Die Zukunft der Geschichtswissenschaft - Geschichte
Die Zukunft der Geschichtswissenschaft - Geschichte
Die Zukunft der Geschichtswissenschaft - Geschichte
Einleitung
Die Geschichtswissenschaft erforscht und rekonstruiert vergangene Wirklichkeiten auf der Grundlage kritisch geprüfter Quellen. Ihre Zukunft entscheidet sich deshalb nicht allein an neuen Geräten oder Programmen, sondern an einer grundlegenden Frage: Wie kann historisches Wissen unter digitalen Bedingungen zuverlässig, nachvollziehbar, vielfältig und gesellschaftlich relevant erzeugt werden?
Im 21. Jahrhundert verändern Digitalisierung, globale Vernetzung, Künstliche Intelligenz, große digitale Sammlungen, soziale Medien und neue Formen der Wissenschaftskommunikation das Studienfach Geschichte. Historikerinnen und Historiker können heute Millionen digitalisierter Zeitungsseiten durchsuchen, räumliche Entwicklungen mit Geoinformationssystemen untersuchen, Beziehungsnetze visualisieren, audiovisuelle Quellen automatisch erschließen und Forschungsergebnisse als offene Daten, interaktive Karten oder digitale Ausstellungen veröffentlichen. Gleichzeitig entstehen neue Probleme: fehlerhafte Texterkennung, intransparente Algorithmen, verzerrte Datensammlungen, manipulierte Bilder, vergängliche Plattformen, ungeklärte Rechte und scheinbar überzeugende, aber erfundene Aussagen generativer KI.
Dieser aiMOOC richtet sich besonders an Lernende und Studierende des Fachs Geschichte. Du lernst, technische Entwicklungen nicht als automatische Fortschrittsgeschichte zu betrachten, sondern als Gegenstand historischer Quellenkritik, methodischer Reflexion und gesellschaftlicher Aushandlung. Die Zukunft der Geschichtswissenschaft wird weder vollständig analog noch vollständig automatisiert sein. Wahrscheinlicher ist eine kritisch integrierte Geschichtswissenschaft, in der klassische historische Kompetenzen mit digitalen Methoden verbunden werden.
Lernziele
Nach der Bearbeitung dieses aiMOOCs kannst Du erklären, welche Veränderungen Digitalisierung und KI für historische Quellen, Methoden, Publikationen und Berufsfelder bewirken. Du kannst Chancen und Grenzen digitaler Verfahren beurteilen, einen methodisch kontrollierten digitalen Forschungsprozess entwerfen und Zukunftsszenarien für das Fach Geschichte begründet vergleichen.
Du entwickelst insbesondere Kompetenzen in Quellenkritik, Digital Humanities, Forschungsdatenmanagement, Informationskompetenz, Medienkompetenz, Datenethik, wissenschaftlicher Argumentation und öffentlicher Geschichtsvermittlung.
Geschichtswissenschaft zwischen Kontinuität und Wandel
Was bleibt? Die Grundlagen historischen Arbeitens
Auch in einer stark digitalisierten Zukunft bleibt die Geschichtswissenschaft an grundlegende Regeln gebunden. Historische Aussagen müssen sich auf nachprüfbare Überlieferung beziehen. Quellen sprechen nicht von selbst, sondern werden unter einer bestimmten Fragestellung ausgewählt, kontextualisiert und interpretiert. Ergebnisse müssen mit Belegen abgesichert, von anderen Forschenden kritisierbar und gegenüber Alternativerklärungen begründet werden.
Zu den dauerhaften Kernkompetenzen gehören die Unterscheidung zwischen Quelle und Darstellung, die Untersuchung von Entstehungssituation und Überlieferung, die Einordnung in den historischen Kontext, die Auseinandersetzung mit der Historiografie sowie die sprachlich präzise Darstellung eines Arguments. Auch Hermeneutik, Paläografie, Diplomatik, Chronologie, Numismatik, Epigrafik und andere Historische Hilfswissenschaften verlieren durch digitale Werkzeuge nicht ihren Wert. Im Gegenteil: Wer automatisierte Ergebnisse prüfen will, benötigt oft besonders viel Fach- und Methodenwissen.
Digitale Verfahren verändern also nicht das Ziel, aus Quellen begründetes historisches Wissen zu gewinnen. Sie verändern jedoch den Zugang, den Maßstab, die Geschwindigkeit, die Sichtbarkeit von Auswahlentscheidungen und die Formen, in denen Ergebnisse präsentiert werden.
Der digitale Wandel als Medienwandel
Geschichte wurde immer unter den Bedingungen bestimmter Medien erforscht und vermittelt: Handschrift, Druck, Fotografie, Film, Radio, Datenbank und Plattform prägen jeweils, was gespeichert, gefunden und erzählt werden kann. Der digitale Wandel ist deshalb nicht bloß ein technischer Zusatz. Er verändert die Infrastruktur historischer Wissensproduktion.
Digitale Kataloge erleichtern die Suche, setzen aber voraus, dass Bestände beschrieben und indexiert wurden. Volltextsuchen machen einzelne Wörter auffindbar, können aber dazu verleiten, nur nach bekannten Begriffen zu suchen. Benutzeroberflächen ordnen Treffer nach bestimmten Kriterien, ohne diese immer sichtbar zu machen. Datenmodelle legen fest, welche Personen, Orte, Ereignisse und Beziehungen erfasst werden. Jede digitale Umgebung enthält somit Entscheidungen, die historisch und methodisch untersucht werden müssen.
Die zukünftige Geschichtswissenschaft betrachtet digitale Systeme daher zugleich als Werkzeug, Forschungsumgebung und Quelle. Eine Suchmaschine kann bei der Recherche helfen, ihre Ergebnisordnung kann aber auch selbst Gegenstand einer Geschichte digitaler Öffentlichkeit werden.
Von der Knappheit zur Überfülle
Traditionell war historische Forschung häufig durch schwer zugängliche oder verstreute Quellen begrenzt. Digitale Sammlungen führen in manchen Bereichen zu einer neuen Situation: Nicht mehr nur Quellenknappheit, sondern auch Quellenüberfülle wird zum Problem. Millionen Seiten, Bilder, Tonaufnahmen, Webseiten und Datensätze lassen sich nicht mehr vollständig einzeln lesen.
Daraus folgt ein Wechsel zwischen verschiedenen Maßstabsebenen. Beim sogenannten Distant Reading werden große Mengen mit statistischen oder computergestützten Verfahren untersucht. Beim Close Reading werden einzelne Quellen detailliert interpretiert. Gute Digital History verbindet beide Perspektiven: Ein Muster im großen Korpus erzeugt neue Fragen, die anschließend an konkreten Quellen geprüft werden. Umgekehrt kann eine genaue Lektüre Kategorien liefern, die für eine größere Analyse operationalisiert werden.
Neue Quellenwelten
Digitalisierte und genuin digitale Quellen
Eine digitalisierte Quelle ist die digitale Repräsentation eines analogen Originals, beispielsweise der Scan eines Briefes. Eine genuin digitale oder born-digital Quelle wurde dagegen ursprünglich digital erzeugt, etwa eine E-Mail, eine Webseite, ein Computerspiel, ein Datenbankeintrag, ein Chatverlauf oder ein Beitrag in sozialen Medien.
Diese Unterscheidung ist für die Quellenkritik entscheidend. Beim Digitalisat müssen Aufnahmebedingungen, Auflösung, Farbwiedergabe, Vollständigkeit, Dateiformat und mögliche Bearbeitung geprüft werden. Das physische Original kann Eigenschaften besitzen, die der Scan nicht zeigt, etwa Papierstruktur, Wasserzeichen, Geruch, Bindung, Rückseiten oder spätere Einfügungen.
Bei born-digital Quellen gehören Software, Dateiformat, Metadaten, Versionsgeschichte, Nutzeroberfläche und Plattformlogik zum historischen Kontext. Ein Beitrag in einem sozialen Netzwerk ist nicht nur Text. Auch Reaktionen, Sichtbarkeit, algorithmische Verbreitung, Löschungen und technische Veränderungen bestimmen seine Bedeutung.
Digitalisierung, OCR und HTR
Optische Zeichenerkennung beziehungsweise OCR wandelt Bilder gedruckter Texte in maschinenlesbaren Text um. Handwritten Text Recognition beziehungsweise HTR versucht dies bei Handschriften. Beide Verfahren ermöglichen Volltextsuche, Text Mining und computergestützte Korpusanalyse.
Die Ergebnisse sind jedoch keine neutralen Abschriften. Alte Drucktypen, gebrochene Schriften, beschädigte Seiten, ungewöhnliche Orthografie, mehrsprachige Dokumente und komplexe Layouts können die Fehlerquote erhöhen. Ein Suchwort erscheint möglicherweise nicht, weil es falsch erkannt wurde. Umgekehrt können Zeichenfolgen als Wörter erscheinen, die im Original nicht existieren.
Zukünftige Forschung wird deshalb stärker mit Konfidenzwerten, dokumentierten Korrekturen, Stichproben und Versionsständen arbeiten. Eine OCR-Datei ist als abgeleitetes Forschungsdatum zu behandeln, nicht als identische Kopie des Originals.
Audiovisuelle, räumliche und interaktive Quellen
Tonaufnahmen, Filme, Fotografien, Satellitenbilder, digitale Karten, virtuelle Welten und Computerspiele erweitern den Quellenbegriff. Automatische Spracherkennung kann Interviews transkribieren, Bilderkennung kann Motive gruppieren und Georeferenzierung kann historische Karten mit heutigen Koordinaten verbinden.
Dabei darf die technische Erschließung nicht mit historischer Interpretation verwechselt werden. Eine automatisch erkannte Person muss überprüft werden. Ein transkribierter Satz kann durch Dialekt, Geräusche oder Mehrsprachigkeit verfälscht sein. Eine georeferenzierte Karte bleibt ein historisches Konstrukt, dessen Grenzziehungen, Auslassungen und Machtperspektiven kritisch zu analysieren sind.
Flüchtige Quellen und digitale Erhaltung
Digitale Quellen sind nicht automatisch dauerhaft. Webseiten verschwinden, Plattformen schließen, Links veralten, Formate werden unlesbar, Konten werden gelöscht und dynamische Inhalte verändern sich fortlaufend. Die künftige Geschichtswissenschaft ist deshalb auf Langzeitarchivierung, Webarchivierung und institutionelle Zusammenarbeit angewiesen.
Zur digitalen Erhaltung gehören dokumentierte Dateiformate, redundante Speicherung, Integritätsprüfungen durch Prüfsummen, Formatmigration, Emulation alter Software, Rechteklärung und aussagekräftige Metadaten. Historikerinnen und Historiker müssen bereits während eines Projekts planen, welche Daten aufbewahrt werden, wie sie zitiert werden können und unter welchen Bedingungen andere sie nachnutzen dürfen.
Digitale Methoden der zukünftigen Geschichtswissenschaft
Text Mining und Korpusanalyse
Text Mining bezeichnet Verfahren, mit denen größere Textmengen systematisch untersucht werden. Dazu gehören Worthäufigkeiten, Kollokationen, Ähnlichkeitsmaße, Klassifikation, Named Entity Recognition, Themenmodellierung und stilometrische Analysen.
Solche Verfahren können Veränderungen politischer Begriffe, die Sichtbarkeit bestimmter Gruppen oder Muster in Zeitungsberichten zeigen. Sie liefern aber keine fertige Erklärung. Häufigkeiten hängen vom Korpus, von der OCR-Qualität, von Sprachwandel und von gewählten Kategorien ab. Ein Begriff kann seine Bedeutung verändern, während verschiedene Begriffe dasselbe Phänomen bezeichnen können.
Eine historisch verantwortete Analyse dokumentiert deshalb die Zusammensetzung des Korpus, die Vorverarbeitung, die eingesetzten Modelle, die Unsicherheiten und die Interpretationsschritte.
Netzwerkanalyse
Die Netzwerkanalyse untersucht Beziehungen zwischen Akteuren, Orten, Institutionen, Texten oder Ereignissen. Briefe können als Verbindungen zwischen Absendern und Empfängern modelliert werden, Handelskontakte als Kanten zwischen Orten und Zitierungen als Beziehungen zwischen Publikationen.
Visualisierungen machen dichte Cluster oder Vermittlerpositionen sichtbar. Dennoch ist ein Netzwerk immer das Ergebnis einer Modellentscheidung. Nicht jede historische Beziehung lässt sich als gleichartige Kante darstellen. Fehlende Quellen können scheinbar isolierte Akteure erzeugen. Zentralität in einem Datensatz ist nicht automatisch politische oder gesellschaftliche Macht.
Historische Geoinformationssysteme
Mit GIS können räumliche Informationen gespeichert, verbunden, analysiert und visualisiert werden. Historische Forschung kann damit Migrationsbewegungen, Umweltveränderungen, Verkehrsnetze, Besitzstrukturen, Seuchenverläufe oder städtische Entwicklung untersuchen.
Historische Räume sind jedoch nicht einfach identisch mit heutigen Koordinaten. Ortsnamen ändern sich, Grenzen sind umstritten, historische Karten können verzerrt sein und administrative Einheiten wechseln. Gute räumliche Geschichte macht Unsicherheit sichtbar, dokumentiert Georeferenzierung und trennt zwischen historischen Angaben und moderner Modellierung.
Datenvisualisierung
Datenvisualisierung kann zeitliche Verläufe, räumliche Muster, Netzwerke und Mengenverhältnisse verständlich machen. Sie ist aber niemals bloße Dekoration. Auswahl, Skalierung, Farbe, Aggregation und Auslassung beeinflussen die Aussage.
Die Zukunft historischer Visualisierung liegt daher nicht nur in immer eindrucksvolleren Grafiken, sondern in erklärbaren Visualisierungen. Idealerweise können Nutzende erkennen, welche Quellen zugrunde liegen, welche Unsicherheiten bestehen und wie die Darstellung erzeugt wurde. Interaktive Angebote sollten zusätzlich barrierearm und langfristig zugänglich sein.
Wissensgraphen und Linked Open Data
Wissensgraphen verbinden Daten über Personen, Orte, Werke, Ereignisse und Begriffe. Linked Open Data ermöglicht es, Informationen aus verschiedenen Sammlungen über eindeutige Identifikatoren zu verknüpfen. Historische Forschung kann dadurch über institutionelle Grenzen hinweg Beziehungen entdecken.
Die Herausforderung liegt in der Semantik. Historische Identitäten sind nicht immer eindeutig, Kategorien können umstritten sein und Namensformen variieren. Eine Person kann in verschiedenen Archiven unterschiedlich beschrieben werden. Zukünftige Datenmodelle müssen Mehrdeutigkeit, Wandel und widersprüchliche Zuschreibungen ausdrücken können, statt sie künstlich zu vereinheitlichen.
3D-Rekonstruktion, virtuelle Realität und Simulation
Digitale 3D-Rekonstruktionen, Virtuelle Realität und Simulationen können zerstörte Gebäude, historische Stadträume oder technische Abläufe anschaulich machen. Sie eröffnen neue Möglichkeiten für Forschung, Lehre, Museum und Denkmalpflege.
Eine Rekonstruktion ist jedoch keine Zeitreise. Sie enthält gesicherte Befunde, plausible Ergänzungen und möglicherweise spekulative Elemente. Diese Ebenen müssen erkennbar sein. Wissenschaftlich verantwortete Modelle dokumentieren Quellen, Entscheidungen, Alternativen und Unsicherheiten. Je realistischer eine Darstellung wirkt, desto wichtiger ist die Kennzeichnung ihres hypothetischen Charakters.
Künstliche Intelligenz und historische Forschung
Mögliche Einsatzfelder
Künstliche Intelligenz kann historische Arbeit in mehreren Phasen unterstützen: bei der Transkription, Übersetzung, Klassifikation, Entitätenerkennung, Bildgruppierung, semantischen Suche, Datenbereinigung, Programmierhilfe und verständlichen Aufbereitung von Ergebnissen. Große Sprachmodelle können Forschungsfragen variieren, Texte strukturieren oder eine erste Übersicht über Begriffe anbieten.
Solche Systeme erzeugen ihre Antworten jedoch auf Grundlage statistischer Muster. Sie besitzen nicht automatisch ein historisches Verständnis, prüfen keine Belege wie ein Fachwissenschaftler und können Quellen, Zitate oder Literatur erfinden. Flüssige Sprache ist kein Nachweis für Richtigkeit.
Halluzination, Black Box und Scheingenauigkeit
Als Halluzination wird bei generativer KI eine plausibel klingende, aber unbelegte oder falsche Ausgabe bezeichnet. Besonders gefährlich ist Scheingenauigkeit: Ein Modell kann konkrete Daten, Archivsignaturen oder Zitate nennen, obwohl sie nicht existieren.
Viele Modelle sind zudem nur eingeschränkt transparent. Trainingsdaten, Gewichtungen und Filter sind häufig nicht vollständig nachvollziehbar. Historikerinnen und Historiker müssen deshalb zwischen Vorschlag, Suchhilfe, Analyseergebnis und Beleg unterscheiden. Ein KI-Output ist niemals allein deshalb eine historische Quelle für die behauptete Vergangenheit. Er kann aber selbst zur Quelle für die Geschichte von KI-Systemen und ihrer Nutzung werden.
Quellengestützte KI und RAG
Bei Retrieval-Augmented Generation beziehungsweise RAG wird ein Sprachmodell mit ausgewählten Dokumenten oder Datenbeständen verbunden. Dadurch können Antworten enger an einen definierten Quellenkorpus gebunden und mit Fundstellen verknüpft werden.
Auch RAG beseitigt nicht alle Risiken. Die Suche kann relevante Stellen übersehen, Dokumente können fehlerhaft erschlossen sein und das Modell kann Aussagen falsch kombinieren. Entscheidend bleiben transparente Korpora, reproduzierbare Suchschritte, genaue Zitate und menschliche Kontrolle.
KI-Bilder und historische Authentizität
Generative Bildsysteme können anschauliche Szenen erzeugen, aber keine authentischen Fotografien einer Vergangenheit herstellen, die nicht fotografisch dokumentiert wurde. Solche Bilder sind statistisch erzeugte Simulationen. Werden sie nicht gekennzeichnet, können sie falsche Vorstellungen von Kleidung, Architektur, Körpern, Ereignissen und Perspektiven verbreiten.
Für historische Lehre und Public History gilt deshalb: KI-generierte Visualisierungen müssen klar als solche markiert, ihre Funktion erklärt und von echten Quellen getrennt werden. Eine sinnvollere Aufgabe kann darin bestehen, generierte Bilder auf Anachronismen, Stereotype und unbelegte Details zu untersuchen.
Menschliche Verantwortung
Die Verantwortung für Auswahl, Interpretation, Veröffentlichung und Folgen bleibt bei den Menschen. Dazu gehören die Offenlegung des KI-Einsatzes, der Schutz sensibler Daten, die Prüfung von Quellen, die Beachtung von Urheberrecht und Persönlichkeitsrechten sowie die Reflexion über Energie- und Ressourcenverbrauch.
Im Studium sollte KI weder pauschal als verbotene Abkürzung noch als unfehlbares Zukunftswerkzeug behandelt werden. Sinnvoll sind klare Regeln: Welche Werkzeuge dürfen in welcher Phase genutzt werden? Welche Eingaben sind aus Datenschutzgründen unzulässig? Wie wird der Einsatz dokumentiert? Welche Ergebnisse müssen eigenständig geprüft werden?
Forschungsdaten, Open Science und Infrastruktur
Forschungsdatenmanagement
Historische Forschungsdaten können Transkriptionen, Tabellen, Bilder, Geodaten, Annotationen, Interviewdateien, Skripte, Modelle und Dokumentationen umfassen. Forschungsdatenmanagement begleitet ihren gesamten Lebenszyklus: Planung, Erhebung, Speicherung, Bearbeitung, Sicherung, Veröffentlichung und Archivierung.
Ein Datenmanagementplan klärt frühzeitig Dateiformate, Benennung, Zuständigkeiten, Rechte, Backups, Metadaten, sensible Inhalte und Nachnutzung. Dies erhöht nicht nur die technische Sicherheit, sondern verbessert auch die wissenschaftliche Nachvollziehbarkeit.
FAIR und offen sind nicht dasselbe
Die FAIR-Prinzipien verlangen, dass Daten auffindbar, zugänglich, interoperabel und nachnutzbar gestaltet werden. Zugänglich bedeutet dabei nicht zwingend uneingeschränkt öffentlich. Interviews, personenbezogene Unterlagen oder gefährdete Kulturgüter können Schutzfristen und abgestufte Zugänge erfordern.
Open Science fördert offene Publikationen, Daten, Methoden, Software und Begutachtungsverfahren. Für die Geschichtswissenschaft eröffnet dies neue Kooperationen, verlangt aber eine sorgfältige Balance zwischen Transparenz, Recht, Ethik und Fürsorgepflicht.
Europäische und nationale Forschungsinfrastrukturen
Forschungsinfrastrukturen wie DARIAH, CLARIN und NFDI4Memory verbinden Archive, Bibliotheken, Museen, Universitäten und Datenzentren. Sie entwickeln Standards, Dienste, Schulungen und nachhaltige Speicherangebote für digital arbeitende Geisteswissenschaften.
Die Zukunft des Fachs hängt stark davon ab, ob solche Infrastrukturen langfristig finanziert, international anschlussfähig und für unterschiedliche Einrichtungen zugänglich bleiben. Einzelne Projekte können innovative Prototypen schaffen, doch wissenschaftliche Nachhaltigkeit braucht dauerhafte Institutionen.
Reproduzierbarkeit und Nachvollziehbarkeit
Historische Interpretation ist nicht vollständig automatisierbar, dennoch sollten digitale Analyseschritte so weit wie möglich nachvollziehbar sein. Dazu gehören dokumentierte Datenauswahl, Versionsstände, Skripte, Parameter, Softwareumgebungen und Korrekturen.
Versionsverwaltung und Computational Notebooks können zeigen, wie ein Ergebnis entstanden ist. Reproduzierbarkeit bedeutet dabei nicht, dass jede Interpretation identisch ausfallen muss. Sie bedeutet, dass andere den technischen und argumentativen Weg prüfen können.
Neue Formen von Zusammenarbeit und Öffentlichkeit
Team Science in den Geisteswissenschaften
Digitale Projekte vereinen häufig Fachleute aus Geschichte, Archivwesen, Informatik, Bibliothekswissenschaft, Design, Rechtswissenschaft und Pädagogik. Dadurch verändert sich auch die Vorstellung wissenschaftlicher Autorschaft. Nicht nur der abschließende Text, sondern auch Datenmodellierung, Softwareentwicklung, Edition, Projektmanagement und Datenkuratierung sind wissenschaftliche Leistungen.
Künftige Bewertungsmodelle müssen solche Beiträge sichtbar machen. Faire Zusammenarbeit erfordert klare Rollen, gemeinsame Dokumentation, Anerkennung technischer Arbeit und nachhaltige Karrierewege für wissenschaftliches Personal außerhalb klassischer Professuren.
Public History und partizipative Forschung
Public History beschäftigt sich mit Geschichte in Öffentlichkeit, Museum, Gedenkstätte, Medien, Verwaltung, Unternehmen und Zivilgesellschaft. Digitale Plattformen ermöglichen virtuelle Ausstellungen, Podcasts, interaktive Karten, Onlinearchive und kollaborative Sammlungen.
Citizen Science und Crowdsourcing können Bürgerinnen und Bürger an Transkription, Verschlagwortung, Sammlung oder Interpretation beteiligen. Partizipation ist jedoch mehr als unbezahlte Dateneingabe. Gute Projekte erklären Ziele, sichern Qualität, geben Rückmeldung, respektieren Beiträge und beziehen Communities in Entscheidungen ein.
Oral History im digitalen Zeitalter
Oral History gewinnt durch digitale Aufnahme, automatische Transkription und audiovisuelle Veröffentlichung neue Möglichkeiten. Interviews können leichter erschlossen und mit anderen Quellen verbunden werden.
Gleichzeitig steigen ethische Anforderungen. Stimmen sind biometrisch erkennbar, Aussagen können aus dem Zusammenhang gelöst und weltweit verbreitet werden. Einverständnis muss deshalb Nutzung, Zugriffsrechte, spätere Veröffentlichung und mögliche automatische Verarbeitung berücksichtigen. Forschende müssen außerdem Machtverhältnisse im Interview und Risiken für Beteiligte reflektieren.
Geschichte auf Plattformen
Soziale Medien und Videoplattformen verbreiten historische Deutungen schnell und emotional. Kurze Formate können Interesse wecken, begünstigen aber Vereinfachung, Personalisierung und konfliktreiche Zuspitzung. Plattformalgorithmen belohnen nicht zwingend die am besten belegte Darstellung, sondern häufig Aufmerksamkeit.
Historikerinnen und Historiker werden künftig stärker als öffentliche Übersetzer komplexer Forschung auftreten. Dazu benötigen sie Medienkompetenz, visuelles Erzählen, Moderation und Strategien gegen Desinformation, ohne wissenschaftliche Unsicherheit zu verschweigen.
Vielfalt, globale Perspektiven und Machtkritik
Digitale Sichtbarkeit ist ungleich verteilt
Was online verfügbar ist, ist nicht automatisch repräsentativ für die Vergangenheit. Gut finanzierte Institutionen, dominante Sprachen und bereits kanonisierte Bestände werden oft bevorzugt digitalisiert. Andere Überlieferungen bleiben unsichtbar, sind nur lokal zugänglich oder dürfen aus kulturellen und ethischen Gründen nicht frei veröffentlicht werden.
Eine reine Analyse digitaler Bestände kann deshalb einen Digitalisierungsbias erzeugen. Forschende müssen fragen, welche Quellen fehlen, wer Auswahlkriterien festgelegt hat und welche Gruppen in Metadaten falsch oder abwertend beschrieben wurden.
Dekolonisierung von Daten und Kategorien
Dekolonisierung in der Geschichtswissenschaft bedeutet unter anderem, koloniale Sammlungspraktiken, Gewaltkontexte und Ordnungssysteme zu untersuchen. Historische Katalogbegriffe können rassistische oder eurozentrische Kategorien enthalten. Eine unkritische Übernahme in Datenmodelle und KI-Systeme kann diese Strukturen fortschreiben.
Zukunftsweisende Projekte arbeiten mit betroffenen Communities, dokumentieren problematische historische Begriffe, ermöglichen mehrere Perspektiven und prüfen Fragen von Eigentum, Rückgabe und kultureller Autorität. Nicht alles, was technisch offen zugänglich gemacht werden kann, sollte ohne Zustimmung veröffentlicht werden.
Mehrsprachigkeit und globale Kooperation
Große Sprachmodelle und Suchsysteme funktionieren in stark dokumentierten Sprachen oft besser als in kleinen oder historischen Sprachformen. Mehrsprachige Forschung braucht daher lokale Expertise, geeignete Trainingsdaten und Übersetzungen, deren Unsicherheit sichtbar bleibt.
Globale Geschichtswissenschaft sollte digitale Methoden nutzen, ohne eine einheitliche Datenlogik über unterschiedliche Wissenskulturen zu legen. Kooperation bedeutet, Forschungsfragen, Ressourcen und Anerkennung fair zu teilen.
Umwelt, Klima und lange Zeiträume
Umweltgeschichte und Klimageschichte verbinden schriftliche Quellen mit naturwissenschaftlichen Daten wie Baumringen, Eisbohrkernen, Sedimenten, Temperaturreihen und Satellitenbeobachtungen. Digitale Methoden ermöglichen die Verknüpfung großer Datenmengen über lange Zeiträume.
Dabei müssen unterschiedliche Skalen und Unsicherheiten beachtet werden. Ein naturwissenschaftlicher Proxy ist keine direkte Chronik gesellschaftlicher Erfahrung. Historische Quellen berichten häufig aus bestimmten Regionen und sozialen Gruppen. Zukunftsorientierte Forschung verbindet daher quantitative Daten mit lokalem Wissen, politischen Strukturen und kulturellen Deutungen.
Die Geschichtswissenschaft kann zur gesellschaftlichen Zukunftsdebatte beitragen, indem sie zeigt, wie Menschen auf frühere Umweltveränderungen reagierten, welche Ungleichheiten entstanden und warum einfache Analogien zwischen Vergangenheit und Gegenwart problematisch sein können.
Digitale Quellenkritik als Schlüsselkompetenz
Erweiterte Leitfragen
Die klassische Quellenkritik wird im digitalen Raum erweitert. Bei jeder digitalen Quelle solltest Du mehrere Ebenen prüfen:
- Entstehung: Wer oder was erzeugte die Quelle, zu welchem Zweck und unter welchen technischen Bedingungen?
- Provenienz: Über welche Stationen gelangte sie in das heutige System?
- Materialität: Welche Eigenschaften des Originals fehlen oder verändern sich in der digitalen Repräsentation?
- Datenmodell: Welche Kategorien, Felder und Beziehungen wurden festgelegt?
- Algorithmus: Welche automatischen Auswahl-, Sortier- oder Klassifikationsverfahren wirkten mit?
- Benutzeroberfläche: Welche Möglichkeiten und Grenzen prägen die Wahrnehmung?
- Version: Wann wurde die Quelle gespeichert, verändert oder gelöscht?
- Repräsentativität: Welche Gruppen und Zeiträume sind über- oder unterrepräsentiert?
- Rechte und Ethik: Wer darf die Quelle sehen, bearbeiten oder weiterveröffentlichen?
- Nachweisbarkeit: Kann eine stabile Fundstelle mit Metadaten und Kontext angegeben werden?
Prüfraster für KI-Ausgaben
Eine KI-Ausgabe sollte niemals nur nach sprachlicher Überzeugungskraft bewertet werden. Prüfe stattdessen:
- Aufgabenbezug: Beantwortet die Ausgabe tatsächlich die historische Frage?
- Beleglage: Sind alle Tatsachenbehauptungen durch auffindbare Quellen abgesichert?
- Literaturprüfung: Existieren genannte Titel, Personen, Archive und Zitate?
- Kontext: Werden Zeit, Ort, Akteure und Begriffsbedeutungen korrekt eingeordnet?
- Perspektiven: Welche Stimmen oder Alternativerklärungen fehlen?
- Unsicherheit: Markiert das System Lücken oder präsentiert es Vermutungen als Fakten?
- Dokumentation: Wurden Werkzeug, Version, Eingabe und Bearbeitungsschritte festgehalten?
- Eigenverantwortung: Kannst Du jede Aussage selbst erklären und verteidigen?
Studienfach Geschichte: Kompetenzen der Zukunft
Das T-förmige Kompetenzprofil
Ein zukunftsfähiges Geschichtsstudium verbindet breite digitale Grundkenntnisse mit tiefer historischer Fachkompetenz. Die senkrechte Linie des T steht für Spezialisierung in Epoche, Region, Sprache und Methode. Die waagerechte Linie steht für übergreifende Kompetenzen wie Datenverständnis, Zusammenarbeit, Ethik und Wissenschaftskommunikation.
| Kompetenzbereich | Beispiele | Historischer Zweck |
|---|---|---|
| Fachwissen | Epochen, Räume, Themen, Historiografie | Fragen entwickeln und Befunde kontextualisieren |
| Quellenkompetenz | Archivarbeit, Paläografie, Editionspraxis, digitale Quellenkritik | Überlieferung bewerten und Belege sichern |
| Datenkompetenz | Tabellen, Statistik, Datenbereinigung, Metadaten | Muster prüfen und Datengrenzen erkennen |
| Methodenkompetenz | Text Mining, GIS, Netzwerkanalyse, Bildanalyse | neue Perspektiven auf größere oder komplexe Bestände gewinnen |
| Technische Grundkenntnisse | Python oder R, SQL, XML/TEI, Git | Arbeitsabläufe nachvollziehbar und wiederholbar gestalten |
| Ethik und Recht | Datenschutz, Urheberrecht, Einwilligung, sensible Daten | verantwortliche Forschung ermöglichen |
| Kommunikation | wissenschaftliches Schreiben, Visualisierung, Podcast, Ausstellung | Forschung adressatengerecht vermitteln |
| Kooperation | Projektmanagement, Dokumentation, interdisziplinäre Teamarbeit | komplexe Vorhaben nachhaltig organisieren |
Muss jeder programmieren können?
Nicht jede Historikerin und jeder Historiker muss Software entwickeln. Dennoch wird ein grundlegendes Verständnis von Datenstrukturen, Automatisierung und Modellannahmen wichtiger. Wer Code nicht selbst schreibt, sollte beurteilen können, was ein Verfahren tut, welche Eingaben es benötigt und welche Fehlerquellen entstehen.
Das Ziel ist keine Verwandlung des Geschichtsstudiums in ein Informatikstudium. Vielmehr geht es um methodische Mündigkeit: Du sollst digitale Werkzeuge passend auswählen, Ergebnisse kritisch prüfen und mit technischen Fachleuten präzise kommunizieren können.
Sprachen und historische Hilfswissenschaften
Automatische Übersetzung und Handschriftenerkennung können den Zugang erleichtern, ersetzen aber keine Sprachkenntnisse. Historische Begriffe besitzen Konnotationen, Rechtsformen und Bedeutungsverschiebungen, die Modelle übersehen können. Auch Schriftmerkmale, Materialität und Überlieferungsgeschichte verlangen menschliche Expertise.
Paradoxerweise kann die Digitalisierung den Wert klassischer Spezialkenntnisse erhöhen. Je größer die automatisch erschlossene Datenmenge wird, desto wichtiger werden Expertinnen und Experten, die Fehler erkennen und schwierige Fälle beurteilen.
Berufsfelder der Zukunft
Absolventinnen und Absolventen des Fachs Geschichte arbeiten künftig verstärkt an Schnittstellen. Neben Universität, Schule, Archiv, Museum und Gedenkstätte entstehen Aufgaben in digitalen Editionen, Forschungsdatenzentren, Kulturinformatik, Medienproduktion, Wissenschaftskommunikation, Datenkuratierung, Provenienzforschung, Denkmalpflege, Politikberatung und digitalen Sammlungen.
Mögliche Rollen sind Digital Historian, Data Steward, Kuratorin oder Kurator digitaler Sammlungen, Projektmanagerin oder Projektmanager, Research Software Engineer mit geisteswissenschaftlichem Profil, Spezialistin oder Spezialist für digitale Langzeitarchivierung sowie Vermittlerin oder Vermittler für Public History.
Entscheidend ist nicht die Beherrschung eines einzelnen Programms. Programme ändern sich schnell. Nachhaltig sind die Fähigkeit zum Lernen, methodisches Urteilsvermögen, saubere Dokumentation, Teamfähigkeit und verantwortliche Kommunikation.
Ein idealtypischer Forschungsworkflow
Ein methodisch kontrolliertes digitales Geschichtsprojekt kann in folgenden Schritten aufgebaut werden:
- Forschungsfrage: Formuliere eine historische Frage, die nicht nur durch technische Verfügbarkeit bestimmt wird.
- Quellenlage: Prüfe analoge, digitalisierte und born-digital Bestände sowie relevante Forschungsliteratur.
- Korpusbildung: Lege Ein- und Ausschlusskriterien fest und dokumentiere fehlende Bestände.
- Rechteprüfung: Kläre Urheberrecht, Datenschutz, Einwilligung und Schutzinteressen.
- Datenmodellierung: Definiere Einheiten, Kategorien, Beziehungen und Unsicherheiten.
- Datenaufbereitung: Digitalisiere, transkribiere, bereinige und versioniere nachvollziehbar.
- Methodenwahl: Begründe, warum eine Methode zur Frage und zur Quellenstruktur passt.
- Validierung: Nutze Stichproben, Vergleichsdaten, Expertinnenwissen und alternative Parameter.
- Interpretation: Verbinde Muster mit Kontext, Historiografie und genauer Quellenlektüre.
- Publikation: Veröffentliche Argument, Daten, Code und Dokumentation soweit rechtlich und ethisch möglich.
- Langzeitarchivierung: Sichere dauerhafte Identifikatoren, Formate und institutionelle Ablage.
- Reflexion: Benenne Grenzen, Bias, Unsicherheiten und offene Fragen.
Fallbeispiel: Digitale Zeitungsanalyse
Stell Dir vor, Du möchtest untersuchen, wie deutschsprachige Zeitungen zwischen 1880 und 1930 über Migration berichteten. Ein digitales Zeitungsportal bietet Millionen Seiten. Die Volltextsuche allein reicht nicht aus.
Zunächst musst Du historische Begriffe, Schreibweisen und abwertende Bezeichnungen identifizieren. Danach prüfst Du, welche Zeitungen digitalisiert wurden, welche Regionen fehlen und wie zuverlässig die OCR ist. Für eine Korpusanalyse definierst Du Zeiträume, Zeitungstypen und Suchstrategien. Worthäufigkeiten können Veränderungen anzeigen, sagen aber noch nichts über Bedeutung oder Haltung aus.
Anschließend wählst Du Stichproben für Close Reading. Du untersuchst Genres, politische Ausrichtung, Bildsprache, Autoren und Ereigniskontexte. Eine Netzwerkanalyse könnte zeigen, welche Meldungen von Nachrichtenagenturen übernommen wurden. Eine Karte könnte regionale Schwerpunkte visualisieren. Das Ergebnis verbindet quantitative Muster mit qualitativer Interpretation und macht die Grenzen des Korpus sichtbar.
Dieses Beispiel zeigt: Digitale Methoden ersetzen nicht die historische Argumentation. Sie erweitern die Zahl möglicher Beobachtungen und zwingen zu genauer Dokumentation.
Drei Zukunftsszenarien
Szenario A: Offene, vernetzte Geschichtswissenschaft
In diesem Szenario werden Quellen, Daten, Methoden und Publikationen über nachhaltige öffentliche Infrastrukturen zugänglich. Standards ermöglichen internationale Zusammenarbeit. Communities wirken an Beschreibung und Interpretation mit. KI-Systeme sind dokumentiert, überprüfbar und an klar definierte Quellen gebunden.
Die Chance liegt in größerer Teilhabe und Nachvollziehbarkeit. Die Voraussetzung sind langfristige Finanzierung, offene Standards, Datenschutz und faire Anerkennung aller Projektrollen.
Szenario B: Plattformabhängige Geschichtswissenschaft
Hier dominieren wenige kommerzielle Anbieter den Zugang zu Daten, Software und KI. Forschung wird schneller, aber Abhängigkeiten wachsen. Preise, Nutzungsbedingungen oder technische Änderungen können Projekte gefährden. Trainingsdaten und Algorithmen bleiben intransparent.
Dieses Szenario macht deutlich, warum öffentliche Infrastruktur, offene Formate und Exportmöglichkeiten wissenschaftspolitisch wichtig sind.
Szenario C: Kritisch integrierte Geschichtswissenschaft
Dieses Szenario verbindet digitale Innovation mit starker Methodenlehre. Automatisierung wird dort eingesetzt, wo sie transparent geprüft werden kann. Archive, Universitäten, Museen und Öffentlichkeit kooperieren. Analoge Originale und lokale Wissensbestände bleiben erhalten. Studierende lernen sowohl Quellenlektüre als auch Datenkritik.
Dieses Szenario ist keine sichere Prognose, sondern ein Gestaltungsziel. Seine Verwirklichung hängt von Entscheidungen über Ausbildung, Finanzierung, Infrastruktur, Ethik und öffentliche Verantwortung ab.
Zentrale Herausforderungen
Qualität statt Technikbegeisterung
Ein neues Werkzeug ist nicht automatisch eine neue Erkenntnis. Methoden sollten nach ihrem Beitrag zur historischen Frage beurteilt werden. Technikbegeisterung kann dazu führen, dass leicht messbare Aspekte überbewertet werden, während Ambivalenz, Schweigen und Einzelfälle verschwinden.
Nachhaltigkeit statt Projektinsel
Viele digitale Projekte enden, wenn Fördermittel auslaufen. Webseiten funktionieren nicht mehr, Daten bleiben undokumentiert und Software wird nicht gepflegt. Nachhaltigkeit verlangt institutionelle Verantwortung, offene Standards, dauerhafte Identifikatoren und realistische Wartungspläne.
Erklärbarkeit statt Black Box
Je stärker Modelle Forschungsergebnisse beeinflussen, desto wichtiger ist ihre Erklärbarkeit. Historische Argumente müssen zeigen, welche Daten und Entscheidungen zu einem Ergebnis geführt haben. Nicht vollständig erklärbare Verfahren können explorativ nützlich sein, benötigen aber besonders intensive Validierung.
Inklusion statt digitaler Ausschluss
Digitale Angebote können Zugang erweitern, aber auch neue Barrieren erzeugen. Kostenpflichtige Datenbanken, fehlende Barrierefreiheit, schlechte Internetverbindungen, Sprachbarrieren und technische Vorkenntnisse beeinflussen Teilhabe. Zukunftsfähige Geschichtswissenschaft gestaltet Werkzeuge und Lehre möglichst zugänglich.
Wissenschaftsfreiheit und gesellschaftliche Verantwortung
Historische Forschung kann politische Konflikte, persönliche Daten und traumatische Erfahrungen betreffen. Offene Daten und KI-Analysen dürfen nicht dazu führen, gefährdete Personen oder Gruppen bloßzustellen. Wissenschaftsfreiheit bleibt zentral, ist aber mit Schutzpflichten und transparenter Abwägung verbunden.
Fazit
Die Zukunft der Geschichtswissenschaft besteht nicht in der Ablösung des Menschen durch Maschinen. Sie besteht in einer Erweiterung historischer Praxis. Neue Quellen, Methoden und Publikationsformen eröffnen Fragen, die früher kaum bearbeitbar waren. Gleichzeitig erhöhen sie die Anforderungen an Quellenkritik, Dokumentation, Ethik und Zusammenarbeit.
Für das Studienfach Geschichte bedeutet dies: Historische Urteilskraft bleibt der Kern. Hinzu kommen Datenkompetenz, digitale Methoden, Infrastrukturwissen, öffentliche Kommunikation und die Fähigkeit, Unsicherheit sichtbar zu machen. Wer Geschichte zukünftig professionell betreiben will, muss nicht jedem technischen Trend folgen. Du solltest aber verstehen, welche Annahmen in Werkzeugen stecken, welche Perspektiven Daten ausschließen und wie aus digitalen Spuren belastbares historisches Wissen entstehen kann.
Die entscheidende Zukunftsfrage lautet daher nicht: Was kann die Technik? Sie lautet: Welche Geschichtswissenschaft wollen wir mit ihr gestalten?
Interaktive Aufgaben
Quiz: Teste Dein Wissen
Was bleibt auch in einer digitalisierten Geschichtswissenschaft unverzichtbar? (Kritische Prüfung und Kontextualisierung von Quellen) (!Automatische Zustimmung zu Suchergebnissen) (!Verzicht auf historische Fragestellungen) (!Ausschließliche Arbeit mit großen Datenmengen)
Was kennzeichnet eine born-digital Quelle? (Sie wurde ursprünglich in digitaler Form erzeugt) (!Sie ist immer eine gescannte Handschrift) (!Sie besitzt grundsätzlich kein Dateiformat) (!Sie kann niemals verändert werden)
Welche Aufgabe erfüllt OCR? (Sie wandelt Bilder gedruckter Texte in maschinenlesbaren Text um) (!Sie bestimmt automatisch die historische Wahrheit) (!Sie ersetzt jede Archivsignatur) (!Sie erzeugt aus Texten dreidimensionale Gebäude)
Wofür steht das Ziel der FAIR-Prinzipien? (Forschungsdaten auffindbar zugänglich interoperabel und nachnutzbar gestalten) (!Alle historischen Quellen ohne Schutzprüfung veröffentlichen) (!Forschung ausschließlich mit kommerzieller Software durchführen) (!Analoge Quellen nach der Digitalisierung vernichten)
Was untersucht historische Netzwerkanalyse besonders? (Beziehungen zwischen Akteuren Orten oder Objekten) (!Nur die Papierqualität mittelalterlicher Urkunden) (!Ausschließlich die Reihenfolge von Jahreszahlen) (!Nur die Länge wissenschaftlicher Texte)
Wozu dient ein historisches GIS? (Zur Analyse und Darstellung räumlicher historischer Daten) (!Zur automatischen Beglaubigung von Urkunden) (!Zur Übersetzung jeder historischen Sprache ohne Fehler) (!Zur Ersetzung aller Karten durch Tabellen)
Welche Gefahr besteht bei generativer KI? (Sie kann plausible aber erfundene Angaben erzeugen) (!Sie besitzt immer vollständige Archivkenntnis) (!Sie nennt ausschließlich geprüfte Primärquellen) (!Sie macht Quellenkritik überflüssig)
Was bedeutet Provenienz bei digitalen Quellen? (Die dokumentierte Herkunft und Überlieferungsgeschichte) (!Die farbliche Gestaltung einer Benutzeroberfläche) (!Die Geschwindigkeit eines Prozessors) (!Die Anzahl der Seiten eines Buches)
Was ist ein zentrales Ziel von Public History? (Historische Forschung mit öffentlichen Formen der Vermittlung und Beteiligung verbinden) (!Historische Debatten vollständig aus der Öffentlichkeit entfernen) (!Nur interne Universitätsakten auswerten) (!Alle Museen durch Sprachmodelle ersetzen)
Warum ist digitale Langzeitarchivierung nötig? (Weil Formate Systeme und Plattformen vergänglich sein können) (!Weil digitale Dateien niemals kopiert werden können) (!Weil Metadaten historische Quellen zerstören) (!Weil jede Webseite automatisch dauerhaft erhalten bleibt)
Memory
| OCR | Texterkennung |
| HTR | Handschriftenerkennung |
| GIS | Raumanalyse |
| Provenienz | Herkunftsnachweis |
| Metadaten | Kontextbeschreibung |
| RAG | Quellengestützte Generierung |
| FAIR | Datennachnutzung |
| Public History | Geschichtsöffentlichkeit |
Drag and Drop
| Ordne die richtigen Begriffe zu. | Thema |
|---|---|
| Quellenkritik | Aussagewert prüfen |
| Text Mining | Muster in Korpora erkennen |
| Netzwerkanalyse | Beziehungen untersuchen |
| Georeferenzierung | Karten räumlich verorten |
| Versionierung | Änderungen dokumentieren |
Kreuzworträtsel
| Provenienz | Wie heißt die dokumentierte Herkunft einer Quelle? |
| Hermeneutik | Wie heißt die methodische Lehre vom Verstehen und Interpretieren? |
| Metadaten | Wie nennt man strukturierte Angaben über andere Daten? |
| Archivierung | Wie heißt die planvolle dauerhafte Aufbewahrung von Unterlagen? |
| Geodaten | Wie nennt man Daten mit räumlichem Bezug? |
| Quellenkritik | Wie heißt die methodische Prüfung historischer Überlieferung? |
LearningApps
Lückentext
Offene Aufgaben
Leicht
- Zukunftsglossar: Erstelle ein Glossar mit zehn Fachbegriffen aus dem aiMOOC. Erkläre jeden Begriff in zwei eigenen Sätzen und ergänze ein historisches Anwendungsbeispiel.
- Quellenvergleich: Vergleiche eine gescannte historische Seite mit ihrem OCR-Text. Markiere mindestens fünf Unterschiede und erkläre, welche Folgen sie für eine Suche haben könnten.
- Mediencheck: Wähle einen populären Onlinebeitrag zu einem historischen Thema. Prüfe Autorenschaft, Belege, Bildherkunft, Datum und mögliche Interessen.
- Berufskompass: Recherchiere vier Berufsfelder an der Schnittstelle von Geschichte und Digitalisierung. Ordne jedem Feld drei benötigte Kompetenzen zu.
Standard
- OCR-Experiment: Untersuche zwei digitalisierte Seiten mit unterschiedlicher Schrift oder Druckqualität. Entwickle ein Verfahren, mit dem Du die Erkennungsqualität vergleichst.
- Historische Karte: Georeferenziere gedanklich oder mit einem geeigneten Werkzeug eine historische Karte. Dokumentiere mindestens drei Unsicherheiten bei Ortsnamen, Grenzen oder Maßstab.
- Netzwerkprojekt: Erstelle aus einer kleinen Briefsammlung oder einem selbst konstruierten Datensatz ein Netzwerk. Interpretiere einen auffälligen Knoten und benenne Grenzen des Modells.
- KI-Faktencheck: Lass ein Sprachmodell eine kurze historische Darstellung mit Literaturhinweisen erzeugen. Prüfe jede Tatsachenbehauptung und jeden Titel in unabhängigen Quellen. Dokumentiere alle Fehler.
Schwer
- Born-digital-Forschungsdesign: Entwirf ein Forschungsprojekt zu Webseiten, E-Mails oder sozialen Medien. Berücksichtige Erhebung, Versionierung, Datenschutz, Repräsentativität und Archivierung.
- Digitale Edition: Plane einen Prototyp für die digitale Edition einer Quelle. Lege Transkriptionsregeln, Metadaten, Variantenapparat, Zitierweise und Qualitätskontrolle fest.
- Ethikleitlinie: Formuliere eine Leitlinie für KI im Geschichtsstudium. Unterscheide erlaubte Unterstützung, dokumentationspflichtige Nutzung und unzulässige Praxis. Begründe jede Regel.
- Zukunftsszenario: Entwickle für das Jahr 2040 ein plausibles Szenario der Geschichtswissenschaft. Trenne gesicherte Trends, Annahmen und spekulative Elemente und leite Handlungsempfehlungen für eine Universität ab.
|
|
Lernkontrolle
- Methodentransfer: Eine Sammlung von 100.000 digitalisierten Briefseiten soll untersucht werden. Entwickle eine Strategie, die automatisierte Verfahren und Close Reading verbindet. Begründe Auswahl, Stichprobe und Validierung.
- Biasanalyse: Ein digitales Archiv enthält überwiegend Quellen städtischer Eliten. Erkläre, wie diese Zusammensetzung mögliche Forschungsergebnisse verzerrt, und entwickle drei Gegenmaßnahmen.
- KI-Bewertung: Ein Sprachmodell nennt eine unbekannte Archivsignatur und ein passendes Zitat. Beschreibe Schritt für Schritt, wie Du Echtheit, Kontext und Verwendbarkeit überprüfst.
- Rekonstruktionskritik: Ein Museum präsentiert eine fotorealistische 3D-Rekonstruktion einer antiken Stadt. Entwickle Kriterien, mit denen gesicherte Befunde, plausible Ergänzungen und freie Gestaltung unterscheidbar werden.
- Infrastrukturentscheidung: Ein Forschungsprojekt muss zwischen einer geschlossenen kommerziellen Plattform und einer offenen, aber technisch anspruchsvolleren Lösung wählen. Vergleiche beide hinsichtlich Nachhaltigkeit, Kosten, Transparenz, Datenschutz und Nachnutzung.
- Öffentlichkeitskonzept: Entwirf eine digitale Public-History-Ausstellung zu einem kontroversen lokalen Ereignis. Zeige, wie mehrere Perspektiven, Quellenbelege, Moderation und Barrierefreiheit umgesetzt werden.
- Datenethik: Oral-History-Interviews enthalten sensible Aussagen über noch lebende Personen. Entwickle ein abgestuftes Zugangsmodell und begründe, welche Daten offen, beschränkt oder gesperrt sein sollten.
- Curriculumentwicklung: Plane ein Basismodul Digitale Geschichtswissenschaft für ein Bachelorstudium. Verbinde fachliche, technische, ethische und kommunikative Kompetenzen in einer nachvollziehbaren Lernprogression.
Lernnachweis
Ein überzeugender Lernnachweis zeigt nicht nur Wissen über Begriffe, sondern die Fähigkeit, eine historische Frage unter digitalen Bedingungen methodisch zu bearbeiten. Geeignet ist ein Portfolio mit folgenden Bestandteilen:
- Forschungsfrage: eine klar eingegrenzte historische Frage mit Begründung ihrer Relevanz
- Quellenkorpus: dokumentierte Auswahl analoger, digitalisierter oder born-digital Quellen
- Quellenkritik: Analyse von Provenienz, Repräsentativität, Datenqualität und Überlieferungslücken
- Methodenbegründung: nachvollziehbare Wahl eines digitalen oder kombinierten Verfahrens
- Arbeitsdokumentation: Angaben zu Werkzeugen, Versionen, Parametern, Korrekturen und KI-Nutzung
- Ergebnisdarstellung: argumentativer Text mit passenden Tabellen, Karten oder Visualisierungen
- Ethikreflexion: Prüfung von Datenschutz, Rechten, möglichen Schäden und Zugangsregeln
- Grenzen: offene Benennung von Unsicherheiten, Bias und nicht beantworteten Fragen
- Transfer: begründete Aussage dazu, was das Projekt über die Zukunft der Geschichtswissenschaft zeigt
OERs zum Thema
Freie und institutionelle Vertiefung
- NFDI4Memory: Forschungsdateninfrastruktur für historisch arbeitende Wissenschaften
- DARIAH-EU: europäische Infrastruktur für digitale Geistes- und Kulturwissenschaften
- CLARIN ERIC: Sprachressourcen und Werkzeuge für geisteswissenschaftliche Forschung
- FAIR-Prinzipien: Orientierung für auffindbare, zugängliche, interoperable und nachnutzbare Daten
- UNESCO-Charta zum digitalen Erbe: Grundlagen für Erhaltung und Zugang
- AHA-Leitprinzipien zu KI in der Geschichtsbildung: fachbezogene Orientierung für verantwortliche KI-Nutzung
Verknüpfte Lernbereiche
aiMOOC-Projekte
Schulfach+
|
|
aiMOOCs
aiMOOC Projekte
|
|
THE MONKEY DANCE
|
|
|