Einführung in Künstliche Intelligenz
Die Schülerinnen und Schüler lernen die Definition, Geschichte und Anwendungsbereiche der KI kennen.
Über dieses Thema
Die Einführung in Künstliche Intelligenz (KI) umfasst Definitionen, Geschichte und Anwendungsbereiche. Schülerinnen und Schüler lernen, dass KI Systeme beschreibt, die Aufgaben übernehmen, die normalerweise menschliche Intelligenz erfordern, wie Mustererkennung oder Entscheidungsfindung. Historische Meilensteine reichen vom Turing-Test 1950 über KI-Winter bis zu Deep Learning seit 2010. Anwendungen erstrecken sich von Sprachassistenten wie Siri bis zu autonomen Fahrzeugen und medizinischer Diagnostik.
Im KMK-Lehrplan Sekundarstufe II verbindet dieses Thema Informatik mit Gesellschaftswissenschaften. Schüler analysieren Definitionen nach Narrow AI, General AI und Superintelligenz, bewerten Meilensteine wie den AlphaGo-Sieg 2016 und diskutieren Auswirkungen auf Arbeitsmarkt, Ethik und Datenschutz. Solche Inhalte fördern kritisches Denken und gesellschaftliche Kompetenzen.
Aktives Lernen eignet sich hervorragend, da abstrakte Konzepte durch Diskussionen und Simulationen greifbar werden. Wenn Schüler Zeitstrahlen zur KI-Geschichte erstellen oder Rollenspiele zu gesellschaftlichen Auswirkungen durchführen, verbinden sie Fakten mit realen Kontexten und entwickeln fundierte Meinungen.
Leitfragen
- Erklären Sie die verschiedenen Definitionen von Künstlicher Intelligenz.
- Analysieren Sie die historischen Meilensteine der KI-Entwicklung.
- Bewerten Sie die aktuellen und zukünftigen Auswirkungen von KI auf die Gesellschaft.
Lernziele
- Klassifizieren Sie verschiedene KI-Definitionen basierend auf ihrer Fokussierung auf menschliche vs. maschinelle Intelligenz.
- Analysieren Sie die kausalen Zusammenhänge zwischen Schlüsselereignissen und Fortschritten in der KI-Geschichte.
- Bewerten Sie die ethischen Implikationen der KI-Anwendung in mindestens zwei verschiedenen gesellschaftlichen Bereichen.
- Vergleichen Sie die Funktionsweise von symbolischer KI und konnektionistischer KI anhand konkreter Beispiele.
- Entwerfen Sie ein einfaches Szenario, das die potenziellen Auswirkungen von KI auf den Arbeitsmarkt illustriert.
Bevor es losgeht
Warum: Ein Verständnis von Algorithmen ist notwendig, um die Funktionsweise von ML-Algorithmen nachvollziehen zu können.
Warum: Praktische Beispiele und die Erstellung einfacher Modelle erfordern grundlegende Programmierkenntnisse.
Warum: Grundlegende Konzepte der Logik sind hilfreich für das Verständnis von Entscheidungsbäumen und symbolischer KI.
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. |
| Machine Learning (ML) | Ein Ansatz der KI, bei dem Systeme aus Daten lernen, Muster erkennen und Vorhersagen treffen, ohne explizit programmiert zu werden. |
| Turing-Test | Ein Test, der die Fähigkeit einer Maschine prüft, eine menschenähnliche Intelligenz zu zeigen, indem sie eine menschliche Konversation führt, die von einem Menschen nicht von einer anderen Maschine unterschieden werden kann. |
| Neuronale Netze | Ein Modell des maschinellen Lernens, das von der Struktur und Funktion des menschlichen Gehirns inspiriert ist und aus miteinander verbundenen Knoten (Neuronen) besteht, die Informationen verarbeiten. |
| Schwache KI (Narrow AI) | KI-Systeme, die darauf ausgelegt sind, eine spezifische Aufgabe auszuführen, wie z.B. Spracherkennung oder Schachspielen. |
Vorsicht vor diesen Fehlvorstellungen
Häufige FehlvorstellungKI ist gleich menschlicher Intelligenz.
Was Sie stattdessen lehren sollten
KI simuliert spezifische Fähigkeiten, besitzt aber kein Bewusstsein. Aktive Diskussionen in Gruppen helfen, Definitionen wie schwache vs. starke KI zu unterscheiden und Beispiele zu sammeln.
Häufige FehlvorstellungKI ist eine neue Erfindung der letzten Jahre.
Was Sie stattdessen lehren sollten
KI hat Wurzeln seit den 1950er Jahren mit AI-Wintern. Timeline-Aktivitäten machen Entwicklungsverläufe sichtbar und korrigieren Zeitvorstellungen durch kollektives Aufbauen.
Häufige FehlvorstellungKI wirkt sich nur positiv auf die Gesellschaft aus.
Was Sie stattdessen lehren sollten
Auswirkungen umfassen Chancen und Risiken wie Bias oder Arbeitsplatzverlust. Debatten fördern nuancierte Bewertungen, da Schüler Argumente austauschen und ethische Aspekte beleuchten.
Ideen für aktives Lernen
Alle Aktivitäten ansehenTimeline-Bau: KI-Geschichte
Teilen Sie die Klasse in Gruppen auf und weisen Sie jedem Team 3-5 Meilensteine zu. Gruppen recherchieren Fakten, illustrieren Ereignisse auf einer großen Timeline und präsentieren sie. Die Klasse ergänzt fehlende Teile gemeinsam.
Anwendungs-Stationen: KI in der Praxis
Richten Sie Stationen zu Bereichen wie Medizin, Verkehr und Unterhaltung ein. An jeder Station analysieren Paare ein reales KI-Beispiel, notieren Vor- und Nachteile und rotieren nach 10 Minuten. Abschließende Plenumdiskussion.
Debatte: KI-Auswirkungen
Formen Sie Pro- und Contra-Teams zu Themen wie Jobverdrängung durch KI. Jede Seite bereitet Argumente vor, debattiert 5 Minuten pro Runde. Moderator notiert Punkte, Klasse votet am Ende.
Mindmap-Entwicklung: KI-Definitionen
Individuell skizzieren Schüler eine Mindmap zu KI-Definitionen. In Paaren vergleichen und erweitern sie diese, integrieren Beispiele. Gemeinsam erstellen sie eine Klassen-Mindmap an der Tafel.
Bezüge zur Lebenswelt
- In der Medizin werden KI-Systeme wie die von Google Health entwickelten Algorithmen zur Analyse von medizinischen Bildern eingesetzt, um Krankheiten wie diabetische Retinopathie frühzeitig zu erkennen und so die Diagnosegenauigkeit in Krankenhäusern wie der Charité in Berlin zu verbessern.
- Autonome Fahrsysteme, wie sie von Unternehmen wie Waymo und Tesla entwickelt werden, nutzen KI, um ihre Umgebung wahrzunehmen, Entscheidungen zu treffen und Fahrzeuge sicher zu navigieren. Dies verändert die Mobilität in Städten weltweit.
- Sprachassistenten wie Alexa von Amazon oder Siri von Apple basieren auf KI, um natürliche Sprache zu verstehen und auf Anfragen zu reagieren. Sie sind in Millionen von Haushalten und Geräten integriert.
Ideen zur Lernstandserhebung
Die Schüler erhalten eine Karte mit einem KI-Anwendungsbeispiel (z.B. Spam-Filter, personalisierte Werbung). Sie sollen eine kurze Definition von KI schreiben und erklären, welche Art von KI (schwach/stark) hier zum Einsatz kommt und warum.
Stellen Sie die Frage: 'Welche drei historischen Meilensteine der KI-Entwicklung halten Sie für am wichtigsten und warum?' Die Schüler diskutieren in Kleingruppen und präsentieren ihre Top 3 mit Begründung.
Präsentieren Sie eine Liste von Aussagen über KI (z.B. 'KI kann Gefühle empfinden'). Die Schüler stimmen zu oder lehnen ab und begründen ihre Antwort kurz schriftlich oder mündlich.
Häufig gestellte Fragen
Wie erkläre ich Definitionen von Künstlicher Intelligenz?
Welche historischen Meilensteine der KI sind wichtig?
Wie wirkt sich KI auf die Gesellschaft aus?
Wie hilft aktives Lernen bei der Einführung in KI?
Planungsvorlagen für Informatik
Mehr in Künstliche Intelligenz und Machine Learning
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
Training und Evaluierung von ML-Modellen
Die Schülerinnen und Schüler lernen Methoden zur Bewertung und Optimierung von Machine Learning-Modellen.
2 methodologies
Anwendungsfelder und Grenzen von KI
Untersuchung von Large Language Models (LLM) und Computer Vision.
3 methodologies