KI-Detektoren an Schweizer Universitäten: Was ETH, EPFL, UZH & Co. wirklich einsetzen

Die Schweizer Hochschullandschaft unter KI-Druck

Seit ChatGPT 2022 für die breite Öffentlichkeit zugänglich wurde, stehen Schweizer Universitäten unter einem Druck, den keine Generation von Prorektorinnen und Dozenten zuvor kannte. Studierende nutzen generative KI — offen, heimlich, souverän oder naiv — und Hochschulen müssen Antworten finden, die akademische Integrität wahren, ohne den Anschluss an die Realität zu verlieren.

Dieser Artikel bündelt, was öffentlich bekannt ist über die Ansätze der wichtigsten Schweizer Universitäten und Fachhochschulen: welche Tools sie einsetzen, welche Richtlinien sie verfasst haben, welche Diskussionen dahinter stehen. Er ersetzt keine offizielle Auskunft der einzelnen Institutionen, sondern schafft einen Überblick für alle, die wissen wollen, wohin die Reise in der Schweiz geht.

ETH Zürich: Kompetenz vor Kontrolle

Die ETH Zürich hat sich früh und deutlich positioniert. Das Rektorat kommunizierte bereits 2023, dass der Einsatz von KI-Detektoren zur automatischen Plagiatsprüfung nicht vorgesehen ist — zu hoch sei das Risiko von Falsch-Positiven, zu wenig belastbar die Technik.

Stattdessen setzt die ETH auf drei Säulen:

• Bildung der Lehrenden: Workshops, Leitfäden und Handreichungen zu Prompt-Design, KI-Literacy und Prüfungsgestaltung im KI-Zeitalter.
• Transparenzpflichten: Studierende müssen offenlegen, ob und wie sie KI eingesetzt haben. Die Verantwortung liegt beim Individuum, nicht beim Detektor.
• Re-Design von Prüfungen: Mündliche Prüfungen, Laborarbeit, betreute Projektkomponenten werden ausgebaut, wo immer es sinnvoll ist.

Das bedeutet nicht, dass Detektoren an der ETH keine Rolle spielen. Einzelne Dozierende nutzen sie informell als «Frühwarnsystem» — aber kein Detektor-Output allein kann eine Sanktion begründen. Die ETH positioniert sich damit näher an skandinavischen Hochschulen als an vielen US-Universitäten, die stärker auf automatisierte Kontrolle setzen.

EPFL Lausanne: Pragmatismus und pädagogische Freiheit

Die EPFL verfolgt einen ähnlichen Kurs wie die ETH, legt aber stärkeres Gewicht auf institutionelle Flexibilität. Jede Fakultät — und in manchen Fällen jede einzelne Lehrveranstaltung — darf eigene KI-Richtlinien festlegen, solange sie mit den übergeordneten Integritätsregeln vereinbar sind.

In der Praxis heisst das:

• In Programmierkursen ist der Einsatz von Copilot oder ChatGPT oft explizit erlaubt, sofern die Studierenden ihren Prompting-Prozess dokumentieren.
• In schriftlichen Masterarbeiten gelten strengere Regeln: KI darf für Recherche und Strukturierung genutzt werden, nicht aber für die finale Formulierung.
• Detektor-Einsatz ist Sache der einzelnen Betreuerin oder des einzelnen Betreuers. Es gibt keine zentrale Vorgabe.

Die EPFL hat mehrere interne Studien zur Verlässlichkeit von Detektoren in Auftrag gegeben, deren Ergebnisse teilweise öffentlich diskutiert wurden. Die Kernaussage: Detektoren sind nützlich als Verdachtsmoment, aber ihre Fehlerquoten — besonders bei nicht-englischen Texten — machen sie als alleiniges Beweismittel untauglich.

Universität Zürich (UZH): Arbeitsgruppe und klare Taxonomie

Die UZH hat eine fakultätsübergreifende Arbeitsgruppe «KI in Lehre und Forschung» eingerichtet, die Empfehlungen für alle Fakultäten erarbeitet. Ihr zentraler Beitrag: eine klare Taxonomie zulässiger KI-Nutzung auf fünf Stufen.

• Stufe 0 — Kein KI-Einsatz erlaubt: Klausuren, Prüfungen unter Aufsicht, Arbeiten, bei denen das unassistierte Schreiben explizit Teil der Lernleistung ist.
• Stufe 1 — KI für Recherche: Zulässig als Suchassistenz, nicht für Textproduktion.
• Stufe 2 — KI für Überarbeitung: Zulässig für Rechtschreib- und Grammatik-Korrektur, einfache Umformulierungen.
• Stufe 3 — KI als Schreibpartner: Zulässig für Strukturierung, Brainstorming, Feedback zu Entwürfen — unter Dokumentationspflicht.
• Stufe 4 — KI frei einsetzbar: Zulässig für Aufgaben, bei denen das Ergebnis zählt, nicht der Prozess (z.B. Programmier-Übungen mit klarem Output).

Dozierende legen zu Beginn jedes Kurses die jeweilige Stufe fest. Studierende unterschreiben dies als Teil des Lernvertrags. Verstösse werden individuell geprüft — KI-Detektoren können als Hinweis dienen, sind aber nie das einzige Kriterium.

Universität Bern: Fokus auf mündliche Prüfungskomponenten

Die Universität Bern hat sich entschieden, den Akzent weniger auf Detektion und mehr auf Prüfungsdesign zu legen. In den geisteswissenschaftlichen Fächern wurden mündliche Verteidigungen und Präsentationen ausgebaut, in denen Studierende ihre schriftlichen Arbeiten persönlich erläutern müssen.

Der Gedanke dahinter: Ein Text, der nicht vom Autor oder der Autorin erklärt werden kann, ist auch dann problematisch, wenn kein KI-Einsatz nachgewiesen wurde. Die mündliche Komponente schafft ein natürliches Integritätskontroll-Element, das weder Detektor-Genauigkeit noch Falsch-Positive kennt.

Gleichzeitig nutzt die Universität Bern KI-Detektoren in Einzelfällen, wenn konkrete Verdachtsmomente bestehen. Der Einsatz erfolgt durch geschulte Prüfungsbeauftragte, nicht durch Dozierende auf eigene Faust.

Université de Lausanne (UNIL): Charta und partizipativer Ansatz

Die UNIL hat 2024 eine «Charta zum verantwortungsvollen Einsatz generativer KI» verabschiedet, an der Studierende, Lehrende und Verwaltung gleichberechtigt beteiligt waren. Die Charta formuliert Leitprinzipien, keine starren Regeln:

• Transparenz: Offenlegung des KI-Einsatzes, wo er relevant ist.
• Verantwortung: Studierende und Lehrende bleiben für den eigenen Output verantwortlich.
• Bildung: KI-Kompetenz wird als zentrale akademische Qualifikation anerkannt.
• Fairness: KI darf keine strukturellen Ungleichheiten verstärken.

Detektoren werden in der Charta nur am Rand erwähnt. Die UNIL positioniert sich damit am weichesten von allen grossen Schweizer Universitäten.

Università della Svizzera italiana (USI): Italienisch als Herausforderung

Die USI in Lugano steht vor einer besonderen Herausforderung: Die meisten kommerziellen KI-Detektoren sind auf Englisch und — mit Abstrichen — Deutsch trainiert. Italienisch ist in vielen Tools eine Nebenrolle, mit entsprechend höheren Fehlerquoten.

Die USI setzt deshalb einen starken Fokus auf:

• Mehrsprachige Detektion: Einsatz von Tools, die explizit Italienisch unterstützen, unter anderem Detektoren mit Schweizer Datenhaltung.
• Process-Assessment: Prozessdokumentation, Zwischenstände, Entwurfsversionen werden routinemässig verlangt.
• Peer-Review-Komponenten: Studierende lesen und kommentieren die Arbeiten anderer, was eine natürliche zusätzliche Prüfung schafft.

Fachhochschulen: HSLU, ZHAW, BFH

Die Schweizer Fachhochschulen folgen tendenziell einem pragmatischeren Kurs als die Universitäten. Die Hochschule Luzern (HSLU) hat hochschulweite Richtlinien veröffentlicht, die den Einsatz von KI in drei Kategorien einteilen (nicht erlaubt, mit Dokumentation erlaubt, frei erlaubt). Für die Kontrolle werden sowohl Detektoren als auch mündliche Komponenten kombiniert.

Die ZHAW betreibt ein eigenes Kompetenzzentrum für KI in der Hochschulbildung und publiziert regelmässig praxisorientierte Leitfäden. Detektor-Einsatz ist erlaubt, aber immer in Kombination mit qualitativer Einschätzung durch die Dozierenden.

Die Berner Fachhochschule (BFH) hat den Schwerpunkt auf Weiterbildung der Dozierenden gelegt und bietet regelmässige Workshops zu KI-Detektion und Prüfungsdesign an.

Gemeinsame Muster — und Lehren für kleinere Institutionen

Trotz unterschiedlicher Detailansätze zeichnen sich über alle grossen Schweizer Hochschulen drei gemeinsame Prinzipien ab:

1. Kein Detektor allein: Keine Institution stützt Sanktionen ausschliesslich auf KI-Detektor-Ergebnisse. Der Detektor ist immer ein Hinweis, nie ein Beweis.
2. Prozess-Dokumentation: Entwürfe, Gliederungen, Quellenlisten, Arbeitsjournale werden zunehmend zum zentralen Integritätswerkzeug.
3. Mündliche Komponenten: Das Gespräch über die eigene Arbeit wird wieder wichtiger — sowohl in formellen Prüfungen als auch in informellen Sprechstunden.

Für kleinere Institutionen — Gymnasien, Berufsschulen, Sekundarschulen — sind diese Prinzipien auch ohne grosse Arbeitsgruppen umsetzbar. Die wichtigste Erkenntnis: Eine klare Taxonomie (wie bei der UZH) plus mündliche Verteidigung (wie in Bern) plus ein zuverlässiger Detektor als zweite Meinung reicht oft weiter als jede technische Einzellösung.

Welche Detektoren werden in der Schweiz eingesetzt?

Eine vollständige Übersicht ist kaum möglich, weil viele Institutionen Detektoren dezentral und ohne zentrale Beschaffung nutzen. Aus Gesprächen mit Dozierenden und öffentlichen Quellen kristallisieren sich aber einige Tools heraus, die in Schweizer Hochschulkontexten häufig genannt werden:

• Turnitin AI Detection: In den grossen Universitäten verbreitet, weil oft bereits als Plagiats-Tool lizenziert. Kritiker bemängeln Fehlerquoten bei deutschen Texten.
• GPTZero: Bekannt, günstig für Einzelnutzer, aber in der Schweiz wegen Datenverarbeitung in den USA umstritten.
• AIDetector.ch: Wird zunehmend als Schweizer Alternative genutzt — nDSG-konform, mit Schweizer Server-Infrastruktur und Unterstützung für Deutsch, Französisch, Italienisch und Englisch.
• Scribbr AI Detector: Populär unter Studierenden zur Selbstkontrolle, weniger bei Dozierenden als Prüfungstool.

Der offene Diskussionspunkt: Datenschutz

Ein Thema, das in fast jeder Debatte auftaucht: Was passiert mit Studierendentexten, die in kommerzielle US-amerikanische Detektoren eingespeist werden? Aus Schweizer Datenschutzsicht (nDSG, Art. 19 und 31) ist die Übermittlung personenbezogener Daten in Drittländer ohne angemessenes Schutzniveau problematisch — und in studentischen Arbeiten sind oft persönliche Reflexionen, Fallbeispiele oder sogar Gesundheitsdaten enthalten.

Deshalb ist die Diskussion an Schweizer Hochschulen immer auch eine Datenschutzfrage. Detektoren mit Schweizer Hosting und klarer Compliance-Dokumentation werden zunehmend bevorzugt — nicht weil sie technisch überlegen wären, sondern weil sie rechtssicher sind.

Was kleinere Schulen aus diesen Erfahrungen mitnehmen können

Die grossen Schweizer Universitäten haben Ressourcen, die kleinere Schulen nicht haben: Rechtsabteilungen, pädagogische Entwicklungsabteilungen, Budget für Pilotprojekte. Dennoch sind die zentralen Empfehlungen auch auf kleinere Kontexte übertragbar:

1. Beginnen Sie mit einer klaren Taxonomie (z.B. dem UZH-Fünf-Stufen-Modell), nicht mit einem Tool.
2. Investieren Sie in Dozenten-Bildung, bevor Sie in Detektoren investieren.
3. Kombinieren Sie manuelle und automatische Erkennung. Keines der beiden allein ist ausreichend.
4. Wählen Sie datenschutzkonforme Tools. In der Schweiz heisst das: Schweizer Server, nDSG-konform, idealerweise mit Rechtsgutachten.
5. Führen Sie mündliche Komponenten ein, überall wo es organisatorisch machbar ist.
6. Dokumentieren Sie Ihre Entscheidungen schriftlich. Eine klare Richtlinie schützt sowohl Lehrende als auch Lernende.

Fazit

Schweizer Universitäten haben auf den KI-Schub nicht mit Panik reagiert, sondern mit einer typisch schweizerischen Mischung aus Pragmatismus, Föderalismus und institutioneller Bedächtigkeit. Kein zentrales Detektor-Mandat, keine flächendeckende Überwachung — aber eine wachsende Klarheit darüber, was erlaubt ist, was dokumentiert werden muss, und wie Integrität in einer Welt mit generativer KI weiter sichergestellt werden kann.

Für Lehrende und Verantwortliche an kleineren Bildungsinstitutionen ist die Botschaft: Sie müssen das Rad nicht neu erfinden. Die grossen Schweizer Hochschulen haben wertvolle Vorarbeit geleistet — nutzen Sie sie.

Quellen

• ETH Zürich, Rektorat: Stellungnahme zu KI in der Lehre, 2023–2025.
• EPFL, «Guidelines on the Use of Generative AI in Teaching and Learning», 2024.
• Universität Zürich, Arbeitsgruppe «KI in Lehre und Forschung», Abschlussbericht 2024.
• Universität Bern, Leitfaden zur KI-Nutzung in schriftlichen Arbeiten, 2024.
• UNIL, «Charte pour un usage responsable de l'IA générative», 2024.
• swissuniversities, Empfehlungen zu KI in der Hochschullehre, 2024.