Gemeinsamer Beitrag mit Dr. Monika Oertner, Konstanzer Schreibdidaktikerin und Hochschuldozentin. Die hier gezeigten S³-Ergebnisse stammen aus Prüfläufen von Mentafy, basierend auf einer Fallstudie von Oertner. Sie zeigte sich positiv überrascht von den Ergebnissen aus Köln.
Seit gut zwei Jahren kursiert in Prüfungsausschüssen ein Satz, der klingt wie ein endgültiges Urteil: In Zeiten frei verfügbarer KI sei die unbeaufsichtigte Schreibaufgabe nicht mehr zu retten. Man lasse den Aufsatz einmal per KI umformulieren, und keine Plagiatssoftware der Welt könne das so entstandene Para(-phrasierte)-Plagiat noch aufspüren. Der erste Teil dieses Satzes stimmt. Der zweite, das ist die These dieses Beitrags, stimmt nicht mehr.
Seit ChatGPT (Ende 2022) für die breite Masse verfügbar ist, ist die KI-Nutzung unter britischen Studierenden laut HEPI/Kortext von 66 % (2024) über 92 % (2025) auf 95 % (2026) gestiegen; Paraphrasier-Tools wie QuillBot werden massenhaft eingesetzt, um Texte detektionssicher umzuschreiben. Warum ist das Para-Plagiat zwischenzeitlich so weit verbreitet? Eine ganze Arbeit komplett zu generieren, fällt einer KI auch 2026 noch sehr schwer. Über viele Seiten hinweg ein gutes Niveau zu halten und eine schlüssige Argumentation vorzulegen, gelingt selbst „Deep Research"-Werkzeugen nur sehr bedingt. Eine bereits positiv bewertete Arbeit zu nehmen und sie durchparaphrasieren zu lassen, ist dagegen einfach, unauffällig und qualitativ weniger risikoreich. Genau deshalb ist „copy, shake, paste" so attraktiv. Neu ist das Muster nicht. Schon das Hin- und Herübersetzen war ein ähnlicher Trick, der die Detektionswerkzeuge aushebelte. Generative KI macht den Vorgang des Para-Plagiierens nun gänzlich mühelos.
Wir zeigen in diesem Beitrag ein Beispiel für ein Para-Plagiat, das Sie in zwei Minuten selbst nachvollziehen können. Es basiert auf der Arbeit einer Schreibberaterin, die das Problem schon vor uns präzise dokumentiert hat.
Was Turnitin nach einem einzigen ChatGPT-Durchgang nicht mehr sieht
Dr. Monika Oertner berät an der HTWG Konstanz seit 2011 Studierende beim wissenschaftlichen Schreiben. 2025 führte sie, angeregt von einer journalistischen Recherche von Spektrum der Wissenschaft, eine kleine, aber messerscharfe Untersuchung durch. Sie nahm eine Definition aus Wikipedia, ließ sie von ChatGPT mehrfach paraphrasieren und prüfte jede Fassung mit Turnitin, dem führenden und zugleich teuersten Anbieter am Markt. Das Ergebnis: Das unveränderte Original von Wikipedia wurde als Plagiat erkannt, mit 86 % Übereinstimmung. Nach einem einzigen Paraphrasier-Durchgang fiel der Wert jedoch auf 0 %: „Keine Übereinstimmungen gefunden."
Oertners Fazit (zum Zeitpunkt ihrer Studie):
„Plagiatsdetektion ist in Zeiten generativer KI ein Anachronismus. Wissenschaftlichem und akademischem Betrug ist mit technischen Mitteln nicht mehr beizukommen. Wer KI-gestützt plagiiert, lernt dabei nichts und trägt nichts zum Erkenntnisfortschritt der Menschheit bei. Überführt werden kann er mittels Plagiatssoftware jedoch nicht. Ein Appell an die Redlichkeit und Verantwortlichkeit der Akteure ist alles, was den Hochschulen bleibt."
Sie hat recht – für die klassischen Methoden. Die zeichenbasierte Plagiatsprüfung, wie Turnitin sie im Kern betreibt, vergleicht die Abfolge der Buchstaben im Text. Ändert man die Wörter, verschwindet die Spur, obwohl die Tat, die Aneignung fremden Gedankenguts, dieselbe bleibt. Genau dies ist die neue Verschleierungsmethode, die herkömmliche Plagiatskontrollen unbrauchbar und aus Oertners Sicht zum „Anachronismus“ macht.
Aber dieses Verdikt gilt nur für eine bestimmte Art von Werkzeugen. Und hier setzen wir an. Wie, erklären wir weiter unten.
Der Verschleierungstrick, Schritt für Schritt
Das Beunruhigende an der Sache ist, wie banal sie ist. Man braucht keine Spezialsoftware, keinen Text-Spinner, nichts dergleichen – nur einen einzigen Befehl an ChatGPT. Hier ist der Ausgangspunkt, das Plagiat aus Wikipedia. Die Quellenverweise, die in der Internetenzyklopädie als Fußnoten stehen, wurden bei der Übernahme in Klammern eingefügt.
Schritt 0 — Das Original (Wikipedia, Stichwort „Retrieval-Augmented Generation"):
„Unter Retrieval-Augmented Generation (RAG) versteht man ein Softwaresystem, welches Information Retrieval mit einem Large Language Model kombiniert. Eine Abfrage, welche an das System gestellt wird, kann hierbei auf Informationen aus (externen) Informationsquellen, Datenbanken oder dem World Wide Web zugreifen statt nur auf die Trainingsdaten des Modells (vgl. Manning/Raghavan/Schütze 2009; Graininger/Trunbull/Irwin 2024). […]"
→ Turnitin: "86 %" – Ähnlichkeit, Quelle erkannt.
→ Mentafy: "88 %" – Ähnlichkeit, Quelle erkannt.
Schritt 1 — Der Prompt:
„Paraphrasiere den folgenden Text unter Beibehaltung der Fachbegriffe und der Quellenangaben. Ändere vor allem den Satzbau und das übrige Vokabular: [Text von Schritt 0]"
Das Ergebnis von ChatGPT:
„Retrieval-Augmented Generation (RAG) bezeichnet ein Softwaresystem, das Verfahren des Information Retrieval mit den Fähigkeiten eines Large Language Models verknüpft. Anfragen, die an ein solches System gerichtet werden, können nicht nur auf die Trainingsdaten des Modells zurückgreifen, sondern zusätzlich Informationen aus externen Quellen, Datenbanken oder dem World Wide Web einbeziehen (vgl. Manning/Raghavan/Schütze 2009; Graininger/Trunbull/Irwin 2024). […]"
Derselbe Inhalt, dieselben Quellen, dieselben Fachbegriffe aber kaum noch ein wörtlich übereinstimmender Satz. Es liest sich wie sauber gearbeitet, vermeintlich ein Ergebnis sorgfältiger Recherche und der Auswertung wissenschaftlicher Quellen.
Die beiden Urteile:
→ Turnitin: "0 %" – keine Übereinstimmungen gefunden."
→ Mentafy S³: "Semantische Ähnlichkeit: hoch" – Wikipedia-Quelle für Paragraph gefunden.
Oertner ging in ihrer Studie sogar noch weiter: Um einen authentischen Sound zu erzeugen, bei dem Prüfende keinen Verdacht schöpfen, ließ sie in einem zweiten Durchgang Schreibfehler einbauen, in einem dritten hob sie das Stilniveau wieder an. Turnitin blieb in seiner Erkennungsquote durchgehend bei 0 %. S³ hielt die Spur. Hier ein Überblick über die Prüfergebnisse:
| Fassung | Bearbeitung | Turnitin | Mentafy S³ |
|---|---|---|---|
| Original | Formalia angepasst (Kurzreferenzen im Text) | erkannt | erkannt |
| Variante 1 | 1× paraphrasiert (Satzbau & Vokabular) | nicht erkannt | erkannt |
| Variante 2 | zusätzlich Stil abgesenkt, Fehler eingefügt | nicht erkannt | erkannt |
| Variante 3 | Stil wieder angehoben | nicht erkannt | erkannt |
Dies waren die von Oertner geprüften Fälle. Wir haben mit gängigen „Humanizer"-Werkzeugen zusätzliche Fassungen erzeugt – also genau die Klasse von Tools benutzt, die eigens gebaut wurde, um Plagiatserkennung zu unterlaufen. Auch hier ließ sich Mentafy S³ nicht hinters Licht führen. Die semantische Spur führte zurück zur Quelle.
Warum die Spur nicht verschwindet
Um zu verstehen, was S³ anders macht, hilft ein Blick auf die sehr verschiedenen Wege, die Urheberschaft eines Textes zu prüfen.
Klassische Plagiatsprüfung arbeitet wie ein Fingerabdruck-Vergleich: Sie sucht nach identischen Zeichenketten. Formuliert man den Text um, ist der Fingerabdruck verwischt, obwohl nach wie vor ein Plagiat vorliegt. Dies ist der Mechanismus, an dem Turnitin im Beispiel oben scheiterte.
KI-Wahrscheinlichkeits-Detektoren raten, ob ein Text „nach KI klingt" – ein hochproblematischer Weg, KI-Verwendung nachzuweisen. Die verfügbaren Tools sind unzuverlässig, erheben haltlose Anschuldigungen („Falsch-Positiv“) und halten vor Prüfungsausschüssen oft nicht stand (siehe z.B. Scarfe et al. 2024). Wir bieten eine solche Funktion bei Mentafy zwar selbst an, raten aber ausdrücklich zu größter Vorsicht – ein Wahrscheinlichkeitswert ist kein Beweis.
S³ — die Semantische Spuren-Suche — setzt bei einem anderen Aspekt des Textes an: der Bedeutung. Man kann die Wörter austauschen, aber nicht die zugrunde liegenden Aussagen, ihre Abfolge und die Auswahl der Quellen. S³ folgt dieser Spur und kann so auf potenziell plagiierte Quellen hinweisen: „Dieser Text ist nachweisbar mit dieser Quelle verwandt."
Ein Befund ist kein Urteil
Dass Befund und Urteil zwei Paar Stiefel sind, ist uns wichtig. S³ urteilt nicht, sondern liefert einen statistischen Wert, der auch vor kritischer Prüfung Bestand hat. Gemessen und eingestuft wird die semantische Ähnlichkeit: mittel, hoch, sehr hoch. Sie ist eine mathematische Tatsache und kommt nicht zufällig zustande. Was dieser Befund hingegen bedeutet, hängt von einer Folgeentscheidung ab, die S³ bewusst nicht selbst trifft:
- Ist die Quelle sauber zitiert? Dann ist ein hoher Ähnlichkeitswert vollkommen korrekt und zugleich kein Vergehen. Die studierende Person hat die Quelle genutzt und ausgewiesen. Genau so funktioniert wissenschaftliches Arbeiten.
- Ist sie nicht zitiert? Dann liegt der Verdacht eines Para-Plagiats nahe. Ob ein zu ahndendes Fehlverhalten vorliegt, entscheidet die Prüfperson und nicht der Algorithmus.
Und nun, ganz offen, zu den Zahlen und der Erfolgsquote von Mentafy S³. In Arbeiten ab etwa 1.000 Wörtern (für kürzere Texte liegen bislang noch keine Tests vor) liegt die Falsch-Positiv-Rate bei mittlerer Sensitivität unter 10 %. Diese Werte haben wir über eine eigene Testdatenbank ermittelt; sie decken sich mit den Rückmeldungen unserer Kunden aus der Praxis. Als praktische Faustregel gilt: Wo S³ in einer längeren Arbeit 20 % und mehr semantische Übereinstimmung meldet, handelt es sich mit hoher Wahrscheinlichkeit um echte Funde und ein methodisches Vorgehen, nicht um Zufall.
Warum wir auch im KI-Zeitalter weiterhin schriftliche Heimarbeiten fair prüfen können
Die vielleicht wichtigste Nachricht für Schulen und Hochschulen: S³ verlangt keine Umstellung des bisherigen Prüfungswesens. Falls Sie bereits Plagiatssoftware einsetzen: S³ greift genau dort, wo die klassische Detektion scheitert, nämlich beim Para-Plagiat. S³ ist Teil unseres Post-hoc-Checks, neben dem klassischen Plagiatsabgleich und einem Referenzen-Check. Auch eine KI-Detektion ist verfügbar, mit dem genannten Vorbehalt. Dank S³ können Sie Arbeiten weiterhin zu Hause schreiben lassen und müssen Ihr Prüfdesign nicht nächste Woche neu erfinden.
Wer die Werkzeuge im Zusammenspiel sehen möchte, findet sie hier: Mentafy Plagiatsprüfung — die Tools im Überblick.
Wohin die Reise geht
S³ löst das Para-Plagiat-Problem im Heute. Wir sind zugleich überzeugt: Das schärfere Schwert, das zukünftig vermehrt zum Einsatz kommen wird, ist die Analyse des Schreibprozesses selbst, der Nachvollzug des Wegs, wie ein Text entsteht. Noch sind die wenigsten Einrichtungen in der Lage, ihre Lehr- und Prüfprozesse so umzustellen, dass solche Daten überhaupt erhoben und ausgewertet werden können. Bis dahin gilt: Der unbeaufsichtigte Aufsatz ist nicht tot. Er bedarf nur besserer Werkzeuge als jener, die schon nach einem einzigen ChatGPT-Durchgang scheitern und Para-Plagiate hilflos durchwinken.
S³ an Ihren eigenen Beispielen testen
Probieren Sie es aus: Nehmen Sie einen Text, lassen Sie ihn paraphrasieren — und sehen Sie, ob die semantische Spur gefunden wird. Zur Plagiatsprüfung mit S³ →
Über die Zusammenarbeit
Die zugrunde liegende Untersuchung stammt von Dr. Monika Oertner, Publizistin und Schreibberaterin an der HTWG Konstanz. Ihre Arbeiten zum Thema generative KI: oertner.net/Publikationen/GKI.
Noch kein Kommentar, Füge deine Stimme unten hinzu!