Informatik · Klasse 7

Ideen für aktives Lernen

Datenwissenschaft und Künstliche Intelligenz

Aktive Lernformen sind besonders wirksam, weil sie Schüler direkt mit den Konzepten von Datenwissenschaft und KI in Kontakt bringen. Durch praktische Erfahrungen – etwa das Sammeln eigener Daten oder das Analysieren von Mustern – verstehen sie, wie Algorithmen und statistische Methoden funktionieren. Dies macht abstrakte Themen greifbar und fördert ein tieferes Verständnis für die Berufswelt hinter diesen Technologien.

• KMK Bildungsstandards
• KMK: Sekundarstufe I - Informatik, Mensch und Gesellschaft
• KMK: Sekundarstufe I - Analysieren und Bewerten

• 30–45 Min.
• Partnerarbeit → Ganze Klasse
• 4 Aktivitäten

Aktivität 01

• Lernen an Stationen
• 45 Min. · Kleingruppen

Lernen an Stationen: Datenwelten erkunden

Richten Sie vier Stationen ein: 1. Big Data sortieren mit Kartenstapeln. 2. Muster erkennen in Datentabellen. 3. KI-Beispiele mit Apps testen. 4. Ethik-Fallstudien besprechen. Gruppen rotieren alle 10 Minuten und notieren Erkenntnisse.

Analysiere, wie Datenwissenschaftler große Datenmengen nutzen, um Erkenntnisse zu gewinnen.

Moderationstipp

Bei 'Stationenlernen: Datenwelten erkunden' stellen Sie sicher, dass jede Station klare Materialien und Aufgabenstellungen hat, die Schüler direkt zu eigenen Entdeckungen anregen.

Worauf zu achten ist

Die Schüler erhalten eine Karte mit einem Szenario (z.B. 'Ein Supermarkt möchte seine Kunden besser verstehen'). Sie sollen eine Frage formulieren, die ein Datenwissenschaftler mit Hilfe von Kundendaten beantworten könnte, und eine mögliche KI-Anwendung nennen, die dabei helfen könnte.

• Erinnern
• Verstehen
• Anwenden
• Analysieren
• Selbststeuerung
• Beziehungsfähigkeit

Aktivität 02

• Rollenspiel
• 30 Min. · Kleingruppen

Rollenspiel: Ein Tag als Datenwissenschaftler

Teilen Sie Rollen zu: Daten sammeln, analysieren, Ergebnisse präsentieren. Schüler simulieren eine Marktanalyse mit fiktiven Verkaufsdaten. Abschließend teilen sie Vorhersagen in Plenum.

Erkläre die potenziellen Auswirkungen von Künstlicher Intelligenz auf verschiedene Berufsfelder.

Moderationstipp

Im 'Rollenspiel: Ein Tag als Datenwissenschaftler' achten Sie darauf, dass die Rollenkarten konkrete Aufgaben enthalten, die mit echten Berufssituationen vergleichbar sind.

Worauf zu achten ist

Lehrerfrage: 'Stellt euch vor, eine KI entscheidet über die Vergabe von Krediten. Welche potenziellen Probleme (z.B. Fairness, Transparenz) könnten dabei auftreten, und wie könnten Datenwissenschaftler und KI-Entwickler versuchen, diese zu minimieren?'

• Anwenden
• Analysieren
• Bewerten
• Sozialbewusstsein
• Selbstwahrnehmung

Aktivität 03

• Debatte
• 40 Min. · Partnerarbeit

Debatte: KI in Berufen

Formulieren Sie Pro- und Contra-Statements zu KI im Arbeitsleben. Paare bereiten Argumente vor, dann debattiert die Klasse. Bewerten Sie mit Rubrik.

Beurteile die ethischen Verantwortung von Datenwissenschaftlern und KI-Entwicklern.

Moderationstipp

Für die 'Ethik-Debatte: KI in Berufen' bereiten Sie vorab Pro- und Kontra-Argumente vor, damit auch zurückhaltende Schüler aktiv teilnehmen können.

Worauf zu achten ist

Lehrer präsentiert ein einfaches Diagramm mit fiktiven Daten (z.B. Eisverkäufe vs. Temperatur). Schüler sollen in Kleingruppen den offensichtlichsten Trend identifizieren und erklären, wie ein Datenwissenschaftler diesen Trend nutzen könnte, um eine Vorhersage zu treffen.

• Analysieren
• Bewerten
• Erschaffen
• Selbststeuerung
• Entscheidungsfähigkeit

Aktivität 04

• Debatte
• 35 Min. · Partnerarbeit

KI-Tool-Challenge: Muster lernen

Schüler füttern eine einfache KI-App mit Daten, beobachten Lernprozesse und prognostizieren Ergebnisse. Diskutieren Sie Bias-Effekte.

Analysiere, wie Datenwissenschaftler große Datenmengen nutzen, um Erkenntnisse zu gewinnen.

Moderationstipp

Bei der 'KI-Tool-Challenge: Muster lernen' geben Sie den Schülern vorab Beispiele für Muster, die sie in den Daten finden sollen, um Frustration zu vermeiden.

Worauf zu achten ist

Die Schüler erhalten eine Karte mit einem Szenario (z.B. 'Ein Supermarkt möchte seine Kunden besser verstehen'). Sie sollen eine Frage formulieren, die ein Datenwissenschaftler mit Hilfe von Kundendaten beantworten könnte, und eine mögliche KI-Anwendung nennen, die dabei helfen könnte.

• Analysieren
• Bewerten
• Erschaffen
• Selbststeuerung
• Entscheidungsfähigkeit

Einige Hinweise zum Unterrichten dieser Einheit

Erfahrene Lehrkräfte betonen, dass der Einstieg über Alltagsbeispiele und reale Daten gelingt. Vermeiden Sie zu technische Erklärungen zu Beginn – stattdessen führen Sie die Schüler schrittweise an Konzepte heran. Nutzen Sie visuelle Darstellungen wie Diagramme oder Simulationen, um abstrakte Prozesse wie Algorithmen zu veranschaulichen. Wichtig ist auch, immer wieder den Bezug zur Berufswelt herzustellen, um die Relevanz des Themas zu verdeutlichen.

Erfolgreiches Lernen zeigt sich darin, dass Schüler die Grundprinzipien von Datenanalyse und KI erklären können, etwa wie Algorithmen Muster erkennen oder welche Rolle Datenqualität spielt. Sie sollten zudem kritisch diskutieren können, welche Auswirkungen KI auf Berufe und die Gesellschaft hat. Praktische Ergebnisse wie Vorhersagen oder Debattenbeiträge sind sichtbare Zeichen des Lernerfolgs.

---

Vorsicht vor diesen Fehlvorstellungen

• Während des 'Rollenspiels: Ein Tag als Datenwissenschaftler' achten Sie darauf, dass Schüler 'Bewusstsein' und 'Mustererkennung' nicht gleichsetzen. Lassen Sie sie im Spiel bewusst zwischen manuellen Analysen und computerbasierten Methoden unterscheiden, etwa durch den Vergleich von Tabellenkalkulation und KI-Tools.

  Zeigen Sie im Spiel auf, dass KI-Systeme keine Gefühle haben, sondern auf definierten Algorithmen und Trainingsdaten basieren. Nutzen Sie die Stationen des Rollenspiels, um konkrete Beispiele zu besprechen, etwa wie eine KI Wettervorhersagen trifft, ohne das Wetter 'zu fühlen'.

• Während der 'Ethik-Debatte: KI in Berufen' lassen Sie Schüler beobachten, wie Daten in realen Szenarien gesammelt und interpretiert werden. Zeigen Sie auf, dass selbst scheinbar neutrale Daten wie demografische Daten Vorurteile enthalten können, wenn sie verzerrt erhoben wurden.

  Lassen Sie die Schüler in der Debatte konkrete Beispiele einbringen, etwa wie Algorithmen in Bewerbungsverfahren bestimmte Gruppen benachteiligen könnten. Nutzen Sie die Debatte, um gemeinsam zu analysieren, wie Datenquellen und Erhebungsmethoden die Ergebnisse beeinflussen.

• Während der 'KI-Tool-Challenge: Muster lernen' beobachten Sie, ob Schüler annehmen, Datenwissenschaftler arbeiteten isoliert. Weisen Sie darauf hin, dass Teamarbeit mit Fachleuten wie Statistikern oder Domänenexperten essenziell ist.

  In der Challenge lassen Sie die Schüler in Kleingruppen arbeiten und Rollen wie 'Datenanalyst', 'Fachberater' und 'Ethik-Beauftragter' vergeben. So wird deutlich, dass Datenwissenschaft ein kollaborativer Prozess ist und nicht allein am Computer stattfindet.

---

In dieser Übersicht verwendete Methoden

• Lernen an Stationen
• Rollenspiel
• Debatte