Socratic Debias nutzt die sokratische Fragetechnik, um die impliziten Perspektiven in KI-Antworten sichtbar zu machen. Lernende stellen nicht fest, ob eine KI-Ausgabe „richtig" oder „falsch" ist, sondern fragen: Wessen Sichtweise dominiert hier? Wer fehlt? Was würde sich verändern, wenn die Frage aus einer anderen Position gestellt würde? Das Resultat ist keine Medienkritik als Pflichtübung, sondern eine trainierbare Diagnosekompetenz.
Worum es geht
Die Methode verbindet Sozialkompetenz (Perspektivenwechsel, Empathie) mit Methodenkompetenz (systematische Analyse) und Digitaler Kompetenz im Sinne des Lehrplan 21. Lernende erleben, dass KI-Systeme keine neutralen Informationsmaschinen sind — sie wurden auf bestimmten Texten trainiert, die bestimmte Kulturen, Sprachen und Wissenskanons bevorzugen. Dieses Bewusstsein ist keine politische Haltung, sondern eine epistemische Grundkompetenz für den Umgang mit automatisierten Systemen.
Lernziele
- Eine KI-Antwort analysieren und benennen, welche Perspektiven darin dominieren und welche fehlen (geographisch, kulturell, gender-bezogen, historisch)
- Sokratische Folgefragen formulieren, die bewusst eine andere Perspektive einfordern
- Den Unterschied zwischen Originalantwort und überarbeiteter Antwort nach gezieltem Nachfragen beschreiben
- Decision-Mode: prohibit (Analyse-Phase) → accompany (Nachfrage-Phase) — KI ist zunächst Forschungsobjekt, dann Gesprächspartner
Voraussetzungen
- Klassenstufe: Sek I ab 9. Klasse, Sek II, Fachhochschulen
- Vorwissen: Grundbegriffe Perspektivität und Quellenanalyse (z. B. aus Geschichts- oder Geographieunterricht), Bereitschaft zur inhaltlichen Auseinandersetzung mit gesellschaftlichen Themen
- Tool-Anforderungen: Zugang zu einem KI-Tool; am besten im Klassenprojektions-Modus (Lehrperson führt, Klasse diskutiert gemeinsam) für die erste Durchführung
- Datenschutz: Themen sind fachlich und historisch; keine personenbezogenen Daten erforderlich
Ablauf
-
Thema wählen (5 Min.): Lehrperson wählt ein Thema mit nachweislich perspektivischer Färbung. Geeignete Beispiele: „Entdeckung Amerikas durch Kolumbus", „Industrialisierung im 19. Jahrhundert", „Erfolg im Beruf", „Die Rolle der Frau in der Geschichte". Das Thema sollte bekannt genug sein, dass Lernende Perspektivlücken erkennen können.
-
Erste KI-Abfrage (5 Min.): Die Frage wird gemeinsam in die KI eingegeben. Lehrperson zeigt die Antwort auf dem Beamer. Keine unmittelbaren Kommentare — die Klasse liest still.
-
Analyse: Wer kommt vor, wer fehlt? (10 Min.): Lehrperson gibt Analyse-Impulse: „Welche geographische Region wird beschrieben?" / „Welche Sprache, welche Epoche dominiert?" / „Welche sozialen Gruppen tauchen auf?" Lernende markieren im Text oder notieren auf einem Arbeitsblatt. Ziel: Eine Liste der dominanten Perspektiven und eine Liste der fehlenden.
-
Sokratische Folgefragen formulieren (10 Min.): Lernende entwickeln in Zweiergruppen je zwei Folgefragen, die eine andere Perspektive einfordern. Beispiele: „Was würde ein indigenes Geschichtsbuch aus Mexiko dazu schreiben?" / „Wie hätte eine Frau aus der Arbeiterschicht die Industrialisierung beschrieben?" Die Fragen werden im Plenum gesammelt und drei bis vier ausgewählt.
-
Nachfrage-Phase und Vergleich (15 Min.): Die ausgewählten Folgefragen werden in die KI eingegeben. Antworten werden projiziert und mit der Originalantwort verglichen: Was hat sich verschoben? Was bleibt gleich? Lernende notieren Unterschiede.
Vorlage
| Kategorie | Originalantwort | Nach Folgefragen |
|---|---|---|
| Geographischer Fokus | Europa (England, Deutschland, Frankreich) | Nach Nachfrage: Auch Lateinamerika als Rohstofflieferant erwähnt |
| Genannte Personen | Watt, Stephenson, Carnegie (alle männlich, europäisch) | Nach Nachfrage: Weibliche Fabrikarbeiterinnen, Kolonialarbeiter |
| Deutungsrahmen | Fortschritt, Innovation, wirtschaftliches Wachstum | Nach Nachfrage: Ausbeutung, Kinderarbeit, Kolonialkontext |
| Fehlende Perspektive in der Originalantwort | Perspektive der betroffenen Arbeiterschaft | Teilweise erschlossen, aber immer noch eurozentrisch |
Bewertungs-Rubrik
| Stufe | Kriterium | Beobachtbar an |
|---|---|---|
| 1 | Oberflächliche Beobachtung | Lernende benennen „es fehlen Frauen" ohne weiteren Kontext |
| 2 | Differenzierte Analyse | Mehrere Perspektivkategorien (Geschlecht, Geographie, Klasse) werden benannt und mit Textstellen belegt |
| 3 | Qualitative Folgefragen | Sokratische Folgefragen sind präzise formuliert, erzeugen tatsächlich andere KI-Antworten und werden verglichen |
| 4 | Reflexion des Bias-Mechanismus | Lernende erklären, warum die KI diese Perspektive bevorzugt (Trainingsdaten-Argument) und formulieren Konsequenzen für ihren eigenen KI-Einsatz |
Variationen
- Fokus Sprachbias: Dieselbe Frage auf Englisch, Deutsch und einer nicht-europäischen Sprache eingeben und die Antworten vergleichen — Sprachbias ist besonders eindrücklich, wenn die Antworten inhaltlich divergieren.
- Für jüngere Klassen (Sek I): Zwei vorgefertigte KI-Antworten auf dasselbe Thema vergleichen, statt live nachzufragen — reduziert Komplexität und ermöglicht geführte Analyse.
- Erweiterung Sek II: Lernende recherchieren den Bias-Mechanismus (Trainingsdaten, RLHF) und schreiben einen kurzen Erklärtext als Hausaufgabe.
Grenzen
Socratic Debias eignet sich nicht für Themen ohne gesellschaftliche Perspektivität — bei naturwissenschaftlichen Sachfragen (z. B. „Wie funktioniert ein Elektromotor?") ist die Methode weniger ergiebig. Der Einsatz erfordert eine sichere Diskussionskultur: Wenn Lernende befürchten, Fehler zu machen oder als politisch eingeordnet zu werden, bleiben die Analysen oberflächlich. Ausserdem kann die Methode in die Irre führen, wenn Lernende jede KI-Antwort pauschal als biased ablehnen — das Ziel ist differenzierte Analyse, nicht generalisiertes Misstrauen.
Verwandt
- Hallucination Hunt — ähnliche Kritik-Haltung gegenüber KI-Output, Fokus aber auf Fakten statt Perspektiven
- Devil's Advocate — nutzt die KI als Gegenposition und trainiert Argumentationslogik in ähnlichem Kontext
- Quellen-Triangulation — ergänzt Perspektivanalyse durch Vergleich mehrerer KI-Systeme