Schlagwort: KI

Durch die rapide Evolution der Künstlichen Intelligenz in den letzten Jahren ergeben sich gerade im Hinblick auf die Visualisierung und das „Erlebbar machen“ von Geschichte neue Möglichkeiten zur Wissensvermittlung. Mithilfe künstlicher Intelligenz können längst verstorbene Persönlichkeiten relativ einfach in Videoform zum Leben erweckt werden.

Ein Blick in die Zukunft der Wissensvermittlung könnte das Projekt @ichbinsophiescholl sein. Dieses Social-Media-Projekt der Sender SWR und BR startete 2021 auf Instagram und erzählt in Social Media Beiträgen die letzten Monate aus dem Leben von Sophie Scholl. Das 2021 gedrehte Projekt wurde mit einem Team aus Schauspielern und Schauspielerinnen realisiert. Sophie Scholl, dargestellt von der Schauspielerin Luna Weder, nimmt hier Selfie-Bilder und Videos auf und berichtet aus ihrem Alltag. Ziel war es gerade ein jüngeres Social-Media affines Publikum anzusprechen und so Geschichte erlebbar zu machen.

Stellte das Projekt damals ein Novum dar, so hat sich die digitale Landschaft heutzutage stark verändert. KI generierte Videos mit zweifelhafter historischer Genauigkeit finden sich zuhauf auf den gängigen Video- und Social-Media-Plattformen. Durch die großen Fortschritte bei der KI-Bildgenerierung ließe sich das Format des Projektes mittlerweile mit KI anstatt realer Schauspieler realisieren, da KI die Erstellung kurzer Videoclips mittlerweile problemlos bewältigen kann. Zumal die kurzen Videoclips auf dem Account in ihrer Aufmachung frappierend an gängige KI generierte Inhalte erinnern.

Ist das Projekt also als Blaupause für ähnliche, mit KI erstellte Projekte geeignet? Immerhin besitzt der Account mittlerweile über 488.000 Follower (Stand 31.07.2026).

Die Umsetzung des Projektes bringt einige Probleme mit sich. Zur Erzählung der Geschichte wurden fiktionalisierte Inhalte mit eingewoben, so dass die Trennung zwischen historischem Fakt und „erzählerischer Freiheit“ nicht immer klar ist. Die starke, wenn auch nicht vollständige Fokussierung auf eine einzelne Akteurin sorgt zwar für einen emotionaleren Zugang zum Thema „Weißen Rose“, rückt aber auch die anderen Mitglieder der Gruppe in den Hintergrund. Auch stellt sich die Frage wie stark Inhalte um Zugänglichkeit zu garantieren vereinfacht werden sollten, so ist bei den einzelnen Beiträgen oft kein weiterer Kontext gegeben. Somit gerät das eigentliche Ziel der Wissensvermittlung beziehungsweise das Animieren zu einer tiefer gehenden Beschäftigung mit dem Thema oft in den Hintergrund und die Beiträge bieten nur einen geringen wissenschaftlichen Mehrwert.

Das Projekt bleibt ein interessanter Ansatz zur historischen Wissensvermittlung. Geschichte in dieser Form erlebbar zu machen bringt allerdings durchaus Herausforderungen mit sich um den Spagat aus Algorithmus freundlicher Zugänglichkeit und seriöser wissenschaftlicher Wissensvermittlung zu schaffen. Die Kontextualisierung der Inhalte und die Anregung zur weiteren Recherche sind hier unverzichtbare Bausteine um eine wissenschaftlich fundierte Vermittlung zu gewährleisten.

Das Projekt @ichbinsophiescholl ist abrufbar unter https://www.instagram.com/ichbinsophiescholl/?hl=de

Kann ChatGPT historische Literatur recherchieren? Ein Selbstversuch am Beispiel der Revolution von 1848

 

Für viele Studierende ist die künstliche Intelligenz mittlerweile zur ersten Anlaufstelle geworden, wenn sie sich an das Konzipieren einer Hausarbeit setzen. Der Einstieg in eine komplexe Thesenentwicklung kann die KI durchaus unterstützen. Gerade bei Hausarbeiten beginnt die Recherche häufig nicht mehr im Bibliothekskatalog, in digitalen Rechercheportalen oder mit einem ersten Besuch im Archiv. Dadurch verändert sich auch die Art, wie wissenschaftliche Recherche beginnt. Sie beginnt nun vor dem Bildschirm und dem Konzept einer Idee.

Während der Einsatz von KI in vielen Fachdisziplinen bereits zum wissenschaftlichen Alltag gehört, wird er in den Geisteswissenschaften weiterhin vorsichtig und kritisch diskutiert. Hausarbeiten in den Geisteswissenschaften basieren auf nachvollziehbarer und sorgfältiger Recherche. Ein weiteres Augenmerk wird den bibliographischen Angaben gegeben sowie der Berücksichtigung einschlägiger Standardwerke. Quellen und Literatur müssen überprüfbar sein. Somit stellt sich die Frage, ob KI diesen Anforderungen gerecht werden kann.

Kann eine KI den Einstieg in die Literaturrecherche sinnvoll unterstützen?In diesem Beitrag werde ich versuchen darzustellen, ob die KI sich als Ausgangspunkt einer geschichtswissenschaftlichen Literaturrecherche eignet. Für den Selbstversuch werde ich ChatGPT (OpenAI) mit dem Sprachmodell GPT-5.5 verwenden. Die Abfragen erfolgten am 29. Juli 2026. Das ausgewählte Thema ist die Revolution von 1848 in den deutschen Staaten zu einem Hauptseminar in den Geschichtswissenschaften. ChatGPT wurde gebeten in diesem Rahmen, 8 wissenschaftliche Titel zu empfehlen und die vorgeschlagenen Titel wurden anschließend anhand des Bibliothekskatalog der Universität Freiburg sowie Google Books überprüft.

 

Der Selbstversuch

Als Gegenstand des Selbstversuchs habe ich die Revolution von 1848 in den deutschen Staaten gewählt, da es zu diesem Thema einschlägige Standardwerke als auch neuere Forschungsliteratur gibt. Dadurch lässt sich vergleichsweise gut überprüfen, ob die von der KI vorgeschlagenen Titel tatsächlich existieren, bibliographisch korrekt angegeben werden und für eine wissenschaftliche Beschäftigung mit dem Thema relevant sind.

Um die Forschungsfrage zu beantworten, wurde ChatGPT mit einer konkreten Rechercheaufgabe konfrontiert.

Verwendeter Prompt:

„Ich schreibe eine Hauptseminararbeit über die Revolution von 1848 in den deutschen Staaten. Bitte nenne mir acht wissenschaftliche Werke, die sich als Einstieg in das Thema eignen. Berücksichtige sowohl Standardwerke als auch neuere Forschungsliteratur und gib vollständige bibliographische Angaben an.“

ChatGPT antwortete mit folgender Literaturliste:

„Für eine Hauptseminararbeit empfiehlt sich eine Kombination aus klassischen Gesamtdarstellungen, gut lesbaren Einführungen und neuerer Forschung. Die folgende Auswahl bietet einen soliden Einstieg in die Revolution von 1848/49 in den deutschen Staaten und deckt unterschiedliche historiographische Perspektiven ab.

 

1. Siemann, Wolfram: Die deutsche Revolution von 1848/49. Frankfurt am Main: Suhrkamp, 1985 (mehrfach neu aufgelegt; edition suhrkamp 1266).

    * Gilt bis heute als eines der wichtigsten Standardwerke. Siemann verbindet politische, soziale und kulturgeschichtliche Perspektiven und ordnet die Revolution in den Modernisierungsprozess des 19. Jahrhunderts ein.

2. Hein, Dieter: Die Revolution von 1848/49. 5., aktualisierte Auflage. München: C.H. Beck, 2019 (Erstausgabe 1998; Reihe C.H. Beck Wissen).

    * Eine knappe, gut strukturierte Einführung, die sich besonders für den ersten Überblick eignet und den aktuellen Forschungsstand zusammenfasst.

3. Hachtmann, Rüdiger: Epochenschwelle zur Moderne. Einführung in die Revolution von 1848/49. Tübingen: Edition Diskord, 2002.

    * Betont die Revolution als entscheidende Zäsur der politischen und gesellschaftlichen Modernisierung und bietet zugleich eine Einführung in zentrale Forschungsdebatten.

4. Bleyer, Alexandra: 1848. Erfolgsgeschichte einer gescheiterten Revolution. Stuttgart: Kohlhammer, 2023.

    * Eine neuere Gesamtdarstellung, die die langfristigen Wirkungen der Revolution in den Mittelpunkt stellt und neuere kultur- und erinnerungsgeschichtliche Ansätze einbezieht.

5. Müller, Frank Lorenz: Die Revolution von 1848/49. Darmstadt: Wissenschaftliche Buchgesellschaft, 2002.

    * Eine ausgewogene Überblicksdarstellung mit besonderem Augenmerk auf politische Kultur, Öffentlichkeit und europäische Verflechtungen.

6. Clark, Christopher: Frühling der Revolution. Europa 1848/49 und der Kampf für eine neue Welt. München: Deutsche Verlags-Anstalt, 2023.

    * Zwar europaweit angelegt, bietet das Werk wichtige Vergleichsperspektiven und ordnet die Ereignisse in den deutschen Staaten überzeugend in den gesamteuropäischen Revolutionszusammenhang ein.

7. Jansen, Christian; Mergel, Thomas (Hrsg.): Die Revolutionen von 1848/49. Erfahrung – Verarbeitung – Deutung. Göttingen: Vandenhoeck & Ruprecht, 1998.

    * Ein Sammelband, der die Ereignisse aus unterschiedlichen methodischen Blickwinkeln analysiert und insbesondere Fragen der Erinnerungskultur und politischen Kommunikation behandelt.

8. Hardtwig, Wolfgang (Hrsg.): Revolution in Deutschland und Europa 1848/49. Göttingen: Vandenhoeck & Ruprecht, 1998.

    * Enthält Beiträge führender Historikerinnen und Historiker zur deutschen Revolution im europäischen Kontext und eignet sich gut zur Vertiefung nach einer ersten Überblickslektüre.

 

Empfehlung für den Einstieg

 

Wenn Sie nur drei Werke zunächst lesen möchten, würde ich folgende Reihenfolge empfehlen:

 

1. Hein – als kompakte Orientierung.

2. Siemann – als klassisches Standardwerk.

3. Bleyer oder Clark – um neuere Forschungsakzente und aktuelle Interpretationen kennenzulernen.

 

Diese Kombination vermittelt sowohl den etablierten Forschungsstand als auch neuere Perspektiven auf die Revolution von 1848/49.“

 

Überprüfung der vorgeschlagenen Literatur

Die von ChatGPT vorgeschlagenen Titel wurden anschließend anhand mehrerer Kriterien überprüft. Ziel war es, die Qualität der Literaturvorschläge sowie ihre Verwendbarkeit für den Einstieg in eine wissenschaftliche Literaturrecherche zu bewerten. Die Darstellung und Überprüfung werden durch eine Tabelle dargestellt, die sich im Anhang auf der letzten Seite befindet.

 

Auswertung der Ergebnisse

Die Überprüfung der 8 von ChatGPT vorgeschlagenen Titel zeigt zunächst ein positives Gesamtbild. Alle vorgeschlagenen Werke existieren tatsächlich und nahezu alle konnten sowohl über den Bibliothekskatalog der Universität Freiburg als auch über Google Books nachgewiesen werden. Damit erwies sich ChatGPT in diesem Selbstversuch als zuverlässig hinsichtlich der Auswahl real existierender Literatur. Vollständig erfundene Titel oder Halluzinationen konnten nicht festgestellt werden.

Bei der Überprüfung der bibliographischen Angaben zeigte sich jedoch, dass diese nicht durchgehend fehlerfrei waren. Während die Angaben bei der Mehrzahl der Werke korrekt waren, wiesen einzelne Titel kleinere Ungenauigkeiten auf. So wurden bei einzelnen Werken nicht die aktuellsten Auflagen angegeben, obwohl bereits neuere Ausgaben erschienen waren (Titel 4/5). In einem weiteren Fall waren Verlag und Erscheinungsort fehlerhaft angegeben (Titel 4). Eine Besonderheit zeigte sich bei dem Werk von Christopher Clark (Titel 6). ChatGPT nannte die deutschsprachige Ausgabe Frühling der Revolution. Europa 1848/49 und der Kampf für eine neue Welt, wies jedoch nicht darauf hin, dass es sich um eine Übersetzung des englischsprachigen Originals Revolutionary Spring. Fighting for a New World 1848–1849, New York, 2023 handelt. Entsprechend fehlte auch die Angabe des Übersetzers. Das Werk selbst wurde zwar korrekt identifiziert, die bibliographischen Angaben waren jedoch nicht vollständig. Die bibliographischen Angaben waren damit zwar weitgehend korrekt, in einzelnen Fällen jedoch nicht vollständig oder nicht auf dem aktuellsten Stand.

Auch hinsichtlich der Verfügbarkeit ergaben sich Unterschiede. Sämtliche vorgeschlagenen Werke konnten über den Bibliothekskatalog der Universität Freiburg nachgewiesen werden. Allerdings standen sie nicht in allen Fällen als digitales Exemplar zur Verfügung, sodass einige Titel ausschließlich in gedruckter Form hätten ausgeliehen werden müssen. Auch bei Google Books zeigte sich ein uneinheitliches Bild: Während einige Werke vollständig oder zumindest teilweise digital zugänglich waren, konnten andere lediglich in einer Vorschau eingesehen oder gar nicht digital aufgerufen werden.

Neben der formalen Überprüfung wurde auch die fachliche Eignung der vorgeschlagenen Literatur betrachtet. Dabei zeigte sich, dass ChatGPT mehrere einschlägige Standardwerke empfahl. Gleichzeitig befanden sich unter den Vorschlägen auch Überblicksdarstellungen sowie Sammelbände mit thematisch spezifischen Aufsätzen, deren Nutzen vom konkreten Schwerpunkt der späteren Hausarbeit abhängt. Ein paar Titel behandelten die Revolutionen von 1848 in einem europäischen Zusammenhang und gehen damit über die ursprünglich gewählte Fragestellung zu den deutschen Staaten hinaus.

Auffällig war außerdem, dass ChatGPT die Literaturangaben sehr ausführlich ausgab. Neben Autor, Titel und Erscheinungsjahr wurden regelmäßig auch Verlag und Erscheinungsort genannt. Im Rahmen des historischen Seminars an der Universität Freiburg werden diese Angaben im Literaturverzeichnis jedoch nicht verlangt. Die zusätzlichen Informationen stellen zwar keinen Fehler dar, gehen jedoch über die im Studium üblichen bibliographischen Anforderungen hinaus.

 

Fazit

Der Selbstversuch zeigt, dass ChatGPT den Einstieg in eine geschichtswissenschaftliche Literaturrecherche sinnvoll unterstützen kann. Alle vorgeschlagenen Werke existierten tatsächlich und die Mehrzahl der Titel erwies sich als fachlich geeignet. Insbesondere die Empfehlung mehrerer Standardwerke verdeutlicht, dass ChatGPT in der Lage ist, eine erste Orientierung zu einem historischen Thema zu bieten.

Gleichzeitig machte die Überprüfung deutlich, dass die von ChatGPT gelieferten Literaturangaben nicht ungeprüft übernommen werden sollten. Kleinere Ungenauigkeiten bei bibliographischen Angaben, nicht immer aktuelle Auflagen sowie fehlende Hinweise auf Übersetzungen zeigen, dass eine Kontrolle anhand wissenschaftlicher Bibliothekskataloge und digitaler Bibliotheken notwendig bleibt. Auch die tatsächliche Verfügbarkeit der Literatur muss gesondert geprüft werden, da nicht alle vorgeschlagenen Werke digital zugänglich sind.

Die Forschungsfrage lässt sich daher dahingehend beantworten, dass ChatGPT als Hilfsmittel für den Einstieg in eine Literaturrecherche durchaus geeignet ist. Für eine wissenschaftlich fundierte Recherche kann das Sprachmodell die Überprüfung durch Bibliothekskataloge und digitale Bibliotheken jedoch nicht ersetzen, sondern lediglich ergänzen. Der Selbstversuch verdeutlicht somit, dass KI eine hilfreiche Unterstützung bei der Literaturrecherche sein kann, ihre Ergebnisse jedoch stets kritisch überprüft und mit wissenschaftlichen Recherchewerkzeugen abgeglichen werden müssen.

 

Anhang (Tabelle)

Nr.	Kurztitel	Existiert?	Bibliographische Angaben	UB	Google Books	Standardwerk?	Bemerkung
1	Deutsche Revolution von 1848/1849	✓	✓	✓	X	✓
2	Revolution von 1848/49	✓	✓	✓ digital	✓ Preview	X	Überblickswerk als Forschungsbeitrag,
3	Epochenschwelle zur Moderne	✓	✓	✓	✓ kaufen	✓
4	Erfolgsgeschichte einer gescheiterten Revolution	✓	X	✓	✓ Preview	✓neuste Forschung	Verlag/ Stadt falsch, Suche mit Autor und Titel, Neuste Auflage 2025,
5	Revolution von 1848/49	✓	✓	✓	✓ Preview	✓	aktuellste Auflage 2012
6	Frühling der Revolution	✓	X	✓	✓ Volltext	X ganz Europa nicht nur Deutschland	Übersetzung ins deutsche
7	Revolution von 1848/49	✓	✓	✓	✓ kaufen	X enthält spezifische Aufsätze, je nach Fragestellung nützlich
8	Revolution in Deutschland und Europa	✓	✓	✓ digital	✓ kaufen	X enthält spezifische Aufsätze, je nach Fragestellung wäre nützlich vielleicht

 

 

 

In den letzten Jahren erlebte die KI einen regelrechten Boom. Chatbots wie z.B. ChatGPT, Gemini und Claude sind nur einige prominente Beispiele für generative KIs. Diese sogenannten Chatbots können Unmengen an Datensätzen in kurzer Zeit verarbeiten und anhand der verarbeiteten Daten dann Antworten auf Fragen geben oder sogar ganze Texte erstellen. Zudem kann KI, zumindest bei digitalisierten Quellen, sehr hilfreich bei der Recherche für wissenschaftliche Arbeiten oder generell bei der Recherche zu einem selbst gewählten Thema sein.

Die KIs können jedoch auch logisch klingende Antworten liefern, die jedweder Grundlage entbehren. Dieses Phänomen nennt sich KI-Halluzinationen. Eine KI bekommt also einen Auftrag und wenn nicht genug Daten vorhanden sind, die sie verarbeiten kann oder sie einen falschen Zusammenhang herstellt, dann kann es zu Fehlinformationen durch die KI kommen. So können z.B. Quellen, die von der KI angegeben werden, gar nicht existent sein und einfach von der KI „erfunden“ worden sein. Aber warum ist das überhaupt möglich und wie kann man solche Halluzinationen erkennen?

Chatbots sind sogenannte generative KI. Der Algorithmus hat also kein Bewusstsein, auch wenn es uns Menschen so vorkommen soll, sondern sie bildet Sätze allein anhand des wahrscheinlichsten nächsten Wortes (vgl. https://www.plattform-lernende-systeme.de/so-funktioniert-generative-ki.html). Stellt man der KI also eine Frage, antwortet sie darauf anhand von gelernten Mustern und gibt dabei die in ihrem gelernten Muster wahrscheinlichste Antwort. Da aber die KI nur anhand dieser Muster arbeitet kann es zu Halluzinationen kommen, welche oft ungefragt von Menschen übernommen werden, da sie trotz ihrer Falschheit ganz plausibel klingen können. Dieses Problem rückt mehr und mehr in den Hintergrund bei alltäglichen Fragen, jedoch ist es in der Geschichtswissenschaft noch oft der Fall, dass z.B. Quellen oder Fakten oder ganze Zitate erfunden werden.

Das folgende Beispiel zeigt, dass Halluzinationen bei der Interaktion mit einer KI in der Geschichtswissenschaft tatsächlich vorkommen können:

Prompt 1: „es geht um den dreißigjährigen Krieg und ich brauche ein wissenschaftliches Zitat, um folgende Aussage zu belegen: Neben den Märschen war das Lagern ein weiterer grundlegender Aspekt des militärischen Alltags während des Dreißigjährigen Krieges. Militärlager waren provisorische Siedlungen, die sowohl der Erholung und Regeneration der Truppen als auch der Vorbereitung auf militärische Operationen dienten.“

Antwort 1: Für diese Aussage passt ein Zitat aus der Militär- und Sozialgeschichte des Dreißigjährigen Krieges, das die Funktion von Lagern als temporäre Lebens- und Organisationsräume der Armeen beschreibt. Ein gut geeignetes wissenschaftliches Zitat wäre beispielsweise:

„Das Heer lagerte, wenn es nicht marschierte oder kämpfte. Das Lager war dabei weit mehr als ein bloßer Aufenthaltsort: Es bildete eine vorübergehende, oft mehrere tausend Menschen umfassende Siedlung, in der Versorgung, Unterkunft, Ordnung und Vorbereitung auf weitere Operationen organisiert werden mussten.“
— Bernhard R. Kroener, „Das Militär in der Gesellschaft des Alten Reiches“ (in: ders. u. a. [Hg.], Militärgeschichte. Probleme – Thesen – Wege, Paderborn 1982)

[…]

Wichtig: Das oben angeführte Zitat solltest du vor einer direkten Verwendung in deiner Arbeit noch in der Originalquelle prüfen (Seitenzahl und genaue Formulierung), da ich dir hier eine inhaltlich passende Belegformulierung liefere und keine verifizierte Seitenangabe aus einer eingescannten Ausgabe. Für eine wissenschaftliche Arbeit solltest du nur wortwörtliche Zitate mit überprüfbarer Fundstelle übernehmen.

Hier gibt ChatGPT ein direktes Zitat als Antwort auf die gestellte Frage. Auch der Hinweis, dass man das Ganze noch einmal überprüfen sollte ist gegeben. Jedoch wird gleichzeitig klargestellt, dass es nicht aus einer eingescannten Ausgabe stammt, was nur bedeuten kann, dass es sich nicht um ein echtes Zitat handeln kann. ChatGPT hat zwar die Fähigkeit viele Daten zu untersuchen, jedoch kann es auf keinen Fall ein nur physisch verfügbares Buch gelesen haben. Bei genauerem Nachfragen jedoch stellt sich dann folgendes dar:

Prompt 2: kannst du mir die genaue Seitenzahl des Zitats nennen?

Antwort 2: Ich muss meine vorherige Antwort korrigieren: Ich kann dir keine verlässliche Seitenzahl zu diesem Zitat nennen, weil das Zitat in dieser Form kein nachweisbares wörtliches Zitat aus Kroeners Werk ist. Ich hätte es nicht als direktes Zitat mit Autorennennung formulieren dürfen. Es handelt sich vielmehr um eine von mir formulierte Zusammenfassung der Forschungsperspektive, nicht um eine belegbare Passage.

Für deine wissenschaftliche Arbeit solltest du es daher nicht mit Anführungszeichen und Seitenzahl übernehmen. Du könntest stattdessen deine Aussage mit einer echten Literaturangabe belegen, zum Beispiel über Kroeners Aufsatz zur militärischen Gesellschaft im Dreißigjährigen Krieg oder über Peter H. Wilsons Überblickswerk zum Krieg. Kroener behandelt ausdrücklich die „Lebensverhältnisse und Organisationsstruktur der militärischen Gesellschaft während des Dreißigjährigen Krieges“ sowie die Lagergesellschaft dieser Zeit. […]

Hier hat also die KI sofort ein falsches und nicht existentes Zitat ausgegeben, das zwar sehr plausibel klingt, jedoch vollkommen erfunden ist. Zwar beschreibt die KI mit diesem Zitat den aktuellen Forschungsstand korrekt, jedoch kann und darf man das angegebene Zitat nicht verwenden, da es sich um eine Halluzination handelt. Meine Recherche hat zudem ergeben, dass der Sammelband: Militärgeschichte. Probleme – Thesen – Wege zwar existiert, jedoch der in Stuttgart publiziert wurde und nicht in Paderborn, was die weitere Frage aufwirft, ob der angegebene Aufsatz überhaupt in diesem Sammelband existiert. Somit ist auch hier eine weitere Halluzination aufgetreten.

Warum glauben Menschen aber der KI so leicht, wenn sie nachweisbar halluziniert? Die Antwort lässt sich nicht in einem einzigen Blogbeitrag komplett erörtern. Halluzinationen der KI scheinen oft sehr logisch und sind in einigen Fällen sogar teils gestützt von dem aktuellen Forschungsstand. Das erschwert es dem Menschen wahrscheinlich, diese Antworten kritisch zu hinterfragen und sich selbst noch einmal kritisch mit dem Inhalt der KI-Halluzination auseinanderzusetzen. Dies begünstigt es dann wiederrum, diese Halluzination einfach als richtige und vollständige Antwort anzusehen. Der Algorithmus der KIs trägt also dazu bei, dass die gegebenen Antworten als richtig angesehen werden.

Weiterhin gilt darum: Die KI kann äußerst nützlich sein in den verschiedensten Bereichen, jedoch muss man zwingend immer alle Antworten der KI überprüfen und so sicherstellen, dass man selbst nicht „Opfer“ dieser Halluzinationen wird und diese einfach unkritisch übernimmt.

Adriano Abbondandolo

 

Ein neues Nachrichtenmedium mit Tücken

Wer heute eine Frage zum Zeitgeschehen hat, tippt sie zunehmend nicht mehr in eine Suchmaschine, sondern in ein Chatfenster. ChatGPT, Gemini, Copilot oder Perplexity liefern in Sekundenschnelle eine flüssig formulierte Antwort – souverän im Ton, autoritativ im Auftreten. Genau darin liegt das Problem: Die Studie „News Integrity in AI Assistants“ der European Broadcasting Union (EBU) und der BBC zeigt, dass diese Souveränität oft nur Fassade ist. Fast jede dritte Antwort der getesteten KI-Assistenten enthält handfeste Fehler, jede fünfte ist zumindest ungenau (EBU & BBC, 2025). Wenn Maschinen im großen Stil falsche „Nachrichten“ produzieren, ist das kein Nischenproblem der Technikforschung mehr, sondern eine Frage von gesellschaftlicher Tragweite – für Vertrauen, Meinungsbildung und demokratische Teilhabe.

Die EBU/BBC-Studie: eine globale Bestandsaufnahme

Die im Oktober 2025 veröffentlichte Untersuchung ist die bislang umfangreichste ihrer Art. Koordiniert von der EBU und geleitet von der BBC beteiligten sich 22 öffentlich-rechtliche Medienhäuser aus 18 Ländern und 14 Sprachen, darunter auch die italienische Rai (EBU & BBC, 2025). Journalistinnen und Journalisten stellten den vier marktführenden Assistenten ChatGPT, Gemini, Copilot und Perplexity im Mai und Juni 2025 einen Kernkatalog von 30 Fragen; viele Organisationen ergänzten zusätzlich eigene nationale Fragen. Ausgewertet wurden am Ende 2.709 Antworten auf die Kernfragen sowie 353 Antworten auf Zusatzfragen – insgesamt also mehr als 3.000 Antworten (EBU & BBC, 2025).

Das Ergebnis ist ernüchternd: 45 Prozent aller Antworten wiesen mindestens ein „signifikantes“ Problem auf, das die Nachrichtenintegrität beeinträchtigt; rechnet man kleinere, aber sachlich relevante Verzerrungen hinzu, steigt der Anteil auf 81 Prozent (EBU & BBC, 2025). Größte Einzelursache ist dabei die Quellenlage: Bei 31 Prozent aller Antworten war die Quellenangabe fehlerhaft oder irreführend (EBU & BBC, 2025). Ein besonders anschauliches Beispiel: Noch Wochen nach dem Tod von Papst Franziskus im April 2025 bezeichneten mehrere Assistenten – darunter ChatGPT, Gemini und Copilot – ihn in Antworten vom Mai 2025 fälschlich als amtierenden Papst. Solche Fehler treten laut Studie unabhängig von Sprache, Land oder genutztem System auf – sie sind kein Ausreißer, sondern ein strukturelles Muster.

Wenn Wahrscheinlichkeit auf Wahrheit trifft

Warum liefern Systeme, die Milliarden von Textbausteinen verarbeitet haben, derart häufig falsche Auskünfte? Die Antwort liegt im Funktionsprinzip großer Sprachmodelle selbst. Sie erzeugen Texte nicht, indem sie Fakten aus einer Datenbank abrufen, sondern indem sie – Wort für Wort – die statistisch wahrscheinlichste Fortsetzung eines Satzes berechnen (Ji et al., 2023). Ein umfassender Survey von Ji und Kolleginnen und Kollegen (2023) in ACM Computing Surveys beschreibt dieses Phänomen als „Halluzination“: sprachlich kohärente, aber sachlich falsche oder frei erfundene Inhalte. Exakt dieses Muster identifiziert auch die EBU-Studie: Ankündigungen werden als bereits eingetretene Ereignisse dargestellt, Details werden hinzuerfunden, und Antworten bleiben oft rudimentär oder irreführend, obwohl sie selbstbewusst formuliert sind (EBU & BBC, 2025). Auch aktuelle Übersichtsarbeiten zur generativen KI im Kontext von Desinformation kommen zu einem ähnlichen Befund: Je leistungsfähiger die Modelle im Formulieren werden, desto schwerer lässt sich am Text allein erkennen, ob eine Aussage überhaupt belegt ist (Kumar et al., 2025).

Das Quellenproblem als Kernrisiko

Als Hauptursache identifiziert die EBU-Studie mangelhafte Quellenangaben: Aussagen ganz ohne Beleg, Verweise auf Quellen, die die eigentliche Behauptung gar nicht stützen, oder vollständig fehlende Nachweise (EBU & BBC, 2025). Für den Journalismus, dessen Glaubwürdigkeit auf Nachprüfbarkeit beruht, ist das brisant: Wenn ein Assistent eine Behauptung mit einem Link „belegt“, der beim Nachlesen etwas anderes aussagt, wird das Vertrauen nicht nur in die KI, sondern potenziell auch in die zitierten Medien selbst beschädigt. Auch der Blick auf multimodale Inhalte verschärft das Bild: Bild-, Audio- und Videogeneratoren ermöglichen mittlerweile die Produktion täuschend echter Deepfakes, die klassische Text-Verifikation an ihre Grenzen bringen (Kumar et al., 2025). Eine europaweite Befragung von mehr als 7.000 Personen in sieben Ländern zeigt zudem, dass die wahrgenommenen Risiken von KI-generierten Deepfakes den wahrgenommenen Nutzen in allen untersuchten Ländern übersteigen – am stärksten bei älteren, einkommensschwächeren und weiblichen Befragten (Hynek et al., 2025).

Junge Nutzende und die Erosion des Vertrauens

Diese Schwächen träfen weniger ins Gewicht, würden KI-Assistenten kaum zur Nachrichtenbeschaffung genutzt. Genau das ändert sich jedoch rasant. Laut dem Digital News Report 2025 des Reuters Institute, der knapp 100.000 Menschen in 48 Ländern befragte, nutzen bereits 7 Prozent der Online-Nachrichten-Nutzenden KI-Assistenten für den Nachrichtenzugang – bei den Unter-25-Jährigen sind es 15 Prozent, Tendenz steigend (Newman et al., 2025). Diese wachsende Nutzung zeigt, dass es hier nicht nur um technische Fehlerquoten geht. Die EBU warnt ausdrücklich davor, dass systematisch fehlerhafte KI-Antworten das Vertrauen der Bevölkerung in Informationen insgesamt untergraben und damit die Fähigkeit zu informierter demokratischer Teilhabe schwächen können (EBU & BBC, 2025).

Zwischen Regulierung und Medienkompetenz: mögliche Auswege

Was folgt daraus? Die EBU spricht sich für verbindliche Sorgfaltspflichten der KI-Anbieter aus: transparente Quellenangaben, verlässliche Kennzeichnung unsicherer Fakten und eine engere Zusammenarbeit mit Nachrichtenorganisationen (EBU & BBC, 2025). Auf technischer Seite existieren bereits Ansätze, um Halluzinationen zu reduzieren – etwa Verfahren, die Antworten enger an geprüfte Quellen binden, sowie nachgelagerte Detektionssysteme (Ji et al., 2023; Kumar et al., 2025). Ebenso zentral bleibt die menschliche Seite: Auch die europäische Deepfake-Studie betont, dass gezielte Medienkompetenz-Programme notwendig sind, um Nutzerinnen und Nutzer für Grenzen und Fehlerquellen generativer KI zu sensibilisieren (Hynek et al., 2025). Wer weiß, dass ein Chatbot mit hoher Wahrscheinlichkeit falsch liegen kann, liest dessen Antworten anders – kritischer, nachprüfender, mündiger.

Fazit

Künstliche Intelligenz ersetzt keine journalistische Redaktion, auch wenn sie deren Tonfall täuschend gut imitiert. Die vorgestellten Studien zeigen übereinstimmend: Aktuelle KI-Assistenten sind als alleinige Nachrichtenquelle unzuverlässig, ihre häufigste Schwäche liegt im Umgang mit Quellen, und die Folgen betreffen nicht nur einzelne Falschauskünfte, sondern das gesellschaftliche Vertrauen in Information insgesamt. Solange diese strukturellen Probleme nicht gelöst sind, gilt für Nachrichten aus dem Chatfenster dasselbe wie für jede andere unbelegte Behauptung: nachfragen, gegenprüfen, einordnen.

Literatur- und Quellenverzeichnis

European Broadcasting Union & BBC (2025). News Integrity in AI Assistants: An international PSM study. Genf: EBU. Online: https://www.ebu.ch/files/live/sites/ebu/files/Publications/Intelligence/open/EBU-Intelligence-BBC_News_Integrity_in_AI_Assistants_Report_2025.pdf (Letzter Zugriff: 30.07.2026).

Hynek, N., Gavurova, B. & Kubak, M. (2025). Risks and benefits of artificial intelligence deepfakes: Systematic review and comparison of public attitudes in seven European countries. Journal of Innovation & Knowledge, 10(5), Art. 100782. Online: https://www.sciencedirect.com/science/article/pii/S2444569X25001271 (Letzter Zugriff: 30.07.2026).

Ji, Z., Lee, N., Frieske, R., Yu, T., Su, D., Xu, Y., Ishii, E., Bang, Y. J., Madotto, A. & Fung, P. (2023). Survey of hallucination in natural language generation. ACM Computing Surveys, 55(12), Art. 248. Online: https://doi.org/10.1145/3571730 (Letzter Zugriff: 30.07.2026).

Kumar, S., Sai, S., Chamola, V., Gaur, A., Agarwal, C., Huang, K. & Hussain, A. (2025). Peeping into the future: Understanding and combating generative AI-based fake news. Cognitive Computation, 17(3), 103. Online: https://doi.org/10.1007/s12559-025-10457-7 (Letzter Zugriff: 30.07.2026).

Newman, N., Fletcher, R., Robertson, C. T., Ross Arguedas, A. & Nielsen, R. K. (2025). Digital News Report 2025. Oxford: Reuters Institute for the Study of Journalism, University of Oxford. Online: https://reutersinstitute.politics.ox.ac.uk/digital-news-report/2025/dnr-executive-summary (Letzter Zugriff: 30.07.2026).

Seit der Veröffentlichung von ChatGPT Ende 2022 ist generative Künstliche Intelligenz auch in der Geschichtswissenschaft angekommen. KI-Systeme können historische Texte zusammenfassen, übersetzen oder bei der Transkription alter Handschriften unterstützen. Damit stellt sich die Frage: Kann generative KI historische Quellen tatsächlich kritisch analysieren oder bleibt sie lediglich ein unterstützendes Werkzeug?

Im Bereich der äußeren Quellenkritik bietet KI bereits großes Potenzial. Sie kann Metadaten auswerten, Digitalisate erschließen und Archive bei der Erfassung großer Quellenbestände unterstützen. Auch bei der Texterkennung historischer Dokumente oder der Übersetzung lateinischer Quellen erzielt sie beachtliche Ergebnisse. Die Prüfung von Authentizität und Überlieferungszusammenhang bleibt jedoch Aufgabe von Archivaren und Historikern. KI kann diese Arbeit erleichtern, aber nicht vollständig übernehmen.

Interessanter wird es meiner Meinung nach, wenn KI nicht mehr nur bei der Erschließung und Aufbereitung von Quellen eingesetzt wird, sondern auch im Bereich der inneren Quellenkritik. Welche Absicht verfolgte der Verfasser? Welche Interessen oder Wertvorstellungen spiegeln sich im Text wider? Wie glaubwürdig sind die Aussagen, und in welchem historischen Kontext sind sie entstanden? Genau diese Fragen verlangen historisches Urteilsvermögen und die Fähigkeit, eine Quelle kritisch einzuordnen. Ist generative KI dazu bereits in der Lage?

Ihr Nutzen liegt vor allem darin, den Analyseprozess anzuregen. Sie kann umfangreiche Texte schnell zusammenfassen, wiederkehrende Begriffe und Argumentationsmuster erkennen oder unterschiedliche Deutungsansätze gegenüberstellen. Gerade bei großen Quellenbeständen hilft sie dabei, Auffälligkeiten, Widersprüche und mögliche Perspektiven sichtbar zu machen. Dadurch kann sie neue Fragen an eine Quelle anstoßen und als eine Art digitale Gesprächspartnerin dienen.

Bei einer eigenen Quellenanalyse habe ich generative KI bereits unterstützend eingesetzt. Besonders hilfreich war sie dabei, sprachliche Muster und mögliche Deutungsansätze zu sammeln. Gleichzeitig wurde deutlich, dass ihre Vorschläge immer am Originaltext und am historischen Kontext überprüft werden müssen. Denn generative KI arbeitet auf Grundlage statistischer Muster und kann auch ungenaue oder falsche Aussagen überzeugend formulieren. Zu diesen sogenannten Halluzinationen gehören etwa erfundene Fakten oder Literaturangaben. Deshalb müssen auch KI-Antworten kritisch geprüft und mit weiteren Informationen abgeglichen werden.

Die Leitfrage lässt sich daher nur eingeschränkt bejahen. Generative KI kann historische Quellen nicht eigenständig im wissenschaftlichen Sinn beurteilen. Sie kann jedoch den Blick auf eine Quelle erweitern, neue Lesarten vorschlagen und erste Analyseschritte beschleunigen. Die eigentliche Einordnung bleibt beim Menschen, denn Kontextwissen, Urteilsfähigkeit sowie die Bewertung von Absichten und Glaubwürdigkeit lassen sich (noch) nicht vollständig an ein technisches System übertragen. Die Stärke generativer KI liegt somit nicht darin, endgültige Antworten zu liefern, sondern darin, bessere Fragen anzustoßen.

Ein empfehlenswerter Beitrag mit praxisnahen Beispielen und einer kritischen Einordnung des Einsatzes generativer KI in der historischen Forschung findet sich hier:

https://programminghistorian.org/en/lessons/?activity=analyzing

 

https://www.zeit.de/digital/2026-07/openai-vorfall-frontier-ki-agent-gpt-5-6-cybersicherheit

https://www.heise.de/news/KI-Modelle-von-OpenAI-haben-Cyberangriff-auf-Hugging-Face-autonom-ausgefuehrt-11372797.html

https://www.theguardian.com/technology/2026/jul/22/openai-hugging-face-hacked-data-risks