Einführung in Künstliche IntelligenzAktivitäten & Unterrichtsstrategien
Aktives Lernen eignet sich hier, weil das Thema Künstliche Intelligenz abstrakte Konzepte wie Bewusstsein oder Simulation von Intelligenz umfasst, die durch konkrete Beispiele und historische Vergleiche greifbar werden. Schülerinnen und Schüler brauchen praktische Erfahrungen, um die Unterschiede zwischen schwacher und starker KI zu verstehen und die gesellschaftlichen Auswirkungen einzuschätzen.
Lernziele
- 1Klassifizieren Sie verschiedene KI-Definitionen basierend auf ihrer Fokussierung auf menschliche vs. maschinelle Intelligenz.
- 2Analysieren Sie die kausalen Zusammenhänge zwischen Schlüsselereignissen und Fortschritten in der KI-Geschichte.
- 3Bewerten Sie die ethischen Implikationen der KI-Anwendung in mindestens zwei verschiedenen gesellschaftlichen Bereichen.
- 4Vergleichen Sie die Funktionsweise von symbolischer KI und konnektionistischer KI anhand konkreter Beispiele.
- 5Entwerfen Sie ein einfaches Szenario, das die potenziellen Auswirkungen von KI auf den Arbeitsmarkt illustriert.
Möchten Sie einen vollständigen Unterrichtsentwurf mit diesen Lernzielen? Mission erstellen →
Timeline-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.
Vorbereitung & Details
Erklären Sie die verschiedenen Definitionen von Künstlicher Intelligenz.
Moderationstipp: Lassen Sie die Schüler beim Timeline-Bau die Meilensteine nicht nur aufkleben, sondern in Kleingruppen kurz erläutern, warum sie ihre Auswahl treffen.
Setup: Klassenzimmer mit flexibler Bestuhlung für Gruppenaktivitäten
Materials: Vorbereitungsmaterial (Video/Text mit Leitfragen), Lernstandskontrolle oder Entrance Ticket, Anwendungsaufgaben für die Präsenzphase, Reflexionsjournal
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.
Vorbereitung & Details
Analysieren Sie die historischen Meilensteine der KI-Entwicklung.
Moderationstipp: Bauen Sie bei den Anwendungs-Stationen reale Beispiele ein, die die Schüler selbst ausprobieren können, um den Nutzen von KI zu erfahren.
Setup: Klassenzimmer mit flexibler Bestuhlung für Gruppenaktivitäten
Materials: Vorbereitungsmaterial (Video/Text mit Leitfragen), Lernstandskontrolle oder Entrance Ticket, Anwendungsaufgaben für die Präsenzphase, Reflexionsjournal
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.
Vorbereitung & Details
Bewerten Sie die aktuellen und zukünftigen Auswirkungen von KI auf die Gesellschaft.
Moderationstipp: Führen Sie die Debatten-Runde mit klaren Rollenkarten durch, damit auch zurückhaltende Schüler aktiv teilnehmen.
Setup: Zwei sich gegenüberstehende Teams, Sitzplätze für das Publikum
Materials: Thesenkarte für die Debatte, Recherche-Dossier für jede Seite, Bewertungsbogen für das Publikum, Stoppuhr
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.
Vorbereitung & Details
Erklären Sie die verschiedenen Definitionen von Künstlicher Intelligenz.
Setup: Klassenzimmer mit flexibler Bestuhlung für Gruppenaktivitäten
Materials: Vorbereitungsmaterial (Video/Text mit Leitfragen), Lernstandskontrolle oder Entrance Ticket, Anwendungsaufgaben für die Präsenzphase, Reflexionsjournal
Dieses Thema unterrichten
Erfahrene Lehrkräfte beginnen mit alltagsnahen Beispielen, um Vorwissen zu aktivieren, und vermeiden zu technische Definitionen zu Beginn. Wichtig ist, immer wieder Brücken zu schlagen zwischen historischen Entwicklungen und aktuellen Anwendungen. Vermeiden Sie es, KI als 'magische Lösung' darzustellen – die Schüler sollen kritisch hinterfragen, welche Probleme KI wirklich löst und welche neuen Fragen sie aufwirft.
Was Sie erwartet
Erfolgreiches Lernen zeigt sich darin, dass Schülerinnen und Schüler KI als technische Systeme beschreiben können, die spezifische Aufgaben lösen, ohne menschliche Intelligenz zu besitzen. Sie sollen historische Entwicklungen einordnen und Anwendungen in verschiedenen Lebensbereichen erkennen sowie ethische Fragen differenziert diskutieren können.
Diese Aktivitäten sind ein Ausgangspunkt. Die vollständige Mission ist das Erlebnis.
- Vollständiges Moderationsskript mit Lehrkraft-Dialogen
- Druckfertige Schülermaterialien, bereit für den Unterricht
- Differenzierungsstrategien für jeden Lerntyp
Vorsicht vor diesen Fehlvorstellungen
Häufige FehlvorstellungWährend der Mindmap-Entwicklung beobachten Sie, dass Schüler KI mit menschlicher Intelligenz gleichsetzen.
Was Sie stattdessen lehren sollten
Nutzen Sie die entstandenen Mindmaps, um gezielt nach Beispielen für schwache KI zu fragen und bewusst Unterschiede zu starker KI herauszuarbeiten.
Häufige FehlvorstellungWährend des Timeline-Baus wird deutlich, dass Schüler KI als rein moderne Technologie wahrnehmen.
Was Sie stattdessen lehren sollten
Fordern Sie die Schüler auf, bei der Präsentation der Timeline explizit nach frühen Ansätzen zu suchen und deren Bedeutung für heutige Systeme zu erklären.
Häufige FehlvorstellungWährend der Debatten-Runde vertreten Schüler einseitig positive oder negative Positionen zu KI.
Was Sie stattdessen lehren sollten
Lenken Sie die Debatte durch gezielte Nachfragen nach Gegenargumenten und bitten Sie die Schüler, ihre Positionen mit konkreten Beispielen aus den Anwendungs-Stationen zu belegen.
Ideen zur Lernstandserhebung
Nach der Anwendungs-Stationen prüfen Sie die exit-tickets: Die Schüler erhalten eine Karte mit einem KI-Beispiel und schreiben eine kurze Definition sowie die Art der KI (schwach/stark) mit Begründung.
Nach der Timeline-Bau-Aktivität fragen Sie: '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.
Nach der Debatten-Runde 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.
Erweiterungen & Unterstützung
- Fordern Sie schnelle Schüler auf, eine fiktive KI-Anwendung zu entwerfen und deren gesellschaftliche Folgen zu skizzieren.
- Unterstützen Sie schwächere Schüler durch vorgefertigte Satzanfänge (z.B. 'KI kann..., weil...') für die Debatten-Runde.
- Vertiefen Sie mit einer Rechercheaufgabe zu aktuellen KI-Trends in einem selbst gewählten Bereich wie Medizin oder Kunst.
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. |
Vorgeschlagene Methoden
Planungsvorlagen für Informatik Oberstufe: Komplexe Systeme und Theoretische Grundlagen
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
Bereit, Einführung in Künstliche Intelligenz zu unterrichten?
Erstellen Sie eine vollständige Mission mit allem, was Sie brauchen
Mission erstellen