Public History und Geschichtsvermittlung

Wissenskommunikation entlang des Schreib- und Produktionsprozesses

Public History
Übungsset zur zielgruppenorientierten Vermittlung eines wissenschaftlichen Artikels in mehreren Formaten (Blog, Podcast, Social Media, Poster, Interview) – mit Audit-Trail, Quellen-Veto und methodischer Transparenz.
Autor:in
Zugehörigkeit

Moritz Mähr

Universität Bern

Veröffentlichungsdatum

29. Dezember 2025

Geändert

12. Februar 2026

Überblick und didaktisches Ziel

Diese Übung trainiert Public-History-Wissenskommunikation als prozessuale Übersetzungsarbeit: von einem wissenschaftlichen Artikel (Argument, Belege, Unsicherheiten) hin zu publikumsorientierten Formaten. Generative KI wird dabei nicht als Autorität, sondern als Werkzeug für Entwurf, Variation, Redigieren und Gegenlesen verwendet – mit konsequentem Quellenbezug, Nachvollziehbarkeit und klaren Grenzen.

Voraussetzungen

  • Grundverständnis historischer Forschungsmethoden
  • Basiskenntnisse im Umgang mit generativer KI (insbesondere Prompting)
HinweisPrompt Engineering

Falls Sie noch nicht mit Prompting vertraut sind, empfehlen wir die Übung Prompt Engineering zuerst zu durchlaufen.

HinweisLLM

Sie können die Übung mit LLMs von unterschiedlichen Herstellern durchführen. Für diese Übung ist es hilfreich, wenn das LLM Zugriff auf das Internet hat und sich Dateien hochladen lassen.

Lernziele

  • Einen Vermittlungskontext in Zielgruppen, Medium, Zweck und Rahmenbedingungen zerlegen (Kommunikationsbriefing).
  • Aus einem wissenschaftlichen Artikel eine Kernbotschaft (Message Map) und eine Evidenzmatrix ableiten, ohne neue Fakten zu erfinden.
  • Entwürfe in mehreren Public-History-Formaten erstellen (Blog, Audio, Social, Poster) und formatkonform überarbeiten.
  • Antwortn systematisch prüfen (Claim-by-claim, Quellen-Veto, Unsicherheiten markieren) und Änderungen nachvollziehbar dokumentieren (Audit Trail).
  • Ein Interview-Kit (Soundbites, Q&A, No-go-Liste, Transparenzstatement) vorbereiten.

Basistext ist ein (möglichst open-access) wissenschaftlicher Artikel aus Ihrem Themenfeld. Z.B.:

Abgabeformate (Minimum)

  1. Kommunikationsbriefing (1 Seite)
  2. Message Map + Evidenzmatrix (Tabellen- oder Stichpunktform)
  3. Blogpost (ca. 700–1’000 Wörter) oder Podcast-Skript (ca. 6–8 Minuten)
  4. Zwei Kurzformate aus: Social Media, Poster-Textbausteine, Interview-Kit
  5. KI-Protokoll (Prompt-/Antwort-Log + Reflexionsnotiz, ca. 300–500 Wörter)

Methodischer Rahmen: KI als kritisch-reflektierte Vermittlungsinfrastruktur

Begriffe (für diese Übung):

  • Audit Trail (KI-Protokoll): Dokumentation von Prompts, Antwortn, Entscheidungen, Korrekturen und Quellenstellen, sodass Ihr Prozess nachvollziehbar bleibt.
  • Quellen-Veto: Jede narrative Zuspitzung ist erlaubt, sofern sie nicht im Widerspruch zu den im Artikel belegten Aussagen steht.
  • Claim-by-claim Check: Aussagen werden als überprüfbare Behauptungen zerlegt (Claim), mit Belegstelle verknüpft oder als Spekulation markiert.

Suchmaschinen und KI-Systeme strukturieren Sichtbarkeit auf problematische Weise.(Noble 2018) KI-generierte Inhalte für Public-History-Anwendungen bergen besondere Risiken, da sie ein breites Publikum ohne Fachexpertise erreichen.(Bender u. a. 2021)

WichtigGrundregel: KI darf nichts «erfinden»

Arbeiten Sie mit einem Quellenpaket: Titel/DOI, Abstract, zentrale Resultate in eigenen Notizen, ein paar Schlüsselpunkte/Belegstellen (Seiten/Abschnitte), ggf. Abbildungen/Tabellen. Geben Sie der KI nur Material, das Sie selbst kontrollieren können, und lassen Sie die KI explizit nur daraus arbeiten.

TippTransparenz im Produkt

Planen Sie am Ende ein kurzes Transparenz-Element ein (z.B. «So wurde gearbeitet» / «KI-Unterstützung»): wofür KI genutzt wurde (Struktur/Sprachvarianten/Gegenlesen), wofür nicht (Fakten/Interpretationsentscheid).

Struktur der Übung

  1. Situationsanalyse: Kontext + Zielgruppe + Zweck + Constraints (Briefing)
  2. Planung: Kernbotschaft + Evidenz + Narrative Route (Message Map)
  3. Entwurf: Erstfassung (Blog oder Podcast) mit sauberer Beleglogik
  4. Revision: Fakten-/Belegcheck, Verständlichkeit, Ton, Ethik
  5. Remix/Adaption: Kurzformen (Social/Poster) + Interview-Vorbereitung
  6. Dokumentation: KI-Protokoll + Reflexion

1. Zielgruppenanalyse und Kommunikationsbriefing

Ziel

Vermittlung als kontextabhängige Entscheidung operationalisieren: Für wen, wo, warum, in welchem Medium?

Aufgabe

Wählen Sie einen konkreten Vermittlungskontext (z.B. Museumsblog, Lokalzeitung, Wissenschaftspodcast, Instagram eines Archivs, Ausstellungstafel). Erstellen Sie ein Kommunikationsbriefing mit:

  • Zielgruppe(n): Vorwissen, Interessen, mögliche Trigger/Missverständnisse
  • Zweck: informieren / kontextualisieren / Debatte eröffnen / Handlungswissen etc.
  • Medium/Format: Länge, Ton, Visualität/Audio, Interaktion
  • Constraints: Sprache(n), Zugänglichkeit (Accessibility), Terminologie, rechtliche/ethische Grenzen
  • Erfolgskriterien: Was sollen Rezipierende nachher wissen / können / anders sehen?

KI-Workflow (Prompt-Skizze)

Du bist Audience-Research-Assistent:in. Erzeuge 2–3 plausible Zielgruppen-Personas für folgenden Kontext (ohne Fakten über reale Personen zu erfinden).
Für jede Persona: Vorwissen, Motivationen, mögliche Missverständnisse, geeignete Beispiele/Metaphern, No-gos.
Kontext: ...
Thema/Artikel in 3 Sätzen: ...

Kritischer Abgleich

  • Persona ≠ Realität: Ergänzen/prüfen Sie Annahmen (z.B. mit realen Zielgruppenhinweisen, Museumskonzepten, Medienrichtlinien).
  • Welche Vereinfachungen wären epistemisch riskant? Notieren Sie rote Linien.

2. Message Map und narrative Route

Ziel

Eine kommunikative Kernarchitektur bauen, die formatübergreifend stabil bleibt.

Aufgabe

Erstellen Sie:

  1. One-liner (1 Satz): Was ist die Kernbotschaft – und warum zählt sie für diese Zielgruppe?
  2. 3–4 Stützpunkte (je 1–2 Sätze) mit Belegbezug
  3. Evidenzmatrix: Welche Stützpunkte stützen sich auf welche Daten/Quellenstellen?
  4. Kontext/Einordnung: Was muss erklärt werden, damit nichts verzerrt wird?
  5. Unsicherheiten: Was ist umstritten, begrenzt oder nur plausibel, nicht bewiesen?

KI-Workflow (Prompt-Skizze)

Rolle: Du bist Strukturierer:in. Arbeite nur mit dem Quellenpaket + Briefing.
Erzeuge eine Message Map (One-liner + 3–4 Stützpunkte + 'So what' für die Zielgruppe).
Markiere jeden Punkt mit Claim-IDs und weise auf notwendige Kontextabsätze hin.
Material: ...

Kritischer Abgleich

  • Wo droht «presentism» (Gegenwartsüberformung) oder moralische Simplifizierung?
  • Wo braucht es Begriffe/Definitionen statt Storytelling?

3. Entwurf I: Blogpost

Ziel

Ein textliches Basismodell erstellen, das als Referenz für weitere Adaptionen dient.

Aufgabe

Schreiben Sie einen Blogpost (ca. 700–1’000 Wörter) mit: - Einstieg, der Zielgruppe und Zweck trifft - klare Abschnittsstruktur (Zwischentitel) - expliziter Beleglogik (Claim-IDs oder Fussnoten/Verweise auf Belegstellen) - «Was wir wissen / was wir nicht wissen» (kurzer Abschnitt) - Call-to-action/Weiterlesen (z.B. Link auf Artikel, Glossar, Quellen)

KI-Workflow (Prompt-Skizze)

Rolle: Du bist Blogredaktor:in. Schreibe einen Blogpost für folgenden Kontext.
Constraints: Länge 900 Wörter, klare Zwischenüberschriften, keine neuen Fakten.
Nutze Claim-IDs im Text in eckigen Klammern, z.B. [C3].
Material: Briefing + Quellenpaket + Message Map + Claim-Tabelle.

Kritischer Abgleich

  • Prüfen Sie jeden Absatz: Welche Claims werden gemacht? Sind sie belegt?
  • Prüfen Sie Ton und Register: «Klingt plausibel» ist kein Qualitätskriterium.
  • Prüfen Sie Anschlussfähigkeit: Welche Begriffe müssen erklärt werden?

4. Revision: Fact-Check, Verständlichkeit, Ethik

Ziel

Aus einem plausiblen Entwurf ein robustes Vermittlungsprodukt machen.

Aufgabe (Checkliste)

  • Claim-by-claim: Jede Aussage entweder belegt, als Einordnung markiert oder gestrichen.
  • Verständlichkeit: unnötige Fachbegriffe reduzieren oder definieren; Beispiele prüfen.
  • Ethik/Verantwortung: sensible Gruppen/Personen, Gewalt, Stigmatisierung, Datenpolitik, Bildrechte.
  • Transparenz: kurze Notiz zu Methode/Quelle/KI-Unterstützung ergänzen.

KI-Workflow (Prompt-Skizze)

Rolle: Du bist Fact-Checker:in.
1) Liste alle behaupteten Fakten/Aussagen im Entwurf.
2) Ordne sie Claim-IDs zu oder markiere 'nicht im Quellenpaket'.
3) Schlage präzisere Formulierungen vor, die Unsicherheiten korrekt ausdrücken.
Input: Blog-Entwurf + Quellenpaket.

Kritischer Abgleich

  • Die KI kann Fehlstellen identifizieren, aber nicht verlässlich verifizieren: Verifikation bleibt Ihre Arbeit.
  • Dokumentieren Sie Änderungen im KI-Protokoll (warum geändert? welche Belegstelle?).

5. Remix: Formatadaptionen

Die folgenden Aufgaben sind bewusst als Adaptionen konzipiert: Sie recyclen Message Map + Baseline-Text, statt in jedem Medium neu zu «erfinden».

5A Social Media (Thread + Single Post)

Ziel: Kernbotschaft in ein Aufmerksamkeitsmedium übersetzen, ohne Overclaiming.

Aufgabe - 1 Single Post (max. 280–500 Zeichen, je nach Plattform) + 1 Thread (5–7 Posts) - 1 «Kontext-Post»: Begriffe/Einordnung - 1 «Unsicherheiten-Post»: Grenzen, offene Fragen - 1 Link-/Quellenhinweis (formatgerecht)

KI-Workflow

Erzeuge 3 Varianten (konservativ / erzählerisch / provokationsarm) für einen Thread.
Regeln: keine neuen Fakten, keine Clickbait-Übertreibung, baue einen Unsicherheiten-Post ein.
Input: Message Map + Blog-Textauszug + Kontext.

5B Podcast-Skript (6–8 Minuten)

Ziel: Argument und Kontext im Audioformat (Stimme, Rhythmus, Beispiele) vermitteln.

Aufgabe - Skript mit Segmenten (Hook, Kontext, 2–3 Kernpunkte, Einordnung, Abschluss) - sprechbare Sprache (kurze Sätze, aktive Verben) - Show Notes: 5 Bulletpoints + Quellenhinweis + Glossar (3 Begriffe)

KI-Workflow

Schreibe ein Podcast-Skript (7 Minuten) für [Zielgruppe/Kontext].
Struktur: Hook (15s) – Kontext (60s) – Kernpunkte (3x90s) – Unsicherheiten (45s) – Abschluss (30s).
Nutze nur Claims aus dem Quellenpaket und markiere Claim-IDs im Manuskript am Rand.

5C Poster-Textbausteine (A1/A0, Ausstellung oder Konferenz)

Ziel: Visuelle Hierarchie + knappe Texte, die auch ohne Vorwissen funktionieren.

Aufgabe - Headline (max. 10 Wörter), Subheadline (max. 20 Wörter) - 3 Textblöcke (je max. 60 Wörter): «Worum geht’s?», «Was ist neu?», «Warum relevant?» - Bild-/Grafiklegende (max. 30 Wörter) + Quellenangabe - QR-Text (max. 15 Wörter) + Linkziel

KI-Workflow

Erzeuge Poster-Textbausteine mit strikter Wortlimite und ohne neue Fakten.
Achte auf: klare Begriffe, keine impliziten Wertungen, Claim-IDs pro Block.
Input: Message Map + Evidenzmatrix.

6. Interview-Kit

Ziel

Souverän, präzise und risikoarm über Forschung sprechen können – inkl. «No-go»-Kontrolle.

Aufgabe

Erstellen Sie ein Interview-Kit (1–2 Seiten): - 3 Soundbites (je 12–20 Sekunden, sinngemäss) - 5 Kernfragen + kurze Antworten (je 3–5 Sätze) - 2 kritische Fragen (z.B. «Ist das nicht…?») + Brückenstrategien - No-go-Liste: Aussagen, die Sie nicht machen (wegen Evidenz/Komplexität/Ethik) - Transparenzsatz zu Methode und Datenlage (1–2 Sätze)

KI-Workflow (Prompt-Skizze)

Rolle: Du bist Mediencoach. Generiere ein Interview-Kit für Radio/Zeitung.
Regeln: keine neuen Fakten, Soundbites müssen Claims korrekt wiedergeben, Unsicherheiten nicht kaschieren.
Input: Message Map + Quellenpaket + Blog-/Podcast-Entwurf.

Kritischer Abgleich

  • Stimmen Soundbites mit Claim-IDs überein oder «rutschen» sie in Übertreibung?
  • Sind Brückenstrategien inhaltlich ehrlich (kein Ausweichen ohne Einordnung)?

Weiterführende Ressourcen

Bibliographie

Bender, Emily M., Timnit Gebru, Angelina McMillan-Major, und Shmargaret Shmitchell. 2021. „On the Dangers of Stochastic Parrots: Can Language Models Be Too Big? 🦜“. In Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency (FAccT ’21), 610–23. New York, NY, USA: Association for Computing Machinery. https://doi.org/10.1145/3442188.3445922.
Noble, Safiya Umoja. 2018. Algorithms of Oppression: How Search Engines Reinforce Racism. New York: NYU Press.
Zurück nach oben

Zitat

Mit BibTeX zitieren:
@inreference{mähr2025,
  author = {Mähr, Moritz},
  title = {Public History und Geschichtsvermittlung},
  booktitle = {Critical AI Literacy für Historiker:innen},
  date = {2025-12-29},
  url = {https://maehr.github.io/critical-ai-literacy-for-historians/de/exercises/public-history.html},
  langid = {de}
}
Bitte zitieren Sie diese Arbeit als:
Mähr, Moritz. 2025. “Public History und Geschichtsvermittlung.” In Critical AI Literacy für Historiker:innen. https://maehr.github.io/critical-ai-literacy-for-historians/de/exercises/public-history.html.