Übersetzen und weg ist es. Das ist das Versprechen hinter einem der ältesten Täuschungstricks im wissenschaftlichen Schreiben, und generative KI hat ihn mühelos gemacht. Man nimmt eine Quelle aus einer anderen Sprache, schickt sie durch DeepL, Google Translate oder ChatGPT und reicht das Ergebnis ein. Das European Network for Academic Integrity definiert das Übersetzungsplagiat als Übersetzung eines in anderer Sprache veröffentlichten Werks ohne Quellenangabe; die Forschung spricht auch von sprachübergreifendem Plagiat. Wie auch immer man es nennt: Die klassische Plagiatsprüfung ist dafür strukturell blind.

Warum Plagiatssoftware übersetzte Texte übersieht

Text-Matching-Software vergleicht Zeichenketten. Eine Übersetzung ersetzt jede einzelne davon. Im bislang gründlichsten peer-reviewten Test prüften neun Forschende 15 Erkennungssysteme in acht Sprachen (Foltýnek et al. 2020). Bei übersetzten Dokumenten erreichten 14 von 15 Werkzeugen nur 0,0 bis 0,5 von 5 Punkten. Das ust das schlechteste Ergebnis aller Plagiatsarten; Treffer fanden sich „hauptsächlich in den Literaturverzeichnissen, nicht in den Texten". Bezeichnend: Das beste Werkzeug war das einzige mit semantischer Analyse.

Erkennt Turnitin übersetzte Texte?

Nur teilweise. Die Funktion „Translated Matching" übersetzt nicht-englische Einreichungen ins Englische und vergleicht dann klassisch. Das hilft in einer Richtung und für unterstützte Sprachen — bleibt aber genau dort am schwächsten, wo das Risiko am größten ist: bei nachbearbeiteten oder menschlichen Übersetzungen und bei Quellen außerhalb der englischen Datenbank.

Schließt KI-Erkennung die Lücke?

Nein - sie kann sogar schaden. KI-Erkennung beantwortet eine andere Frage („Klingt das nach Maschine?"), nicht „Woher stammt dieser Inhalt?". Schlimmer: Als Weber-Wulff et al. (2023) 14 Detektoren testeten, fiel die Genauigkeit bei maschinell übersetzten Texten um rund 20 Prozentpunkte, und die Falsch-Positiv-Rate stieg deutlich. Bei weltweit 6,9 Millionen international mobilen Studierenden ist das ein Rezept für falsche Anschuldigungen gegen genau jene, die in ihrer Zweitsprache schreiben. Das ist das Gegenteil akademischer Integrität.

Semantische Spuren-Suche: Die Bedeutung überlebt die Übersetzung

Und hier liegt die eigentliche Erkenntnis: Eine Übersetzung zerstört die Wörter, aber bewahrt: die Bedeutung, die Aussagen, ihre Abfolge, die Auswahl der Quellen. Moderne mehrsprachige Sprachmodelle bilden Sätze in einem gemeinsamen Bedeutungsraum ab, in dem ein Text und seine Übersetzung nah beieinander liegen, obwohl keine einzige Zeichenkette übereinstimmt. Mentafys Semantische Spuren-Suche (S³) folgt genau dieser Spur: Sie vergleicht, was ein Text sagt, nicht welche Zeichen er verwendet. Die Verbindung zur Originalquelle bleibt über Sprachgrenzen hinweg sichtbar, genau wie beim KI-paraphrasierten Para-Plagiat.

Und wie immer gilt: Ein Befund ist kein Urteil. Eine sauber zitierte Übersetzung ist legitime Wissenschaft. Eine unzitierte ist eine Frage an die Prüfperson — S³ sorgt dafür, dass diese Frage überhaupt gestellt wird.

Akademische Integrität im KI-Zeitalter heißt: alle Signale nutzen

Täuschung hinterlässt keine übereinstimmenden Zeichenketten mehr. Eine KI-taugliche Integritätsprüfung muss deshalb jede Ebene lesen, die ein Text bietet — Semantik, Quellen, Referenzen und, wo verfügbar, den Schreibprozess selbst. So bleibt wissenschaftliches Schreiben prüfbar und die Hochschulbildung glaubwürdig, auch im Zeitalter der KI.