Täuschungsversuch gelten.

Dokumentiere deinen Arbeitsprozess. Entwürfe, Notizen, Literaturrecherchen und Überarbeitungsversionen helfen dir, deine Eigenleistung zu belegen, falls ein Detektor Fehlalarm auslöst. Eine Studentin in Deutschland musste 15 Seiten Beweismaterial zusammentragen, um sich gegen eine falsche KI-Erkennung zu wehren. Vorsorge ist einfacher als Nacharbeit.

Nutze einen KI-Scan vor der Abgabe. So siehst du, welche Passagen ein Detektor als auffällig einstufen könnte. Unser KI Scan ist auf deutsche Texte optimiert und zeigt dir, wo mögliche Probleme liegen.

Kenne deine Rechte. Ein KI-Erkennungsergebnis ist kein Beweis. Es ist eine statistische Schätzung. Wenn du zu Unrecht beschuldigt wirst, solltest du das Gespräch mit dem Prüfungsausschuss suchen und auf die dokumentierten Schwächen der Technologie verweisen.

Häufige Fragen