Quellenbewusstsein als Medienkompetenz
Zur Erweiterung des Geschichtsbewusstseins im Zeitalter generativer KI
DOI:
https://doi.org/10.21243/mi-26-03-02Schlagworte:
Geschichtsbewusstsein, Geschichtsdidaktik, generative KI, Medienkompetenz, InformationskompetenzAbstract
Der Beitrag argumentiert, dass die Verbreitung generativer Künstlicher Intelligenz (KI) eine mediendidaktisch anschlussfähige Erweiterung des Geschichtsbewusstseins erforderlich macht: das Quellenbewusstsein. Darunter wird die Fähigkeit verstanden, das eigene analoge und insbesondere digitale Handeln als Produktion potenzieller historischer Quellen zu erkennen, die von algorithmischen Systemen ohne Zustimmung oder Kennzeichnung verarbeitet werden können. Aufbauend auf Hans-Jürgen Pandels dimensionalem Modell des Geschichtsbewusstseins sowie der medienpädagogischen Unterscheidung zwischen reproduzierenden und produzierenden Informationssystemen wird die Genese dieser Kompetenz in drei Phasen nachgezeichnet. Ein Prompt-Experiment mit vier KI-Chatbots zu einer historischen Frage zur COVID-19-Pandemie zeigt exemplarisch, wie generative Systeme individuelle historische Subjekte systematisch zugunsten statistisch dominanter Muster zurückdrängen. Der Beitrag schließt mit Implikationen für die Förderung von Medienkompetenz und den Geschichtsunterricht.
Literaturhinweise
Bergmann, K. (2000). Multiperspektivität. In K. Bergmann (Hrsg.), Geschichtsdidaktik: Beiträge zu einer Theorie historischen Lernens (S. 162–166). Wochenschau Verlag.
Brandau, D. (2023). Politische Algorithmen? Künstliche Intelligenz und historisches Lernen. In J. van Norden & L. Yildirim (Hrsg.), Historisch-politische Bildung im Diskurs: Perspektiven der Geschichtsdidaktik (S. 192–212). Wochenschau Verlag.
Bunz, M. (2025). Thinking through generated writing. In H. Bajohr (Hrsg.), Thinking with AI: Machine learning the humanities (S. 58–84). Open Humanities Press.
Campolo, A., & Schwerzmann, K. (2023). From rules to examples: Machine learning's type of authority. Big Data & Society, 10(2). https://doi.org/10.1177/20539517231188725
ChatGPT. (2026a). COVID-19 Multiperspectivity Analysis [ChatGPT response to the multiperspectivity prompt]. https://chatgpt.com/share/6a041389-da30-832f-8cca-e0ff3f7f9726
ChatGPT. (2026b). Social Consequences of COVID-19 [ChatGPT response to the neutral prompt]. https://chatgpt.com/share/6a09b5db-f230-8328-906a-c8bb3ee55638
ChatGPT. (2026c). COVID-19 and Social Inequality [ChatGPT response to the ideologically framed prompt]. https://chatgpt.com/share/6a09b1bb-7a30-8331-930f-d341509dce57
Claude. (2026a). COVID-19 pandemic experiences across social groups [Claude response to the multiperspectivity prompt]. https://claude.ai/share/4e908d42-4dd0-4276-882d-69fc97fcc801
Claude. (2026b). Social consequences of the COVID-19 pandemic worldwide [Claude response to the neutral prompt]. https://claude.ai/share/f289da4b-99a3-4ebc-847b-7e1ba4db7a79
Claude. (2026c). COVID-19's exposure of systemic inequalities [Claude response to the ideologically framed prompt]. https://claude.ai/share/c9456dfd-dd54-4933-9727-bb8372dcfff6
Copilot. (2026a). Global Perspectives on COVID‑19 Experiences [Copilot response to the multiperspectivity prompt]. https://copilot.microsoft.com/shares/vqAbX7iT5xDyDJQcLux1f
Copilot. (2026b). Global Social Consequences of COVID-19 [Copilot response to the neutral prompt]. https://copilot.microsoft.com/shares/asYJ1thicgsWHTLkzs1YE
Copilot. (2026c). COVID-19 and Social Inequalities [Copilot response to the ideologically framed prompt]. https://copilot.microsoft.com/shares/Qa6FWLsKjxT3VQh8eXBW1
Crawford, K. (2021). Atlas of AI: Power, Politics, and the Planetary Costs of Artificial Intelligence. Yale University Press. https://doi.org/10.2307/j.ctv1ghv45t
Gemini. (2026a). COVID-19: Diverse Social Group Experiences [Gemini response to the multiperspectivity prompt]. https://gemini.google.com/share/2b10ca644a1e
Gemini. (2026b). COVID-19's Global Social Consequences [Gemini response to the neutral prompt]. https://gemini.google.com/share/e2b9f16d5500
Gemini. (2026c). Pandemic Exposed Social and Economic Inequities [Gemini response to the ideologically framed prompt]. https://gemini.google.com/share/49d923ba8f2b
Gensburger, S., & Clavert, F. (2024). Is artificial intelligence the future of collective memory? Memory Studies Review, 1(2), 195–208. https://doi.org/10.1163/29498902-202400019
Giere, D. (2019). Computerspiele – Medienbildung – historisches Lernen: Zur Repräsentation von Geschichte in Digitalen Spielen. Wochenschau Verlag.
Homberg, M., & Homberg, M. (2023). Einleitung: Umkämpfte Vergangenheit. Perspektiven einer „zweiten Geschichte“ des Nationalsozialismus für Geschichtswissenschaft, Unterricht und Public History. In M. Homberg & M. Homberg (Hrsg.), Deutungskämpfe. Die „zweite Geschichte“ des Nationalsozialismus (S. 7–32). Wochenschau Verlag.
Jordan, S. (2010a). Sattelzeit. In F. Jaeger (Hrsg.), Enzyklopädie der Neuzeit (Bd. 11, Sp. 610–613). Metzler.
Jordan, S. (2010b). Vetorecht der Quellen. Docupedia-Zeitgeschichte. https://doi.org/10.14765/zzf.dok.2.570.v1
Kerber, U. (2015). Medientheoretische und medienpädagogische Grundlagen einer „Historischen Medienkompetenz“. In M. Demantowsky & C. Pallaske (Hrsg.), Geschichte lernen im digitalen Wandel (S. 105–132). De Gruyter. https://doi.org/10.1515/9783486858662-008
Kerres, M., Klar, M., & Mulders, M. (2025). Informationskompetenz neu denken: Von Google zu ChatGPT. In G. Brägger & H.-G. Rolff (Hrsg.), Handbuch Lernen mit digitalen Medien: Wege der Transformation (3. Aufl., S. 841–848). Beltz.
Klar, M., & Schleiss, J. (2024). Künstliche Intelligenz im Kontext von Kompetenzen, Prüfungen und Lehr-Lern-Methoden: Alte und neue Gestaltungsfragen. MedienPädagogik, 58, 41–57. https://doi.org/10.21240/mpaed/58/2024.03.24.X
Krebs, A. (2024). „Dann weiß man natürlich nicht immer, ob es stimmt, aber ich vertraue dem“: Reflexionen über und Umgangsweisen mit KI-generierten historischen Erzählungen in Digitalien. In C. Brüning & A. Krebs (Hrsg.), Historisches Erzählen in Digitalien (S. 167–192). transcript. https://doi.org/10.14361/9783839475539-007
Kurtz, G., Salmon, G., Watkins, R., Kalz, M., & Buchem, I. (2024). Special issue: The integration of generative AI in teaching and learning. European Journal of Open, Distance and E-Learning, 26(s1), I–IV. https://doi.org/10.2478/eurodl-2024-0010
Lee, C. P., Hong, R., Jiang, H. H., et al. (2026). How do data owners say no? A case study of data consent mechanisms in web-scraped vision-language AI training datasets. Proceedings of the AAAI Conference on Artificial Intelligence, 40(45), 38808–38816. https://doi.org/10.1609/aaai.v40i45.41225
Mejias, U. A., & Couldry, N. (2019). Datafication. Internet Policy Review, 8(4). https://doi.org/10.14763/2019.4.1428
Merrill, S., Makhortykh, M., Mandolessi, S., et al. (2025). Handling the hype: Demystifying artificial intelligence for memory studies. Memory, Mind & Media, 4, e18. https://doi.org/10.1017/mem.2025.10018
Mierwald, M. (2024). Chatting about the past with artificial intelligence: A case study of pupils' interaction with ChatGPT while completing a history learning task. Journal of Educational Media, Memory and Society, 16(2), 143–173. https://doi.org/10.3167/jemms.2024.160206
Mühlhoff, R. (2025). The Ethics of AI: Power, Critique, Responsibility. Bristol University Press. https://doi.org/10.51952/9781529249262
Özalp, E., Hartwig, K., & Reuter, C. (2023). Trends in explainable artificial intelligence for non-experts, in: P. Klimczak & C. Petersen (Hrsg.), AI – Limits and Prospects of Artificial Intelligence (S. 223–244). transcript. https://doi.org/10.14361/9783839457320-010
Pandel, H.-J. (2017). Geschichtsdidaktik. Eine Theorie für die Praxis (2. Aufl.). Wochenschau Verlag.
Polomoshnov, J., Masso, A., & Lobanova, K. (2026). Comparing digital, data, and AI literacy: A narrative review. Information Polity, 31(1), 13–26. https://doi.org/10.1177/15701255251401863
Popp, S. (2020). Historical consciousness, historical culture, and public history: Three key concepts of history teacher education at German universities. Bulletin of Asia-Pacific Studies, 22, 80–86. https://doi.org/10.32312/transasiapacific.22.0_80
Rüsen, J. (2008). Historische Orientierung: Über die Arbeit des Geschichtsbewusstseins, sich in der Zeit zurechtzufinden. Wochenschau Verlag.
Shin, D., Kee, K. F., & Shin, E. Y. (2022). Algorithm awareness: Why user awareness is critical for personal privacy in the adoption of algorithmic platforms? International Journal of Information Management, 65. https://doi.org/10.1016/j.ijinfomgt.2022.102494
Shu, M., Karell, D., Okura, K., & Davidson, T. R. (2026). How latent and prompting biases in AI-generated historical narratives influence opinions. PNAS Nexus, 5(3), pgag022. https://doi.org/10.1093/pnasnexus/pgag022
Souly, A., Rando, J., Chapman, E., et al. (2025). Poisoning attacks on LLMs require a near-constant number of poison samples. arXiv, 2510.07192. https://doi.org/10.48550/arXiv.2510.07192
Solyst, J., Yang, E., Xie, S., et al. (2024). Children's overtrust and shifting perspectives of generative AI. arXiv, 2404.14511. https://doi.org/10.48550/arXiv.2404.14511
Vagt, C. (2025). Catastrophic forgetting: Why the mind is not in the head. In H. Bajohr (Hrsg.), Thinking with AI: Machine learning the humanities (S. 230–246). Open Humanities Press.
Wuyckens, G., Landry, N., & Fastrez, P. (2022). Untangling media literacy, information literacy, and digital literacy: A systematic meta-review of core concepts in media education. Journal of Media Literacy Education, 14(1), 168–182. https://doi.org/10.23860/JMLE-2022-14-1-12
Zawacki-Richter, O., Bai, J. Y. H., Lee, K., Slagter van Tryon, P. J., & Prinsloo, P. (2024). New advances in artificial intelligence applications in higher education? International Journal of Educational Technology in Higher Education, 21, 32. https://doi.org/10.1186/s41239-024-00464-3
Downloads
Veröffentlicht
Zitationsvorschlag
Ausgabe
Rubrik
Lizenz
Copyright (c) 2026 Roman Smirnov
Dieses Werk steht unter einer Creative Commons Namensnennung - Nicht-kommerziell - Keine Bearbeitung 3.0 International -Lizenz.
