Die Diskussion um generative Künstliche Intelligenz im Geschichtsunterricht kreist häufig um technische Fragen: um Zuverlässigkeit von Antworten, um die Kontrolle von Schülerleistungen oder um rechtliche Rahmenbedingungen. Diese Perspektive greift zu kurz. Für einen fachlich verantworteten Einsatz von KI ist weniger entscheidend, was ein System technisch leisten kann, als in welchem didaktischen und erkenntnislogischen Rahmen es eingesetzt wird.
Der folgende Beitrag vertritt die These, dass der produktive Einsatz generativer KI im Geschichtsunterricht eine klare Arbeitsteilung zwischen Forschung und Unterricht voraussetzt. KI kann historische und didaktische Arbeit unterstützen, wenn ihre Rolle begrenzt, ihre Funktion klar definiert und ihre Nutzung methodisch kontrolliert wird. Entscheidend ist dabei nicht das einzelne Werkzeug, sondern die Struktur des Arbeitsprozesses.
Ausgangspunkt ist ein Workflow, der Recherche und didaktische Aufbereitung bewusst auf zwei unterschiedliche KI-Umgebungen verteilt: Perplexity Plus als Forschungs- und Dossierinstrument und ChatGPT Plus als Transformations- und Unterrichtsraum. Diese Entscheidung ist nicht pragmatisch zufällig, sondern folgt aus der unterschiedlichen Architektur, Funktionalität und epistemischen Logik beider Systeme.
KI als epistemisch begrenzter Akteur
Generative KI ist kein Subjekt historischen Denkens. Sie verfügt weder über Intentionalität noch über historisches Urteilsvermögen. Didaktisch sinnvoll einsetzbar ist sie nur, wenn ihre Rolle klar begrenzt wird. In dem hier vertretenen Ansatz fungiert KI als epistemisch begrenzter Akteur: Sie unterstützt Analyse-, Strukturierungs- und Entwurfsprozesse, ersetzt aber weder historische Erkenntnis noch didaktische Entscheidung.
Diese Rollenbestimmung ist nicht bloß eine pädagogische Vorsichtsmaßnahme, sondern eine erkenntnistheoretische Notwendigkeit. Historisches Lernen zielt auf die Fähigkeit zur begründeten Deutung vergangener Wirklichkeit unter Bedingungen von Kontingenz, Perspektivität und Quellengebundenheit. Diese Kompetenz ist nicht delegierbar. KI kann Denkprozesse spiegeln, beschleunigen oder irritieren, sie kann sie jedoch nicht verantworten.
Unterschiedliche Systemlogiken und ihre didaktische Konsequenz
Die bewusste Trennung von Perplexity und ChatGPT folgt aus der unterschiedlichen Systemlogik beider Anwendungen. Diese Differenz wird nicht nur in der Praxis sichtbar, sondern wird von beiden Systemen selbst nahegelegt: Bei entsprechender Anfrage empfehlen sowohl Perplexity als auch ChatGPT ausdrücklich eine funktionale Arbeitsteilung zwischen Recherche und Weiterverarbeitung.
Perplexity ist strukturell auf Recherche ausgelegt. Es arbeitet quellenorientiert, priorisiert Referenzen, erlaubt parallele Sichtung und fördert die horizontale Erschließung von Themenfeldern. Seine epistemische Stärke liegt im Sammeln, Vergleichen und Kontextualisieren von Informationen. Damit entspricht es der Logik historischer Vorarbeiten: Offenheit, Breite, Perspektivenvielfalt, Vorläufigkeit.
ChatGPT ist hingegen auf Transformation angelegt. Es arbeitet nicht primär referenzbasiert, sondern strukturierend, verdichtend und argumentierend. Seine Stärke liegt in der Reduktion von Komplexität, in der sprachlichen Formung und in der Modellierung kohärenter didaktischer Darstellungen. Damit entspricht es der Logik von Unterrichtsplanung: Auswahl, Gewichtung, Zielorientierung.
Die Nutzung eines einzigen Systems für beide Logiken führt zwangsläufig zu methodischen Unschärfen. Forschung und Unterricht folgen unterschiedlichen Rationalitäten. Ihre Vermischung gefährdet sowohl die wissenschaftliche Sauberkeit der Recherche als auch die didaktische Klarheit der Aufbereitung.
Zwei Arbeitsräume als didaktisches Strukturprinzip
Der beschriebene Workflow etabliert daher zwei klar getrennte Arbeitsräume.
Der Forschungsraum dient der wissenschaftlichen Erschließung. In ihm werden Quellen gesichtet, Debatten rekonstruiert und Deutungen systematisch nebeneinandergestellt. Die Arbeit ist bewusst nicht zielgerichtet im Sinne von Unterrichtsprodukten. Sie folgt der Logik historischer Erkenntnis: vorläufig, offen, revisionsfähig. Kuratierte Quellen, eigene Texte und urheberrechtsfreie Materialien strukturieren diesen Raum, ohne ihn didaktisch zu verengen.
Der Unterrichtsraum folgt einer anderen Logik. Hier beginnt die didaktische Transformation. Material wird nicht mehr erweitert, sondern reduziert. Aus Vielheit entsteht Auswahl, aus Offenheit Zielgerichtetheit. Historische Inhalte werden so geordnet, dass sie lernbar, überprüfbar und reflektierbar werden. Maßgeblich sind dabei Bildungsplan, Operatorenlogik, sprachliches Anforderungsniveau und Prüfungsnähe.
Der Übergang zwischen beiden Räumen erfolgt explizit. Ein klar formulierter Arbeitsauftrag markiert den Rollenwechsel. Damit wird verhindert, dass Forschungsergebnisse unreflektiert in Unterrichtsformate überführt werden.
Konditionierung als didaktische Steuerung
Zentral für die Funktionsfähigkeit dieses Modells ist die bewusste Konditionierung der Arbeitsräume. Gemeint sind keine technischen Eingriffe, sondern normative Setzungen: bereitgestellte Methodenmanuale, verbindliche Operatorenlogiken, klare Regeln der Urteilsbildung.
Insbesondere im Unterrichtsraum erweist sich ein explizites Methodenmanual als didaktisch wirksam. Es legt fest, wie Quellen analysiert werden, wie zwischen Befund, Analyse und Urteil zu unterscheiden ist und wie Kontroversen didaktisch zu bearbeiten sind. Bildungsplan und Prüfungsanforderungen fungieren dabei nicht als Einschränkung, sondern als Strukturgeber.
Diese Konditionierung begrenzt die Handlungsspielräume der KI und erhöht zugleich die Qualität der Ergebnisse. Sie wirkt als didaktisches Steuerungsinstrument. Ein bedeutsamer Nebeneffekt liegt in der Aufgabenqualität: Aufgaben, die historisches Vergleichen, begründetes Urteilen oder Perspektivwechsel verlangen, entziehen sich einer trivialen Automatisierung. Sie sichern historische Kompetenz, ohne auf technische Kontrollmechanismen angewiesen zu sein.
KI für die Unterrichtsvorbereitung - nicht für die Unterrichtsdurchführung
Der hier entwickelte Ansatz versteht den Einsatz generativer KI ausdrücklich als Instrument der Unterrichtsvorbereitung, nicht der Unterrichtsdurchführung. Diese Begrenzung ist didaktisch begründet.
Unterricht ist im Fach Geschichte ein realer, human-interaktiver und damit soziale Erkenntnisprozess. Historisches Denken entsteht in Diskussion, Widerspruch und gemeinsamer Deutung. Diese Prozesse sind an die konkrete Präsenzsituation gebunden: an Rückfragen, Irritationen und an die pädagogische Steuerung durch die Lehrkraft als fachliche und methodische Instanz.
Gleichzeitig zeigt sich im häuslichen Lernkontext, dass Schülerinnen und Schüler bei Vorbereitungen und Hausaufgaben zunehmend auf KI zurückgreifen. Dies birgt die Gefahr eines pseudohaften Lernens: sprachlich korrekte Texte ohne tragfähiges Verständnis. Gerade deshalb gewinnt die Unterrichtszeit an Bedeutung. Sie wird zu einem der wenigen Räume, in denen quellenbasierte Arbeit, wissenschaftliche Standards und begründete Urteilsbildung gemeinsam eingeübt werden können.
Der bewusste Verzicht auf KI im Unterricht ist daher kein Rückschritt, sondern eine didaktische Entscheidung, die auch nach mehrmonatigen Versuchen mit DSGVO-konformen Angeboten im Unterricht und der kritischen Evaluation durch Schülergruppen selbst, gemeinsam getroffen wurde. KI entfaltet ihren Nutzen dort, wo sie die Vorbereitung vertieft und strukturiert.
Iteration und professionelle Urteilspraxis
Eine besondere Stärke generativer KI liegt in der Iteration. Entwürfe können wiederholt überprüft, verändert und geschärft werden. In diesem Prozess fungiert die KI als Resonanzraum professionellen Denkens. Sie denkt nicht selbstständig, zwingt aber zur Präzisierung. Die Einbindung eigener Materialien als Referenz stabilisiert dabei fachliches Niveau, Sprache und didaktische Kohärenz.
Der didaktisch verantwortete Einsatz generativer KI im Geschichtsunterricht ist keine technische, sondern eine methodische Frage. Entscheidend sind die klare Trennung von Erkenntnislogiken, die bewusste Steuerung der Arbeitsräume und die konsequente Begrenzung der Rolle der KI.
Guter Geschichtsunterricht entsteht aus reflektierten didaktischen Entscheidungen. KI kann diese Entscheidungen unterstützen - aber nicht ersetzen.
Siehe auch: https://kurzly.de/generativeki_geschichte
Verantwortlich für den Inhalt dieses Textes ist ausschließlich: Volker Wacker, Historiker und Geschichtslehrer. Die sprachliche Fassung erfolgt im Zusammenwirken mit ChatGPT Plus.