Lernen · Modell A

Counterfactual Builder

Lernende nutzen KI als Szenario-Generator für Was-wäre-wenn-Fragen und prüfen die Plausibilität der Szenarien mit eigener Recherche.

Stand
2026-04-30
Lesedauer
60 min
Zielgruppe
Lehrpersonen

Der Counterfactual Builder nutzt die Stärke von KI-Systemen — schnell alternative Szenarien zu generieren — als Lernwerkzeug für Kausalanalyse. Lernende stellen eine Was-wäre-wenn-Frage, erhalten drei Szenarien von der KI und prüfen anschliessend jedes Szenario auf Plausibilität: Welche Annahmen stecken darin? Wo bricht die Logik? Was lernen wir über das Origial durch den Vergleich mit den Alternativen?

Worum es geht

Counterfactual-Denken ist ein zentrales Werkzeug des historischen, politischen und naturwissenschaftlichen Denkens: Kausalzusammenhänge werden erst sichtbar, wenn man systematisch fragt, was ohne bestimmte Ursachen passiert wäre. Die Methode trainiert Sachkompetenz (Kausallogik im jeweiligen Fach) und Methodenkompetenz (Argumentation, Plausibilitätsprüfung). Die KI übernimmt die rechenintensive Kreativarbeit der Szenariogenerierung; die eigentliche Lernleistung liegt im kritischen Prüfen.

Lernziele

  • Eine kontrafaktische Frage zu einem Fachthema formulieren, die eine kausale Aussage enthält
  • KI-generierte Szenarien auf ihre Prämissen hin analysieren und jede Prämisse als plausibel oder nicht plausibel bewerten
  • Den Erkenntnisgewinn des Counterfactual-Verfahrens für das Verständnis der tatsächlichen historischen oder wissenschaftlichen Situation begründen
  • Decision-Mode: allow — die KI arbeitet als Szenario-Generator und Sparringpartner

Voraussetzungen

  • Klassenstufe: Sek I ab 9. Klasse (mit Unterstützung), Sek II, Gymnasium
  • Vorwissen: Fachliches Grundverständnis des Themas, das im Counterfactual untersucht wird; Grundkenntnisse in Argumentationsstruktur
  • Tool-Anforderungen: Zugang zu einem KI-Tool mit freiem Textmodus; für Sek II empfehlenswert ein Modell mit grösserem Kontext (Claude oder GPT-4o)
  • Datenschutz: Keine personenbezogenen Daten; rein fachliche Fragestellungen

Ablauf

  1. Frage formulieren (10 Min.): Lernende formulieren in Zweiergruppen eine kontrafaktische Frage zu einem aktuellen Unterrichtsthema. Beispiele: „Was wäre, wenn das Attentat von Sarajewo 1914 gescheitert wäre?", „Was wäre, wenn Mendel seine Erbsenexperimente 30 Jahre früher veröffentlicht hätte?", „Was wäre, wenn die Industrialisierung zuerst in China statt in England begonnen hätte?" Lehrperson prüft, ob die Frage kausale Substanz hat.

  2. Szenarien generieren (10 Min.): Die kontrafaktische Frage wird in die KI eingegeben mit dem Zusatz: „Generiere drei unterschiedliche Szenarien — eines konservativ, eines radikal, eines überraschend." Lernende lesen die drei Szenarien durch.

  3. Prämissen-Analyse (15 Min.): Für jedes Szenario wird eine Prämissen-Liste erstellt: Welche Annahmen muss das Szenario treffen, damit es funktioniert? Lernende markieren diese Annahmen und prüfen sie gegen eigenes Vorwissen oder schnelle Recherche: „Das Szenario setzt voraus, dass Österreich-Ungarn ohne Sarajewo keinen anderen Kriegsanlass gesucht hätte — ist das plausibel?"

  4. Plausibilitätsbewertung (15 Min.): Lernende bewerten jedes Szenario mit einer Skala (1 = sehr unplausibel, 4 = gut begründbar) und begründen schriftlich. Nicht die Kreativität des Szenarios zählt, sondern die Qualität der Begründung.

  5. Schlussreflexion (10 Min.): Gemeinsame Diskussion: Was haben wir über die Kausalstruktur des Originals durch die Szenarien gelernt? Welche Faktoren erweisen sich als besonders zentral, weil ihre Abwesenheit die grössten Unterschiede erzeugt?

Vorlage

SzenarioKernprämisseIst die Prämisse plausibel?Begründung
Konservativ: Krieg verzögert sich um 5 JahreNationalismus und Bündnissystem bleiben gleichTeilweise plausibelDie strukturellen Ursachen (Wettrüsten, Bündnisse) bestanden unabhängig vom Attentat.
Radikal: Kein Erster WeltkriegÖsterreich-Ungarn hätte die Krise diplomatisch gelöstWenig plausibelDie Julikrise zeigte, dass keine der Grossmächte zur Deeskalation bereit war.
Überraschend: Revolution in Deutschland zuerstInnenpolitische Spannung entlädt sich ohne Kriegsdruck andersSpekulativ, interessantInteressante These, aber schwer zu belegen; KI nennt keine Quellen.

Bewertungs-Rubrik

StufeKriteriumBeobachtbar an
1Szenarien zusammengefasstLernende beschreiben die KI-Szenarien, ohne eigene Bewertung
2Prämissen benanntMindestens eine Kernprämisse pro Szenario wird korrekt identifiziert
3Prämissen bewertetBewertungen sind inhaltlich begründet, referenzieren Fachinhalt oder Quellen
4Kausalstruktur erschlossenSchlussreflexion zeigt, was das Counterfactual-Verfahren über das Original gelehrt hat — welche Ursachen als zentral gelten können

Variationen

  • Naturwissenschaften: „Was wäre, wenn Sauerstoff nicht in der Atmosphäre entstanden wäre?" — KI generiert biologische Alternativszenarien, Lernende prüfen Plausibilität mit Wissen über Zellbiologie.
  • Wirtschaft/Geographie: „Was wäre, wenn die Schweiz EU-Mitglied geworden wäre?" — aktuell und diskursiv, regt politische Urteilskompetenz an.
  • Für Sek I: Nur ein Szenario (das konservative), dafür ausführlicher bearbeiten; Prämissen-Checkliste vorgeben statt selbst erarbeiten.

Grenzen

Counterfactual Builder eignet sich nicht für Themen ohne klare Kausalstruktur — rein descriptive Themen oder Definitionen geben kein Material für sinnvolle Szenarien. Die Qualität der KI-Szenarien variiert stark je nach Thema: Bei gut dokumentierten historischen Ereignissen sind die Szenarien differenziert, bei nischenspezifischen Themen können sie substanzlos sein. Ausserdem besteht die Gefahr, dass Lernende die Methode als „Kreativ-Spielerei" wahrnehmen — die Lehrperson muss den analytischen Anspruch klar kommunizieren und einfordern.

Verwandt

  • Socratic Debias — ähnliche Strukturierung von Perspektiven, aber auf Bias statt auf Kausalität ausgerichtet
  • Devil's Advocate — nutzt die KI ebenfalls als Argumentationspartner, aber in einem Debattenformat statt als Szenario-Generator
  • Concept Mapping — ergänzt die Kausalanalyse durch visuelle Strukturierung von Zusammenhängen