Diese Studie beschäftigt sich mit Verfasserreferenz in KI-generierten wissenschaftlichen Artikeln. Es wird untersucht, ob und wie solche Texte die typischen sprachlichen Muster der Verfasserreferenz in der deutschen Wissenschaftssprache replizieren. Dazu werden mithilfe von ChatGPT drei linguistische Fachartikel generiert und anschließend hinsichtlich der sprachlichen Realisierung von Verfasserverweisen ausgewertet. Die quantitativen Befunde werden mit Ergebnissen aus vorangegangenen Studien mit menschlichen Texten verglichen. Dabei zeigt sich, dass die KI-generierten Texte gewisse Realisierungsmuster aus dem natürlichen Sprachgebrauch widerspiegeln: Die drei unterschiedenen Verweistypen (Textverweise, Methodenverweise und eristische Verweise) korrelieren mit ähnlichen Typen von Agensdemotion, wie sie in menschlichen Texten zu beobachten sind. Zugleich weist der Output von ChatGPT auch spezifische Eigenheiten auf, die auf die Funktionsweise des Sprachmodells zurückzuführen sind. Bestimmte als textsortentypisch zu erachtende Konstruktionen werden deutlich überproduziert; zudem zeigt sich ein Einfluss der angelsächsischen Wissenschaftssprache, der aus der Zusammensetzung der Trainingsdaten folgt.