Vorlage für die Einspruchsbegründung gegen eine KI-Erkennungsentscheidung für Forschende im Bereich ESL

Eine unserer PhD-Studentinnen (im zweiten Jahr) – eine iranische computational biologist – schrieb ein Kapitel ihrer Dissertation. Sie schickte es am Freitag nachmittag an ihre Betreuerin. Am Montagmorgen wurde sie von der akademischen Integrity-Office ihrer Abteilung aufgesucht. Turnitin’ KI-Erkennung markierte 89 Prozent ihres Kapitels als durch KI erzeugt. Fälle wie der ihre sind der Grund, warum wir in diesem Beitrag die Vorlage für die Einspruchsbegründung bei KI-Erkennungs-Falschpositiven entwickelt haben. Sie hatte ChatGPT, Claude oder irgendein anderes Modell nicht verwendet. Sie hatte jedes einzelne Wort über vier Monate hinweg selbst geschrieben. Sie hatte ihre Überarbeitungen mit einem Google Doc dokumentiert – mit 1.400 sichtbaren Versionssaves. Sechs Wochen später gewann sie ihren Einspruch. Entscheidend war in dem Fall nur eine Stanford-Studie aus dem Jahr 2023, die zeigt, dass sieben große KI-Detektoren 61,3 Prozent von TOEFL-Aufsätzen fälschlich als KI-generiert markierten, wenn diese von Nicht-Muttersprachlern mit Englisch verfasst wurden – im Vergleich zu nahezu null bei Aufsätzen von Muttersprachlern, die dieselben Schreibimpulse bearbeitet hatten. Der Detektor markierte ihre Arbeit nicht. Er markierte stattdessen das ESL-Prosa-Muster.

Wir haben das Vorgehen seither bei 41 Einsprüchen wegen ESL-Falschpositiven durchgeführt – von Anfang 2024 bis Mitte 2026. Dieser Trend scheint sich bei Einsprüchen von Forschenden ebenfalls zu bestätigen. Wenn man einen guten Prozess nachweisen und mit etwas Evidenz eine solide Einspruchsbegründung verfassen kann, gewinnt man seinen Fall typischerweise in etwa 60 Prozent der Fälle auf Kurs- bzw. Lehrstuhlebene und sogar noch häufiger im internen Einspruch. Im Februar 2026 änderte sich jedoch etwas: Ein New York Court hob eine Entscheidung der Adelphi University in Newby v. Adelphi auf – das erste bedeutende Präzedenz gegen Disziplinarmaßnahmen, die auf KI-Erkennungen basieren. Dieselben Argumente, die den Newby-Fall zum Erfolg führten, stärken nun jeden internen Einspruch, der sie nutzt.

Dieser Beitrag liefert die Vorlage plus das Verteidigungs-Playbook. Wir erläutern, warum ESL-Forschende überproportional häufig markiert werden, welche Evidenz in Einsprüchen konsequent gewinnt, die Copy-Paste-Vorlage für eine Einspruchsbegründung bei KI-Erkennungs-Falschpositiven, die für unsere Mandanten funktioniert hat, die Newby-bewussten Ergänzungen, die die Version von 2026 stärken, und wann eine Eskalation sinnvoll ist. Wenn man markiert wurde und die Einspruchsbegründung innerhalb der nächsten 48 Stunden schreiben muss, springt man zum Vorlagenteil. Die Kontextabschnitte unten liefern die Evidenz, die man anhängen kann.

Funktioniert eine Vorlage für die Einspruchsbegründung bei KI-Erkennungs-Falschpositiven tatsächlich?

Ja. Über unsere Dokumentation von 41 ESL-Einsprüchen wegen Falschpositiven hinweg konnten Forschende, die ein vollständiges Prozessprotokoll mit dem Stanford-Befund zu 61,3 Prozent Falschpositiven kombinieren und – in den USA – das Präzedenz Newby v. Adelphi berücksichtigen, etwa 60 Prozent der Einsprüche auf Kurs- bzw. Lehrstuhlebene gewinnen; intern sogar noch häufiger. Die Copy-Paste-Vorlage unten gibt dir die exakte Struktur, die drei Newby-bewussten Ergänzungen für 2026 und die FERPA-Anfrage, die du dazu einreichen solltest.

Warum markieren KI-Detektoren ESL-Forschende so häufig als Falschpositiv?

Der Mechanismus ist dokumentiert und gut verstanden – auch deshalb besteht er vor Gericht. KI-Detektoren prüfen zwei statistische Merkmale, die mit maschineller Ausgabe korrelieren: geringe Perplexity (wie vorhersehbar das nächste Wort ist, gegeben die vorherigen Wörter) und geringe Burstiness (wie stark die Variation in Satzlänge und -struktur über einen Textabschnitt hinweg ist).

ESL-Schreibende (insbesondere diejenigen, die in ihren Heimatländern eine formale Schulung im formellen akademischen Englisch erhalten haben) schreiben in einem Register, das bei beiden Kennzahlen niedrig abschneidet. Kurze, kontrollierte Sätze. Begrenztes Vokabular für Konnektoren ("however," "therefore," "in addition"). Ein konsistentes Register über Absätze hinweg. Parallele Struktur innerhalb von Absätzen. Genau diese Merkmale belohnt explizite ESL-Unterweisung. Gleichzeitig codieren Detektoren diese Merkmale als „maschinenähnlich“.

Die Stanford-Studie aus dem Jahr 2023 (Liang, Yuksekgonul und Zou, veröffentlicht in Cell Patterns) testete sieben große KI-Detektoren an einer Stichprobe von TOEFL-Aufsätzen. 61,3 Prozent der Aufsätze wurden fälschlich als KI-generiert durch mindestens einen Detektor unter konventionellen Schwellenwerten markiert. 97,8 Prozent der Aufsätze wurden durch mindestens einen Detektor unter einem permissiven Schwellenwert markiert. Aufsätze von Muttersprachlern bei identischen Schreibimpulsen wurden nur in nahezu Null-Raten markiert. Seitdem haben mehrere Forschungsteams das Ergebnis repliziert und weiter verfeinert.

Die institutionellen Folgen sind ungleich verteilt. Einige Universitäten haben ihre Richtlinien aktualisiert, um neben dem Detektorscore zusätzliche Bestätigungsevidenz zu verlangen – insbesondere nach dem Newby-v.-Adelphi-Urteil im Februar 2026, das eine 28-prozentige ESL-Falschpositiv-Rate in Adelpheis eigener Turnitin-Validierungsdatenlage offengelegt hat. Andere behandeln weiterhin einen Detektorscore von über 80 Prozent faktisch als endgültig. Wenn du als ESL-Forschende:r markiert wurdest, ist das gptzero false positive esl pattern der dokumentierte Referenzdatensatz, der deinen Fall in Kontext setzt.

Wie weist du nach, dass du keine KI verwendet hast?

In unserem Fallprotokoll zeigen sich drei Kategorien von Evidenz – in etwa 90 Prozent der erfolgreichen Einsprüche. Baue jede davon auf, bevor du den Brief schreibst.

Prozess-Evidenz. Die Arbeit, die du geleistet hast, um das Dokument zu erstellen – aufgezeichnet automatisch durch die Tools, die du verwendet hast. Google Docs-Version History (File dann Version history dann See version history). Word-AutoRecover-Dateien und die eingebetteten Revisionsmetadaten. OneDrive-Aktivitätsprotokolle. Browsertab-Historie, falls du in einem Browser recherchiert hast. Snapshots aus dem Literaturverwaltungsprogramm (Zotero zeigt, wann jede Quelle hinzugefügt wurde). Mache Screenshots und exportiere Logs frühzeitig; einige Plattformen löschen ältere Daten nach einem festgelegten Zeitplan.

Vergleichende Schreibproben. Eine repräsentative Stichprobe deiner früheren Schreibarbeit – entweder aus früheren Phasen im selben Kurs oder aus anderen Kursen bzw. aus deiner veröffentlichten Arbeit. Drei bis fünf Beispiele reichen. Ziel ist es, zu zeigen, dass das Prosa-Muster des markierten Dokuments deinem normalen Muster entspricht. Wenn die Sprache wie deine anderen Texte klingt, hat der Detektor nicht deine KI-Nutzung „erkannt“, sondern dein linguistisches Profil.

Detektor-Validierungsdaten. Der institutionelle Validierungsbericht für den Detektor, den deine Universität verwendet – mit besonderem Augenmerk auf ESL-spezifische Falschpositiv-Raten. Der Befund der Stanford-Studie von 2023 ist der Ausgangspunkt. Die Entdeckungsunterlagen im Fall Newby v. Adelphi machten eine 28-prozentige ESL-Falschpositiv-Rate in der eigenen institutionellen Erfassung von Turnitin an einer Universität sichtbar. Präzisionsraten, die vom Vendor veröffentlicht werden, werden üblicherweise auf Muttersprachentexten berechnet und lassen sich nicht auf ESL übertragen.

Eine optionale, aber wertvolle vierte Kategorie. Ein kurzes Schreiben einer Schreibdozentin/eines Schreibdozenten, eines Tutors/einer Tutorin am Writing Center oder eines Senior-Mitglieds einer Forschungsgruppe, das deine Schreibmuster bestätigen kann. Nicht erforderlich für einen erfolgreichen Einspruch, aber überzeugend, wenn es dabei ist.

Die Vorlage für die Einspruchsbegründung bei KI-Erkennungs-Falschpositiven

Das ist die Gliederung für deinen Brief. Die Gliederung entspricht dem, was akademische Integrity-Gremien im Schreiben sehen wollen. Passe die Teile in eckigen Klammern an, sodass sie zu deiner Situation passen. Begrenze die Länge des Briefs auf zwei Seiten mit einzeiligem Zeilenabstand; alles darüber hinaus birgt das Risiko, dass man deine Argumente nicht mehr aufmerksam genug liest.

[Date]

Betr.: Widerspruch gegen die Feststellung zur akademischen Integrität, Fall [CASE NUMBER] [Name und Nummer des Kurses oder Titel des Thesis-Kapitels] Datum der Einreichung: [DATE] Vom Prüfer gemeldete Punktzahl: [PERCENTAGE], [DETECTOR NAME und VERSION]

Dear [Recipient name],

Ich schreibe, um formell gegen die Feststellung zur akademischen Integrität Berufung einzulegen, die am [DATE] im Zusammenhang mit der oben genannten Einreichung ergangen ist. Die Feststellung basiert auf einem einzelnen KI-Erkennungswert von [DETECTOR NAME]. Ich habe bei der Erstellung dieser Einreichung in keiner Form generative künstliche Intelligenz verwendet. Ich bitte respektvoll darum, die Feststellung aus den unten dargelegten Gründen aufzuheben.

1. Factual response to the finding

Ich habe die Einreichung in [TOOL, z. B. Google Docs] zwischen [START DATE] und [SUBMISSION DATE] verfasst. Das Verfassen erfolgte iterativ, über [N] Sitzungen hinweg an [N] Tagen, und ergab [N] sichtbare Bearbeitungsspeicherungen. Ich habe in keiner Phase ChatGPT, Claude, Gemini, DeepSeek oder irgendein anderes großes Sprachmodell verwendet. Ich habe weder einen KI-Umformulator noch einen Humanizer genutzt. Ich habe [LIST: gängige Tools wie Zotero für Literaturangaben, Grammarly Free-Tarif für die Rechtschreibung falls zutreffend] verwendet. Keines davon ist generative KI im Sinne der Richtlinie der Institution.

2. Evidence of authorship

I attach the following documentation as evidence:

Zeige A: die Versionsverlauf-Ansicht von Google Docs für die Einreichung, exportiert am [DATE]. Sie zeigt [N] Überarbeitungen für [N] Sitzungen, jeweils mit Zeitstempeln und sichtbar gemachtem Bearbeitungsinhalt.

Beispiel B: Eine Stichprobe von drei früheren Schreibaufgaben aus [KURS / THESIS / PUBLIKATION]. Die Prosemuster in diesen Dokumenten entsprechen den Mustern in der markierten Einreichung.

Zeige C: Eine Zusammenfassung der veröffentlichten Evidenz zu den Fehlalarmraten von Detektoren für nicht-muttersprachliche englische Schreiber*innen, einschließlich der Studie von 2023 der Stanford University (Liang, Yuksekgonul und Zou, Cell Patterns). Diese Studie fand eine 61,3-prozentige Fehlalarmrate über sieben große KI-Detektoren hinweg auf TOEFL-Aufsätzen nicht-muttersprachlicher Englischsprachiger, im Vergleich zu nahezu null bei Stichproben mit englischen Muttersprachlern.

Zeigen Sie D: [OPTIONAL] Ein Empfehlungsschreiben von [TUTOR IN DER SCHREIBZENTRALE / ERFAHRENEM FORSCHER / BETREUER], das mein Schreibmuster belegt.

3. Detector validation

Ich ersuche die Einrichtung respektvoll, den Validierungsbericht von [DETECTOR VENDOR] für die Testpopulation vorzulegen, der auch nicht-muttersprachliche englische Verfasser berücksichtigt. Newby v. Adelphi (New York, Februar 2026) hat festgelegt, dass eine Feststellung zur akademischen Integrität, die nur auf einem Detektorscore gestützt ist, ohne Validierungsnachweise für das sprachliche Profil des Studierenden, nicht dem Maßstab einer überwiegenden Wahrscheinlichkeit genügt. Ich habe Grund zu der Annahme, dass die Einrichtung keine ESL-spezifischen Validierungsdaten für den in meinem Fall verwendeten Detektor und die verwendete Schwelle bereitstellen kann. Wenn die Einrichtung keine ESL-spezifischen Validierungsdaten für den in meinem Fall verwendeten Detektor und die verwendete Schwelle vorlegen kann, beruht die Feststellung auf einer Methode, die der Detektoranbieter nicht für meine Population validiert hat.

4. Requested remedy

Ich beantrage respektvoll, dass die Feststellung zum Verstoß gegen die akademische Integrität aufgehoben und das Verfahrenseintrag gelöscht wird. Ich stehe für jede zusätzliche Anhörung oder jede sachdienliche Beweisüberprüfung zur Verfügung, die das Amt für angemessen hält, und ich werde uneingeschränkt mit jedem Prozess kooperieren, der mit der akademischen Integritätsrichtlinie der Einrichtung im Einklang steht.

Thank you for your consideration. I look forward to your response.

Sincerely,

Attachments:
 Exhibit A: Google Docs version history (PDF, [N] pages)
 Exhibit B: Previous writing samples (PDF, [N] pages)
 Exhibit C: Detector false-positive rate summary (PDF, [N] pages)
 Exhibit D: Letter of support (if applicable)

Die Struktur ist bewusst formell. Akademische Integrity-Gremien lesen viele emotional gefärbte Schreiben; der ruhige, evidenzbasierte Ton dieser Vorlage ist selbst ein Glaubwürdigkeitsindikator. Entschuldige dich nicht, äußere dich nicht wertend über den Detektor-Vendor und spekuliere nicht über die Motive der Lehrperson.

Die Newby-bewussten Ergänzungen für 2026

Das Urteil Newby v. Adelphi im Februar 2026 hat Argumente geschaffen, die jede interne Berufung in den USA stärken und darüber hinaus ein überzeugendes Gewicht entfalten. Drei Ergänzungen zur standardmäßigen Briefvorlage lohnen sich.

Newby in Abschnitt 3 zitieren. Abschnitt 3 der Vorlage oben würde etwa so lauten: Das Mindesterforderliche hier ist ein Verweis auf Newby. Wenn deine Jurisdiktion New York ist, kannst du Newby als verbindliches Präzedenz eines State-Courts zitieren. Wenn es irgendwo sonst in den USA ist, kannst du es als persuasive authority für Verfahrensfairness in Fällen mit Detektorevidenz zitieren. Außerhalb der USA kannst du es als vergleichende Evidenz zitieren, dass ausschließlich detektorbasierten Feststellungen gerichtlicherseits betrachtet und verworfen wurden.

Institutionelle Validierungsdaten einfordern. Newby stellte klar, dass eine Institution, die eine Feststellung zur akademischen Integrität verteidigt, dazu verpflichtet werden kann, den Validierungsbericht des Detektor-Vendors bereitzustellen. Stelle diese Anfrage in deinem Einspruchsbrief – schriftlich. Die meisten Institutionen können ESL-spezifische Validierungsdaten nicht auf Abruf liefern; das Fehlen ist dabei selbst Evidenz für deinen Fall.

Das Fehlen von Draft History korrekt rahmen. Newby hat Adelphi insbesondere dafür gerügt, auf der Grundlage des Fehlens einer Draft History in einem Einreichungsportal zu schließen, in dem eine solche nicht benötigt wurde. Wenn dein Einreichungsportal keine Revisionshistorie erfasst, ist das eine Designentscheidung der Institution – kein Gegenbeweis gegen dich. Zitiere Newby ausdrücklich zu diesem Punkt, wenn dein Brief auf eine Feststellung reagiert, die auf „no draft history“ verwies.

Für den breiteren Hintergrund dazu, wie der Newby-Fall gewonnen wurde und was er bindet bzw. was nicht, siehe unser allgemeines Playbook zur Einspruchsbegründung, das die prozedurale Seite ausführlicher behandelt, als dieser Beitrag es kann.

Was du in deinem Einspruch NICHT tun solltest

Fehler, die in unserem Protokoll sonst gewinnbare Fälle gekostet haben.

Nicht entschuldigen. Eine Entschuldigung für etwas, das du nicht getan hast, wird als Teilzugeständnis gelesen. Die Vorlage oben lässt Ausdrücke des Bedauerns bewusst weg. Du legst Einspruch gegen eine Feststellung ein, nicht gegen eine Einigung.

Den Detektor-Vendor nicht angreifen. „GPTZero ist unzuverlässig“ oder „Turnitin ist voreingenommen“ klingt defensiv und wiegt weniger. Lass die Evidenz in Show C ihre Arbeit machen. Stelle den Detektor als Werkzeug mit bekannten Schwächen für bestimmte Einsatzzwecke dar. Nicht als Zielscheibe.

Keine KI-generierten Texte in deinem Einspruch einreichen. Das klingt vielleicht offensichtlich. Forschende, die wir kennen, haben unter Termindruck ChatGPT genutzt, um ihre Einspruchsbegründung zu schreiben, und sie dann eingereicht. Einige akademische Integrity-Offices lassen den Einspruchsbrief durch dieselben Detektoren laufen, die bereits die problematische Einreichung identifiziert hatten. Schreib deine eigene Einspruchsbegründung.

Nicht überdokumentieren. 25 Seiten mit allen E-Mails, die man jemals geschickt hat, illustrieren Verzweiflung. Die Vorlage oben liefert dir einen 2- bis 3-seitigen Brief und 3 bis 4 Exponate. Die richtige Größe.

Die FERPA-Anfrage nicht überspringen. In den USA gibt FERPA dir das Recht, deine Bildungsunterlagen einzusehen – einschließlich des Detektorberichts und der Kommunikation zu deinem Fall. Reiche die FERPA-Anfrage zusammen mit deinem Einspruchsbrief ein. Außerhalb der USA hat dein Äquivalent (in der U.K. etwa der Data Protection Act 2018, in der EU das Zugangsrecht nach Artikel 15 der DSGVO, ähnlich) die gleiche Wirkung. Deine Institution hat die Evidenz vermutlich noch nicht formalisiert. Richte ihren Prozess auf deine Anfrage.

Nicht deine Entwürfe löschen. Sobald ein Fall eröffnet ist, sind deine Entwürfe und deine Versionshistorie Evidenz. Bewahre sie auf, soweit möglich. Exportiere sie jetzt, wenn du ein Tool nutzt, das ältere Versionen löscht.

Wann eine Eskalation sinnvoll ist

Die meisten Einsprüche werden auf Kurs- oder Abteilungsebene entschieden. Einige benötigen eine Eskalation.

An das institutionelle Berufungsgremium. Wenn die Entscheidung auf Kursebene ungünstig war und du starke Evidenz hast, verlangt fast jede Institution, dass du den internen Einspruch ausschöpfst, bevor du eine externe Option nutzt. Nutze dieselbe Vorlage, erweitert um die Antwort der Institution und deine Entgegnung.

An den institutionellen Ombudsmann. Ein paralleler Prozess, aber kein Ersatz. Der Ombudsmann kann prozedurale Versäumnisse dokumentieren, die das Berufungsgremium möglicherweise nicht adressiert. Nützlich auch dann, wenn du gewinnst – denn die Dokumentation trägt zur Reform auf institutioneller Ebene bei.

An eine juristische Beratungsstelle für Studierende oder Mitarbeitende. Die meisten großen Universitäten bieten kostenlose Rechtsberatung für Studierende; viele haben parallele Ressourcen für Mitarbeitende und Postdocs. Das ist die richtige Eskalation bei Fällen, die eine Aberkennung des Grades, den Visa-Status oder eine dauerhafte Notiz im Transcript betreffen. Newby hat eine kleine Gruppe von Anwältinnen und Anwälten hervorgebracht, die auf Fälle der KI-Detektion spezialisiert sind.

An externe rechtliche Beratung. Selten notwendig, aber angemessen, wenn der institutionelle Prozess fehlgeschlagen ist und die Konsequenzen groß sind. Die Familie Newby hat sechsstellige Beträge ausgegeben, um sich gegen Adelphi zu verteidigen. Die meisten Einsprüche von ESL-Forschenden brauchen diese Eskalationsstufe nicht und lassen sich auf interner Ebene günstig entscheiden, wenn die Evidenz gut organisiert ist.

An eine Presse-Anfrage wenden – nur als letzter Ausweg. Öffentliche Aufmerksamkeit hat einige Fälle gelöst, erhöht aber auch die Einsatzhöhe für die Institution und macht ein stilles Aufheben der Feststellung schwieriger. Verwahre diese Option für Fälle, in denen interne Eskalation bereits ausgeschöpft ist und die Konsequenzen schwerwiegend sind.

Die dazugehörige Leitfrage zu alledem ist Prävention. Wenn du einmal markiert wurdest, ist die Oberflächenvariation, die eine Falschpositiv-Detektion tatsächlich aushebelt, für zukünftige Entwürfe wirklich nützlich. Der sauberste Weg, diese Variation hinzuzufügen, ohne dein Register zu verändern oder deine Zitationen zu brechen, ist ein citation-aware humanizer; unser Leitfaden zum Humanisieren textnaher KI-Formulierungen ohne breaking academic tone deckt die konkreten Arbeitsschritte ab. Eine verwandte Sorge ist, was deine veröffentlichte Arbeit darüber offenlegen muss, welche KI-Tools du tatsächlich nutzt – dazu findest du in unserem KI-Offenlegungsleitfaden für Manuskripte.

Häufige Fragen

F: Wie wahrscheinlich ist es, dass mein Einspruch erfolgreich ist, wenn ich als ESL-Forschende:r einen hohen Detektorscore habe?

Einsprüche von ESL-Forschenden mit guten Prozessaufzeichnungen sind laut unserem Fallprotokoll in etwa 60 Prozent der Fälle auf Kurs- oder Abteilungsebene erfolgreich; intern in einem noch höheren Anteil. Die beiden besten Faktoren, die den Erfolg vorhersagen, sind (1) eine vollständige Revisionshistorie aus einem Entwurfs-Tool wie Google Docs und (2) eine klare Zitation der Stanford-2023-Evidenz zu Detektor-Bias und – in den USA – des Urteils Newby v. Adelphi. Sehr wenige Fälle, die beides erfüllen, halten stand.

F: Muss ich einen Anwalt/eine Anwältin haben, um die Einspruchsbegründung zu schreiben?

Nein für den internen Einspruch. Wir haben Fälle gesehen, in denen die Vorlage aus diesem Beitrag ohne rechtliche Unterstützung erfolgreich war. Wenn man einen Anwalt/eine Anwältin braucht, ziehe einen/eine in Betracht, wenn dein Fall eine Aberkennung des Grades, eine Exmatrikulation, den Visa-Status (für internationale Studierende und Forschende) oder eine dauerhafte Notiz im Transcript betrifft, die sich auf die Beschäftigung auswirkt. Die Vorlage plus das Evidenzpaket reicht für Feststellungen auf Kursebene typischerweise aus.

F: Soll ich eine FERPA-Anfrage vor oder nach der Einspruchsbegründung einreichen?

Reiche beides gleichzeitig ein – oder reiche die FERPA-Anfrage zuerst ein, wenn du noch ein paar Tage vor der Einspruchsfrist hast. Die FERPA-Anfrage legt oft den Detektorbericht und interne Kommunikation offen, auf die du in der Einspruchsbegründung Bezug nehmen möchtest. Wir haben außerdem festgestellt, dass allein die Existenz der FERPA-Anfrage Institutionen dazu bringt, die von ihnen gewählten Verfahren sorgfältiger zu prüfen. Wenn die FERPA-Anfrage etwas offenlegt, das man nicht kannte, als man den Einspruch eingereicht hat, reiche eine ergänzende Stellungnahme ein.

F: Meine Institution ist außerhalb der USA. Hilft mir der Newby-Fall?

Ja, als persuasive comparative evidence. Newby ist außerhalb von New York nicht bindend und wirkt auch nicht unmittelbar verbindlich gegenüber einer Nicht-US-Institution. Die Argumentation lässt sich jedoch übertragen: Ein einzelner Detektorscore ohne Validierung für das linguistische Profil der/des Studierenden erfüllt nicht den Maßstab einer überwiegenden Evidenz. In der U.K., der EU, in Kanada, Australien und Indien haben akademische Integrity-Gremien damit begonnen, sich mit dieser Argumentation auseinanderzusetzen. Auch wenn es nicht bindend sein sollte, zitiere den Fall ausdrücklich und stelle den Grundsatz als Zitat heraus.

F: Kann ich verhindern, dass das bei meiner nächsten Einreichung wieder passiert?

Hier sind drei Dinge, die man tun kann, um das zu verhindern: Verwende ein Tool, das Version Control beibehält, wenn du schreibst; Google Docs und Word haben diese Option standardmäßig aktiviert (speichere nicht in eine „saubere Kopie“ und verwerfe dann dein Arbeitsdokument!). Variiere den Rhythmus deiner Sätze. Versuche bewusst, die burstigen Rhythmen aufzubrechen, nach denen signature detectors suchen. Erwäge, die finale Version durch einen citation-aware humanizer zu schicken – dieser ergänzt die oberflächlichen Variationen, die Falschpositive auslösen, ohne deine Bedeutung oder deine Zitationen zu verändern. Das sind keine „Hacks“ zum Ausspielen des Systems, sondern operative Gegenmaßnahmen gegen eine voreingenommene Art der Messung.