Source Tracing trainiert eine der wichtigsten Einzelkompetenzen im Umgang mit KI: die Bereitschaft und Fähigkeit, jede genannte Quelle zu verifizieren. KI-Systeme erfinden Quellenangaben mit erschreckender Selbstverständlichkeit — ein Autorenname, ein Titel, eine Jahreszahl, alles plausibel, alles falsch. Wer das einmal selbst nachweist, wird nie wieder eine KI-Quellenangabe unhinterfragt übernehmen.
Worum es geht
Die Methode liegt im Kern der Methodenkompetenz des Lehrplan 21: Quellenarbeit, Informationsbewertung und kritisches Denken. Sie ist ausserdem eine direkte Vorbereitung auf wissenschaftliches Arbeiten, bei dem Quellenintegrität als Grundvoraussetzung gilt. Die Erkenntnis, dass bis zu 30 % der von KI genannten Quellen erfunden sein können, ist für viele Lernende ein Wendepunkt in ihrer KI-Nutzung — nicht als moralisches Urteil über KI, sondern als nüchternes Wissen über deren Limitationen.
Lernziele
- Eine KI systematisch nach Quellen zu einem Fachthema befragen und die genannten Quellen dokumentieren
- Jede einzelne Quelle anhand von drei Kriterien prüfen: Existiert die Publikation? Existiert der Autor? Stimmt der zitierte Inhalt mit dem Original überein?
- Den Anteil erfundener und korrekt zitierter Quellen berechnen und dokumentieren
- Stilistische Merkmale benennen, die erfundene KI-Quellen von echten unterscheiden
- Decision-Mode: accompany — die KI wird begleitend zur Recherche genutzt, der eigentliche Wert entsteht durch die Verifikationsarbeit
Voraussetzungen
- Klassenstufe: Sek II, Gymnasium, Berufsmaturität, Hochschule
- Vorwissen: Grundlegende Bibliotheksrecherche (Datenbankzugang, Google Scholar); Verständnis, was eine Primärquelle ist
- Tool-Anforderungen: Zugang zu einer KI (die Quellen nennt oder auf Anfrage nennt); Zugang zu einer Literaturdatenbank (Google Scholar, JSTOR, swisscovery oder Kantonsbibliothek)
- Datenschutz: Fachthemen ohne personenbezogenen Bezug; keine medizinischen oder persönlichen Daten als Prompt-Inhalt verwenden
Ablauf
-
Recherchefrage und KI-Abfrage (10 Min.): Lernende wählen ein Fachthema und formulieren eine Recherchefrage (z. B. „Welche Studien belegen den Zusammenhang zwischen digitalem Lernen und Lernerfolg?"). Diese Frage wird in die KI eingegeben mit dem expliziten Zusatz: „Nenne mir 5–7 relevante Studien oder Quellen mit Autor, Titel, Jahr und kurzer Beschreibung."
-
Quellenliste dokumentieren (5 Min.): Die von der KI genannten Quellen werden in eine Liste übertragen. Noch keine Bewertung — nur Dokumentation: Autorenname, Titel, Jahr, Verlag oder Zeitschrift, kurze Inhaltsbeschreibung laut KI.
-
Systematische Verifikation (20 Min.): Jede Quelle wird in drei Schritten geprüft:
- Schritt A — Existenz der Publikation: Ist der Titel in Google Scholar, JSTOR oder swisscovery findbar?
- Schritt B — Existenz des Autors: Hat der Autor andere publizierte Arbeiten? Ist er an einer Institution?
- Schritt C — Inhaltliche Korrektheit: Wenn die Quelle existiert: Stimmt die Beschreibung der KI mit dem tatsächlichen Inhalt überein? (Kurzes Abstract lesen reicht.)
Jede Quelle erhält eine Klassifikation: Echt & korrekt / Echt & falsch beschrieben / Nicht auffindbar (möglicherweise erfunden) / Eindeutig erfunden.
-
Auswertung und Reflexion (5–10 Min.): Lernende berechnen den Anteil jeder Kategorie. Diskussion: Welche Quellen klangen am überzeugendsten und waren trotzdem erfunden? Was waren die Erkennungsmerkmale? Gab es Muster?
-
„Tells" sammeln: Als Abschluss eine Liste von Merkmalen, an denen erfundene KI-Quellen erkennbar sein können: sehr generische Zeitschriftentitel, Jahreszahlen an den Rändern (vor 1990 oder nach 2023), Autoren ohne eigene Web-Präsenz, Titeln die zu perfekt zur Frage passen.
Vorlage
| Nr. | Quelle (KI-Angabe) | Publikation auffindbar? | Autor verifiziert? | Inhalt korrekt? | Klassifikation |
|---|---|---|---|---|---|
| 1 | Smith, J. (2021). Digital Learning Outcomes. Journal of Educational Technology, 15(3). | Nein | Nein (kein Treffer in Google Scholar) | — | Erfunden |
| 2 | Hattie, J. (2009). Visible Learning. Routledge. | Ja | Ja (John Hattie, Melbourne) | Ja — aber KI-Beschreibung zu spezifisch für Digitales Lernen | Echt, aber falsch beschrieben |
| 3 | OECD (2023). Education at a Glance. | Ja | — (Organisation) | Teilweise | Echt & überwiegend korrekt |
Bewertungs-Rubrik
| Stufe | Kriterium | Beobachtbar an |
|---|---|---|
| 1 | Liste erstellt | Quellen sind dokumentiert, aber keine oder nur oberflächliche Verifikation |
| 2 | Verifikation für alle Quellen | Alle drei Schritte (Publikation, Autor, Inhalt) für jede Quelle durchgeführt, Klassifikation vergeben |
| 3 | Anteil berechnet und eingeordnet | Prozentualer Anteil erfundener Quellen berechnet; Einschätzung, ob das typisch oder untypisch für dieses Thema erscheint |
| 4 | Erkennungsmerkmale formuliert | Lernende beschreiben spezifische Tells erfundener Quellen, die über diese eine Abfrage hinaus anwendbar sind |
Variationen
- Kombination mit Schreibauftrag: Lernende schreiben einen kurzen Aufsatz mit KI-Unterstützung und verifizieren alle verwendeten Quellen — Source Tracing als integrierter Schritt im Schreibprozess.
- Für Sek I (mit Unterstützung): Lehrperson stellt eine vorbereitete KI-Quellenliste bereit; Lernende prüfen nur 3 Quellen anhand Schritt A (Existenz).
- Vergleich mit Perplexity: Perplexity zeigt Quellen-Links direkt an — Vergleich zwischen Perplexity-Quellen (klickbar) und ChatGPT-Quellen (oft erfunden) macht den Unterschied sehr konkret sichtbar.
Grenzen
Source Tracing ist zeitintensiv und setzt Bibliotheks- bzw. Datenbankzugang voraus. An Schulen ohne Literaturwerkzeuge muss die Lehrperson den Datenbankzugang vorbereiten oder die Methode auf Google-Scholar-Verifikation beschränken. Ausserdem prüft die Methode primär formale Quellenqualität — ob eine Quelle existiert, sagt wenig darüber aus, ob sie methodisch solide ist. Source Tracing ist keine vollständige Quellenkritik, sondern deren erste Stufe.
Verwandt
- Hallucination Hunt — komplementär: dort inhaltliche Fehler in Text, hier strukturelle Fehler in Quellenangaben
- Quellen-Triangulation — übergeordnete Perspektive: mehrere KI-Systeme statt mehrerer Quellen
- Warum-Protokoll — kann ergänzend eingesetzt werden, um den eigenen Umgang mit verifizierten vs. nicht verifizierten Quellen zu protokollieren