Das Beleg-Prinzip beruht auf einem einfachen Grundsatz: Kein Integritätsbefund sollte sich auf das Ergebnis eines einzigen Werkzeugs stützen. Prozessevidenz – also die Aufzeichnung, wie ein Text tatsächlich entstanden ist – ist das stärkste Signal, das wir haben. Ist diese Aufzeichnung reichhaltig, kann sie überzeugend zeigen, ob eine Passage durch einen echten Schreibprozess gewachsen oder unverändert eingefügt worden ist.

Doch Prozessdaten sind nicht immer ausreichend oder überhaupt vorhanden. Mal schreibt jemand offline, mal wird nur ein PDF abgegeben. In solchen Fällen bietet unsere Engine eine Vielzal von Analysen, die am fertigen Text möglich sind: Sie hebt die Passagen hervor, die kopiert oder extern erzeugt wirken – und sagt klar, dass dies Indizien sind, kein Beweis. Ein Befund ist kein Urteil. Damit bleibt eine echte Frage offen: Eine Passage ist markiert, das Signal ist verdächtig, aber nicht eindeutig. Was nun?

Der Goldstandard, der nicht skaliert

Die Antwort, der die akademische Welt seit Generationen vertraut, ist die mündliche Verteidigung. Man setzt sich mit der studierenden Person zusammen, lässt sie die eigene Arbeit erklären – und die Urheberschaft wird binnen Minuten offenkundig. Es ist die eine Form von Nachweis, die eine generative KI nicht stellvertretend fälschen kann. Das Schreiben lässt sich auslagern, das Verstehen nicht.

Das Problem ist rein praktischer Natur. Eine vollständige mündliche Prüfung für jede fragwürdige Einreichung ist teuer, langsam und schwer einheitlich zu halten. Kaum eine Einrichtung kann sie in diesem Umfang durchführen, und so bleibt die markierte Passage in der Praxis meist einfach liegen – ungeklärt. Das beste Instrument, das wir haben, ist genau jenes, das wir uns fast nie leisten können.

Fünf Fragen statt fünfzig

Und hier kippt die Rechnung. Man muss nicht die ganze Arbeit erneut prüfen. Unsere Engine zeigt bereits genau, welche Passagen verdächtig sind – und warum. Das heißt: Die mündliche Rückfrage muss kein breites, offenes Verhör mehr sein. Sie lässt sich auf genau die fraglichen Sätze und Absätze verengen. Statt fünfzig Fragen zur ganzen Arbeit stellt man fünf zu den drei Absätzen, auf die es ankommt. Der Aufwand für die Studierenden sinkt, der Aufwand für die Prüfperson sinkt – und das Gespräch kommt sofort zur Sache.

Genau hier wird unsere Erprobung mit Screeners AI relevant. Screener AI ist eine dialogbasierte Prüfungsplattform, die zweiseitige, KI-geführte mündliche Assessments in Echtzeit durchführt. Ihr menschenähnlicher KI-Interviewer kann zugeschnittene Fragen entwickeln, bei unklaren Antworten gezielt nachfragen, mehrere Sprachen unterstützen und strukturierte Auswertungsprotokolle liefern. Auf die akademische Integrität übertragen, ermöglicht das eine fokussierte mündliche Rückfrage: Studierende erläutern – zeitlich flexibel – genau die von unserer Engine markierten Passagen, während die Prüfenden einen sauberen, strukturierten Bericht zur Durchsicht erhalten.

Mündliche Verteidigung fair gestaltet – und am Ende entscheidet ein Mensch

Die Kombination ist mehr als bequem – sie ist fairer. Alle Studierenden erhalten dieselbe fokussierte, strukturierte Gelegenheit, ihre Urheberschaft zu belegen, statt einer spontanen Konfrontation, die davon abhängt, wer gerade im Raum sitzt. Wer die Arbeit selbst verfasst hat, ist in Minuten entlastet. Wer die „eigenen" Sätze nicht erklären kann, zeigt das ebenso schnell. Und niemand muss zuerst einen Vorwurf erheben.

Und eine Grenze überschreiten wir nicht: Die Maschine fällt nicht das Urteil. Unsere Engine markiert die Auffälligkeiten in den Passagen. Die Technologie von Screener AI strukturiert und skaliert das Gespräch darüber. Die Prüfperson – ein Mensch – wägt die Antworten ab und entscheidet. Genau so wirkt das Beleg-Prinzip wie vorgesehen: Prozessevidenz und Gesprächsevidenz nebeneinander, das Urteil bleibt beim Menschen. Die gezielte Rückfrage ist die letzte Stufe in diesem Aufbau – nicht, weil sie schwach wäre, sondern weil man sie nur dann braucht, wenn die schwächeren Signale eine echte Frage offenlassen.

Generative KI hat es leichter gemacht, einen Text zu verschleiern. Sie hat es nicht leicht gemacht, das Verständnis eines Textes vorzutäuschen. Die mündliche Prüfung wusste das immer schon. Was bisher fehlte, war ein Weg, diese Prüfung klein genug, schnell genug und fair genug zu machen, um sie im großen Maßstab einzusetzen – und genau dorthin führt es, sie nur auf die Passagen zu richten, auf die es ankommt.

---

Weiterlesen auf Mentafy

• Nach Adelphi: Warum KI-Erkennung allein nicht die Antwort ist – woher das Beleg-Prinzip stammt.
• Para-Plagiate: Warum die teuerste Plagiatssoftware sie übersieht – die Prozess- und Quellen-Ebene, die die Passagen überhaupt erst markiert.