Large Language Models (LLMs) revolutionieren auch die geschichtswissenschaftliche Arbeit, bringen aber für Historiker:innen erhebliche Probleme mit sich: Halluzinationen, fehlende Quellenangaben und unerkennbare Biases machen sie für quellenkritische Arbeit oft ungeeignet. Retrieval-Augmented Generation (RAG) bietet eine Lösung, indem LLMs mit spezifischen, überprüfbaren Quellen verknüpft werden. Wir stellen ein methodisch-informiertes RAG-System vor, das für geschichtswissenschaftliche Anforderungen entwickelt wurde. Am Beispiel des digitalisierten SPIEGEL-Archivs (für die Jahre 1949-1979) demonstrieren wir, wie sich komplexe historische Fragen systematisch bearbeiten lassen. Das System ermöglicht dabei die Erschließung von Quellen, die durch regelbasierte Datenbanksuchen übersehen würden, und bietet eine Skalierbarkeit der Analyse, die mit traditionellen Methoden nicht erreichbar wäre.