Die Pädagogische Hochschule Luzern zählt seit Anfang 2023 ganze 27 Arbeiten, bei denen unzulässige KI-Nutzung vermutet wurde. Die ZHAW kommt in den letzten zwei Jahren auf 17 Fälle, die ETH bewegt sich nur im niedrigen einstelligen Bereich pro Jahr. Klingt nach wenig — und genau das ist der Punkt. Seit Tools wie ChatGPT für alle verfügbar sind, schreibt ein grosser Teil der Studierenden mit KI-Unterstützung. Aber die offiziellen Betrugsstatistiken bleiben winzig.
Wie SRF am 22. Juni 2026 nüchtern festhält: Schummeln Studierende mit KI? Kaum jemand kann es belegen. Das ist keine Entwarnung. Es ist ein Messproblem.
Warum KI-Schummeln an der Uni kaum nachzuweisen ist
Die SRF-Recherche von Fiona Zellweger und Pascal Albisser zeigt ein klares Bild: Die Dunkelziffer dürfte erheblich sein — nicht weil weniger geschummelt wird, sondern weil kaum gemessen wird und die verfügbaren Werkzeuge nicht halten, was sie versprechen.
Mindestens 11 von 31 befragten Schweizer Hochschulen nutzen KI-Detektoren. Sie betonen aber im selben Atemzug deren begrenzte Zuverlässigkeit. Ein KI-Detektor liefert eine probabilistische Einschätzung — eine “KI-Wahrscheinlichkeit” von soundsoviel Prozent. Das ist kein Beweis. Es ist eine Vermutung mit Nachkommastellen.
Andere Hochschulen ziehen daraus Konsequenzen. Die Berner Fachhochschule zählt KI-Fälle bewusst nicht und behandelt KI-Nutzung als “Kompetenzfrage”, nicht als Betrugstatbestand. Die Universität St. Gallen formuliert es so: “Der Einsatz von KI soll das Lernen unterstützen und nicht ersetzen. Entscheidender Bestandteil bleibt die akademische Eigenleistung.” Und die Universität Lausanne bringt die praktische Grenze auf den Punkt: “Es ist ziemlich illusorisch, einen vollständigen Studiengang abzuschliessen, indem man alles an die KI delegiert.”
Der Trend ist eindeutig: Hochschulen setzen auf Transparenzpflicht, mündliche Prüfungen und Vertrauen statt auf technische Detektoren. Weil die Detektoren das eine nicht können, was zählt: etwas beweisen.
Das eigentliche Problem ist nicht die Absicht — es sind die Fakten
Hier lohnt sich ein Perspektivwechsel. Die ganze Detektor-Debatte dreht sich um eine schwer beweisbare Frage: Hat hier jemand mit Absicht getäuscht? Absicht ist innerlich, unsichtbar, bestreitbar. Kein Wunder, dass “kaum jemand es belegen kann”.
Aber es gibt eine zweite Frage, die viel leichter zu beantworten ist — und die unabhängig von der Absicht den eigentlichen Schaden sichtbar macht: Stimmen die Quellen?
Eine Behauptung wird von ihrer zitierten Quelle entweder gestützt oder nicht. Eine Referenz existiert oder existiert nicht. Das ist kein Wahrscheinlichkeitswert — das ist überprüfbare Evidenz. Und genau hier richtet generative KI den realen, messbaren Schaden an.
Es gibt zwei Arten von KI-Zitatschäden:
- Erfundene Quelle — Autor, Titel oder DOI sind schlicht halluziniert. Die Referenz sieht perfekt aus, existiert aber nirgends.
- Reale Quelle, falsch zitiert — die Quelle gibt es wirklich, aber sie sagt gar nicht das, was Sie ihr zuschreiben (oder steht auf einer ganz anderen Seite).
Beides passiert nicht nur beim absichtlichen Schummeln. Es passiert ständig auch den ehrlichen Studierenden, die einen KI-Assistenten zum Recherchieren eingesetzt und eine halluzinierte Referenz unbemerkt übernommen haben. Ein Detektor würde diese Person als verdächtig markieren. Eine Zitatprüfung gibt ihr die Chance, den Fehler vor der Abgabe zu finden.
Die evidenzbasierte Antwort: Zitate objektiv prüfen statt Absicht raten
Statt mit einem unzuverlässigen Detektor zu raten, ob ein Text “nach KI klingt”, können Sie das Überprüfbare überprüfen — in zwei sich ergänzenden Schichten.
Schicht 1: Existiert die Quelle überhaupt? (citecheck, Open Source)
citecheck ist ein quelloffenes npm-Paket von Tobias Lüscher. Ein einziger Befehl genügt:
npx citecheck <datei>
Es validiert Ihre Literaturangaben (.bib, .ris, CSL-JSON; extrahiert auch aus .docx, .txt, .md) und prüft für jede Referenz: Existiert sie wirklich (via Crossref und OpenAlex)? Wurde das Paper zurückgezogen? Ist es Open Access (via DOAJ)? Keine API-Keys, kein Login, läuft lokal — nur die Referenz-Metadaten gehen an öffentliche wissenschaftliche APIs. Damit ist die erste Hälfte des Problems erledigt: fabrizierte, nicht existente oder zurückgezogene Quellen.
Schicht 2: Stützt die Quelle wirklich Ihre Behauptung? (Acurio)
Die subtilere Hälfte löst Acurio: Eine reale Quelle wird zitiert, stützt aber die konkrete Aussage nicht. Das ist die Lücke, die kein Detektor und keine Existenzprüfung schliesst.
So läuft es ab: Sie exportieren Ihre Arbeit als DOCX mit eingebetteten Zotero-Zitaten, laden die Quell-PDFs (oder BibTeX/RIS) hoch — und erhalten einen farbcodierten Bericht pro Zitat: gestützt / teilweise gestützt / nicht gestützt, mit Konfidenzwert, einem wörtlichen Quellenzitat und einer kurzen Begründung. DOCX rein, DOCX raus. Wenn die Modelle sich uneinig sind, löst Acurio über Nacht eine “zweite Meinung” mit einem grösseren Modell und engerem Kontext aus.
Wichtig zur Abgrenzung: Acurio ist kein Plagiatsprüfer und kein Stil-Lektorat. Plagiat heisst, ein Text ist der Quelle zu nah. Acurio findet das Gegenteil — Behauptungen, die zu weit von der Quelle entfernt sind, weil die Quelle das Behauptete gar nicht hergibt. Mehr dazu im Beitrag Plagiat vs. Falschzitat und in der Übersicht KI-Lektorat vs. Zitatprüfung.
Für ehrliche Forschende genauso wichtig
Der entscheidende Punkt: Eine objektive Zitatprüfung ist kein Misstrauenswerkzeug, sondern ein Schutzschild. Wer sauber arbeitet, aber von einem KI-Assistenten eine halluzinierte Quelle geerbt hat, wird durch einen Detektor zu Unrecht verdächtigt — durch eine Zitatprüfung dagegen rechtzeitig gewarnt. Mehr zum Mechanismus dahinter im Beitrag KI-Quellenhalluzinationen; konkrete Schritte zum Prüfen liefert Zitate in der Bachelorarbeit prüfen.
Acurio wird von Studierenden an der ETH Zürich, der LMU München, der IU Internationalen Hochschule und der Berner Fachhochschule genutzt — und ist auf Schweizer, FADP/DSGVO-konforme Datenverarbeitung ausgelegt.
Grenzen — ehrlich gesagt
Eine Zitatprüfung beantwortet nicht die Frage, ob jemand mit KI geschummelt hat. Das ist Absicht, und Absicht bleibt unbeweisbar — genau das ist die Kernaussage des SRF-Beitrags. Acurio und citecheck prüfen etwas anderes: ob die Quellen und Belege stimmen. Auch eine LLM-gestützte Analyse ist nicht unfehlbar; der farbcodierte Bericht ist eine fundierte, begründete Einschätzung mit wörtlichem Beleg, die Sie selbst gegenprüfen können — keine letztinstanzliche Entscheidung. Genau deshalb liefert Acurio zu jedem Verdikt das Quellenzitat mit: damit Sie es nachvollziehen, nicht blind glauben.
So fangen Sie an
- Gratis testen: Der Quick-Check prüft Ihre Referenzen sofort und kostenlos im Browser — er wird von citecheck angetrieben.
- Open Source nutzen: citecheck lokal laufen lassen —
npx citecheck <datei>. - Ganze Arbeit prüfen: Acurio prüft die ersten 10 Zitate gratis; danach einmalige Thesis-Pakete ab CHF 19 — Student CHF 19, Pro CHF 29, Lab CHF 49, Lifetime CHF 79, Preise ansehen. Kein Abo.
Welches Tool zu Ihrer Arbeit passt, klärt der Vergleich der Prüf-Tools für die Bachelorarbeit.
Quellen
- SRF News, 22.06.2026: KI an Hochschulen – Schummeln Studierende mit KI? Kaum jemand kann es belegen (Fiona Zellweger, Pascal Albisser).
- citecheck — Open-Source-Referenzprüfung von Tobias Lüscher (Crossref, OpenAlex, DOAJ).