Zwei Geschichten aus diesem Frühjahr erzählen aus entgegengesetzten Richtungen dieselbe Geschichte. Ein Gericht im US-Bundesstaat New York hat den KI-Plagiatsvorwurf einer Universität aufgehoben und die Löschung des Eintrags angeordnet - Software für KI-Erkennung hat hier versagt. Ein graduierender Stanford-Absolvent hat in der renommiertesten Zeitung der USA einen Nachruf darauf veröffentlicht, was ein Hochschulabschluss eigentlich noch bedeutet. Beide Geschichten zeigen auf dieselbe Wurzel — und auf dieselbe Antwort.

Was uns ein Stanford-Absolvent sagt

In seinem Essay What A.I. Did to My College Class vom 17. Mai 2026 in der New York Times dokumentiert Theo Baker — Absolvent der Stanford University und mit dem Polk Award ausgezeichneter Journalist — das, was den meisten in der Hochschulbildung längst bekannt ist. Täuschung ist allgegenwärtig. Er kenne, schreibt er, keine einzige Person in seinem Jahrgang, die nicht in irgendeiner Aufgabe KI eingesetzt habe. Er beschreibt Studierende, die Erklärungen unterschreiben mit dem Inhalt „Ich habe ChatGPT nicht verwendet" — während ChatGPT im Nachbarfenster geöffnet ist. Eine Umfrage auf dem Campus ergab: 49 Prozent der Informatik-Studierenden würden lieber bei einer Prüfung betrügen als durchfallen. Im April 2026 kehrten beaufsichtigte handschriftliche Klausuren zurück — eine Praxis, die Stanford seit über einem Jahrhundert abgeschafft hatte. Es ist die einzige Antwort, die der Institution geblieben ist.

Der Essay endet mit fünf Worten, die wie ein Nachruf klingen: „For us, this was college." — „Das war für uns Studium."

Was Baker nicht anbietet — und das ist keine Kritik; er ist Journalist, kein Anbieter — ist ein Weg nach vorn. Er diagnostiziert. Er verschreibt nicht. Das wollen wir tun.

Was das Adelphi-Urteil uns sagt

Am 28. Januar 2026 erließ eine Richterin am Obersten Gerichtshof des US-Bundesstaates New York eine Entscheidung im Verfahren Matter of Newby v. Adelphi University, die in jeder Hochschul-Rechtsabteilung Pflichtlektüre sein sollte. Orion Newby, Erstsemester mit dokumentierten Lernunterschieden, war wegen akademischen Fehlverhaltens schuldig gesprochen worden — auf Grundlage eines einzigen Turnitin-Ergebnisses, das seine Hausarbeit zu 100 Prozent als KI-generiert kennzeichnete. Zwei weitere Detektoren stuften denselben Text als von einem Menschen geschrieben ein. Adelphi weigerte sich, diese entlastenden Befunde zu berücksichtigen. Dieselbe Verwaltungsperson, die die ursprüngliche Entscheidung getroffen hatte, verhandelte auch den Widerspruch. Das Gericht hob den Schuldspruch auf.

Die operative Konsequenz ist eindeutig: Detektor-Ergebnisse allein sind keine haltbare Grundlage für eine Sanktion mehr. Ähnliche Verfahren laufen derzeit gegen die Universitäten Yale, Minnesota und Michigan. Der finale Beschluss der US-Wettbewerbsbehörde FTC vom August 2025 gegen den Detektor-Anbieter Workado — vermarktet mit 98 Prozent Genauigkeit, in unabhängigen Tests bei 53 Prozent gemessen — ist ein paralleles Signal vom Verbraucherschutz.

Die gemeinsame Wurzel - wo KI-Detektion versagt

Das Modell, das Hochschulen seit einem Vierteljahrhundert für akademische Integrität nutzen, ist strukturell einfach: Studierende reichen ein Werk ein, ein Werkzeug erzeugt einen Wahrscheinlichkeitswert, der Wert wird zum Fall. Das funktionierte, solange der einzige Weg zu fremdem Text das Kopieren von irgendwoher war. Generative KI nimmt diesen Bezugspunkt weg. Der Text ist original. Und er stammt oft trotzdem nicht von der oder dem Studierenden.

Was die Detektion ablöst, ist nicht bessere Detektion. Es ist eine andere Frage. Statt im Nachhinein zu fragen „Ist dieses Werk verdächtig?", lautet die Frage: „Haben wir Belege jenseits des Werkes selbst dafür, dass diese Person diese Arbeit tatsächlich geleistet hat?"

Das Beleg-Prinzip

Wir schlagen einen Namen für das vor, was als Nächstes kommt: das Beleg-Prinzip. Eine Feststellung akademischen Fehlverhaltens darf sich nicht auf das Ergebnis eines einzelnen Werkzeugs stützen. Sie muss durch unabhängige Belege aus mindestens einer der folgenden drei Kategorien gestützt werden:

• Schreibprozess-Nachweise — ein verifizierbarer Datensatz dazu, wie das Werk entstanden ist, erzeugt mit Wissen und Einverständnis der oder des Studierenden.
• Gesprächs-Nachweise — eine mündliche Verteidigung oder ein strukturiertes Fachgespräch, in dem die Studierenden substanzielle Vertrautheit mit dem Werk zeigen.
• Kontext-Nachweise — Quellen, Notizen, Entwürfe oder verwandte Studienleistungen, die die Urheberschaft bestätigen.

Detektor-Ausgaben werden — wo überhaupt verwendet — zu einem Input unter mehreren. Sie können eine Arbeit für genauere Prüfung markieren. Sie können allein keine Sanktion tragen.

Daraus folgen drei Konsequenzen. Das rechtliche Risiko, das Newby offengelegt hat, verschwindet. Das Glaubwürdigkeitsproblem, das Baker beschreibt, beginnt sich umzukehren — Abschlüsse tragen wieder Information, weil der Beweismaßstab höher ist, nicht weil die Überwachung größer geworden wäre. Und entscheidend: Das Beleg-Prinzip verlangt von Hochschulen keine Positionierung dazu, ob KI verwendet werden darf. Studierende, die KI umfangreich, transparent und als dokumentierte Mitarbeiterin einsetzen, bestehen ihn. Studierende, die vorgeben, etwas allein geschrieben zu haben, was sie tatsächlich nicht allein geschrieben haben, bestehen ihn nicht.

Was Sie am Montagmorgen tun können

1. Prüfen Sie Ihre aktuelle Richtlinie auf Adelphi-Anfälligkeit. Drei Schwachstellen, auf die Sie achten sollten: Detektor-Ergebnisse als Hauptbeweis; Widersprüche, die von der ursprünglichen Entscheidungsperson selbst verhandelt werden; vage Verfahrensrechte. Treffen zwei dieser Schwachstellen zusammen, haben Sie das Newby-Muster vor sich.
2. Behandeln Sie Detektor-Ergebnisse nicht mehr als Urteil. Ein Absatz in der geltenden Handlungsanleitung reicht: Detektor-Werte sind Anlass zur weiteren Prüfung, keine Feststellungen.
3. Übernehmen Sie das Beleg-Prinzip formal. Aktualisieren Sie Ihre Integritätsrichtlinie so, dass keine Sanktion allein auf Detektor-Technologie beruhen darf — und definieren Sie die drei Beweiskategorien.
4. Ergänzen Sie Ihre Modulhandbücher um eine Anfechtungs-Klausel. Geben Sie Studierenden einen schriftlich festgelegten Weg, ihre Urheberschaft zu belegen — Entwürfe, Versionsverlauf, mündliche Verteidigung oder Schreibprozess-Nachweise — und sichern Sie zu, diesen Weg zu respektieren.
5. Starten Sie ein Pilotprojekt. Eine Lehrveranstaltung, ein Semester, freiwillige Schreibprozess-Dokumentation. Messen Sie, was passiert. Hochschulen, die das bereits tun, berichten von etwas, das in keinem Richtliniendokument auftaucht: Studierende mögen es, ihre Arbeit zeigen zu können.
6. Kommunizieren Sie öffentlich. Eine Hochschule, die klar sagen kann — gegenüber Studieninteressierten, Alumni und der Presse — „Wir stützen uns nicht mehr auf KI-Detektoren als alleinigen Beweis, und unsere Studierenden können ihre Urheberschaft freiwillig mit einem verifizierbaren Nachweis belegen" — eine solche Hochschule verliert das Narrativ nicht mehr.

Eine Einladung, keine Predigt

Theo Bakers Essay endet mit „For us, this was college." Es ist ein wahrer Satz und ein trauriger, und er verdient eine Antwort. Unsere lautet: Das System, dessen Scheitern Baker beobachtet hat, ist nicht das einzig verfügbare. Die Studierenden, die in diesem Herbst auf den Campus kommen, müssen die Resignation nicht erben, die seinen Jahrgang geprägt hat. Es gibt einen anderen Weg. Er existiert. Er funktioniert. Es ist keine Zukunft, auf die wir warten — es ist eine Entscheidung für nächsten Montag.

Wir möchten Sie einladen, sie zu treffen.

---

Weiterlesen auf Mentafy

• Zu Unrecht der KI-Nutzung beschuldigt? Der Beweis-Leitfaden für Studierende
• Warum Plagiatsprüfer nicht mehr ausreichen
• Transparenz im Zeitalter der KI: Ein ganzheitlicher Ansatz