Thesis mit KI schreiben: Jenni AI, SciSpace & Co. im Vergleich — und was keines der Tools prüft

Drei Quellen aus einem typischen KI-Draft für eine Bachelorarbeit im Fach Psychologie. Die erste: ein Aufsatz in der Zeitschrift für Bildungspsychologie, Band 47, sauber formatiert, mit DOI — die DOI löst ins Leere auf, den Band 47 hat es nie gegeben. Die zweite: eine echte, vielzitierte Studie zu Lernverhalten — zurückgezogen im letzten Jahr, weil die Daten nicht replizierbar waren. Die dritte: existiert, ist aktuell, sagt nur leider nicht das, was der Draft behauptet — die Studie zeigt das Gegenteil.

Drei Quellen, drei verschiedene Fehler, null davon sichtbar, wenn man den Text nur liest. Genau hier sitzt das Problem der KI-Schreibtools: Sie sind spektakulär gut darin, Text und Zitationen zu erzeugen — und sie prüfen nicht, was davon real ist.

Dieser Beitrag sortiert den Markt der Thesis-Schreibtools 2026, zeigt, was die Tools wirklich automatisieren, und benennt den blinden Fleck, den keines von ihnen abdeckt. Fair und ohne Häme: Diese Tools leisten viel. Aber «geschrieben» ist nicht «belegt».

Der Markt 2026: Es gibt keinen einzigen Marktführer

Wer «das beste KI-Tool für die Thesis» sucht, sucht etwas, das es nicht gibt. Der Markt hat sich nach Aufgaben aufgeteilt, und jede Kategorie hat ihren eigenen Spitzenreiter:

Die Nutzerzahlen, mit denen diese Anbieter werben — sechs Millionen hier, zehn Millionen dort — sind Eigenangaben, nicht auditiert. Aber die Grössenordnung stimmt in die Richtung, die für dich relevant ist: Millionen von Studierenden lassen sich 2026 Text und Zitationen generieren. Die Kontrolle, ob die Zitationen stimmen, findet in keinem dieser Tools statt.

Zum Vergleich der Recherche-Seite haben wir einen eigenen Beitrag: KI-Recherche-Tools im Vergleich. Hier geht es um die Schreibseite — und um das, was danach kommt.

Warum «schreiben» automatisiert ist, «prüfen» aber nicht

Es ist kein Zufall, dass der Markt ausgerechnet das Schreiben automatisiert hat. Schreiben skaliert mit Sprachmodellen von allein: Der Text klingt akademisch, die Zitationen sehen formatiert aus, und der Nutzer sieht sofort ein Ergebnis. Ein gutes Gefühl ist das Geschäftsmodell.

Prüfen ist das Gegenteil davon. Um zu wissen, ob die Quelle Müller (2019) existiert, musst du raus aus dem Modell und rein in die reale Welt: DOI auflösen, Kataloge abfragen, den Volltext beschaffen. Um zu wissen, ob Müller (2019) die zitierte Aussage trägt, musst du den Originaltext lesen und mit dem Claim vergleichen. Das ist langsam, teuer und unsichtbar — niemand postet einen Screenshot von einer korrekt verifizierten Fussnote.

Die Folge ist eine Arbeitsteilung, die niemand bewusst so vereinbart hat: Die KI übernimmt die Arbeit, die sich gut anfühlt. Die Arbeit, die davor schützt, dass die Thesis an den Belegen scheitert, bleibt vollständig bei dir. Und weil der generierte Text so sauber aussieht, fühlt sich die Prüfung überflüssig an — bis zur Verteidigung.

Die drei Fehlerklassen in KI-generierten Drafts

Aus geprüften studentischen Arbeiten mit KI-Anteil tauchen immer wieder dieselben drei Muster auf. Sie sind unabhängig davon, welches Tool den Draft geschrieben hat:

1. Die Geisterquelle. Der Klassiker bei Generalisten wie ChatGPT: bibliografisch perfekt formatierte Einträge, die es nicht gibt. Autor plausibel, Journal plausibel, Seitenzahlen präzise — erfunden trotzdem. Wie du solche Quellen in Minuten entlarvst, steht in Hat ChatGPT dir Quellen erfunden?.

2. Das zurückgezogene Paper. Gefährlicher, weil die Quelle real ist. Retractions nehmen zu, und Schreibtools mit echter Literatursuche merken nicht, dass ein Paper inzwischen zurückgezogen wurde — es steht ja noch im Index. Wer eine retracted Studie als zentralen Beleg zitiert, hat ein inhaltliches Problem, kein formales. Hintergrund: Retracted Papers erkennen.

3. Der Claim-Mismatch. Der unterschätzteste Fehler: Quelle existiert, ist seriös, ist aktuell — sagt aber nicht das, was der Draft behauptet. Das Modell hat paraphrasiert, verkürzt, überinterpretiert, manchmal invertiert. Formal ist alles korrekt, inhaltlich ist es Täuschung, und kein Plagiatscanner der Welt findet das.

Alle drei Klassen haben denselben Ursprung: Ein Tool hat zitiert, ohne zu prüfen. Und alle drei fallen genau dann auf, wenn es am teuersten ist — wenn eine Prüferin drei zufällige Zitate nachschlägt.

Schreiben vs. Prüfen: zwei Jobs, zwei Tools

Der ehrliche Vergleich zwischen den Schreibtools und Acurio ist deshalb gar keiner — sie machen verschiedene Dinge:

Wir schreiben keine Zeile deiner Thesis, und das ist Absicht. Bei der Literatur liegen wir näher an den Schreibtools, als die Tabelle auf den ersten Blick zeigt: Neue Quellen entdecken wie SciSpace können wir nicht — aber die öffentlich zugänglichen Quellen zu deinen Zitaten (Open Access, DOI-auflösbar) lädt Acurio automatisch nach; nur für Paywall-Literatur brauchst du eigene PDFs. Acurio ist die Kontrollschicht nach dem Draft: Du lädst deine Arbeit und deine Quell-PDFs hoch — öffentlich zugängliche Quellen holt sich Acurio bei Bedarf selbst —, mehrere Sprachmodelle prüfen jede zitierte Aussage unabhängig voneinander gegen die Originalstelle, und du bekommst pro Zitat ein Urteil — belegt, teilweise belegt, nicht belegt — mit Quellenausschnitt und Konfidenzwert. Wie das technisch funktioniert, beschreibt KI-Quellenhalluzinationen — wie Acurio sie findet.

Die Pointe ist: Je besser die Schreibtools werden, desto notwendiger wird die Prüfschicht. Ein Draft, der aussieht wie fertige Wissenschaft, ist gefährlicher als einer, der offensichtlich roh ist.

Der Workflow, der 2026 funktioniert

KI beim Schreiben zu nutzen und trotzdem sauber abzugeben, ist kein Widerspruch — wenn die Reihenfolge stimmt:

1. Recherchieren in echten Datenbanken. Google Scholar, Swisscovery, Web of Science — nicht im Chat-Fenster. Quellen, die du selbst gefunden hast, existieren nachweisbar.
2. Schreiben und strukturieren mit dem Tool deiner Wahl. Jenni für den Schreibfluss, SciSpace für die PDF-Arbeit, ChatGPT fürs Brainstorming — was immer dir hilft. Erlaubt ist das an vielen Hochschulen, deklarationspflichtig teilweise auch; was genau gilt, regelt deine Eigenständigkeitserklärung.
3. Jeden Beleg prüfen, bevor er abgegeben wird. Nicht stichprobenartig — Fehler verteilen sich gleichmässig. Entweder manuell (DOI-Test, Scholar-Test, Volltext-Check, bei 80 Zitaten mehrere Stunden) oder automatisiert mit Acurio.
4. Sprachlich polieren zuletzt. Erst wenn die Belege stehen, lohnt sich das Lektorat. Ein wunderschön formulierter Satz mit falscher Quelle bleibt falsch.

Wer andere Prüf-Tools abwägt, findet den Marktüberblick dazu in Bachelorarbeit prüfen — Tools im Vergleich.

Fazit: Geschrieben ist nicht belegt

Die Frage «Welches KI-Tool schreibt meine Thesis am besten?» ist 2026 die falsche Frage. Die Schreibtools sind alle gut genug, um dir einen Draft zu liefern, der nach Wissenschaft aussieht. Die richtige Frage ist: Wer hat geprüft, was davon real ist?

Keines der Schreibtools beantwortet sie — nicht Jenni, nicht SciSpace, nicht ChatGPT, schon gar nicht die Full-Draft-Generatoren. Sie erzeugen Zitationen, sie verifizieren sie nicht. Das ist keine Bösartigkeit, es ist ihre Architektur.

Deine Prüfer:innen interessiert die Architektur nicht. Sie schlagen Zitate nach. Mit Acurio weisst du vorher, was sie finden — pro Zitat, mit Belegstelle, in etwa einer Stunde statt einem Wochenende. Geschrieben hat die KI. Verantwortet hast du. Geprüft sollte deshalb auch etwas werden.