Informatik · Klasse 13

Ideen für aktives Lernen

Anwendungsfelder und Grenzen von KI

Aktives Lernen funktioniert hier besonders gut, weil Schülerinnen und Schüler durch direkte Interaktion mit KI-Systemen deren Stärken und Schwächen konkret erleben. Die Kombination aus praktischen Tests, Diskussionen und Reflexion ermöglicht es ihnen, abstrakte Konzepte wie Bias oder Halluzinationen greifbar zu machen.

KMK BildungsstandardsKMK: Sekundarstufe II - InformatiksystemeKMK: Sekundarstufe II - Informatik, Mensch und Gesellschaft
35–60 Min.Partnerarbeit → Ganze Klasse4 Aktivitäten

Aktivität 01

Expertenrunde45 Min. · Kleingruppen

Prompt-Engineering: LLM-Testen

Schüler erhalten Szenarien und erstellen Prompts für ein LLM wie ChatGPT. Sie vergleichen Ausgaben, identifizieren Halluzinationen und optimieren Prompts iterativ. Abschließend teilen Gruppen Erkenntnisse.

Können Maschinen jemals echtes Verständnis oder Bewusstsein entwickeln?

ModerationstippFordern Sie die Schüler auf, während des Prompt-Engineerings bewusst unklare oder mehrdeutige Anweisungen zu testen, um Halluzinationen gezielt zu provozieren.

Worauf zu achten istTeilen Sie die Klasse in Kleingruppen auf und geben Sie jeder Gruppe eine kurze Fallstudie (z.B. KI in der Strafverfolgung, KI-gestützte Nachrichtenredaktion). Fordern Sie die Gruppen auf, drei potenzielle Vorteile und drei potenzielle Risiken der beschriebenen KI-Anwendung zu identifizieren und zu diskutieren.

VerstehenAnwendenAnalysierenBewertenSelbststeuerungBeziehungsfähigkeit
Komplette Unterrichtsstunde erstellen

Aktivität 02

Expertenrunde50 Min. · Partnerarbeit

Computer-Vision-Challenge: Bildanalyse

Nutzen Sie Tools wie Teachable Machine: Schüler trainieren Modelle mit eigenen Bildern, testen auf Bias und vergleichen Genauigkeit. Diskutieren Sie Grenzen in Präsentationen.

Wie verändern generative KIs den kreativen Prozess und das Urheberrecht?

ModerationstippLassen Sie die Computer-Vision-Challenge mit Bildern beginnen, die aus ungewöhnlichen Perspektiven oder mit verzerrten Farben aufgenommen wurden, um Bias und Limitierungen direkt sichtbar zu machen.

Worauf zu achten istBitten Sie die Schüler, auf einer Karteikarte zwei Sätze zu schreiben, die erklären, was eine 'Halluzination' bei einem LLM ist, und einen Satz, der eine mögliche Strategie zur Vermeidung oder Erkennung solcher Halluzinationen beschreibt.

VerstehenAnwendenAnalysierenBewertenSelbststeuerungBeziehungsfähigkeit
Komplette Unterrichtsstunde erstellen

Aktivität 03

Debatte60 Min. · Ganze Klasse

Debatte: KI-Grenzen

Teilen Sie Klasse in Pro- und Contra-Teams zu Thesen wie 'KI ersetzt Kreativität'. Jede Seite bereitet Argumente vor, inklusive Urheberrechtsbeispiele, und moderiert eine offene Runde.

Wo liegen die physikalischen und energetischen Grenzen moderner KI-Systeme?

ModerationstippBeginnen Sie die Debatte mit einer klaren Zeitvorgabe für jede Sprecherin und jeden Sprecher, um strukturierte Argumentationen zu fördern und Abschweifungen zu vermeiden.

Worauf zu achten istStellen Sie eine Reihe von kurzen Multiple-Choice- oder Richtig/Falsch-Fragen, um das Verständnis grundlegender Konzepte wie Bias oder die Funktionsweise von Computer Vision zu überprüfen. Beispiel: 'Ist es richtig, dass KI-Systeme immer objektiv sind, wenn sie mit Daten trainiert werden?'

AnalysierenBewertenErschaffenSelbststeuerungEntscheidungsfähigkeit
Komplette Unterrichtsstunde erstellen

Aktivität 04

Expertenrunde35 Min. · Einzelarbeit

Energie-Rechner: KI-Kosten

Schüler recherchieren Verbrauch von Modellen wie GPT-4, berechnen CO2-Fußabdruck mit Online-Tools und vergleichen mit Haushaltsgeräten. Erstellen Infografiken.

Können Maschinen jemals echtes Verständnis oder Bewusstsein entwickeln?

ModerationstippZeigen Sie den Energie-Rechner als konkretes Beispiel, wie hohe Rechenlasten zu physikalischen und ökologischen Grenzen führen, bevor die Schüler selbst rechnen.

Worauf zu achten istTeilen Sie die Klasse in Kleingruppen auf und geben Sie jeder Gruppe eine kurze Fallstudie (z.B. KI in der Strafverfolgung, KI-gestützte Nachrichtenredaktion). Fordern Sie die Gruppen auf, drei potenzielle Vorteile und drei potenzielle Risiken der beschriebenen KI-Anwendung zu identifizieren und zu diskutieren.

VerstehenAnwendenAnalysierenBewertenSelbststeuerungBeziehungsfähigkeit
Komplette Unterrichtsstunde erstellen

Vorlagen

Vorlagen, die zu diesen Informatik-Aktivitäten passen

Nutzen, bearbeiten, drucken oder teilen.

Einige Hinweise zum Unterrichten dieser Einheit

Unterrichten Sie dieses Thema am besten durch eine Mischung aus Hands-on-Erfahrungen und gezielten Reflexionsphasen. Vermeiden Sie es, KI-Systeme als 'intelligent' oder 'objektiv' zu beschreiben, sondern betonen Sie ihre datenbasierte Funktionsweise. Nutzen Sie die Aktivitäten, um Schülerinnen und Schüler zu ermutigen, kritische Fragen zu stellen und eigene Schlussfolgerungen zu ziehen.

Erfolgreiches Lernen zeigt sich darin, dass Schülerinnen und Schüler nicht nur definieren können, was KI leistet, sondern auch gezielt Grenzen benennen und kritisch hinterfragen. Sie erkennen, dass KI-Systeme trotz beeindruckender Leistungen grundlegende Einschränkungen haben, die menschliche Urteilsfähigkeit nicht ersetzen.

Vorsicht vor diesen Fehlvorstellungen

  • Während der Aktivität 'Prompt-Engineering: LLM-Testen' könnte der Eindruck entstehen, KI-Modelle würden Inhalte wirklich verstehen.

    Nutzen Sie die Prompts aus dieser Aktivität, um gezielt nach widersprüchlichen oder erfundenen Informationen zu fragen. Diskutieren Sie anschließend in der Klasse, warum die KI trotz korrekter Antworten kein echtes Verständnis haben kann.

  • Während der Aktivität 'Computer-Vision-Challenge: Bildanalyse' könnte angenommen werden, dass Computer Vision fehlerfreie Ergebnisse liefert.

    Fordern Sie die Schüler auf, Bilder mit ungewöhnlichen Winkeln, Lichtverhältnissen oder Bias-behafteten Darstellungen zu analysieren. Lassen Sie sie systematisch Fehler dokumentieren und deren Ursachen diskutieren.

  • Während der Aktivität 'Energie-Rechner: KI-Kosten' könnte die Annahme entstehen, dass KI keine physikalischen Grenzen hat.

    Nutzen Sie den Energie-Rechner, um konkrete Beispiele für Quantenlimits und Energieverbrauch zu berechnen. Diskutieren Sie, wie diese Grenzen die Entwicklung von KI beeinflussen und welche Alternativen es gibt.

In dieser Übersicht verwendete Methoden

Mehr in Künstliche Intelligenz und Machine Learning

Einführung in Künstliche Intelligenz

Die Schülerinnen und Schüler lernen die Definition, Geschichte und Anwendungsbereiche der KI kennen.

2 methodologies

Grundlagen des Machine Learning

Die Schülerinnen und Schüler verstehen die Konzepte von überwachtem, unüberwachtem und bestärkendem Lernen.

2 methodologies

Lineare Regression und Klassifikation

Die Schülerinnen und Schüler lernen grundlegende Machine Learning-Modelle wie lineare Regression und logistische Regression kennen.

2 methodologies

Grundlagen neuronaler Netze

Modellierung biologischer Lernprozesse durch Perzeptrone und Backpropagation.

3 methodologies

Deep Learning und Convolutional Neural Networks (CNNs)

Die Schülerinnen und Schüler lernen Deep Learning-Architekturen und CNNs für Bilderkennung kennen.

2 methodologies