Wie du beim Schummeln mit ChatGPT nicht erwischt wirst

Jedes Semester verzeichnen Suchmaschinen Zehntausende Suchanfragen von Studierenden, die wissen wollen, wie sie beim Schummeln mit ChatGPT nicht erwischt werden. Gleichzeitig drehen sich Fakultätssitzungen und Workshops in hochschuldidaktischen Zentren vor allem um die umgekehrte Frage: Wie können Lehrende Studierende erkennen, die KI-generierte Arbeiten einreichen?

Diese Spannung hat an Universitäten und Business Schools eine ermüdende Dynamik aus Katz und Maus geschaffen. Studierende testen Umgehungsaufforderungen und Paraphrasierungswerkzeuge, um der automatischen Erkennung zu entgehen, während Lehrende Stunden damit verbringen, Ähnlichkeitswerte zu prüfen und ihre eigenen Bewertungen infrage zu stellen. Der Versuch, KI-generierte Texte zu überwachen, macht Bildung zu einem konfrontativen Wettrüsten, das keine Seite gewinnen kann. Um diese Herausforderung zu bewältigen, muss man verstehen, warum Umgehungstricks scheitern, warum Texterkennungsprogramme grundsätzlich unzuverlässig sind und wie eine Neugestaltung von Prüfungen rund um Entscheidungen in Echtzeit den Anreiz zum Schummeln von vornherein beseitigt.

Warum Studierende danach suchen, wie sie beim Schummeln mit ChatGPT nicht erwischt werden

Der starke Anstieg der Suchanfragen nach Methoden zur Umgehung von KI-Erkennung hat einen einfachen didaktischen Grund: Bei traditionellen Prüfungsformaten wird häufig der fertige Text bewertet, nicht authentisches Denken. Wenn Lehrende ein übliches rückblickendes Fallmemo oder einen fünfseitigen Essay als Hausaufgabe aufgeben, müssen Studierende viel lesen und unter Zeitdruck arbeiten. Da große Sprachmodelle in Sekundenschnelle ausgefeilte, grammatikalisch einwandfreie Texte erzeugen, erkennen Studierende schnell, dass Formatierung und Sprachgewandtheit stundenlanges eigenständiges Schreiben ersetzen können.

Wie unsere Analyse zu authentischer Leistungsbewertung in der betriebswirtschaftlichen Ausbildung zeigt, wird bei Essays als Hausaufgabe oft eher die Fähigkeit der Studierenden bewertet, vorhandene Informationen zusammenzufassen, als ihre Fähigkeit, unter Druck schwierige Entscheidungen zu treffen. Wenn das Ergebnis lediglich ein Text ist, liegt die Versuchung nahe, diesen Text automatisiert erstellen zu lassen. Studierende suchen nicht nach Umgehungstricks, weil sie nichts lernen wollen. Sie suchen danach, weil bei der Aufgabe ein ausgefeiltes Dokument belohnt wird, das ein Algorithmus mühelos erstellen kann.

Das Umgehungsrepertoire: Eingabeaufforderungen, Paraphrasierer und Tarnwerkzeuge

Um Erkennungssoftware zu umgehen, haben Studierende ein informelles Repertoire an Methoden entwickelt, das in sozialen Netzwerken und auf dem Campus weit verbreitet ist. Diese Taktiken zielen auf bestimmte mathematische Kennzahlen ab, die kommerzielle KI-Erkennungsprogramme messen:

1. Anpassung der Perplexität: Erkennungsprogramme messen, wie „überrascht“ ein Sprachmodell von der Wortwahl ist. Große Sprachmodelle wählen von sich aus das statistisch wahrscheinlichste nächste Token. Studierende geben ChatGPT etwa Anweisungen wie „Schreibe mit hoher Perplexität“ oder „Verwende abwechslungsreiche, weniger vorhersehbare Begriffe“, um die üblichen Wahrscheinlichkeitskurven aufzubrechen.
2. Variation der Satzrhythmen: Menschliche Texte weisen natürliche Rhythmuswechsel auf und mischen kurze, prägnante Sätze mit längeren, komplexen Satzgefügen. KI-Ausgaben enthalten dagegen oft Sätze von gleichförmiger Länge. In Umgehungsaufforderungen wird das Modell ausdrücklich angewiesen, Satzstrukturen unregelmäßig abzuwechseln.
3. Zusätzliche Paraphrasierer: Studierende lassen unbearbeitete KI-Texte durch Umschreibungsprogramme wie QuillBot oder spezielle „Vermenschlichungs“-Werkzeuge laufen, die Synonyme austauschen und Satzstrukturen verändern.
4. Verschleierung durch Mischformen: Manche Studierende lassen von einer KI eine Gliederung oder einen Rohentwurf erstellen, überarbeiten dann die Einleitung und den Schluss von Hand und fügen persönliche Anekdoten ein, um die zugrunde liegende Maschinensprache zu verschleiern.

Diese Methoden verändern häufig die Erkennungswerte, erzeugen aber nur eine trügerische und brüchige Sicherheit. Noch wichtiger ist, dass sie geistige Energie für Formatierungstricks statt für echte intellektuelle Arbeit verschwenden.

Warum automatische Erkennungswerkzeuge in der Praxis versagen

Der grundlegende Fehler des Wettrüstens bei der Erkennung besteht darin, dass automatische KI-Erkennungsprogramme statistisch anfällig und didaktisch mangelhaft sind. Erkennungswerkzeuge verstehen keine Bedeutung, sondern schätzen Wahrscheinlichkeitsverteilungen von Tokens. Verändern Studierende diese Verteilungen, erkennen die Programme KI-Texte nicht mehr, was zu falsch-negativen Ergebnissen führt. Noch problematischer ist, dass die Programme häufig authentische menschliche Texte fälschlich als maschinell erzeugt einstufen. Das führt zu schwerwiegenden falsch-positiven Ergebnissen.

Von Fachkolleginnen und Fachkollegen begutachtete Studien haben diese systematische Unzuverlässigkeit dokumentiert. In einer wegweisenden Studie, die auf arXiv veröffentlicht wurde, untersuchten die Forschenden Weixin Liang, Mert Yuksekgonul, Yining Mao, Eric Wu und James Zou von der Stanford University sieben verbreitete kommerzielle GPT-Erkennungsprogramme. Sie stellten fest, dass diese Programme nicht englischer Muttersprache mächtige Schreibende stark benachteiligten und von Menschen verfasste TOEFL-Aufsätze mit einer durchschnittlichen Falsch-Positiv-Rate von über 61 % fälschlich als KI-generiert einstuften. Darüber hinaus ließen sich die Programme mit einfachen Eingabeaufforderungen vollständig umgehen.

Wegen dieser gravierenden Genauigkeitsprobleme haben große Institutionen automatische Erkennungsverfahren zurückgefahren. In einer offiziellen Richtlinienmitteilung erläuterte Vanderbilt University, warum die KI-Erkennung von Turnitin deaktiviert wurde: Die Universität schaltete die KI-Erkennungsfunktion von Turnitin ab, weil das Risiko unvertretbar vieler falsch-positiver Ergebnisse, mangelnde Transparenz und das dadurch geschaffene vergiftete Klima der Konfrontation zwischen Lehrenden und Studierenden nicht hinnehmbar waren. Wer Studierende aufgrund eines willkürlichen Wahrscheinlichkeitswerts des Schummelns beschuldigt, untergräbt das Vertrauen in die Institution und setzt Universitäten ernsthaften Einsprüchen gegen Disziplinarmaßnahmen aus. Software zur Überwachung von Hausaufgaben einzusetzen, ist keine tragfähige Strategie.

Über die Textfalle hinaus: Aufgaben für aktives Urteilsvermögen neu gestalten

Wenn Studierende Erkennungsprogramme umgehen können und diese KI ohnehin nicht zuverlässig erkennen, wie sollten Lehrende reagieren? Die Lösung besteht darin, Prüfungsformate von statischen Textergebnissen hin zu angewandtem Denken und sichtbaren Entscheidungsprozessen zu verlagern.

Das Center for Teaching & Learning der UC Berkeley betont, dass Aufgaben so gestaltet sein sollten, dass die Denkprozesse der Studierenden im Laufe der Zeit sichtbar werden, statt ihr Erinnerungsvermögen anhand von Ergebnissen zu prüfen, die sich leicht auslagern lassen. Die Empfehlungen raten Lehrenden dazu, zu bewerten, wie Studierende Zielkonflikte analysieren, widersprüchliche Daten kritisch prüfen und ihre Schlussfolgerungen begründen.

Wenn Lehrende nicht mehr statische Texte, sondern aktives Urteilsvermögen bewerten, löst sich die gesamte Dynamik des Schummelns auf. Die Unterschiede zeigen sich in mehreren Punkten:

• Prozess statt Ergebnis: Anstatt nur eine fertige Abgabe zu bewerten, beurteilen Lehrende Zwischenschritte, Diskussionen in Echtzeit und Überarbeitungen während der Arbeit.
• Authentische Beteiligung: Wie unser Leitfaden zur fairen Bewertung der Beteiligung am Unterricht ausführlich erläutert, belohnen objektive Bewertungsrahmen den Nachweis von Verständnis statt oberflächlicher sprachlicher Gewandtheit.
• Aktive Teilnahme: Interaktive Werkzeuge zur Förderung der Beteiligung von Studierenden in Onlinekursen stellen sicher, dass Studierende während der Unterrichtseinheiten selbstständig denken und reagieren müssen, anstatt die Arbeit später externen Werkzeugen zu überlassen.

Entscheidungsbasierte Simulationen: KI-Schummeln bedeutungslos machen

Der wirksamste Weg, KI-Schummeln zu beseitigen, besteht darin, Lernformate zu nutzen, bei denen die Texterstellung keine Abkürzung bietet. Hier verändern entscheidungsbasierte Simulationen das Lernumfeld grundlegend.

LiveCase verwandelt statisches Lernen in KI-gestützte Simulationen, in denen Lernende unter Druck Entscheidungen treffen. Anstatt in einem Essay zusammenzufassen, was eine Führungskraft getan hat, übernehmen Studierende eine aktive Rolle und treffen in einer realistischen Unternehmensgeschichte zeitlich begrenzte Entscheidungen. Dabei erhalten sie KI-gestütztes Coaching und Rückmeldungen zu ihren Entscheidungen.

Dieser Ansatz löst die Integritätskrise in mehreren Punkten:

1. Zeitlich begrenzte Entscheidungen unter Druck: Bei einer Live-Simulation ist es zu langsam und strukturell wenig hilfreich, Eingabeaufforderungen in einen externen Chatbot zu kopieren. Lernende müssen dynamische Szenarien bewerten, zwischen unvollkommenen Optionen wählen und ihre Überlegungen direkt begründen.
2. Automatisierte Rückmeldungen und Werkzeuge zur Nachbesprechung: LiveCase kombiniert zeitlich begrenzte Entscheidungen und offene Fragen mit KI-gestütztem Feedback. Lehrende erhalten außerdem Werkzeuge zur Nachbesprechung und Antwortdaten, um die Diskussion im Kurs zu leiten.
3. Nachweislich hohe Beteiligung: Ein wichtiger Grund dafür, dass Studierende nach Abkürzungen suchen, ist ihre geringe Einbindung bei umfangreichen, passiven Lernmaterialien. Bei fallbasiertem Lernen in der betriebswirtschaftlichen Ausbildung schließen 92 % der Lernenden ihre LiveCase-Simulation ab. Studien zur vorgeschriebenen Kurslektüre zeigen, dass nur etwa die Hälfte der Studierenden angibt, sie zu lesen (Hoeft, 2012; Aagaard et al., 2014).
4. Direkte Anbindung an Lernmanagementsysteme: LiveCase funktioniert mit Canvas und jedem beliebigen Lernmanagementsystem.

Aus Sicht der Lehrplangestaltung ist akademische Integrität ein Grundsatz der Prüfungsgestaltung und keine eigenständige Erzählung eines Fallbeispiels. Der Katalog von LiveCase-Simulationen enthält zwar vorgefertigte Simulationen zu Strategie, Führung und Verhandlung, Lehrende nutzen aber auch das AI Case Authoring Studio, um Simulationen aus eigenen Fallstudien und Lehrmaterialien zu erstellen. Wie unser Leitfaden zum gemeinsamen Erstellen von Lehrsimulationen mit KI erläutert, erstellt der KI-gestützte Arbeitsablauf von LiveCase anhand von Fallmaterialien in wenigen Minuten einen Entwurf für etwa 80 % des Simulationskonzepts. Weitere Möglichkeiten, interaktive Übungen für verschiedene Lerngruppen zu entwickeln, bietet KI-gestütztes Coaching und Feedback für Studierende.

Während des vorgezogenen Zugangs können Simulationen in LiveCase kostenlos erstellt und in der Vorschau angesehen werden. Eine Kreditkarte ist nicht erforderlich. Die Sitzungen für Lernende sind kostenpflichtig und beginnen bei 1,50 $ pro Person und Durchlauf.

Wenn das Lernerlebnis echte Entscheidungsfindung verlangt, wird die Frage, wie man beim Schummeln mit ChatGPT nicht erwischt wird, völlig bedeutungslos. Studierende können ihr Urteilsvermögen nicht auslagern, wenn sie den Fall aktiv durchleben.

Wenn Sie herausfinden möchten, wie Entscheidungssimulationen in Ihrem Lehrplan anfällige Essays als Hausaufgabe ersetzen können, vereinbaren Sie direkt über den offiziellen Buchungskalender von LiveCase ein Einführungsgespräch.

Häufig gestellte Fragen

Können Lehrkräfte erkennen, ob man ChatGPT verwendet?

In vielen Fällen können Lehrende die Nutzung von KI mit Texterkennungsprogrammen nicht zuverlässig nachweisen. Allgemeine Formulierungen, Halluzinationen und plötzliche Stilwechsel fallen ihnen jedoch leicht auf. Da automatische Erkennungsprogramme eine hohe Falsch-Positiv-Rate aufweisen, setzen Lehrende zunehmend auf mündliche Prüfungen und Live-Entscheidungsübungen statt auf Software zur Überwachung.

Warum gilt die Nutzung von KI als Schummeln?

Wer KI-generierte Texte als eigene Arbeit einreicht, stellt das eigene Verständnis falsch dar und umgeht den analytischen Aufwand, der zum Aufbau von Kompetenz erforderlich ist. Wenn eine Prüfung das eigene Denkvermögen bewerten soll, verhindert das Auslagern dieses Denkens, dass Lehrende feststellen können, was man tatsächlich weiß.

Wie können wir verhindern, dass Studierende KI verwenden?

Anstatt Texte mit unzuverlässigen Erkennungsprogrammen zu überwachen, verhindern Institutionen unzulässige Abkürzungen durch KI, indem sie Prüfungen auf authentische, prozessorientierte Aufgaben ausrichten. Zeitlich begrenzte Entscheidungssimulationen, Nachbesprechungen im Unterricht und Problemlösungen in Echtzeit machen es unmöglich, Texte einfach zu kopieren und einzufügen.

Wie lässt sich akademische Integrität bewahren?

Akademische Integrität im Zeitalter generativer KI erfordert klare Kursrichtlinien und Prüfungen, die Entscheidungsfindung unter Druck bewerten. Wenn in Kursen das aktive Urteilsvermögen der Studierenden statt schriftlicher Zusammenfassungen als Hausaufgabe bewertet wird, ist akademische Integrität bereits durch die Gestaltung geschützt.