Informatik · Klasse 10

Ideen für aktives Lernen

Neuronale Netze

Aktive Lernmethoden eignen sich besonders gut, weil Schülerinnen und Schüler die abstrakten Konzepte neuronaler Netze durch haptische und digitale Erfahrungen greifbar machen. Die Kombination aus physischen Modellen und digitalen Tools fördert sowohl das Verständnis der mathematischen Grundlagen als auch die Reflexion über ethische Implikationen. So wird das abstrakte Thema für alle Lernenden zugänglich und nachvollziehbar.

KMK BildungsstandardsKMK: STD.07KMK: STD.19

30–45 Min.Partnerarbeit → Ganze Klasse4 Aktivitäten

Aktivität 01

Planspiel45 Min. · Kleingruppen

Planspiel: Einfaches Netz mit Karten

Gruppen erhalten Karten als Neuronen und Gewichte als Zahlen. Sie bauen ein Netz für logische Operationen wie AND, propagieren Eingaben vorwärts und passen Gewichte nach Fehlern an. Jede Gruppe präsentiert ihr trainiertes Netz.

Wie lernt eine Maschine ohne explizite Programmierung?

ModerationstippLegen Sie für die Simulation mit Karten eine klare Schritt-für-Schritt-Anleitung bereit, die auch schwächere Schüler durch den Prozess führt.

Worauf zu achten istDie Schülerinnen und Schüler erhalten eine Karteikarte mit einem Szenario (z.B. Bilderkennung, Spracherkennung). Sie sollen eine kurze Erklärung schreiben, welche Art von Daten für das Training benötigt werden und wie ein Bias in diesen Daten zu problematischen Ergebnissen führen könnte.

AnwendenAnalysierenBewertenErschaffenSozialbewusstseinEntscheidungsfähigkeit

Komplette Unterrichtsstunde erstellen

Aktivität 02

Planspiel30 Min. · Partnerarbeit

Bias-Übung: Dataset-Analyse

Paare erhalten zwei Datasets mit Bildern (z. B. Sportler), eines biased nach Geschlecht. Sie trainieren ein simples Modell online und vergleichen Vorhersagen. Diskussion folgt über Datenqualität.

Welche Rolle spielen Trainingsdaten für die Vorurteilsfreiheit?

ModerationstippFordern Sie die Schüler auf, bei der Bias-Übung konkrete Beispiele aus ihrem Alltag einzubringen, um die Relevanz zu erhöhen.

Worauf zu achten istStellen Sie den Schülerinnen und Schülern eine vereinfachte Darstellung eines neuronalen Netzes mit wenigen Neuronen und Gewichten. Lassen Sie sie die Vorwärtspropagation für eine gegebene Eingabe berechnen und das Ergebnis mit einer erwarteten Ausgabe vergleichen.

AnwendenAnalysierenBewertenErschaffenSozialbewusstseinEntscheidungsfähigkeit

Komplette Unterrichtsstunde erstellen

Aktivität 03

Planspiel40 Min. · Einzelarbeit

Tool-Training: Teachable Machine

Individuell web-basiertes Tool nutzen, um ein Netz für Gesten zu trainieren. Schüler testen mit neuen Daten und notieren Erfolgsraten. Gemeinsame Reflexion zu Trainingsdaten.

Wo liegen die Grenzen algorithmischer Entscheidungen?

ModerationstippBeobachten Sie während des Rollenspiels zur Entscheidungsgrenze, ob die Schüler die mathematische Komponente mit der ethischen Diskussion verbinden können.

Worauf zu achten istDiskutieren Sie in Kleingruppen: 'Wo liegen die ethischen Grenzen, wenn wir Maschinen Entscheidungen treffen lassen, die Menschen betreffen?' Geben Sie Beispiele wie Kreditvergabe oder Strafmaß und lassen Sie die Schüler die Rolle von Trainingsdaten und Algorithmen bewerten.

AnwendenAnalysierenBewertenErschaffenSozialbewusstseinEntscheidungsfähigkeit

Komplette Unterrichtsstunde erstellen

Aktivität 04

Rollenspiel35 Min. · Ganze Klasse

Rollenspiel: Entscheidungsgrenze

Klassen in Rollen teilen: Netz, Daten, Entscheider. Sie simulieren Vorhersagen mit biased Input und debattieren Grenzen. Protokoll der Diskussion erstellen.

Wie lernt eine Maschine ohne explizite Programmierung?

ModerationstippBegleiten Sie die Teachable-Machine-Aktivität mit gezielten Fragen, um sicherzustellen, dass alle die Zusammenhänge zwischen Eingabe, Verarbeitung und Ausgabe verstehen.

AnwendenAnalysierenBewertenSozialbewusstseinSelbstwahrnehmung

Komplette Unterrichtsstunde erstellen

Vorlagen

Vorlagen, die zu diesen Informatik-Aktivitäten passen

Nutzen, bearbeiten, drucken oder teilen.

UnterrichtsplanMINTEine MINT Vorlage, die auf dem Engineering Design Process basiert. Sie integriert Mathematik, Informatik, Naturwissenschaft und Technik durch reale Herausforderungen, die Lernende untersuchen und lösen.Unterrichtsplan

Einige Hinweise zum Unterrichten dieser Einheit

Erfahrene Lehrkräfte beginnen mit haptischen Modellen, um die abstrakte Struktur neuronaler Netze zu veranschaulichen. Anschließend wechseln sie zu digitalen Tools, um praktische Erfahrungen zu sammeln. Wichtig ist, immer wieder die Verbindung zwischen der mathematischen Ebene und der realen Anwendung herzustellen. Vermeiden Sie reine Theorieblöcke, da Schüler hier schnell den Bezug zur Praxis verlieren. Nutzen Sie Fehlermeldungen und unerwartete Ergebnisse als Lerngelegenheiten, um die Denkprozesse der Schüler zu fördern.

Am Ende der Einheit können die Schülerinnen und Schüler die Struktur eines neuronalen Netzes erklären, Vorwärtspropagation und Backpropagation auf einfache Beispiele anwenden und kritisch über die Grenzen und Risiken von KI-Systemen diskutieren. Sie erkennen die Bedeutung von Trainingsdaten und identifizieren mögliche Verzerrungen in Algorithmen.

Vorsicht vor diesen Fehlvorstellungen

Während der Simulation mit Karten werden einige Schüler die künstlichen Neuronen mit menschlichen Gehirnzellen vergleichen.
Führen Sie in der anschließenden Reflexionsphase eine Gegenüberstellung durch: Lassen Sie die Schüler auflisten, welche Merkmale des Gehirns das Modell nachahmt und welche fehlen. Betonen Sie, dass das Modell rein mathematisch funktioniert und kein Bewusstsein hat.
Während der Bias-Übung mit Dataset-Analyse könnten Schüler annehmen, dass mehr Daten immer zu besseren Ergebnissen führen.
Lenken Sie die Aufmerksamkeit der Schüler auf die Qualität der Daten: Lassen Sie sie in der Gruppe diskutieren, warum bestimmte Datensätze trotz großer Menge zu schlechten Ergebnissen führen können. Fordern Sie sie auf, Kriterien für gute Trainingsdaten zu entwickeln.
Während des Rollenspiels zur Entscheidungsgrenze könnten Schüler annehmen, dass KI-Systeme neutrale und objektive Entscheidungen treffen.
Nutzen Sie die Debatte nach dem Rollenspiel, um gezielt nach Beispielen zu fragen, in denen Trainingsdaten subjektive Werte enthalten. Lassen Sie die Schüler überlegen, wie diese Werte die Entscheidungen der KI beeinflussen.

In dieser Übersicht verwendete Methoden

Mehr in Künstliche Intelligenz und Ethik

Grundlagen Künstlicher Intelligenz

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

3 methodologies

Ethik und Bias in KI-Systemen

Die Schülerinnen und Schüler diskutieren über Verantwortung, Transparenz und die Vermeidung von Vorurteilen in der KI.

3 methodologies

Zukunft der Arbeit durch KI

Die Schülerinnen und Schüler reflektieren die Auswirkungen von Automatisierung und KI auf den Arbeitsmarkt.

3 methodologies

Deepfakes und Wahrheit

Die Schülerinnen und Schüler analysieren die Gefahren durch KI-generierte Medien für die Demokratie und Meinungsbildung.

3 methodologies

KI in der Medizin

Die Schülerinnen und Schüler diskutieren die Chancen und Herausforderungen der computergestützten Diagnose und Therapie.

3 methodologies