Newby vs. Adelphi: Erste Gerichtsentscheidung zur KI-Detektion

Die Entscheidung in „Newby vs. Adelphi“, die im Februar 2026 von einem Gericht in New York erlassen wurde, ist der erste Fall zur KI-Detektion vor Gericht (und die erste KI-Detektionsklage, die zu einer Entscheidung führte), in dem das Gericht festhielt, dass die Adelphi University das Transkript einer Drittsemester-ESL-Undergraduate-Studentin freigeben muss, die alle Worte der beanstandeten Arbeit selbst verfasst hatte und einen Turnitin-KI-Score von 94 Prozent erhalten hatte. Das Gericht ordnete an, dass die Universität eine akademische Integritätsanklage gegen die Studentin aufheben muss. Höhere Bildung erhielt damit sein erstes großes Präzedenzsignal für disziplinarische Maßnahmen auf Grundlage von KI-Detektion. Und es stand nicht auf der Seite des Detektors.

Wir verfolgen den Trend der Berufungen gegen KI-Detektion seit geraumer Zeit, zurück bis in den frühen Teil des Jahres 2024. Die Geschichte auf unserem Weg nach Newby war niederschmetternd. In 18 Monaten haben wir 41 Fälle von ESL-Studierenden im Masterbereich dokumentiert, die bei Raten zwischen dem 3- und 6-Fachen häufiger als ihre muttersprachlich englischsprachigen Mitschülerinnen und Mitschüler in derselben Abschlusskohorte markiert wurden, und die es nicht schafften, „ein negatives Beweisziel zu widerlegen“ und eine Feststellung der akademischen Integrität an der Universität zu kippen, weil sie nicht gegen die vom Anbieter des KI-Detektors bereitgestellte Konfidenzbewertung argumentieren konnten. Newby vs. Adelphi ist der erste Fall, in dem ein Gericht eine Universität dazu zwang, dieses Ungleichgewicht im Protokoll anzuerkennen.

Dieser Beitrag ist die Fassung in klarer Alltagssprache dessen, was das Urteil tatsächlich sagt, was es nicht sagt, wen es heute schützt, wen es morgen beeinflusst, und welches praktische Verteidigungs-Playbook er für Studierende eröffnet, die mit derselben Anschuldigung konfrontiert sind. Wir konzentrieren uns auf den ESL-Aspekt, weil dort der Wendepunkt lag – und weil dort auch die nächste Welle von Berufungen ansetzen wird.

Was hat das Urteil in Newby vs. Adelphi entschieden?

Im Februar 2026 hob ein Gericht in New York die Feststellung der akademischen Integrität der Adelphi University gegen eine ESL-Undergraduate-Studentin auf. Es stellte fest, dass ein einzelner Turnitin-KI-Score von 94 Prozent – ohne Validierung für das ESL-sprachliche Profil der Studentin auf das in der Anhörung verwendete Konfidenzniveau – nicht dem eigenen „Überwiegen der Beweise“-Standard der Universität entsprach. Die Abhilfe war eng begrenzt: das Prüfungs- bzw. Studierendenprofil bereinigen (Clear the record) und eine Rückverweisung (remand) für eine verfahrenskonforme erneute Anhörung, sofern die Institution den Weg weiterverfolgen wollte. Das Urteil verbot KI-Detektion nicht im Grundsatz; es begrenzte, wie ein Detektor-Score in einem disziplinarischen Verfahren gewichtet werden darf.

Was ist in Newby vs. Adelphi passiert?

M. Newby reichte im Herbst 2025 eine Literaturübersicht für einen Kurs im zweiten Studienjahr ein. Der KI-Schreibindikator von Turnitin lieferte einen Score von 94 Prozent. Der Lehrende verwies den Fall an das akademische Integritätsbüro der Universität, das nach einer kurzen Anhörung zu dem Ergebnis kam, dass akademisches Fehlverhalten vorliegt. Newby legte intern Berufung ein und verlor.

Der Rechtsbeistand von Newby reichte im November 2025 vor einem Gericht des Bundesstaates New York Klage ein, und im Februar 2026 entschied das Gericht. Das Urteil hob die Feststellung der Institution aus drei Gründen auf. Erstens konnte die Universität keine Nachweise vorlegen, dass der Turnitin-KI-Indikator für ESL-Englisch auf dem in der Anhörung verwendeten Konfidenzniveau validiert war. Zweitens wurde in der Anhörung der Score als entscheidend (dispositive) akzeptiert, ohne dass eine sachverständige Aussage zu Fehlerquoten des Detektors zugelassen wurde. Drittens verlangte die eigene Richtlinie der Universität zur akademischen Integrität „ein Überwiegen der Beweise“ (a preponderance of evidence), und das Gericht befand, dass ein einzelner proprietärer Score ohne zugrunde liegende Erklärbarkeit diese Schwelle nicht erfüllte.

Das Gericht entschied nicht darüber, ob KI-Detektion im Grundsatz zulässig ist. Es stellte vielmehr klar, dass die Art und Weise, wie Adelphi den Score einsetzte – als nahezu endgültiges Instrument ohne unabhängige Bestätigung und ohne Berücksichtigung einer bekannten ESL-Voreingenommenheit – eine Verweigerung verfahrensrechtlicher Fairness gemäß der eigenen Policy der Universität darstellte. Die Abhilfe war eng begrenzt: die Feststellung aufheben, das Protokoll bereinigen und an die Institution zurückverweisen, damit bei Bedarf eine verfahrenskonforme erneute Anhörung durchgeführt wird.

Warum ist das Urteil in Newby vs. Adelphi bedeutsam?

Eine Gerichtsentscheidung zugunsten oder zuungunsten einer einzelnen privaten Universität allein setzt kein nationales Präzedenzsignal. Was Newby stattdessen leistet, ist deutlich pragmatischer. Es liefert einen schriftlich dokumentierten und zitierfähigen Bericht darüber, wie Gerichte die Evidenz zur KI-Detektion bewerten, wenn Institutionen gezwungen sind, vor Gericht die Anwendung dieser Evidenz nachzuweisen. Jede Berufung, intern oder extern, kann sich nun auf Newby als Leitprinzip stützen: Ein einzelner Detektor-Score (ohne begleitende Nachweise für das konkrete sprachliche Profil einer bestimmten Studentin/eines bestimmten Studenten) genügt als Beweismittel allein nicht.

Auch die Entdeckungs-/Offenlegungsseite (discovery) der Entscheidung ist relevant. Um die Entscheidung zu rechtfertigen, musste Adelphi die Validierungsdaten bereitstellen, die Turnitin der Institution übermittelt hatte. Das Gericht prüfte diese Daten: Sie zeigten – so die Eingangsbefragung der Institution – eine 28-prozentige Falsch-Positiv-Rate auf einem Sample von ESL-Undergraduate-Einreichungen. Die Zahl steht nun im öffentlichen Datensatz. Sie wird in jeder Berufung „in der Nähe von Newby“ über Jahre hinweg zitiert werden.

Der dritte Effekt ist reputativ. Es gibt inzwischen Universitäten, die KI-Scores als Schutzschild für Entscheidungen zur akademischen Integrität nutzten, ohne zu wissen, dass dieses Schild gerade versagt hatte. Nun ist man dabei, die Anforderungen an eine bestätigende Evidenz explizit zu erweitern – also Evidenz, die über den Detektor-Score hinausgeht. In den zwei Monaten seit dem Urteil haben wir bereits drei Institutionen gesehen, die ihre Richtlinien zur akademischen Integrität aktualisierten, um dieses Problem zu adressieren. Der Fall Newby leistet die Arbeit, die die Offenlegung der Anbieter (vendor disclosure) nie geleistet hat.

Warum markieren KI-Detektoren ESL-Schreibende als KI-generiert?

Eine Stanford-Studie aus dem Jahr 2023 fand, dass GPTZero 52 Prozent der Essays markierte, die von Nicht-Muttersprachlern geschrieben wurden, als KI-generiert – gegenüber 0 bis 12 Prozent bei muttersprachlichen Schreibenden, die dieselben Aufgabenstellungen (prompts) erhielten. Nachfolgende Updates der Anbieter verengten die Lücke auf einigen Testsets und weiteten sie auf anderen. Der strukturelle Grund hat sich nicht verändert. Detektoren suchen nach geringer Perplexität (low perplexity) und geringer Burstiness (low burstiness). ESL-Schreibende, insbesondere jene, die auf formelles akademisches Englisch trainiert wurden, schreiben genau mit diesen Merkmalen. Kurze Sätze, ein kontrollierter Wortschatz, parallele Struktur und ein konsistenter Registerton werden vom Detektor als „low entropy“ codiert, was als maschinenähnlich gilt.

Das Schreibprofil von Newby war ein nahezu kanonisches Beispiel. Ihre Literaturübersicht verwendete kompakte Sätze, eine begrenzte Palette an Konnektoren ("however", "in addition", "therefore") und ein gleichmäßiges Register über die Absätze hinweg. Für eine menschliche ESL-Dozentin/einen menschlichen ESL-Dozenten ist das das Lehrbuchprodukt jahrelanger expliziter Unterweisung. Für einen Detektor, der auf die Varianz muttersprachlicher englischer Texte trainiert ist, wirkte es wie maschinelle Ausgabe. Das Gericht musste die Bias-Frage nicht abstrakt verhandeln. Die eigenen Validierungsdaten des Detektors, die im discovery-Verfahren eingereicht wurden, erledigten diese Arbeit.

Das Muster der AI-Detection-ESL-Falsch-Positiv-Marker ist jetzt rechtlich dokumentiert – nicht nur akademisch argumentiert. Wenn Sie ESL-Studierende/r sind, ist diese Dokumentation der nützlichste Satz in diesem Beitrag.

Was Newby NICHT tut

Das Urteil falsch zu lesen ist der schnellste Weg, um in noch größere Schwierigkeiten zu geraten. Drei Dinge tut das Urteil nicht.

Es verbietet keine KI-Detektion. Universitäten können weiterhin Turnitin, GPTZero, Pangram, Originality.ai und ähnliche Tools verwenden. Das Urteil begrenzt, wie der Score in einem disziplinarischen Verfahren gewichtet werden kann – nicht ob der Score überhaupt generiert werden darf.

Es bindet Universitäten außerhalb von New York nicht direkt. Überzeugende Präzedenzwirkung ist real und nützlich, aber nicht dasselbe wie bindendes Präzedenzrecht. Ein Academic-Integrity-Officer an einer staatlichen Universität in Texas ist rechtlich nicht verpflichtet, Newby zu befolgen. Sie sind jedoch darauf hingewiesen, dass in ihren Anhörungen dieselben Argumente vorgebracht werden, und dass der General Counsel ihrer Institution den Fall so lesen wird, wie es Adelphi schließlich getan hat.

Es gewährt Studierenden keine Immunität, wenn tatsächlich KI verwendet wurde. Das Gericht war eindeutig: Das Urteil betrifft die verfahrensrechtliche Fairness in einem Fall mit streitiger Beweisführung. Wenn eine Studentin/ein Student KI-generierten Text einreicht und die Institution über unabhängige Evidenz verfügt (ein Abgleichfehler in der Entwurfs-/Draft-History, eine Zeugenaussage, ein nahezu wortgetreues ChatGPT-Log), schützt Newby sie/ihn nicht. Der Fall geht darum, wie Detektoren eingesetzt werden, nicht darum, ob KI-generierte Einreichungen zulässig sind.

Wie belegen Sie, dass Sie keine KI verwendet haben? Eine Newby-ähnliche Verteidigung

Der Fall liefert jeder beschuldigten Studentin/jedem beschuldigten Studenten eine Vier-Punkte-Vorlage. Jeder Teil ist ohne Anwalt umsetzbar, auch wenn schwerwiegende Fälle einen solchen erfordern.

1. Fordern Sie die zugrunde liegenden Validierungsdaten ein. Bitten Sie die Institution schriftlich, den Validierungsbericht des Detektor-Anbieters für die Testpopulation bereitzustellen, der das eigene sprachliche Profil einschließt. Wenn es sich um ESL handelt, fordern Sie explizit die ESL-Falsch-Positiv-Raten an. Die Institution kann dies häufig nicht liefern – und genau das ist bereits ein Bestandteil Ihrer Verteidigung.

2. Legen Sie Ihre Prozess-/Verlaufsdokumentation vor. Version History, Word-AutoRecover-Dateien, OneDrive-Aktivitätsprotokolle, Browsertab-Verlauf und Snapshots aus Ihrem Literaturverwaltungsprogramm zeigen, dass Sie die Arbeit im Verlauf der Zeit selbst verfasst haben. Das Urteil Newby kritisierte Adelphi insbesondere dafür, dass man das Fehlen einer Draft-History als Beleg der Schuld verwendete, obwohl deren Einreichungsportal keine Draft-Uploads erforderte. Wenn Sie eine Prozessdokumentation vorlegen können, tun Sie es. Wenn Ihr Portal diese Erfassung nicht vornimmt, ist auch das Teil Ihrer Verteidigung.

3. Richten Sie den Score an veröffentlichten Fehlerquoten aus. Die Adelphi-Validierungsdaten zeigten eine 28-prozentige ESL-Falsch-Positiv-Rate. Die Stanford-Studie von 2023 veranschaulichte 52 Prozent. Zitieren Sie diese Zahlen in Ihrer schriftlichen Antwort. Ein Detektor mit einer solchen Fehlerquote, der als Hauptbeweis genutzt wird, erfüllt nicht das Überwiegen der Beweise.

4. Fordern Sie einen Erklärbarkeitsbericht (Explainability Report) an. Die meisten Anbieter bieten eine „hervorgehobene“ Ansicht, die zeigt, welche Sätze den Score maßgeblich beeinflusst haben. Fordern Sie sie an. Wenn der Anbieter dies nicht liefern kann, verlangt die Institution von Ihnen, sich gegen eine nicht erklärbare Zahl zu verteidigen – was zugleich ein Argument für mangelnde Fairness ist.

Unser Appeal-Letter-Playbook führt die schriftliche Reaktion ausführlicher aus, einschließlich einer Newby-bewussten Vorlagenstruktur für den Brief und dem Eskalationspfad im Verfahren, wenn die Berufung auf Kurs-Ebene scheitert.

Prozess ist der neue Beweis

Das Urteil Newby ist eines von drei Signalen in den Jahren 2025–2026 dafür, dass sich die Debatte um akademische Integrität von „Hat ein Detektor das erkannt?“ hin zu „Was zeigt die Prozess-/Verlaufsdokumentation?“ verschoben hat. Außerdem wurde in 2025–2026 Turnitin Clarity in großem Maßstab ausgerollt, wodurch Draft-Forensik und der zeitliche Takt von Revisionen erfasst werden. Große Fachzeitschriften (Nature, Cell, The Lancet) haben ihre KI-Richtlinien von „keinen KI-generierten Text“ auf „KI-Nutzung offenlegen und Überarbeitungshistorie bewahren“ umgestellt. Anfang 2026 gab es zudem das Curtin University Turnitin-Disable, bei dem die Logik lautete, dass der Score mehr Streitfälle erzeugte als er auflöste.

Die Botschaft an Studierende und Forschende ist dieselbe: Bewahren Sie Ihre Entwürfe auf. Nutzen Sie Tools mit Revisionshistorien. Dokumentieren Sie die Prompts, die Sie verwenden (auch wenn Sie alles selbst schreiben). Unser KI-Offenlegungsleitfaden für Manuskripte behandelt die Offenlegungsseite für Einreichungen bei Journalen; dieselbe Logik gilt für Kursarbeiten, wenn Institutionen ihre Richtlinien in den nächsten 12 Monaten aktualisieren.

Aber auch die Menschlichkeits-Funktion (Humanizer) ist wichtig – und wird tatsächlich häufig missverstanden. Ein Humanizer mit Zitationsbezug dient nicht dazu, KI-Nutzung zu verbergen. Er dient dazu, die akademische Prosa einer ESL-Autorin/eines ESL-Autors vor einer Bewertung als KI durch Detektoren zu schützen, die den Unterschied nicht erkennen können, während zugleich die Referenzliste erhalten bleibt, die eine Gutachterin/ein Gutachter oder ein/e Dozent/in prüft. Wir haben unseren Humanizer genau für diesen Fall gebaut – und das Urteil Newby ist das deutlichste Argument, das wir je hatten, warum der Fall real ist.

Häufig gestellte Fragen

F: Was hat das Gericht in Newby vs. Adelphi tatsächlich entschieden?

Das Gericht hob die Feststellung der akademischen Integrität der Adelphi University gegen die Studentin auf. Es stellte fest, dass ein einzelner Turnitin-KI-Score – ohne Validierungsnachweise für das ESL-sprachliche Profil der Studentin und ohne Gelegenheit, den Score mit sachverständigen Aussagen anzufechten – nicht dem eigenen „Überwiegen der Beweise“-Standard der Institution entsprach. Die Abhilfe war eng begrenzt: das Protokoll bereinigen (clear the record) und eine Rückverweisung für eine verfahrenskonforme erneute Anhörung, sofern die Institution sich dafür entschied. Das Urteil verbot KI-Detektion nicht im Grundsatz.

F: Schützt das Urteil Newby Studierende an Universitäten außerhalb von New York?

Nicht als bindendes Präzedenzrecht. Aber diese Art von Entscheidung besitzt persuasive authority, also überzeugende Rechtsprechung: Eine andere Kammer (oder ein anderes Berufungsgremium einer Universität) kann sie zitieren und ihre Argumentation übernehmen, ist dazu jedoch nicht verpflichtet. Die praktische Wirkung war breiter als die rein juristische. Mehrere Institutionen außerhalb von New York haben ihre Richtlinien zur akademischen Integrität bereits aktualisiert, um bestätigende Evidenz über einen Detektor-Score hinaus zu verlangen, wobei Newby als Teil des Impulses genannt wurde.

F: Kann meine Universität nach Newby weiterhin Turnitin zur KI-Detektion einsetzen?

Ja. Das Urteil beschränkt, wie der Score in einem disziplinarischen Verfahren verwendet werden darf, nicht ob das Tool überhaupt ausgeführt werden kann. Die meisten Institutionen setzen KI-Detektion weiterhin schon in der Einreichungsphase ein. Was sich verändert, ist die Gewichtung des Scores: zunehmend als Screening-Signal, das eine genauere menschliche Prüfung auslöst, und nicht als primärer Beweis für sich allein. Wenn Ihre Institution den Score weiterhin als entscheidend behandelt (dispositive), adressiert genau diese Lücke Newby.

F: Ich bin ESL-Student. Wie kann ich bereits im Vorfeld eine Falsch-Positiv-Markierung verhindern?

Es gibt drei Gewohnheiten, die hier wirklich einen Unterschied machen. Erstens: Bewahren Sie Ihre Draft-Historie auf. Sowohl Google Docs als auch Word speichern frühere Versionen Ihrer Arbeit automatisch; exportieren Sie nicht in eine „saubere“ Kopie und entsorgen Sie nicht das Original. Achten Sie auf das Timing bzw. die Taktung Ihrer Sätze. Training in ESL führt oft zu einer Einheitlichkeit der Satzstruktur, die als geringe Burstiness bewertet wird. Wenn Sie auf einem KI-Detektor einen KI-Score erhalten, obwohl sämtliche Texte von Ihnen selbst stammen, lassen Sie ihn vor der Einreichung durch einen zitationsbewussten Humanizer laufen. Das fügt genau die Art von Oberflächenvariation hinzu, nach der die Detektionssoftware sucht, und belässt zugleich Ihre Worte und Zitate unverändert.

F: Sollte ich mir einen Anwalt holen, wenn ich mit einer KI-Detektionsbeschuldigung konfrontiert bin?

Berufungsschreiben mit geringfügigen Ergebnissen – wie sie bei einer Berufung auf Kurs-Ebene nötig sind – werden häufig gut laufen, wenn Sie das Appeal-Letter-Playbook und die Prozessdokumentation nutzen. In Fällen, in denen Sie Ihren Abschluss verlieren könnten, ausgewiesen werden, wenn sich Ihr Visastatus ändern könnte (internationale Studierende) oder wenn es zu einer dauerhaften Notation im Transcript kommt, sollten Sie einen Anwalt hinzuziehen. Die meisten Hochschulen bieten kostenlose studentische Rechtsberatung an, und es gibt spezialisierte Kanzleien, die sich auf Fälle zur KI-Detektion spezialisiert haben. Es gibt inzwischen eine kleine Gruppe von Anwältinnen und Anwälten, die sich bereits mit dem Newby-Fall befasst haben und die Rechtsprechung sowie die zugrunde liegende Detektortechnologie kennen.