KI im wissenschaftlichen Schreiben: Chancen, Grenzen und Regeln für Studierende

Kaum eine Technologie hat in den letzten Jahren den Alltag an Hochschulen so verändert wie die generative KI. Wer heute eine Hausarbeit oder Bachelor- beziehungsweise Masterarbeit schreibt, kommt kaum mehr an Tools wie ChatGPT, Grammarly oder spezialisierten Schreibassistenten vorbei. Gleichzeitig weiß an vielen Fakultäten niemand so recht, was erlaubt ist, was wissenschaftliches Fehlverhalten ist und wie sich Studierende rechtlich wie inhaltlich absichern können. Dieser Beitrag versucht, etwas Licht ins Dunkel zu bringen.
 

Wofür sich KI im Studium tatsächlich eignet

Generative Sprachmodelle leisten in der Praxis vor allem dort gute Dienste, wo es um Struktur, Sprache und erste Orientierung geht. Studierende nutzen sie, um Themen für eine Abschlussarbeit einzugrenzen, Gliederungsvorschläge zu erhalten, Formulierungen zu verbessern oder komplexe Fachtexte in eigenen Worten zusammenzufassen, bevor sie sie zitieren. Auch beim Korrekturlesen, etwa zur Prüfung von Grammatik, Zeichensetzung und Stil, übernehmen KI-gestützte Werkzeuge inzwischen Aufgaben, die früher ausschließlich menschliche Lektoren erledigt haben.

Diese Entwicklung bleibt nicht auf Hochschulen beschränkt. Auch Unternehmen setzen längst auf intelligente KI-Lösungen, um Texte zu erstellen, Daten auszuwerten oder Arbeitsprozesse zu automatisieren, allerdings unter klar definierten Sicherheits- und Compliance-Vorgaben. Diese Parallele lohnt einen Blick, denn die Fragen, die sich Unternehmen bei der Einführung von KI stellen, also Datenhoheit, Nachvollziehbarkeit und klare Nutzungsregeln, betreffen Studierende beim wissenschaftlichen Arbeiten in ähnlicher Form. Wichtig bleibt dabei die Trennung zwischen Unterstützung und Ersetzung der eigenen Leistung. Eine KI kann Argumentationslinien vorschlagen, sie ersetzt aber keine eigene Quellenarbeit, keine methodische Sorgfalt und keine kritische Auseinandersetzung mit der Forschungsliteratur. Genau an diesem Punkt setzen die Regelwerke der Hochschulen an.
 

Was Hochschulen und Forschungsorganisationen vorschreiben

Verbindliche Standards für den Umgang mit generativer KI in der Wissenschaft kommen vor allem von der Deutschen Forschungsgemeinschaft. Die DFG hat bereits 2023 Leitlinien zum Umgang mit generativen Modellen veröffentlicht. Darin wird festgehalten, dass der Einsatz von KI beim wissenschaftlichen Arbeiten grundsätzlich nicht ausgeschlossen werden soll, an bestimmte Bedingungen aber gebunden bleibt. Wer KI-Modelle nutzt, muss offenlegen, in welchem Umfang und zu welchem Zweck dies geschah. Als Autorin oder Autor einer wissenschaftlichen Arbeit kann laut DFG ausschließlich eine verantwortlich handelnde natürliche Person auftreten, eine KI selbst nicht. Zudem muss sichergestellt sein, dass durch die Nutzung kein fremdes geistiges Eigentum verletzt wird und kein Plagiat entsteht.

Auf Hochschulebene existiert allerdings kein einheitliches Regelwerk. Das Hochschulforum Digitalisierung, eine gemeinsame Initiative von Stifterverband, CHE und Hochschulrektorenkonferenz, beschreibt die Lage treffend: Die konkrete Umsetzung liegt bei den einzelnen Institutionen, teils sogar bei einzelnen Lehrstühlen oder Prüfungsformen. Manche Universitäten erlauben KI-Unterstützung bei der sprachlichen Überarbeitung, untersagen sie aber bei der inhaltlichen Argumentation. Andere verlangen eine Kennzeichnung jeder genutzten KI-Anwendung in der Eigenständigkeitserklärung, wieder andere differenzieren nach Fachbereich. Für Studierende bedeutet das in der Praxis: Vor Beginn der Arbeit lohnt sich ein Blick in die aktuelle Prüfungsordnung sowie ein klärendes Gespräch mit der betreuenden Person, da eine Täuschungshandlung auch dann vorliegen kann, wenn KI-Tools zwar angegeben wurden, aber bedeutende Teile der Arbeit von ihnen stammen.

Wo die Technik an ihre Grenzen stößt

Ein verbreiteter Irrglaube betrifft die Zuverlässigkeit von KI-Detektoren, mit denen manche Hochschulen versuchen, KI-generierte Textpassagen in eingereichten Arbeiten zu identifizieren. Eine Untersuchung von Mike Perkins von der British University Vietnam und der James Cook University Singapore zeigt deutliche Schwächen dieser Systeme auf. In der Studie zur Erkennungsgenauigkeit von KI-Detektoren wurden unveränderte, vollständig KI-generierte Texte nur in rund 39,5 Prozent der Fälle korrekt als solche erkannt. Sobald die Texte durch einfache Eingriffe wie variierende Satzlängen oder gezielt eingebaute Tippfehler leicht verändert wurden, sank die Erkennungsrate auf etwa 17,4 Prozent. Diese Zahlen verdeutlichen, dass weder ein positives noch ein negatives Ergebnis eines KI-Detektors als alleiniger Beleg für oder gegen ein wissenschaftliches Fehlverhalten taugt.

Hochschulen, die solche Tools einsetzen, betrachten die Ergebnisse deshalb in der Regel als Hinweis, nicht als Beweis. Ein zweites Problemfeld betrifft den Datenschutz. Wer eigene Forschungsdaten, Interviewtranskripte oder unveröffentlichte Manuskripte in ein öffentlich zugängliches KI-System eingibt, gibt diese Inhalte an einen externen Anbieter weiter, dessen Server häufig außerhalb der EU stehen. Die TU Berlin weist in ihren Datenschutzhinweisen zu ChatGPT ausdrücklich darauf hin, dass eine datenschutzrechtliche Prüfung für jeden Einzelfall notwendig ist, bevor personenbezogene oder sensible Forschungsdaten in solche Systeme eingegeben werden. Besonders bei empirischen Abschlussarbeiten mit Interviewdaten oder Umfrageergebnissen ist Vorsicht geboten, da hier schnell personenbezogene Daten im Sinne der DSGVO verarbeitet werden, ohne dass eine ausreichende Rechtsgrundlage vorliegt.

Praktische Empfehlungen für den eigenen Schreibprozess

Aus den genannten Anforderungen lassen sich konkrete Arbeitsschritte ableiten. Zu Beginn der Arbeit sollte die aktuelle Prüfungsordnung sowie eine eventuell vorhandene KI-Richtlinie der Hochschule geprüft werden, da sich diese Regelungen seit 2023 mehrfach verändert haben. Sinnvoll ist außerdem, ein KI-Log zu führen, in dem für jede Nutzung Datum, eingesetztes Tool samt Modellversion und Art der Anwendung dokumentiert werden, etwa Brainstorming, Strukturfeedback oder Korrekturlesen. Personenbezogene oder vertrauliche Forschungsdaten gehören grundsätzlich nicht in frei zugängliche KI-Chatbots, hierfür eignen sich allenfalls von der Hochschule bereitgestellte, datenschutzkonform eingerichtete Instanzen.

Vor der Abgabe empfiehlt sich zusätzlich eine klassische Plagiatsprüfung, da diese inhaltliche Übereinstimmungen mit veröffentlichten Quellen zuverlässiger erkennt als reine KI-Detektoren. Wer unsicher ist, ob bestimmte Textpassagen den eigenen wissenschaftlichen Standards genügen, sollte sie von einer erfahrenen Lektorin oder einem Lektor gegenlesen lassen. Genau hier setzt professionelles Lektorat an: Es prüft nicht nur Rechtschreibung und Grammatik, sondern auch den roten Faden, die Argumentationstiefe und die korrekte Einbindung von Quellen, also jene Aspekte, bei denen KI-Texte laut mehreren Hochschulleitfäden am häufigsten Schwächen zeigen. Wer diese Schritte einplant, reduziert das Risiko formaler Beanstandungen erheblich und kann KI als das nutzen, was sie in der Wissenschaft sein sollte: ein Werkzeug zur Unterstützung, nicht zum Ersatz der eigenen Leistung.