Informatik · Klasse 10 · Künstliche Intelligenz und Ethik · 2. Halbjahr

Grundlagen Künstlicher Intelligenz

Die Schülerinnen und Schüler erhalten eine Einführung in die verschiedenen Bereiche der KI und deren historische Entwicklung.

• KMK Bildungsstandards
• KMK: STD.07
• KMK: STD.19

Über dieses Thema

Die Grundlagen Künstlicher Intelligenz führen Schülerinnen und Schüler in die vielfältigen Bereiche der KI ein und beleuchten deren historische Entwicklung. Sie erkunden, wie die Definition von Intelligenz im KI-Kontext von frühen Turing-Tests bis zu modernen lernenden Systemen gewandelt ist. Zentrale Ansätze wie regelbasierte Systeme und maschinelles Lernen werden vorgestellt, mit Fokus auf den Vergleich symbolischer KI, die auf expliziten Regeln und Logik basiert, und konnektionistischer KI, die neuronale Netze nutzt, um aus Daten zu lernen.

Im Rahmen des KMK-Standards STD.07 und STD.19 verbindet dieses Thema theoretische Informatik mit ethischen Implikationen. Schülerinnen und Schüler analysieren Anwendungsgebiete: Symbolische KI eignet sich für Schachprogramme mit festen Regeln, während konnektionistische Ansätze Bilderkennung oder Sprachmodelle dominieren. Solche Vergleiche fördern systemisches Denken und bereiten auf spätere Einheiten zu Ethik vor.

Aktives Lernen eignet sich hervorragend, da abstrakte Konzepte durch praktische Modelle greifbar werden. Wenn Schülerinnen und Schüler Zeitstrahlen erstellen oder einfache Netze simulieren, festigen sie Verständnis und entdecken Parallelen zu Alltagsanwendungen selbstständig. Kollaborative Diskussionen klären Missverständnisse und machen den historischen Wandel lebendig.

Leitfragen

1. Wie hat sich die Definition von Intelligenz im Kontext der KI über die Zeit verändert?
2. Welche grundlegenden Ansätze verfolgt die KI, um menschenähnliche Fähigkeiten zu simulieren?
3. Vergleichen Sie symbolische KI mit konnektionistischer KI hinsichtlich ihrer Funktionsweise und Anwendungsgebiete.

Lernziele

• Vergleichen Sie die Funktionsweise und Anwendungsgebiete der symbolischen KI mit der konnektionistischen KI.
• Erläutern Sie die historische Entwicklung der Definition von Intelligenz im Kontext der Künstlichen Intelligenz.
• Identifizieren Sie grundlegende Ansätze der KI zur Simulation menschenähnlicher Fähigkeiten.
• Analysieren Sie die Stärken und Schwächen verschiedener KI-Ansätze anhand konkreter Beispiele.

Bevor es losgeht

Grundlagen der Algorithmik

Warum: Ein Verständnis für die schrittweise Problemlösung durch Algorithmen ist notwendig, um die Funktionsweise von regelbasierten Systemen in der symbolischen KI nachvollziehen zu können.

Einführung in Datenstrukturen

Warum: Grundkenntnisse über die Organisation und Verarbeitung von Daten sind hilfreich, um die Funktionsweise von Lernalgorithmen in der konnektionistischen KI zu verstehen.

Schlüsselvokabular

Symbolische KI	Ein Ansatz der KI, der Wissen explizit durch Regeln, Logik und Symbole repräsentiert, um Schlussfolgerungen zu ziehen. Beispiele sind Expertensysteme.
Konnektionistische KI	Ein Ansatz der KI, der auf künstlichen neuronalen Netzen basiert und lernt, indem er Muster in Daten erkennt und Verbindungen zwischen Neuronen anpasst. Beispiele sind Deep-Learning-Modelle.
Turing-Test	Ein Test, der entwickelt wurde, um die Fähigkeit einer Maschine zu beurteilen, eine menschenähnliche Intelligenz zu zeigen, indem sie mit einem Menschen in natürlicher Sprache kommuniziert.
Maschinelles Lernen	Ein Teilbereich der KI, der es Systemen ermöglicht, aus Daten zu lernen und sich zu verbessern, ohne explizit programmiert zu werden. Es ist die Grundlage für viele moderne KI-Anwendungen.

Vorsicht vor diesen Fehlvorstellungen

Häufige Fehlvorstellung

KI ist gleich menschlicher Intelligenz.

Was Sie stattdessen lehren sollten

KI simuliert spezifische Fähigkeiten, nicht allgemeine Intelligenz. Aktive Vergleiche in Rollenspielen zeigen Grenzen auf, da Schülerinnen und Schüler eigene Entscheidungsprozesse mit KI vergleichen und Lücken entdecken.

Häufige Fehlvorstellung

Symbolische KI ist veraltet und nutzlos.

Was Sie stattdessen lehren sollten

Symbolische Ansätze ergänzen konnektionistische in hybriden Systemen. Tabellenarbeit hilft, da Gruppen reale Anwendungen sammeln und Hybridmodelle erörtern, was Vorurteile abbaut.

Häufige Fehlvorstellung

Konnektionistische KI lernt ohne Regeln.

Was Sie stattdessen lehren sollten

Sie folgt Algorithmen und benötigt Trainingsdaten. Simulationen verdeutlichen dies, wenn Schülerinnen und Schüler Netze manuell trainieren und den regelbasierten Unterbau erkennen.

Ideen für aktives Lernen

Zeitstrahl-Workshop: Geschichte der KI

Teilen Sie die Klasse in Gruppen auf und weisen Sie Epochen zu, von Alan Turing bis Deep Learning. Jede Gruppe recherchiert Meilensteine, erstellt Plakate mit Definitionen von Intelligenz und präsentiert. Schließen Sie mit einer Klassenタイムライン ab.

45 Min.·Kleingruppen

Vergleichs-Tabelle: Symbolisch vs. Konnektionistisch

Paare füllen Tabellen mit Funktionsweise, Stärken, Schwächen und Beispielen aus. Ergänzen Sie durch Brainstorming gängiger Anwendungen. Diskutieren Sie in Plenum Unterschiede.

30 Min.·Partnerarbeit

Rollenspiel: KI-Entscheidungen

Gruppen simulieren symbolische (regelbasierte) und konnektionistische (datenbasierte) Entscheidungen in Szenarien wie Autofahren. Protokollieren Vor- und Nachteile, präsentieren Ergebnisse.

50 Min.·Kleingruppen

Quiz-Runde: KI-Definitionen

Ganzklassig: Teams beantworten Fragen zur Entwicklung von Intelligenz-Definitionen. Nutzen Sie Kahoot oder Karten. Belohnen Sie mit Diskussionsrunden zu offenen Fragen.

35 Min.·Ganze Klasse

Bezüge zur Lebenswelt

• In der medizinischen Diagnostik werden symbolische KI-Systeme eingesetzt, um Ärzte bei der Erkennung von Krankheiten auf Basis von Symptomen und Patientendaten zu unterstützen, ähnlich wie ein erfahrener Diagnostiker.
• Autonome Fahrzeuge nutzen konnektionistische KI, insbesondere neuronale Netze, um ihre Umgebung wahrzunehmen, Objekte zu erkennen und Fahrentscheidungen in Echtzeit zu treffen, basierend auf den Daten von Kameras und Sensoren.
• Sprachassistenten wie Siri oder Alexa verwenden eine Kombination aus symbolischen und konnektionistischen Ansätzen, um gesprochene Sprache zu verstehen, Anfragen zu verarbeiten und passende Antworten zu generieren.

Ideen zur Lernstandserhebung

Lernstandskontrolle

Die Schülerinnen und Schüler erhalten eine Karte mit einem KI-Anwendungsfall (z.B. Schachcomputer, Bilderkennung). Sie sollen auf der Rückseite notieren, ob dieser Fall eher symbolische oder konnektionistische KI nutzt und kurz begründen, warum.

Diskussionsfrage

Lehrerfrage: 'Stellen Sie sich vor, Sie entwickeln eine KI, die juristische Texte analysiert. Welche KI-Ansätze wären hierfür besonders geeignet und warum? Welche Herausforderungen könnten auftreten?' Die Schülerinnen und Schüler diskutieren in Kleingruppen und präsentieren ihre Ergebnisse.

Kurze Überprüfung

Der Lehrer präsentiert eine kurze historische Entwicklung der KI-Definition auf Folie. Die Schülerinnen und Schüler sollen auf einem Blatt Papier die wichtigsten Meilensteine oder Veränderungen in der Definition von Intelligenz in eigenen Worten zusammenfassen.

Häufig gestellte Fragen

Was ist der Unterschied zwischen symbolischer und konnektionistischer KI?

Symbolische KI basiert auf expliziten Regeln und Logik, wie in Expertensystemen für Diagnosen. Konnektionistische KI nutzt neuronale Netze, die aus Daten lernen, ideal für Mustererkennung wie Spracherkennung. Der Vergleich fördert Verständnis für Stärken: Symbolik für transparente Entscheidungen, Konnektionismus für Skalierbarkeit. Praktische Tabellen machen dies anschaulich.

Wie hat sich die Definition von Intelligenz in der KI verändert?

Frühe Definitionen, wie Turings Imitationstest, fokussierten Verhalten. Heute betont maschinelles Lernen adaptive Fähigkeiten. Historische Zeitstrahlen zeigen diesen Wandel von regelbasiert zu datengetrieben, was Schülerinnen und Schüler mit aktuellen Modellen wie ChatGPT verknüpfen.

Wie kann aktives Lernen das Verständnis von KI-Grundlagen vertiefen?

Aktive Methoden wie Rollenspiele und Simulationen machen abstrakte Ansätze erfahrbar. Schülerinnen und Schüler modellieren neuronale Netze mit Karten oder vergleichen Regeln in Szenarien, was Missverständnisse klärt. Kollaborative Präsentationen stärken Argumentation und verbinden Geschichte mit Praxis, für bleibendes Wissen.

Welche Anwendungsgebiete haben symbolische und konnektionistische KI?

Symbolische KI glänzt in logikbasierten Bereichen wie Rechtsberatung oder Spiele. Konnektionistische dominiert Bild- und Sprachverarbeitung. Hybride Systeme kombinieren beides, z. B. in Medizin. Gruppenrecherche deckt Vielfalt auf und sensibilisiert für ethische Aspekte.