KI und Geschichte: Entwicklung und Quellenkritik

Die Vorstellung künstlicher Wesen ist älter als der Computer. Mythen, Automaten und Science-Fiction erzählen schon lange von selbsttätigen oder intelligent wirkenden Maschinen. Zum wissenschaftlichen Forschungsgebiet wurde KI jedoch erst in der Mitte des 20. Jahrhunderts.

Wichtige Etappen sind:

• 1950: Alan Turing beschreibt einen textbasierten Verhaltenstest. Kann ein Mensch eine Maschine im Gespräch nicht von einem Menschen unterscheiden, erfüllt sie das Kriterium des Tests.
• 1956: Auf der Dartmouth-Konferenz etabliert sich der Begriff Künstliche Intelligenz als Bezeichnung eines Forschungsfeldes.
• Ende der 1950er-Jahre: Frank Rosenblatt entwickelt das Perzeptron, ein frühes lernfähiges Modell.
• 1966: Der Chatbot ELIZA erzeugt durch einfache Gesprächsmuster den Eindruck eines verständigen Gegenübers.
• 1970er- und 1980er-Jahre: Expertensysteme bilden Fachwissen mit Fakten und Wenn-dann-Regeln ab.
• 1997: Deep Blue besiegt Schachweltmeister Garry Kasparov vor allem durch gespeicherte Schachkenntnisse, Stellungsbewertung und schnelle Suche.
• Seit 2012: Tiefe neuronale Netze erzielen große Fortschritte bei Bildern, Sprache und Mustererkennung.
• 2016: AlphaGo besiegt Lee Sedol im Brettspiel Go.
• Seit 2022: Generative KI für Texte, Bilder, Stimmen und Videos wird breit zugänglich.

Bei symbolischer KI werden Wissen und Schlussregeln ausdrücklich dargestellt. Ein Expertensystem kann zum Beispiel eine Wissensbasis mit Fakten und Wenn-dann-Regeln durchsuchen. Sein Schlussweg ist grundsätzlich nachvollziehbar, doch das Erfassen und Pflegen der Regeln ist aufwendig.

Beim maschinellen Lernen programmiert ein Mensch nicht für jeden Fall den vollständigen Lösungsweg. Stattdessen wird ein Modell an Beispieldaten angepasst.

Der Lernweg eines Modells lässt sich vereinfacht so beschreiben:

1. Das Modell erhält Trainingsdaten.
2. Es erzeugt Vorhersagen.
3. Die Vorhersagen werden mit den gewünschten Ausgaben verglichen.
4. Modellparameter werden so angepasst, dass die Fehler kleiner werden.
5. Das angepasste Modell wird auf neue Eingaben angewendet.

„Lernen“ bedeutet hier also Anpassung eines Modells an Daten. Es ist nicht mit menschlichem Lernen oder Verstehen gleichzusetzen. Eine Ausgabe bleibt eine berechnete Vorhersage und kann falsch sein.

Frühe Erfolge bei Spielen, Logik und Mustererkennung weckten Erwartungen, die damalige Systeme nicht erfüllen konnten. Rechenleistung, Speicher, Daten und Verfahren reichten für viele komplexe Aufgaben nicht aus. Als angekündigte Durchbrüche ausblieben, sanken Aufmerksamkeit und Finanzierung. Solche Phasen heißen KI-Winter.

Das wiederkehrende Muster lautet:

1. Ein begrenzter Erfolg erzeugt große Aufmerksamkeit.
2. Der Erfolg wird vorschnell auf viel schwierigere Probleme übertragen.
3. Überhöhte Erwartungen werden nicht erfüllt.
4. Enttäuschung und geringere Finanzierung folgen.

Der jüngere Aufschwung des Deep Learning beruht besonders auf dem Zusammenwirken von großen Datenmengen, höherer Rechenleistung und verbesserten Lernverfahren. Keine dieser Bedingungen erklärt den Aufschwung allein.

Generative KI kann Texte, Bilder, Stimmen und Videos erzeugen. Dadurch sinken Zeitaufwand, Kosten und technische Hürden der Medienproduktion. Mehr Menschen können historische Erzählungen gestalten. Das erweitert Beteiligungsmöglichkeiten, erleichtert aber auch die Produktion von Fälschungen und irreführenden Darstellungen.

Historische Kurzvideos aus der Ich-Perspektive können etwa den Alltag eines Gladiators, einer Wikingerin oder eines Soldaten inszenieren. Sie wirken unmittelbar, zeigen aber keine direkte Aufnahme der Vergangenheit. Jede Szene ist eine Konstruktion: Sie beruht auf Eingaben, Trainingsmustern und Gestaltungsentscheidungen.

Auch Bilder wirken nicht neutral. Perspektive, Größenverhältnisse, Anordnung, Licht und einzelne Bildelemente lenken den Blick und legen Deutungen nahe. Bei KI-Bildern kommt hinzu, dass die verwendeten Trainingsdaten und Verarbeitungsschritte oft nicht vollständig nachvollziehbar sind.

Der Ausdruck Graue Box macht diese Lage deutlich: Der Entstehungsprozess ist teilweise undurchsichtig, aber eine Untersuchung der Eingabe, der Ausgabe, der Darstellungsmittel und der überprüfbaren Aussagen bleibt möglich.

Nutze für Texte, Bilder und Videos fünf Prüfschritte.

1. Darstellung bestimmen

Kläre zuerst, was vorliegt: eine historische Quelle aus der untersuchten Zeit, eine spätere Darstellung oder ein KI-generiertes Medium. Ein erzeugtes Bild kann eine heutige Quelle für den Umgang mit Geschichte sein, aber nicht automatisch ein Bildbeleg für das dargestellte frühere Ereignis.

2. Aussage herausarbeiten

Formuliere, was das Medium behauptet oder nahelegt. Trenne sichtbare beziehungsweise hörbare Beobachtungen von deiner Deutung.

3. Herkunft und Entstehung untersuchen

Prüfe, wer den Inhalt veröffentlicht hat, wie er erzeugt wurde und ob KI-Einsatz, Prompt, Bearbeitungen oder verwendete Belege offengelegt werden. Fehlende Transparenz beweist noch keine Fälschung, begrenzt aber die Nachprüfbarkeit.

4. Historische Angaben gegenprüfen

Untersuche Namen, Daten, Orte, Kleidung, Gegenstände, Handlungen und Zitate anhand geeigneter Originalquellen oder verlässlicher Fachliteratur. Ein KI-System ersetzt diese Prüfung nicht.

5. Wirkung und Grenzen beurteilen

Frage, welche Perspektive das Medium bevorzugt, was fehlt und welche Gefühle es auslöst. Prüfe auch, ob Stereotype verstärkt werden. Formuliere abschließend, welche Aussagen gut gestützt, unsicher oder widerlegt sind.

KI kann beim Sammeln von Suchbegriffen, beim Strukturieren eigener Notizen oder beim Formulieren von Prüffragen helfen. Ihre Antworten sind jedoch keine automatisch verlässlichen Belege.

Für einen nachvollziehbaren Arbeitsprozess gilt:

• Halte fest, wofür du KI eingesetzt hast.
• Dokumentiere die verwendete Eingabe, wenn sie das Ergebnis wesentlich beeinflusst.
• Übernimm keine erfundenen Zitate, Literaturangaben oder Fundstellen.
• Prüfe zentrale Behauptungen an der Originalquelle oder an verlässlicher Fachliteratur.
• Zitiere die tatsächlich verwendeten historischen Quellen und Fachtexte, nicht eine ungeprüfte KI-Zusammenfassung an ihrer Stelle.
• Weise Unsicherheit offen aus, wenn sich eine Aussage nicht zuverlässig bestätigen lässt.

Du bist mit dem Lernweg fertig, wenn du nicht nur fragst „Sieht das echt aus?“, sondern auch: Was wird behauptet, wie entstand die Darstellung, welche Belege tragen sie und welche Wirkung erzeugt sie?