KI in der Bildung 2026-08-10

Der Professor bemerkte, dass sich sein Geschichtskurs mit Studierenden gefüllt hatte, die es nicht gibt — und die die Hausaufgaben machten

Am East Los Angeles College sah der Geschichtsprofessor David Song auf seinen Listen zunehmend Namen, die nicht zum Campus passten: generische angelsächsische Namen in einer überwiegend lateinamerikanischen und asiatischen Studierendenschaft, mit Bildungswegen, die keinen Sinn ergaben. Es waren keine Studierenden. Es waren 'Geisterstudenten' — Einschreibungen, die Betrugsringe mit gestohlenen Identitäten anlegen, von Bots massenhaft eingereicht, von einer KI mit gerade so vielen Abgaben am Leben gehalten, dass sie den Stichtag überstehen, und am Ende als staatliche und bundesstaatliche Ausbildungsförderung ausgezahlt. Der New Yorker kam am 9. August auf das Thema zurück. Die Zahlen dahinter sind groß und öffentlich: Rund ein Drittel der Bewerbungen an Kaliforniens 116 Community Colleges war 2024 betrügerisch, der Bundesstaat hat seitdem mehr als 30 Millionen Dollar verloren, und Bundesermittler haben landesweit über fünf Jahre mehr als 350 Millionen Dollar an Geisterstudenten-Betrug untersucht. Auch der Gegenschlag ist KI. Kaliforniens Community-College-System schickt Bewerbungen nun durch automatische Betrugserkennung — die Plattform LightLeap.AI von N2N hat über 79.000 Bewerbungen markiert — und die Hochschulen berichten, die Software erkenne etwa doppelt so viele betrügerische Einschreibungen wie menschliches Personal, einzelne Standorte schätzen die Erkennung auf über 90 Prozent. Die monatlichen Verluste sind vom Höchststand 2025 auf rund eine halbe Million Dollar gefallen. Manche Standorte verlangen für die Einschreibung inzwischen eine Live-Verifizierung durch Menschen.

Warum es wichtig istJede Debatte über KI in der Bildung dreht sich um Studierende, die bei Aufgaben schummeln. Hier zielt dieselbe Technik eine Ebene höher: nicht auf die Hausarbeit, sondern auf das Einschreibesystem selbst — und gar nicht durch Studierende. Es gibt drei Opfergruppen, und keine davon ist die Hochschule: reale Menschen, deren gestohlene Identität nun Kredite trägt, die sie nie aufgenommen haben; reale Studierende, die keinen Platz in einem vollen Kurs bekommen, in dem die meisten Plätze von niemandem belegt sind; und die öffentliche Kasse. Zur schärfsten verfügbaren Fallstudie wird das dadurch, dass beide Seiten automatisiert sind. Bots reichen ein, Klassifikatoren sieben aus, der Ring passt sich an, der Detektor trainiert nach. Die Menschen, die in der Schleife blieben, sind Lehrende wie Song, der bemerkte, was das System nicht bemerkte, weil er wusste, wie sein eigener Hörsaal aussieht. Das ist die dauerhafte Lehre für jeden, der eine Einrichtung mit einer Online-Eingangstür leitet: Die automatische Abwehr ist in der Masse inzwischen wirklich besser als die manuelle — und es brauchte trotzdem einen Menschen vor Ort, um überhaupt zu merken, dass etwas nicht stimmte.

✓ Verifiziert · 4 Quellen

▶ Passendes Video: 'Ghost students' stealing millions in college financial aid | Investigation In der App lesen — kostenlos, 9 Sprachen

Der Professor bemerkte, dass sich sein Geschichtskurs mit Studierenden gefüllt hatte, die es nicht gibt — und die die Hausaufgaben machten

Verwandte Meldungen