KI in der geschichtswissenschaftlichen Lehre – Gefahr oder Chance?

Lehre ist ein Zusammenspiel der Akteure Lehrende, Lernende und Inhalt. Inzwischen prägt Künstliche Intelligenz alle drei Akteure in irgendeiner Art und Weise mit – sei es durch Hilfe bei der Lehrplanung, durch Hilfe beim schöneren Schreiben, bei der Recherche, bei Übersetzungen oder auch beim Entwickeln von Fragestellungen oder der Abfassung ganzer Texte. Im Folgenden soll mit der Lehrveranstaltung „ChatGPT und Mediävistik. Wie kann ich KI in der mittelalterlichen Geschichte anwenden?“ ein Beispiel präsentiert werden, in dem Künstliche Intelligenz im Rahmen universitärer Lehre eingebunden wird, also einen Platz im didaktischen Dreieck erhält.

Miriam Weiss

Zum Projekt „Digital Teaching Plug-in“

Die geschilderten Ideen entstanden im Rahmen des von der Stiftung Innovation in der Hochschullehre geförderten Projektes „Digital Teaching Plug-in“ (DaTa-Pin) an der Universität des Saarlandes innerhalb des Teilprojektes „KI-geschaffene Texte und ihre Verwendung in den Geisteswissenschaften. Möglichkeiten und Grenzen“. Darin haben Cristina Andenna und ich gemeinsam mit Studierenden digitale Text- und Übersetzungstools erfasst und im Hinblick auf ihren Einsatz in der geschichtswissenschaftlichen Hochschullehre analysiert.

Der erste Teil des Projekts zielte darauf ab, den Einsatz von verschiedenen Übersetzungstools wie DeepL, dem Übersetzer von Google und ChatGPT in der Lehre zu testen und zu reflektieren. Die Ergebnisse dieses Analyseprozesses zeigen, dass diese Tools relativ gute Übersetzungen – speziell aus dem Lateinischen – liefern, die dem Originaltext nahekommen, während akademische Übersetzungen oft freiere Interpretationen bieten. In einem zweiten Schritt wurden die Grenzen der durch die Tools erstellten Übersetzungen identifiziert und kritisch diskutiert. Dabei stellte sich heraus, dass die Tools persönliches Fachwissen nicht ersetzen können. So halfen die Übersetzungstools beispielsweise nicht dabei, Orte und Personen zu identifizieren, eine Aufarbeitung, die wissenschaftliche Übersetzungen hingegen in den Annotationen bieten.[1]

Die ersten Lehrerfahrungen machten insgesamt deutlich, dass es wichtig ist, Studierende an die Besonderheiten KI-generierter Übersetzungen heranzuführen und ihnen die Einschränkungen und Probleme bewusst zu machen. Solange diese Bedingungen erfüllt sind, wird der Einsatz von KI in Bezug auf Übersetzungen für Studierende eher zu einer Chance als zu einer Gefahr. Dieser Befund ermöglichte es, den Einsatz digitaler Tools in der Lehre positiv zu bewerten und mit der zweiten Phase des Experiments fortzufahren.

Die Held*innenreise, das Mittelalter und KI

Im Wintersemester 2023/24 fand die Lehrveranstaltung „ChatGPT und Mediävistik. Wie kann ich KI in der mittelalterlichen Geschichte anwenden?“ statt. Ihre Grundidee war zu eruieren, inwiefern frei verfügbare KI heute bereits Schritte wissenschaftlicher Arbeit von Historiker*innen übernehmen kann. Unsere Arbeit beginnt dabei nicht selten im Archiv, in dem wir die Quellen im Original einsehen, um sie dann aufzubereiten, also zu transkribieren, zu übersetzen und zu interpretieren. Gibt es Künstliche Intelligenz, die Schritte innerhalb dieses Prozesses übernehmen kann – und zwar so übernehmen kann, dass die Ergebnisse wissenschaftlichen Ansprüchen genügen?

Um dies herauszufinden, verwendeten wir eine spezielle Methode. Wir adaptierten ein aus dem Storytelling bekanntes „Ablaufmuster“ von Geschichten, die sog. „Held*innenreise“, und arbeiteten dieses zur Anwendung in der Lehrveranstaltung um. Die Methode der Held*innenreise gibt die Struktur einer Erzählung vor. Solche Erzählungen können Romane, Filme, Computerspiele und vieles mehr sein. Grundlegend ist, dass im Rahmen der Erzählung von Held*innen zwölf aufeinanderfolgende Etappen absolviert werden:

Zunächst wird der Held oder die Heldin in der gewohnten Welt vorgestellt. Daraufhin erhält er/sie von außen, meist aufgrund eines Ereignisses, den Ruf, ein Abenteuer anzugehen. Diesen Ruf verweigert er/sie zuerst, da er/sie sich nicht zutraut, das Abenteuer zu meistern. Daraufhin treten Mentor*innen auf, die ihn/sie überzeugen, das Abenteuer doch in Angriff zu nehmen. Er/sie überschreitet die erste Schwelle hinein ins Abenteuer und trifft auf Verbündete und Feinde und muss Bewährungsproben meistern. Im Laufe des Abenteuers dringt er/sie in die tiefste Höhle, das heißt an den schlimmsten Ort, vor und muss einen Entscheidungskampf führen. Als Belohnung erhält er/sie dann das Schwert, mit dem er/sie sich auf den Rückweg begeben kann. Auf seinem bzw. ihrem Weg verwandelt oder erneuert sich der Held bzw. die Heldin innerlich, um schließlich mit dem Elixier, also dem erfolgreich bewältigten Abenteuer, innerlich gewachsen in die gewohnte Welt zurückzukehren.

Dieses „Ablaufmuster“ arbeiteten wir für die Lehrveranstaltung derart um, dass in unserem Fall die Studierenden zu „Held*innen“ werden konnten. Sie kamen in eine gewohnte Lehrveranstaltung, um dort mit einer für sie fachlich und methodisch äußerst herausfordernden Aufgabe konfrontiert zu werden, die sie eigenständig und eigenverantwortlich lösen sollten. Auf ihrem folgenden Weg zu „Held*innen“ wurden die einzelnen Etappen mündlich und am Ende der Lehrveranstaltung noch einmal rückblickend schriftlich reflektiert. Für die schriftliche Reflexion erhielten die Studierenden Fragen, die sie für den Beitrag „Quellenaufbereitung mit Hilfe digitaler Tools – Eine Held*innenreise mutiger Studierender“ beantworten sollten.[2]

Die Herausforderung der Lehrveranstaltung bestand darin, eine im Original erhaltene Quelle (mehrere Urkunden aus dem Saarländischen Landesarchiv) selbst aufzubereiten. Sie sollten diese also transkribieren, übersetzen, den Inhalt historisch einordnen und interpretieren. Wie zu erwarten war, wurde das Abenteuer innerlich zunächst verweigert, da sich Selbstzweifel und Überforderung in Anbetracht dieser Aufgabe einstellten. Die in diesem Zusammenhang beschriebenen Gefühle waren unter anderem Skepsis, Überforderung und Unsicherheit. Um eine Hilfe zu geben, wurden ihnen als „Mentor*innen“ digitale Tools, wie beispielsweise ChatGPT, Transkribus oder der Google-Übersetzer, zur Seite gestellt, die ihnen jederzeit helfen durften. Die Recherche der digitalen Tools sowie das Ausprobieren oblag den Studierenden selbst. Im Gegensatz zu dem, was sie erwartet hatten, war die Anzahl an hilfreichen Tools überschaubar. Für die Transkription ihrer Quellen entschieden die Studierenden sich, Transkribus auszuprobieren. Leider führte das nicht zum erhofften Erfolg, und auch ChatGPT war keine Hilfe. So waren sie gezwungen, in die tiefste Höhle vorzudringen, das heißt, die Transkription selbst anzufertigen. Die Reaktionen darauf waren dementsprechend „genervt“, „enttäuscht“ und „überfordert“. Dennoch schlugen sie sich sehr tapfer in diesem Entscheidungskampf und erhielten dabei auch Hilfestellungen von den Dozentinnen und dem Archivar Dr. David Schnur sowie Hilfe in Form von bereits gedruckten Regesten und Transkriptionen. So hielten sie am Ende das „Schwert“, in unserem Fall die Transkriptionen, in den Händen. Als nächstes ging es an die Übersetzungen, wobei ChatGPT und der Google Übersetzer verwendet wurden. Dieser Schritt verlief wesentlich erfolgreicher als die Transkriptionen. Zwar stellten die Studierenden erneut fest, dass – wie bereits in der ersten Phase unseres Experiments – Personen und Orte nicht gut identifiziert und außerdem keine Daten aufgelöst werden können, doch mit ein bisschen Übung beim Prompting erhielten sie schließlich akzeptable Übersetzungen. Die letzte Aufgabe war schließlich, eine ausführliche Quellenkritik durchzuführen und die Ergebnisse in Referaten zu präsentieren. Dabei stellte sich zum einen heraus, dass ChatGPT nur sehr begrenzt hilfreich ist, während die herkömmliche Literaturrecherche deutlich mehr Informationen liefert. In den Referaten ergab sich dann die schöne Situation, dass die Studierenden untereinander diskutierten und sich gegenseitig Fragen stellten, ohne dass dies von unserer Seite forciert worden wäre. Es resultierte aus der Tatsache, dass alle behandelten Urkunden aus einem Urkundenbuch stammen und die Gruppen sich erhofften, durch Informationen über die anderen Urkunden Rückschlüsse darauf ziehen zu können, weshalb ihre eigene Urkunde in dem Kopiar zu finden ist. Am Ende gingen die Studierenden erfolgreich aus der Veranstaltung heraus.

Auswertung

Was in diesem Fall „erfolgreich“ bedeutet, möchte ich kurz erläutern und in einen Zusammenhang mit Künstlicher Intelligenz stellen.

Die folgenden drei beispielhaften Rückmeldungen Studierender zur Held*innenreise zeigen, dass der Erfolg – im Sinne erfolgreichen Lernens – hier auf unterschiedlichen Ebenen zu finden ist: Die Studierenden lernten auf fachlicher Ebene, zu digitalen Tools und auf persönlicher Ebene.

Abb. 3: Beispiele studentischer Rückmeldungen

Das didaktische Potenzial der Lehrveranstaltung liegt insbesondere darin, dass die Studierenden als Verantwortliche für die gestellte Aufgabe und damit als Verantwortliche für den Fortgang der Lehrveranstaltung den wissenschaftlichen Forschungsweg zu ihrem eigenen (gemeinsamen!) Weg machten. Sie erstellten den Semesterplan selbst und passten ihn im Laufe des Semesters immer wieder an. Sie unterstützten sich bei allen Problemen, um gemeinsam voranzukommen. Und sie waren und sind am Ende stolz auf ihre ganz eigenen Ergebnisse, die sie nicht pflichtschuldig referierten, sondern enthusiastisch präsentierten und miteinander diskutierten. Sie lernten also nicht nur auf fachlicher, sondern auch auf überfachlicher und persönlicher Ebene inklusive aller Säulen der sog. Future Skills (technologische Kompetenzen, klassische Kompetenzen, transformative Kompetenzen und digitale Schlüsselkompetenzen). Das zeigen nicht nur die subjektiven Rückmeldungen der Studierenden, sondern auch die von bildungswissenschaftlicher Seite durchgeführte anonyme Evaluierung der Lehrveranstaltung.

Zu sehen sind verschiedene Kompetenzen, die zu Beginn und am Ende der Lehrveranstaltung von den Bildungswissenschaften an der Universität des Saarlandes durch eine speziell dafür entwickelte Evaluierung gemessen wurden. Blau zeigt den ersten Messzeitpunkt, also den Semesteranfang, und gelb den zweiten Messzeitpunkt, also das Semesterende. Wir sehen zunächst das erfreuliche Ergebnis, dass sich alle Kompetenzen verbessert haben. Fünf Bereiche sind besonders hervorzuheben, da sich darin signifikante Verbesserungen finden. Dies sind die Bereiche „Kommunikation und Kollaboration“, „Suchen und Filtern von Daten“, „Zielsetzung“, „Intrinsische Motivation“ und „Selbstüberwachung“. Die „Intrinsische Motivation“ hat den höchsten Ausschlag, etwas, das wir uns – wie ich glaube – alle in unserer Lehre wünschen.

Ausschlaggebend für diesen Erfolg ist die hohe Selbstständigkeit, die den Studierenden zugestanden wurde. Unsere Aufgaben als Dozentinnen sind in einem solchen Format anders als in den meisten herkömmlichen Hochschullehrveranstaltungen. Wir sind weniger Vortragende, deren Wissen von Studierenden rezipiert wird, als vielmehr Lernbegleitende, die gemeinsam mit Studierenden Kompetenzen und Wissen schaffen. Als Expert*innen stehen wir ihnen im Lernprozess zur Seite und helfen, wann immer es notwendig ist, das aber, ohne als bestimmende Personen den Weg vorzugeben. Dies lässt Studierende eigene Wege finden und damit ihre eigenen Fähigkeiten erkennen.

Ein solche Selbstwirksamkeitserfahrung wird zudem gefördert, wenn als Helfer digitale Tools auftreten, denn deren Grenzen zeigen immer wieder, dass die Studierenden selbst Wissenschaftler*innen sind, die sich unterstützen, aber nicht ersetzen lassen. Solche Erfahrungen führen zu hoher Eigenmotivation und zu Selbstvertrauen bei Studierenden, was sich wiederum auf andere Veranstaltungen, den Fortgang ihres Studiums und im besten Fall ihren weiteren Lebensweg auswirkt. Gleichzeitig bleiben die erlernten Inhalte durch die erlebten Rückschläge, Fortschritte und das letztendlich gemeinsam erreichte Ergebnis verankert, es wird also nachhaltig gelernt.

Fazit: KI in der geschichtswissenschaftlichen Lehre

Die Rollen der am Lehr-Lern-Prozess beteiligten Akteur*innen können offenkundig neu definiert und an die Entwicklungen im Bereich der Künstlichen Intelligenz heutige Verhältnisse anpasst werden. Dazu ist es in meinen Augen erforderlich, dass Künstliche Intelligenz als neue Akteurin in den Lehr-Lern-Prozess aufgenommen wird, denn zukünftig wird sie eine Rolle in jedwedem Lernsetting spielen. Wichtig erscheint mir, dass in zukünftigen Lehrkonzepten die Rolle digitaler Akteur*innen von Dozent*innenseite aktiv zugewiesen wird.

In unserem Fall haben wir sie zu Helfer*innen bzw. Mentor*innen der Studierenden gemacht. Andere Rollen der digitalen Tools sind auch möglich, wie beispielsweise als Konkurrenten, Diskussionspartner, Lernbegleiter oder Ähnliches. Wichtig ist, dass die jeweilige Rolle während des Lernprozesses kritisch betrachtet wird. Dann scheint mir KI als aktive Komponente in der universitären Lehre eine große Chance zu sein, Studierende auf vielen Ebenen kompetent für ihre Zukunft zu machen.

Denn schon unser erstes Experiment hat gezeigt, dass Studierende durch den sinnvollen Einsatz von KI in der Lehre zu „Held*innen“ werden können. Sie erfahren, dass die Beurteilung, wie gut oder schlecht eine Hilfe durch KI ist, von ihnen selbst ausgeht. Vorstellungen von „allwissender KI“ werden relativiert, Forschung wird als Gemeinschaftsaufgabe erfahren und das Zutrauen in eigene, erlernte Fähigkeiten gestärkt. Das Ausprobieren von und Arbeiten mit Künstlicher Intelligenz verdeutlicht Studierenden damit nachhaltig, welche Rolle Künstliche Intelligenz (zurzeit) gegenüber ihrer eigenen menschlichen Intelligenz hat: Sie unterstützt, aber sie ersetzt den Menschen nicht. Und ihre Ergebnisse sind nur so gut, wie der Mensch sie macht.

---

[1] Die Ergebnisse zur Analyse von Übersetzungstools können hier nachgelesen werden: Lateinkenntnisse erforderlich?!.

[2] Die Held*innenreise inklusive aller Rückmeldungen der Studierenden kann hier nachverfolgt werden: Quellenaufbereitung mit Hilfe digitaler Tools – Eine Held*innenreise mutiger Studierender.

---

---