Warum KI-Detektoren an Universitäten Studierende mit Fremdsprachen benachteiligen

Ein Blogbeitrag des Higher Education Policy Institute zeigt, wie sieben verbreitete KI-Detektoren bei 91 TOEFL-Aufsätzen von Nicht-Muttersprachlern im Schnitt 61 Prozent echter studentischer Texte fälschlich als KI-generiert einstuften. Die Fehlerquote ist kein Zufallsprodukt der Software; sie folgt einer Logik, die besonders jene Studierenden stigmatisiert, die am wenigsten in der Lage sind, einen Täuschungsvorwurf zu entkräften. Die Frage ist daher weniger, ob solche Tools funktionieren, sondern für wen sie strukturell versagen.

Die Mechanik der algorithmischen Diskriminierung

Die meisten Detektoren messen, so der HEPI-Beitrag, die Vorhersagbarkeit eines Textes. Variierte, überraschende Syntax wirkt menschlich; schlichte, repetitive Formulierungen wirken maschinell. Wer in einer Fremdsprache sorgfältig schreibt, greift naturgemäß auf ein engeres Repertoire an Wendungen zurück — und genau diese Sorgfalt wird algorithmisch in einen Verdacht übersetzt. Hingegen bleibt der muttersprachliche Schreiber mit seinem idiomatischen Reichtum unter dem Radar der Maschine. Die Konsequenz ist normativ brisant: Die Personen, die am wenigsten über institutionelle Ressourcen verfügen, werden am häufigsten beschuldigt.

Diese Schieflage lässt sich konkret beziffern. Als Turnitin seinen Detektor einführte, nannte das Unternehmen eine Falsch-Positiv-Rate von rund einem Prozent. Die Vanderbilt University rechnete diese Angabe auf den eigenen Betrieb hoch: Bei etwa 75.000 eingereichten Arbeiten im Vorjahr wären demnach rund 750 echte studentische Texte zu Unrecht markiert worden. Die Hochschule schaltete das Tool daraufhin ab; mehrere weitere US-Universitäten folgten, obgleich einzelne Studien mit kleineren Stichproben durchaus ohne Falsch-Positiv-Treffer auskommen.

Verbreitete Nutzung, wachsendes Risiko

Infolgedessen verschärft sich das Dilemma, je selbstverständlicher generative KI im Studienalltag wird. Laut der HEPI-Erhebung „Student Generative AI Survey 2026" nutzen mittlerweile 94 Prozent der britischen Studierenden generative KI für bewertete Aufgaben; der Anteil jener, die KI-generierten Text unverändert einreichen, stieg von drei Prozent im Jahr 2024 auf zwölf Prozent im Jahr 2026. Mit der realen Verbreitung wächst der Kontrolldruck — und mit ihm das Risiko, dass ausgerechnet die Falschen getroffen werden.

Großbritannien beherbergt eine der weltweit größten internationalen Studierendenpopulationen. Die im HEPI-Beitrag dokumentierte Fairnesslücke sitzt damit nicht in einem fernen US-Kontext, sondern bereits in den Bewertungswarteschlangen britischer Hochschulen. Hersteller veröffentlichen Gegendarstellungen und verteidigen ihre Werkzeuge; die ehrliche Lesart bleibt jedoch: Eine universelle Genauigkeitsquote existiert nicht, die Fehlerquote schwankt je nach Tool, Stichprobe und Konfiguration — und sie ist am höchsten bei jenen, die Englisch als Zweitsprache erlernt haben.

Leitplanken statt algorithmischer Bequemlichkeit

Hochschulen stehen jetzt vor einer normativen Grundsatzentscheidung. Detektionstools können, so das HEPI-Papier, als Auslöser für eine bessere Frage dienen — nicht aber als richterliches Urteil. Wer sie institutionell einsetzt, muss die informationelle Selbstbestimmung der Betroffenen wahren, dokumentierte Beschwerdewege garantieren und die Beweislast ausdrücklich nicht umkehren. Andernfalls wird aus einem statistischen Bias ein institutioneller Haftungsfall, und aus der vermeintlichen akademischen Kontrolle ein weiteres Kapitel normativer Blindheit im Bildungssystem.