Kann Perusall KI erkennen? Was die Plattform sieht – und was nicht

Perusall ist eine Plattform für soziale Annotationen, die zusammen mit dem Lernmanagementsystem eines Kurses eingesetzt wird. Studierende lesen eine zugewiesene PDF-Datei, sehen sich ein Video an oder bearbeiten ein Lehrbuchkapitel. Statt einen separaten Aufsatz einzureichen, hinterlassen sie Kommentare, Fragen und Antworten direkt an bestimmten Textstellen oder Zeitmarken. Andere Studierende desselben Kurses können diese Annotationen sehen und darauf reagieren – genau das macht die Nutzung "sozial" und unterscheidet sie von einer privaten Abgabe. Da die bewertete Leistung aus mehreren kurzen, über ein Dokument verteilten Annotationen und nicht aus einem zusammenhängenden Aufsatz besteht, stellt sich die Frage nach der KI-Erkennung bei Perusall aus einem anderen Grund als bei Turnitin oder dem Hochladen eines Aufsatzes in Canvas: Die Texte sind kürzer, dialogischer und an ein bestimmtes Zitat oder einen Moment im Ausgangsmaterial gebunden. Das verändert sowohl das mögliche Erscheinungsbild KI-generierter Annotationen als auch die Anforderungen an ein System, das sie erkennen soll.

Nein. Perusall lässt Annotationen nicht durch ein KI-Erkennungsmodell laufen, und Lehrkräfte können eine solche Funktion auf der Plattform auch nicht per Schalter aktivieren. Die Perusall-eigene Bewertungslogik, vom Unternehmen als automatisierte Benotung bezeichnet, bewertet Beteiligungssignale: die Länge einer Annotation, ob ein Kommentar konkrete Inhalte aus dem Lesetext aufgreift, wie früh er im Verhältnis zur Abgabefrist veröffentlicht wurde und ob andere Studierende damit interagiert haben. Keines dieser Signale soll abschätzen, ob ein Text von KI erzeugt wurde. Wer fragt, ob Perusall auf KI prüft, erwartet mitunter eine Antwort wie bei einem Ähnlichkeitsbericht. Tatsächlich wurde der Algorithmus jedoch entwickelt, um die Qualität der Beteiligung und nicht die Urheberschaft zu messen; an keiner Annotation hängt ein KI-Wahrscheinlichkeitswert.

Die Ansicht für Lehrkräfte in Perusall ist eher manuell als automatisiert. Sie können das Annotations-Dashboard eines Kurses öffnen, jeden von einem Studierenden hinterlassenen Kommentar lesen, nach Dokument, Person oder Zeitstempel sortieren und die von Perusall berechnete automatische Beteiligungsbewertung einsehen. Was sie nicht sehen können, weil Perusall es nicht erzeugt, ist ein KI-Wahrscheinlichkeitswert oder eine hervorgehobene Kennzeichnung wie "wirkt maschinell verfasst" neben einer Annotation. Vermutet eine Lehrkraft, dass Annotationen von KI erzeugt wurden, statt während der Lektüre entstanden zu sein, ergibt sich dieser Verdacht meist aus dem Lesen der Annotationen selbst: etwa aus einem Kommentar, der den Text nur allgemein lobt, ohne die verknüpfte Passage konkret zu erwähnen, oder aus Formulierungen, die sich über mehrere Lesetexte hinweg auf eine Weise wiederholen, die nicht zur üblichen Stimme des Studierenden passt.

Ja, und das ist meist der relevantere Weg, wenn eine Lehrkraft das Annotationsmuster eines Studierenden genauer untersuchen möchte. Über den Datenexport oder die Notenbuch-Synchronisierung der Plattform können Lehrkräfte Annotationsdaten einschließlich Kommentartexten, Zeitstempeln und Beteiligungswerten in eine Tabelle exportieren. Dieser Export wird von Perusall nicht durch ein KI-Erkennungsmodell geleitet, sondern enthält Rohtext und Metadaten. Sobald die Annotationstexte außerhalb der Plattform vorliegen, können sie jedoch manuell auf dieselben Warnsignale wie anderswo geprüft oder besonders kurze beziehungsweise verdächtige Ausschnitte in ein separates KI-Erkennungstool eingefügt werden, sofern die Kursrichtlinien eine solche Prüfung vorsehen. Erst der Export verbindet eine Perusall-Aufgabe überhaupt mit einer KI-Prüfung; davor geschieht nichts automatisch.

Perusall wird üblicherweise über eine LMS-Integration in einen Kurs eingebunden – meist in Canvas, aber auch in Brightspace oder Blackboard. Das LMS kann Turnitin oder ein anderes KI-Erkennungstool unabhängig davon für andere Aufgaben desselben Kurses einsetzen, etwa für Aufsätze oder Diskussionsbeiträge. Dieser Ablauf ist vollständig von der Bewertung der Perusall-Annotationen getrennt. In einem Kurs kann Turnitins Indikator für KI-generierte Texte für eine über Canvas eingereichte Seminararbeit aktiv sein, während Perusall ausschließlich für wöchentliche Leseannotationen genutzt wird; beide Systeme tauschen weder Daten noch Bewertungen aus. Wenn im Lehrplan von KI-Erkennung die Rede ist, sollte daher genau geprüft werden, ob die Regel das Tool für Aufsatzabgaben oder das Tool für Leseannotationen betrifft. Es wäre nachvollziehbar, das eine für vom anderen abgedeckt zu halten, obwohl dies nicht der Fall ist.

Ohne einen automatisierten Wert als Anhaltspunkt erkennen Lehrkräfte einen möglichen KI-Einsatz in Perusall-Annotationen eher anhand wiederkehrender Muster als anhand einer einzelnen Markierung.

Wenn eine Lehrkraft speziell Bedenken zu Perusall-Annotationen äußert, ist eine sachliche Klärung meist hilfreicher als eine defensive Reaktion, da es zunächst keinen von Perusall erzeugten Bericht gibt, gegen den man argumentieren müsste.

Da Perusall selbst nichts automatisch markiert, hängt das praktische Risiko allein davon ab, wie eine Annotation später auf eine Lehrkraft wirken könnte – bei einer normalen Durchsicht oder nach einem Export. Längere oder ausgefeiltere Annotationen können vor der Veröffentlichung mit dem Tool zur KI-Texterkennung von NotGPT geprüft werden. Es hebt Formulierungen hervor, die KI-generiert wirken, und ist besonders hilfreich, wenn ein Kommentar mit starker Unterstützung durch ein Grammatiktool oder eine Übersetzungssoftware entstand und dadurch steifer oder formeller klingt als die übrigen Annotationen eines Studierenden. Ist ein markierter Kommentar tatsächlich eigenständig verfasst, wirkt aber im Vergleich zur üblichen Stimme unnatürlich ausgefeilt, kann das Humanize-Tool die Formulierung anpassen, ohne die eigentliche Beobachtung zum Lesetext zu verändern. Eine solche Prüfung ist eine Vorsichtsmaßnahme dafür, wie der Text wahrgenommen werden könnte, und keine Reaktion auf eine Messung durch Perusall, denn die Plattform besitzt keine eigene KI-Erkennungsebene.