Ein Weg zu digitaler Quellenkritik: In der Hochschullehre und im Geschichtsunterricht mit KI-Tools experimentieren

Wie können Studierende und angehende Lehrerinnen und Lehrern im Umgang mit KI geschult werden? Ein Zugang ist das experimentelle Lernen. Im Folgenden werden drei Bereiche beschrieben, in denen es sich lohnt, mit Studierenden innerhalb universitärer Lehrveranstaltungen den KI-Einsatz zu erproben und die Ergebnisse kritisch zu reflektieren: die Herstellung von Arbeitsblättern und Tafelbildern, die inhaltliche Recherche und die Generierung von Bildern bzw. der Entwurf von Denkmälern.

Moritz Pöllath (München)

Schülerinnen und Schüler nutzen KI, Studierende nutzen KI und auch viele Hochschuldozentinnen und -dozenten nutzen KI – manche geben es zu, manche verschweigen es. Aus meiner Perspektive stellt sich nicht mehr die Frage, ob KI im Geschichtsstudium und im Geschichtsunterricht zum Einsatz kommt, sondern wie wir als Lehrende in Schule und Universität damit umgehen. Wie kann die zukünftige Generation von Studierenden und Lehrerinnen und Lehrern im Umgang mit KI geschult werden?

Ein Zugang ist das experimentelle Lernen. Studierende sollen im Sinne von Jean Piaget und Jerome Bruner KI-Tools ausprobieren.[i] Während an den Universitäten parallel gutgemeinte Leitfäden entwickelt werden, wann, wie und in welchem Umfang KI Teil der Lehre sein muss und soll, befinden wir uns meiner Ansicht nach bereits in einer Phase des Ausprobierens. Diese experimentelle Phase gilt es, bewusst als Chance zu verstehen. Denn durch eine anschließende Beobachtung und Reflexion der KI-Produkte können wertvolle Einsichten und Erfahrungen gewonnen werden, wo das Potenzial und wo derzeit die Grenzen von künstlicher Intelligenz in der Lehre liegen.

Ich führte selbst Experimente durch, um die KI auf ihren möglichen Einsatz in der Lehre zu prüfen. Ziel war es, Wege zu finden, wie KI den Arbeitsalltag im Geschichtsunterricht erleichtern kann – sowohl für mich als auch gemeinsam mit den Studierenden im Seminar. Aus Beispielen zu drei typischen Arbeitsbereichen und Aufgaben einer Geschichtslehrkraft lassen sich erste Einsichten ableiten. Auf einer übergeordneten Ebene tragen solche Experimente dazu bei, die Kernkompetenzen der Geschichtswissenschaft in das digitale Zeitalter zu übertragen.

Tafelbilder und Arbeitsblätter

Geschichtsstunden nach didaktischen Unterrichtsprinzipien[ii] zu entwerfen, ist ein Aspekt des ersten Abschnitts des Lehramtsstudiums. Dazu gehört auch die Entwicklung von Tafelbildern, Arbeitsblättern und anderen Lernmaterialien. Seit der Veröffentlichung von ChatGPT und anderen Large Language Models (LLMs) hat sich die Qualität der Arbeitsblätter deutlich gesteigert. Präziser gesagt: Das Layout der Arbeitsblätter sieht ansprechender aus als die früher üblichen Tabellen, Pfeile und Textfelder. Sie gleichen sich jedoch auch immer stärker, so als würde immer wieder eine ähnliche Blaupause verwandt. Emojis, Trennlinien und Sprachstil lassen immer öfter ein KI-Design erkennen. Unabhängig vom Design ist positiv zu beobachten: KI-Tools können rasch weitgehend brauchbare und auch ansprechende Arbeitsblätter entwerfen und produzieren. Dies hätte ich auch für die Entwicklung von Tafelbildern erwartet, aber die Erfahrungen aus einem entsprechenden Seminar waren eher enttäuschend: Da die Studierenden überwiegend ChatGPT benutzten, wurden Textblöcke und Tabellen produziert, die deutlich zu viel Schreibzeit im Unterricht eingefordert hätten und eher wie zusammengepresste Wikipedia-Artikel wirkten. Ausgefeiltere Prompts hätten möglicherweise zu besseren Ergebnissen geführt.

Die Studierenden hatten die Aufgabe erhalten, Tafelbilder zum Versailler Vertrag zu entwickeln. Manche mit Hilfe von KI produzierten Ergebnisse waren derart schlecht, dass Studierende sie nicht zeigen wollten. Dabei ist gerade das Lernen aus schlechten KI-Ergebnissen aus meiner Sicht wertvoll. Sehr oft waren die Studierende zunächst vom Design enttäuscht, was sich sicherlich durch weiteres Prompten verbessern ließe. Vor allem aber kamen wir bei genauerer Betrachtung im Seminar zu einer noch bedeutsameren Einsicht: Die KI hatte Jahreszahlen und Bestimmungen des Versailler Vertrages verfälscht. Oder halluziniert, wie gerne gesagt wird, was historisch dennoch schlichtweg falsch bleibt.

Aus diesen Experimenten lässt sich eine erste Beobachtung ableiten: shit in, shit out. Prompts mit nur wenigen Sätzen und einer ungenügenden Materialbasis führen in der Regel zu schlechten Ergebnissen. Nur intelligentes Prompten führt zu brauchbaren Ergebnissen, die jedenfalls auch inhaltlich überprüft werden müssen. In der Konsequenz bedeutet dies, dass Studierende und Lehrkräfte das Prompten lernen und üben müssen – im Idealfall im universitären Raum, mit Zeit und Abstand zum Arbeitsalltag.

Recherche

KI-generierte Suchergebnisse enthalten historische Fehler. Geschichtslehrkräfte oder Studierende müssen daher die Ergebnisse der KI-Nutzung, die sie als ihre eigenen präsentieren wollen, inhaltlich überprüfen. Die Frage nach der inhaltlichen Glaubwürdigkeit von KI berührt den Kern der Debatte und eröffnet zugleich weiterführende Reflexionsfragen über ihre Voraussetzungen, Grenzen und Wirkungen: Wie hilfreich ist KI für das Fach Geschichte?

Wie verlockend wäre es für den Arbeitsalltag, wenn die Vorbereitung des Referats an der Uni oder der Geschichtsstunde am nächsten Tag einfach an die KI delegiert werden könnte? Beides geschieht längst an Schulen und Universitäten. Damit soll nicht einmal in jedem Fall Faulheit unterstellt werden, schließlich müssen Geschichtslehrkräfte von der Steinzeit bis zum Mauerfall und darüber hinaus alle Epochen unterrichten. Kein noch so tiefes oder langes Studium kann sie inhaltlich darauf vorbereiten.

Von Lehrkräften weiß ich, dass Schülerinnen und Schüler längst unkritisch KI-Ergebnisse übernehmen. Diese Erfahrung spiegelt sich an den Universitäten. Sehr viele Erwachsene verhalten sich genauso unkritisch. Der KI wird überraschenderweise ein hohe Autorität zugeschrieben, gleich ob ChatGPT oder andere KI-Angebote. Sehr viele Menschen vertrauen darauf, dass diese Antworten ein Destillat des Wissens der Menschheit seien und verwenden diese Antworten sogar für ihre Alltagsentscheidungen.

KI-Antworten, die „historisches Wissen“ anbieten, sind allerdings mit sehr großer Vorsicht zu genießen. Dies habe ich in einem Selbsttest ergründet, um meine Studierenden für die Probleme der KI-Recherche zu sensibilisieren: Als Amerikahistoriker erinnerte ich mich an eine Weisheit: „As Ohio goes, so goes the nation.” Zwischen 1976 und 2016 lagen die Wähler in Ohio bei den Präsidentschaftswahlen immer richtig: Sie wählten mehrheitlich Jimmy Carter, Ronald Reagan, Bill Clinton, George W. Bush, Barack Obama und Donald Trump. All diese Kandidaten wurden dann auch US-Präsident. Bisher hat noch kein einziger Republikaner das Weiße Haus gewonnen, ohne die Mehrheit der Wählerinnen und Wähler und damit ohne die Wahlmännerstimmen des Bundesstaates Ohio. Der Bundesstaat scheint ein maßgeblicher Indikator für den Ausgang der US-Präsidentschaftswahlen zu sein. Dies liegt an seiner Demographie sowie der Verteilung der Wähler, die repräsentativ für die USA sind: Die ländlichen Bezirke wählen republikanisch und städtische Bezirke wie Cuyahoga mit der Großstadt Cleveland demokratisch. In diesem Bundesstaat können daher wenige Stimmen darüber entscheiden, ob die Stimmen des gesamten Bundesstaates Ohio an die Republikaner oder die Demokraten gehen.

Doch dann gewann Trump 2020 Ohio und verlor die Wahl. Biden wurde der erste Präsident seit Kennedy 1960, der ohne den Staat Ohio das Weiße Haus eroberte. Als Historiker wurde ich neugierig und wollte wissen: Welche US-Präsidenten gewannen die Wahl ohne den Bundesstaat Ohio? Diese Frage eignet sich gut für einen Test von KI, da keine Interpretation von historischem Wissen gefragt wird, sondern eine reine Auswertung und Wiedergabe von historischen Zahlen und Ergebnissen. Ich stellte eine Frage, in der LLMs aufgrund ihrer Verarbeitung unglaublich großer Datenmengen schneller und besser als menschliche Recherchen sein sollten.

Die Ergebnisse meines Tests waren ernüchternd. Durchgehend waren sie falsch. Nur aufgrund meiner Expertise als Amerikahistoriker habe ich ChatGPT neun Mal gefragt und habe mich anders als die vermutlich meisten Nutzer von LLMs nicht mit der ersten Antwort zufriedengegeben. Den gesamten Test habe ich in der Zeitschrift des Bayerischen Philologenverbandes veröffentlicht, um auch Lehrkräfte für den Umgang mit KI-Tools zu sensibilisieren.[iii] Die Kurzfassung mit Blick auf die Tabelle zeigt, dass ChatGPT nicht in der Lage war, die Frage vollständig und historisch korrekt zu beantworten:

Schritt	Antworten	Falsche Antworten
1	Kennedy, Roosevelt, Cleveland (3)	Unvollständige Antwort
2	Kennedy, Roosevelt, Cleveland, Polk (4)	Wilson (1)
3	Kennedy, Roosevelt, Cleveland, Polk und Biden (5)	Wilson (1)
4	Kennedy, Roosevelt, Cleveland, Polk, Buchanan und Biden (6)	Wilson und Clinton (2)
5	Adams, Polk, Taylor, Buchanan, Cleveland, Roosevelt, Kennedy und Biden (8)	Wilson und Clinton (2)
6	Adams, Polk, Taylor, Buchanan, Cleveland, Roosevelt, Kennedy und Biden (8)	Wilson, Truman und Clinton (3)
7	Adams, Polk, Taylor, Buchanan, Cleveland, Roosevelt, Kennedy und Biden (8)	Lincoln, Wilson, Truman und Clinton (4)
8	Adams, Polk, Taylor, Buchanan, Cleveland, Roosevelt, Kennedy und Biden (8)	Wilson, Truman, Nixon und Clinton (4)
9	Adams, Polk, Taylor, Buchanan, Cleveland, Roosevelt, Kennedy und Biden (8)	Wilson, Nixon und Clinton (3)

Anmerkung: Die KI behauptete auch, dass z.B. Clinton 1992 gegen George Bush Ohio verloren hätte. Tatsächlich gewann Clinton Ohio 1992 und 1996. Auch Wilson gewann mit dem Bundestaat Ohio 1916, die KI dagegen behauptet, Wilson hätte Ohio verloren.

Das LLM lieferte teils haarsträubende Aussagen. Die KI behauptete mehrmals, eine „vollständige und überprüfte Liste“ anzubieten. Aber obwohl die KI in der ersten Antwort behauptet hatte, alle Fälle genannt zu haben, waren es nur drei Namen. Beim Versuchsende waren es elf Namen von US-Präsidenten, welche die US-Wahl ohne die Stimmen aus Ohio gewonnen hätten: drei Namen in der Antwort waren jedoch falsch.

Jedes Mal musste ich die Antwort der KI überprüfen, Zeitersparnis hatte ich dadurch nicht. Beim sechsten und siebten Schritt erhielt ich die felsenfeste Aussage: „Diese Liste ist nun vollständig und enthält alle US-Präsidenten, die die Wahl ohne den Bundesstaat Ohio gewonnen haben.“ Das liest sich wie ein Eintrag im Sachlexikon, bleibt jedoch historisch falsch. Gerade diese Beobachtung und Erfahrung sind wichtig für den Einsatz von KI in Schule, Beruf und Alltag: Die Ergebnisse müssen inhaltlich überprüft werden, insbesondere wenn sie in Lehre oder Unterricht übernommen werden sollen.

Das Beispiel zeigt, dass KI nicht das richtige Recherchewerkzeug für die Geschichtswissenschaft und Geschichtsvermittlung ist. Diese Einsicht zu schulen, ist ein wichtiger Bestandteil digitaler Medienkompetenz, die Teil des Geschichtsunterrichts und der Ausbildung von Lehrkräften sein muss.

Bildgenerierung und Geschichtsdarstellung

KI-Bilder haben längst Eingang in unseren Alltag gefunden, unter anderem als Werbeplakate in der Stadt oder auf Instagram. DALL·E 3 oder andere KI-Tools können in Kürze solche Bilder generieren. Neuere Lehrpläne, z. B. in Bayern, sehen vor, die Einflüsse der Digitalität auf das Geschichtsbewusstsein zu reflektieren. Diese Forderung bot den Anlass, dieses Instrument in einer Seminarsitzung über die deutsche Kolonialgeschichte und postkoloniale Kritik einzusetzen.

Da Denkmalstürze und Denkmalserrichtungen Ausdruck von Kontextualität und Konstruktion von Geschichte sind, eignet sich die Beschäftigung mit Denkmälern, um narrative sowie geschichtskulturelle Kompetenzen und damit ein reflektiertes Geschichtsbewusstsein zu fördern. Um digitale Darstellungen als aktuelle Formen der Erinnerungen an Vergangenes zu thematisieren sowie Geschichte als narratives Konstrukt zu begreifen, lohnt sich daher das Experiment mit KI-Bildgeneratoren. Immerhin wurden die Probleme einer solchen Verwendung durch Googles Gemini bereits zur Schlagzeile: Die KI erzeugte schwarze und asiatische Wehrmachtssoldaten[iv] oder schwarze Päpstinnen.[v] Dies zeigt, dass KI-Bildgeneratoren entweder Geschichte durch die Trainingsdaten der Gegenwart verfälschen oder „geschlechts- und herkunftsbezogene Vorurteile verstärken.“[vi] Dies ist auch bei dem Thema Kolonialismus zu beobachten. Trotz der Aufgabe, Denkmäler zu entwerfen, die der „Erinnerung“ und „Verantwortung“ gerecht werden, erzeugte die KI paternalistische und rassistische Abbilder. Schreibfehler und inhaltliche Fehler kamen dazu.

Mit ChatGPT generierte Bilder (Wintersemester 2025/26): Aufgabenstellung/Prompt „Erstelle ein Denkmal, das an den deutschen Kolonialismus erinnert. Es soll auch an die Verantwortung und Erinnerung für diese Zeit appellieren.“

Während das Stein-Monument noch nachbearbeitet werden müsste, um die offensichtlichen Fehler zu beheben, stellt es einen weitgehend nichtssagenden Entwurf dar. Das Personenmonument dagegen transportiert kolonialistische und rassistische Stereotypen weiter, entgegen der Aufforderung des Prompts, die „Verantwortung“ in der Erinnerung zu thematisieren. Offensichtlich zeigt es die Problematik der Trainingsdaten und der fehlenden Interpretationsfähigkeit generativer KI-Modelle, was unter „Verantwortung“ zu verstehen ist.

Diese Schwächen stellen aber ein Potenzial dar: Sie zwingen die Benutzerinnen und Benutzer dazu, die Ergebnisse kritisch zu reflektieren. Dies kann wiederum nur auf der Basis von Sachwissen und guter Lehre geschehen. Insbesondere die kritische Diskussion des Personendenkmals kann zu einer Stärkung der geschichtskulturellen Kompetenz führen. Denn es hält den Vorgaben für ein zeitgemäßes Denkmal zur Kolonialgeschichte nicht stand und lehrt so den Konstruktcharakter von Geschichte. An dem Beispiel kann auch gelernt werden, weshalb zur Kaiserzeit andere Denkmäler zur Kolonialgeschichte errichtet wurden, als sie heute errichtet werden –  und weshalb einige wie das Wissmann-Denkmal in Hamburg gestürzt wurden oder der Elefant in Bremen zum Antikolonialdenkmal umgewidmet wurde.

Fazit

Diese Experimente waren und sind erste Versuche, KI-Ergebnisse in der Lehre zu reflektieren, die sich an der alltäglichen Nutzung von KI orientierten. Die drei Beispiele zeigen, wie das Experimentieren mit KI an Schule und Universität wertvolle Einsichten und Kompetenzen schulen kann: Erstens können LLMs zu Arbeitserleichterung im Alltag führen und die früher stundenlange Arbeit an Arbeitsblättern, Tafelbildern oder auch schriftlichen Prüfungen deutlich verkürzen. Die Ergebnisse müssen jedoch von den Anwenderinnen und Anwendern mit entsprechender Fachkenntnis überprüft werden, bevor sie zum Einsatz kommen.

Dies führt zweitens und maßgeblich zur Einsicht, dass LLMs zwar historische Recherche simulieren und schnelle Antworten liefern, diese jedoch in meinen Versuchen schwache, irreführende und falsche Informationen enthielten. Die exemplarische Überprüfung von KI-Ergebnissen kann Studierende zu der wichtigen Erkenntnis führen, dass die historische Recherche von KI-Tools nicht unkritisch übernommen werden kann. Aus der Einsicht in die inhaltlichen Grenzen der LLMs kann über eine sinnvolle Anwendung von KI reflektiert werden.

Drittens schulen Studierende und Lehrkräfte durch das Experimentieren ihre eigene digitale Medienkompetenz. Denn die LLMs und Bildgeneratoren erzeugen textuelle und visuelle Geschichtsdarstellung auf Basis unvollständiger und zufälliger Trainingsdaten und Quellen. Die KIs erzeugen narrative Konstrukte, die korrekt, falsch, rassistisch oder stereotyp sein können. Dies offen zu legen erscheint mit als wichtiger Teil moderner Geschichtsvermittlung.

Die Reflexion der digitalen Produkte führt somit nicht nur zu einem reflektierten Geschichtsbewusstsein, sondern auch zu einem kritischen und damit sinnvollen Einsatz von KI in Schule und Lehre. Durch KI-Experimente mit den Studierenden vermitteln wir die Kernkompetenzen der Geschichtswissenschaft, wie von Mareike König und Silke Schwandt dargelegt: Quellenkritik, Informationsbewertung und Prüfung der Argumentation von KI-Produkten. Auf diese Weise kann die Geschichtsdidaktik und -wissenschaft zur Schulung digitaler Quellenkritik beitragen, die über den rein technischen Aspekt hinausgeht. Diese Data Literacy kann als „Kulturtechnik des 21. Jahrhunderts“ verstanden werden[vii] und beginnt im Kleinen, im Versuch und im kontrollierten Raum auch in den Seminaren der historischen Departments.

---

[i] Vgl. Piaget, Jean: Sprechen und Denken des Kindes. Düsseldorf: Schwann, 1979⁴; Bruner, Jerome: Entwurf einer Unterrichtstheorie. Berlin: Berlin-Verlag 1974.

[ii] Vgl. Paul Heimann, Gunter Otto, Wolfgang Schulz: Unterricht: Analyse und Planung. Hannover 1979¹⁰; Gautschi, Peter: Guter Geschichtsunterricht. Schwalbach/Ts. 2015³. 

[iii] Moritz Pöllath: „KI im Studium: Soll ich…? Ein Beispiel aus der Geschichtswissenschaft“ in GiB (06/2025): https://bpv.de/themen/digitalisierung/ki-eine-kleine-warnung [aufgerufen am 9. Februar 2026]

[iv] Es gab Mittelasiaten in der Wehrmacht, jedoch verfälscht der Versuch der KI, eine möglichst diverse Wehrmacht abzubilden, die historische Überlieferung. siehe: Iftikhor Shomurodov: Die Turkestanische Legion. Mittelasiaten in der Wehrmacht. Berlin 2025.

[v] Welt (04.03.2024): Fragwürdige Ergebnisse. Schwarze Päpstinnen, asiatische Wehrmachtsoldaten – die peinlich „woke“ Google-KI: https://www.welt.de/wirtschaft/webwelt/article250286788/KI-Schwarze-Paepstinnen-asiatische-Wehrmachtsoldaten-die-peinlich-woke-Google-KI.html [aufgerufen am 18. Februar 2026]

[vi] FAZ (23.02.2024): Der schwarze Wehrmachtssoldat: https://www.faz.net/aktuell/feuilleton/medien-und-film/google-stoppt-ki-bildgenerator-gemini-nach-kritik-19541661.html [aufgerufen am 9. Februar 2026]

[vii] Vgl. König, Mareike und Schwandt, Silke: „Kulturelle Schlüsselqualifikation. Wieso die Geisteswissenschaft mehr Datenkompetenz benötigen“, in: Forschung & Lehre (2/26), S. 46-48, hier S. 48.

---

---

---