Wenn KI Geschichte monumentalisiert
Was eine Bismarck-Statue über historische Simulationen und ihre Grenzen lehrt

Donnerstag, siebte und achte Stunde, eine neunte Klasse und eine Idee, die auf dem Papier ziemlich gut aussah. Zum Abschluss unserer Unterrichtseinheit über Bismarcks Herrschaftsverständnis, Innen-, Außen-, Bündnis- und Kolonialpolitik sollten die Lernenden mit einer Bild-KI eine erinnerungskulturelle Intervention für das Hamburger Bismarck-Denkmal im Alten Elbpark entwerfen: ein Gegendenkmal, eine kommentierende Plakette oder eine andere Form der Kontextualisierung. Welche Aussage des bestehenden Denkmals sollte ergänzt, kritisiert oder infrage gestellt werden? Welche Personen, Erfahrungen und Folgen blieben bislang unsichtbar? Welche Wirkung sollte die Intervention im heutigen Hamburg entfalten? Ein kreatives Produkt, fachliches Wissen und KI-Kompetenz. So meine Planung.
Ein überzeugendes Bild ist noch kein historisches Urteil
Zunächst lief es wie geplant. In Gruppen diskutierten die Schüler:innen Begriffe, entschieden sich für eine Form der Intervention, formulierten Prompts und verglichen Varianten. Auf den Bildschirmen entstanden eindrucksvolle Entwürfe. Gerade darin lag das Problem: Obwohl die Aufgabenstellung auf Kritik und Kontextualisierung zielte, rückte die Bild-KI Bismarck immer wieder monumental ins Zentrum. Sie vermischte Zeiten und Zeichen, ergänzte unpassende Details und verwandelte widersprüchliche Politik in eindeutige Bildbotschaften. Gegendenkmäler wurden zu neuen Monumenten, kritische Plaketten zu dekorativen Beigaben. Es war häufig schwer zu erkennen, welche Aussage von der Lerngruppe beabsichtigt war und welche Bildideen, Symbole und Wertungen das Modell hinzugefügt hatte.
Damit begann das eigentliche Lernen erst. Jedes KI-generierte Ergebnis musste geprüft werden: Was zeigt das Bild? Welche Aussagen über Bismarcks Politik stecken in Haltung, Größe und Symbolen? Worauf lassen sie sich stützen? Was ist historisch nicht belegt? Welche kritische Absicht hatte die Lerngruppe formuliert? Wie hat das Modell sie verändert oder überlagert?
Bei geschlossenen KI-Modellen kommt eine weitere Grenze hinzu: Weder die Zusammensetzung der Trainingsdaten noch die Herkunft einzelner Bildmuster ist transparent. Darüber, welche historischen Darstellungen in das erzeugte Bild eingeflossen sind, lassen sich deshalb nur Vermutungen anstellen. Gerade diese fehlende Nachvollziehbarkeit erschwert die fachliche Prüfung. Die Reflexion war fachlich wertvoll. Sie dauerte allerdings viel länger als geplant.
Der Fehler lag nicht allein bei der KI
Mein Fail war nicht, dass die KI Fehler produzierte. Das war erwartbar. Ich hatte unterschätzt, dass nicht nur einzelne Details, sondern der epistemische Status des ganzen Bildes geklärt werden musste. Die Fragestellung war bereits auf Kritik, Auslassungen und Gegenperspektiven ausgerichtet. Doch ein differenzierter Arbeitsauftrag garantiert kein differenziertes Bild. Das Modell übersetzte abstrakte historische Urteile in vertraute visuelle Muster: monumentale Körper, dramatische Perspektiven und eindeutige Symbole. Es machte aus einer offenen erinnerungskulturellen Frage eine scheinbar geschlossene Bildantwort.
Geschichtsunterricht unterscheidet zwischen Überresten, überlieferten Quellen und späteren Darstellungen. Das KI-Bild war keine Quelle für Bismarcks Zeit und keine quellengebundene Rekonstruktion, sondern eine gegenwärtig erzeugte, synthetische Darstellung, basierend auf intransparenten Daten. Historische Analyse verlangt deshalb mehr als eine Fehlerliste: Perspektiven und Auslassungen müssen offengelegt, Wertungen begründet und Darstellungen mit Quellen sowie Fachwissen abgeglichen werden. Bei den KI-Bildern wurde bereits der erste Schritt zur Herausforderung. Ihre ästhetische Geschlossenheit ließ leicht übersehen, dass auch sie perspektivische Konstruktionen sind. Detaillierte Oberflächen, dramatisches Licht und vertraute Denkmalsformen verliehen den erzeugten Deutungen den Anschein eines historischen Befundes.
Was ich heute anders machen würde
Ich würde die erinnerungskulturelle Fragestellung beibehalten: Die Lernenden entwickeln für das Hamburger Bismarck-Denkmal ein Gegendenkmal, eine kommentierende Plakette oder eine andere Form der Kontextualisierung. Die inhaltliche und gestalterische Konzeption würde jedoch zunächst vollständig quellengebunden erfolgen, ohne Bild-KI. Die Gruppen müssten begründen, welche Aussage des bestehenden Denkmals sie kritisieren oder ergänzen, wen und was sie sichtbar machen und welche Wirkung ihre Intervention im heutigen Stadtraum entfalten soll.
Eine Bild-KI käme, wenn überhaupt, erst danach zum Einsatz. Ihr Entwurf wäre kein fertiges Lernprodukt, sondern ein gemeinsamer Untersuchungsgegenstand, der mit den zuvor entwickelten Kriterien abgeglichen wird: Welche Geschichtserzählung entwirft das Bild? Wodurch wirkt sie plausibel? Was lässt sie verschwinden? Wie verändert das Modell die kritische Absicht der Gruppe? Verwandelt es selbst ein Gegendenkmal wieder in eine heroische Darstellung? Für diese Dekonstruktion müsste von Anfang an ausreichend Zeit eingeplant sein.
Denn mit KI wird die Unterscheidung von Rekonstruktion und Dekonstruktion im Geschichtsunterricht noch wichtiger. Eine KI-Simulation ist eine gegenwärtige Konstruktion, basierend auf einer intransparenten Auswahl historischer Daten, auch dann, wenn sie historisch klingt oder aussieht. Sie vereindeutigt, personalisiert und schließt Lücken, ohne kenntlich zu machen, wo Wissen endet und synthetische Ergänzung beginnt. Soll eine solche Simulation eingesetzt werden, reicht eine kurze Reflexion am Ende nicht aus. Dann muss ihre Dekonstruktion das eigentliche Lernziel sein: mit offengelegtem Prompt, Quellenvergleichen, Gegenperspektiven und ausreichend Zeit für ein begründetes historisches Urteil.
Ein Fail, der geblieben ist
Deshalb nutze ich bisher keine KI-Chatbots, die als Bismarck oder andere historische Figuren auftreten. Ihre Ich-Form erzeugt Nähe und den Eindruck unmittelbarer Begegnung. Tatsächlich antwortet nicht die historische Person, sondern ein gegenwärtiges Modell mit konkretem Knowledge-Cutoff (ggf. mit hinzugefügten Daten).
Stattdessen bereite ich die Arbeit mit offenen historischen Daten und digitalisierten Quellen vor. Reden, Parlamentsprotokolle, Zeitungen oder statistische Bestände können nach Begriffen, Veränderungen und Mustern untersucht werden. Auch dabei liefert KI keine fertige Geschichte; Ergebnisse müssen an den Beständen überprüft und historisch kontextualisiert werden. KI spielt dann nicht vor, Vergangenheit sprechen zu lassen, sondern unterstützt Lernende dabei, überprüfbare Fragen an Überlieferungen zu richten.
Diese Unterrichtsstunde war nicht nutzlos. Die Klasse hat erfahren, dass visuelle Plausibilität keine historische Evidenz ist, und dass selbst eine kritische Fragestellung von der KI in vereinfachende Bildmuster zurückübersetzt werden kann. Für mich bleibt die Erkenntnis: Historische Simulation mit KI ist keine zeitsparende Veranschaulichung. Sie ist selbst ein komplexer Untersuchungsgegenstand. Wenn ihre Voraussetzungen, Perspektiven und Leerstellen nicht gründlich aufgearbeitet werden können, sollte ich auf sie verzichten. Dieses Monument erinnert mich seitdem daran, wie viel Arbeit nötig ist, damit ein erzeugtes Bild Geschichte nicht schließt, sondern für unterschiedliche Perspektiven und neue Fragen öffnet.


