Grundlagen der Künstlichen Intelligenz

Künstliche Intelligenz ist für Schüler abstrakt und schwer greifbar. Aktive Lernformate wie Experimente, Simulationen und Debatten machen die abstrakten Konzepte wie neuronale Netze oder Bias konkret erfahrbar. Durch das eigene Handeln im Unterricht erkennen die Schüler, dass KI nicht 'denkt', sondern Muster in Daten sucht und dass diese Muster oft menschliche Vorurteile widerspiegeln.

• Klasse 12
• Informatik Oberstufe: Von Algorithmen zur vernetzten Gesellschaft
• 3 Aktivitäten
• 45 Min.–60 Min.

Lernziele

1. Erklären Sie die Kernziele und grundlegenden Konzepte der Künstlichen Intelligenz, wie z.B. Problemlösung und Mustererkennung.
2. Analysieren Sie die historische Entwicklung der KI von regelbasierten Systemen zu modernen Ansätzen des maschinellen Lernens.
3. Vergleichen Sie die Funktionsweise von symbolischer KI und konnektionistischer KI (neuronale Netze).
4. Bewerten Sie die aktuellen Anwendungsbereiche und die ethischen Herausforderungen von KI-Systemen.
5. Identifizieren Sie Beispiele für Bias in KI-Systemen und deren potenzielle Auswirkungen.

Forschungskreis

⏱ 60 Min.·Kleingruppen

Forschungskreis: Den Bias aufspüren

In Kleingruppen testen Schüler verschiedene KI-Bildgeneratoren oder Text-KIs mit gezielten Prompts zu Berufen oder sozialen Rollen. Sie dokumentieren Klischees und diskutieren, wie diese durch die Trainingsdaten entstanden sein könnten.

Vorbereitung & Details

Erklären Sie die grundlegenden Konzepte und Ziele der Künstlichen Intelligenz.

Moderationstipp: Fordern Sie die Schüler auf, während der Simulation absichtlich falsche oder widersprüchliche Daten einzugeben, um zu zeigen, wie sich das auf das 'Lernverhalten' des neuronalen Netzes auswirkt.

Setup: Gruppentische mit Zugang zu Quellenmaterialien

Materials: Quellensammlung, Arbeitsblatt zum Forschungszyklus, Leitfaden zur Fragestellung, Vorlage für die Ergebnispräsentation

• Analysieren
• Bewerten
• Erschaffen
• Selbststeuerung
• Selbstwahrnehmung

Planspiel

⏱ 45 Min.·Ganze Klasse

Planspiel: Das menschliche Neuronale Netz

Schüler bilden Schichten eines neuronalen Netzes. Sie geben 'Signale' (Zahlen) weiter, multiplizieren sie mit 'Gewichten' (Zetteln) und versuchen gemeinsam, ein einfaches Muster zu erkennen, um den Rechenprozess zu visualisieren.

Vorbereitung & Details

Analysieren Sie die Entwicklung der KI von symbolischen Systemen zu maschinellem Lernen.

Moderationstipp: Bilden Sie gemischte Teams für die Debatte, die unterschiedliche Perspektiven vertreten, um eine ausgewogene Diskussion zu fördern.

Setup: Flexibler Raum für verschiedene Gruppenstationen

Materials: Rollenkarten mit Zielen und Ressourcen, Spielwährung oder Token, Rundenprotokoll

• Anwenden
• Analysieren
• Bewerten
• Erschaffen
• Sozialbewusstsein
• Entscheidungsfähigkeit

Debatte

⏱ 45 Min.·Kleingruppen

Debatte: Wer haftet für die KI?

Ein fiktiver Fall eines Unfalls mit einem autonomen Fahrzeug wird verhandelt. Schüler übernehmen Rollen (Programmierer, Besitzer, Gesetzgeber) und debattieren über Verantwortung und ethische Algorithmen.

Vorbereitung & Details

Beurteilen Sie die aktuellen Möglichkeiten und Grenzen von KI-Systemen.

Moderationstipp: Legen Sie vor der Untersuchung der Trainingsdaten fest, welche Bias-Indikatoren die Schüler konkret suchen sollen, z.B. ungleiche Geschlechterverteilung oder regionale Unterschiede.

Setup: Zwei sich gegenüberstehende Teams, Sitzplätze für das Publikum

Materials: Thesenkarte für die Debatte, Recherche-Dossier für jede Seite, Bewertungsbogen für das Publikum, Stoppuhr

• Analysieren
• Bewerten
• Erschaffen
• Selbststeuerung
• Entscheidungsfähigkeit

Dieses Thema unterrichten

Vermitteln Sie KI als Werkzeug, das menschliche Entscheidungen unterstützt, aber nicht ersetzt. Vermeiden Sie den Eindruck, KI sei 'intelligent' im menschlichen Sinne. Nutzen Sie Alltagsbeispiele wie Spam-Filter oder Empfehlungssysteme, um abstrakte Konzepte zu veranschaulichen. Betonen Sie stets die Rolle der Trainingsdaten und die Verantwortung der Entwickler für Bias und Fehler.

Was Sie erwartet

Erfolgreiches Lernen zeigt sich darin, dass die Schülerinnen und Schüler die grundlegenden Prinzipien maschinellen Lernens erklären können und kritisch über ethische Implikationen diskutieren. Sie sollen zwischen symbolischer KI und maschinellem Lernen unterscheiden und die Grenzen von KI-Systemen realistisch einschätzen können.

Vorsicht vor diesen Fehlvorstellungen

Häufige Fehlvorstellung

Während der Simulation 'Das menschliche Neuronale Netz' entsteht oft der Eindruck, KI 'verstehe' die Welt so wie ein Mensch.

Was Sie stattdessen lehren sollten

Nutzen Sie die Phase der absichtlichen Fehleingabe in der Simulation, um zu betonen, dass das System nur statistische Zusammenhänge erkennt und keine Bedeutung 'versteht'. Lassen Sie die Schüler beschreiben, warum das System auf unsinnige Eingaben trotzdem scheinbar logische Antworten generiert.

Häufige Fehlvorstellung

Während der 'Collaborative Investigation: Den Bias aufspüren' wird häufig angenommen, KI-Entscheidungen seien immer objektiv, weil sie von einem Computer stammen.

Was Sie stattdessen lehren sollten

Konkretisieren Sie die Diskussion durch die Analyse realer Datensätze in der Aktivität. Fordern Sie die Schüler auf, nach offensichtlichen Verzerrungen zu suchen und zu diskutieren, wie diese die Ergebnisse beeinflussen. Zeigen Sie z.B. einen Bewerbungsdatensatz mit ungleicher Geschlechterverteilung.

Ideen zur Lernstandserhebung

Lernstandskontrolle

Nach der Simulation 'Das menschliche Neuronale Netz' erhalten die Schülerinnen und Schüler die Aufgabe, auf einem Zettel zwei Hauptunterschiede zwischen symbolischer KI und maschinellem Lernen zu notieren. Zusätzlich sollen sie ein aktuelles Beispiel für eine KI-Anwendung nennen und kurz erläutern, welche Daten dafür benötigt werden.

Diskussionsfrage

Während der strukturierten Debatte 'Wer haftet für die KI?' stellen Sie die Frage: 'Welche ethischen Bedenken ergeben sich, wenn KI-Systeme Entscheidungen treffen, die Menschen direkt betreffen (z.B. Kreditvergabe, Bewerbungsauswahl)?' Die Schülerinnen und Schüler diskutieren in Kleingruppen und stellen ihre wichtigsten Diskussionspunkte im Plenum vor.

Kurze Überprüfung

Nach der 'Collaborative Investigation: Den Bias aufspüren' präsentieren Sie drei kurze Szenarien (z.B. ein Schachcomputer, ein Spam-Filter, ein autonomes Fahrzeug). Die Schülerinnen und Schüler sollen für jedes Szenario kurz begründen, ob es sich primär um regelbasierte KI oder maschinelles Lernen handelt und warum.

Erweiterungen & Unterstützung

• Fordern Sie leistungsstarke Schüler auf, ein eigenes Mini-KI-Modell mit Scratch oder Python zu entwickeln, das einfache Muster erkennt und deren Limitationen zu erklären.
• Für Schüler mit Schwierigkeiten bereiten Sie eine vorbereitete Tabelle vor, in der sie die Trainingsdaten eines einfachen Klassifikators analysieren und die Gewichte selbst berechnen können.
• Vertiefen Sie mit einer Analyse aktueller KI-Anwendungen in der Schule, z.B. wie der Schulassistent funktioniert und welche Daten dafür genutzt werden.

Schlüsselvokabular

Künstliche Intelligenz (KI)	Ein Teilgebiet der Informatik, das sich mit der Schaffung von Systemen befasst, die Aufgaben ausführen können, welche typischerweise menschliche Intelligenz erfordern.
Maschinelles Lernen (ML)	Ein Ansatz der KI, bei dem Systeme aus Daten lernen, Muster erkennen und Vorhersagen treffen, ohne explizit dafür programmiert zu werden.
Neuronales Netz	Ein Modell, das von der Struktur und Funktion biologischer neuronaler Netze inspiriert ist und aus miteinander verbundenen künstlichen Neuronen besteht, die Informationen verarbeiten.
Trainingsdaten	Datensätze, die verwendet werden, um ein KI-Modell zu trainieren, damit es Muster und Zusammenhänge lernen kann.
Bias (Verzerrung)	Systematische Fehler oder Vorurteile in Daten oder Algorithmen, die zu ungerechten oder diskriminierenden Ergebnissen führen können.