Kontrafaktische Geschichte: KI zwischen Simulation und historischer Wahrheit

Die generative künstliche Intelligenz verwandelt die Frage „Was wäre gewesen, wenn?“ in eine interaktive und immersive Erfahrung und eröffnet neue Horizonte für

Die generative künstliche Intelligenz besitzt die außergewöhnliche Fähigkeit, die klassische Frage „Was wäre gewesen, wenn…“ lebendig werden zu lassen und ein interaktives Eintauchen in nie erkundete historische Weggabelungen zu ermöglichen. Der Bildungswert dieser Technologie liegt in der Möglichkeit, das von der Maschine generierte alternative Szenario mit den realen Quellen, dem zeitgenössischen Kontext und den etablierten historiografischen Interpretationen zu vergleichen. Das Risiko besteht jedoch darin, eine textuell plausible Erzählung mit einer verifizierten historischen Rekonstruktion zu verwechseln und eine probabilistische Halluzination für eine parallele Wahrheit zu halten.

Das „What If“ als interaktives pädagogisches Instrument

Die Verwendung kontrafaktischen Denkens in der Geschichtsdidaktik ermöglicht es, passives Lernen zu überwinden und die Schüler darin zu schulen, Kausalität, Wahl und Kontingenz historischer Ereignisse zu verstehen. Chatbots mit einer historischen Identität können die Schüler dazu bringen, einfache faktische Fragen zugunsten reflexiver, ethischer und hypothetischer Fragestellungen aufzugeben und so die Entwicklung der historischen Perspektive und des kritischen Denkens zu fördern.

Die KI bietet das Potenzial, alternative historische Szenarien in Echtzeit zu simulieren, wie etwa den Verlauf des Zweiten Weltkriegs oder die Dynamik der Kubakrise. Es ist jedoch entscheidend, diese Anwendungen als explorative Untersuchungen zum Bildungspotenzial der Technologie und nicht als endgültige empirische Belege für die Ereignisse der Vergangenheit darzustellen.

Die technische Grenze: Simulieren bedeutet nicht Beweisen

Das zentrale methodologische Problem bei der Verwendung von Large Language Models (LLM) ist das Fehlen eines internen Mechanismus zur Validierung der eigenen Antworten. Folglich können die Modelle fehlerhafte oder völlig sinnlose Inhalte produzieren. Diese Einschränkung verschärft sich gerade in Szenarien ohne historische Präzedenzfälle: Je weiter sich die Erzählung von den gesicherten Fakten entfernt, um das Kontrafaktische zu erkunden, desto rein spekulativer und unzuverlässiger wird die Simulation.

Halluzinationen, strukturelle Verzerrungen und Sicherheitslücken beeinträchtigen unweigerlich die Zuverlässigkeit von LLMs bei der Simulation sozialer und menschlicher Systeme. Ein KI-Agent, der die Rolle eines Kaisers, eines Generals oder eines Kanzlers spielt, weiß nicht wirklich, was diese Person in einer alternativen Situation getan hätte. Obwohl Prompting-Strategien wie die Chain-of-Thought die Häufigkeit von Halluzinationen in einigen Szenarien reduzieren können, gelingt es ihnen nicht, sie vollständig zu beseitigen. Aus diesem Grund verlangt die grundlegende Faustregel für Lehrkräfte und Schüler, den Agenten stets aufzufordern, die Quellen, Daten, Unsicherheitsmargen und mögliche interpretative Alternativen ausdrücklich anzugeben.

Die historische Methode als Gegenmittel zur Halluzination

Um eine KI-Simulation in eine echte Übung historischen Denkens zu verwandeln, muss man sich an den Kernkompetenzen der historiografischen Untersuchung verankern: dem Sourcing, der Kontextualisierung und der Korroboration, d. h. der Fähigkeit, den Ursprung einer Quelle zu bewerten, sie in ihren genauen Kontext einzuordnen und sie mit anderen Belegen zu vergleichen. Auf institutioneller Ebene empfiehlt die UNESCO einen streng menschenzentrierten Ansatz für KI in der Bildung, der auf ethischer und pädagogischer Validierung, dem Schutz der Privatsphäre, einer angemessenen Ausbildung für Lehrkräfte und klaren Altersgrenzen für die eigenständige Nutzung generativer Werkzeuge basiert.

Operativer Kasten: Die Wineburg-Heuristiken angewandt auf die KI Bevor man der von einem Chatbot vorgeschlagenen alternativen Timeline glaubt, ist es notwendig, die vom Historiker Sam Wineburg entwickelten Bewertungsheuristiken anzuwenden:

  • Autor und Motive: Bewerten, wer die Originalquelle erstellt hat, auf die sich die KI stützt, und dabei die Motive und das Zielpublikum analysieren.
  • Kontextualisierung: Das Dokument oder Ereignis in seinen spezifischen historischen und kulturellen Moment einordnen.
  • Unabhängige Korroboration: Die generierte Information mit anderen unabhängigen Primärquellen vergleichen, um ihre Gültigkeit zu bestätigen.

Eine computergestützte Simulation kann wirksam zeigen, wie eine andere Entscheidung alternative Wege hätte eröffnen können, aber die Geschichtswissenschaft verlangt, stets zu unterscheiden, was wir wissen, von dem, was wir vermuten oder einfach imaginieren. Die nützliche Frage, die man an den Output stellen sollte, ist nie nur „Was wäre gewesen, wenn?“, sondern „Welche objektiven Belege machen diese Antwort plausibel?“. Die künstliche Intelligenz hat das Verdienst, die Vergangenheit dynamisch abfragbar zu machen, aber sie hat nicht die Macht, sie vorhersehbar zu machen. Ihr bester Einsatz besteht nicht darin, perfekte parallele Universen zu erzeugen, sondern ein Kontrastinstrument bereitzustellen, das uns hilft, tiefer zu verstehen, warum in der Realität genau das geschehen ist, was geschehen ist.

Bibliografische Referenzen und Quellen

Artikel von der Redaktion von La Bussola dell’IA