Informatik · Klasse 9

Ideen für aktives Lernen

Grundlagen des Maschinellen Lernens

Maschinelles Lernen lebt von der aktiven Auseinandersetzung mit Daten und Algorithmen. Schülerinnen und Schüler begreifen die Konzepte überwachten und unüberwachten Lernens am besten, wenn sie selbst Muster erkennen, Features zuordnen und Cluster bilden. Diese hands-on-Erfahrung macht abstrakte Prozesse greifbar und korrigiert gängige Fehlvorstellungen direkt im Lernprozess.

• KMK Bildungsstandards
• KMK: Sekundarstufe I - Algorithmen
• KMK: Sekundarstufe I - Daten und Informationen

• 25–40 Min.
• Partnerarbeit → Ganze Klasse
• 4 Aktivitäten

Aktivität 01

• Concept-Mapping
• 35 Min. · Kleingruppen

Karten-Sortierung: Überwacht vs. Unüberwacht

Teilen Sie Karten mit Anwendungsbeispielen aus (z.B. Bilderkennung, Clustering). Gruppen sortieren sie in zwei Kategorien und begründen ihre Entscheidung. Abschließend präsentieren sie und diskutieren Abgrenzungsfälle.

Differentiieren Sie zwischen überwachtem und unüberwachtem Lernen.

Moderationstipp

Während der Karten-Sortierung 'Überwacht vs. Unüberwacht' achten Sie darauf, dass die Schüler ihre Begründungen laut aussprechen, um Denkprozesse sichtbar zu machen.

Worauf zu achten ist

Geben Sie jedem Schüler eine Karte mit einem kurzen Szenario (z.B. 'Spam-Erkennung in E-Mails', 'Gruppierung von Kunden nach Kaufhistorie'). Die Schüler schreiben auf die Rückseite: Handelt es sich um überwachtes oder unüberwachtes Lernen? Nennen Sie ein mögliches Feature und ein Label (falls zutreffend).

• Verstehen
• Analysieren
• Erschaffen
• Selbstwahrnehmung
• Selbststeuerung

Aktivität 02

• Concept-Mapping
• 25 Min. · Partnerarbeit

Feature-Label-Analyse: Hausaufgaben-Daten

Geben Sie Datensätze wie Hausaufgabennoten mit Features (Zeit, Schlaf) und Labels (Note). Paare identifizieren Features/Labels, prognostizieren Outcomes und vergleichen mit unüberwachten Mustern ohne Labels.

Analysieren Sie typische Anwendungsfälle für beide Lernformen.

Moderationstipp

Bei der Feature-Label-Analyse mit Hausaufgaben-Daten fordern Sie die Schüler auf, ihre Zuordnungen mit Nachbarn zu vergleichen, bevor sie gemeinsam diskutieren.

Worauf zu achten ist

Stellen Sie die Frage: 'Stellen Sie sich vor, Sie entwickeln ein System zur Erkennung von gefälschten Nachrichten. Welche Art von Daten würden Sie benötigen, um es mit überwachtem Lernen zu trainieren? Welche Herausforderungen gäbe es bei der Beschaffung dieser Daten?' Diskutieren Sie die Antworten im Plenum.

• Verstehen
• Analysieren
• Erschaffen
• Selbstwahrnehmung
• Selbststeuerung

Aktivität 03

• Concept-Mapping
• 40 Min. · Kleingruppen

Clustering-Simulation: Farbpunkte gruppieren

Schüler plotten Punkte auf Papier (Features: x/y-Koordinaten), gruppieren visuell ohne Labels. Dann fügen sie Labels hinzu und vergleichen mit überwachtem Lernen. Diskussion der Unterschiede.

Erklären Sie die Rolle von Features und Labels im maschinellen Lernen.

Moderationstipp

Bei der Clustering-Simulation lassen Sie die Schüler in Kleingruppen arbeiten und ihre Cluster farblich markieren, um Unterschiede in der Gruppierung direkt zu sehen.

Worauf zu achten ist

Zeigen Sie eine Liste von Begriffen (z.B. 'Bild eines Hundes', 'Temperaturmessung', 'Kunden-ID', 'Kaufdatum', 'Produktkategorie'). Bitten Sie die Schüler, die Begriffe als 'Feature' oder 'Label' zu klassifizieren und begründen Sie kurz ihre Wahl für mindestens drei Begriffe.

• Verstehen
• Analysieren
• Erschaffen
• Selbstwahrnehmung
• Selbststeuerung

Aktivität 04

• Concept-Mapping
• 30 Min. · Ganze Klasse

Anwendungs-Jagd: KI in Alltag

Whole Class brainstormt KI-Beispiele, ordnet sie zu Lernarten zu und notiert Features/Labels. Erstellen einer gemeinsamen Mindmap mit Beispielen.

Differentiieren Sie zwischen überwachtem und unüberwachtem Lernen.

Moderationstipp

Führen Sie die Anwendungs-Jagd mit einer kurzen Vorstellungsrunde ein, in der jede Gruppe ihr Beispiel vorstellt und die Klasse entscheidet, ob es sich um überwachtes oder unüberwachtes Lernen handelt.

Worauf zu achten ist

Geben Sie jedem Schüler eine Karte mit einem kurzen Szenario (z.B. 'Spam-Erkennung in E-Mails', 'Gruppierung von Kunden nach Kaufhistorie'). Die Schüler schreiben auf die Rückseite: Handelt es sich um überwachtes oder unüberwachtes Lernen? Nennen Sie ein mögliches Feature und ein Label (falls zutreffend).

• Verstehen
• Analysieren
• Erschaffen
• Selbstwahrnehmung
• Selbststeuerung

Einige Hinweise zum Unterrichten dieser Einheit

Erfahrene Lehrkräfte beginnen mit einfachen, alltagsnahen Beispielen, um die Konzepte einzuführen. Sie vermeiden technische Details wie Algorithmen-Namen in der Einstiegsphase und konzentrieren sich stattdessen auf die grundlegenden Prinzipien. Wichtig ist, dass Schüler selbst Datenpunkte klassifizieren oder Cluster bilden, um ein intuitives Verständnis zu entwickeln. Vermeiden Sie es, die Unterschiede zwischen überwachtem und unüberwachtem Lernen nur theoretisch zu erklären – die praktische Anwendung festigt das Wissen nachhaltig.

Erfolgreiches Lernen zeigt sich darin, dass Schülerinnen und Schüler die Unterschiede zwischen überwachtem und unüberwachtem Lernen klar benennen können und Features sowie Labels in realen Beispielen korrekt identifizieren. Sie sollen zudem Anwendungsfälle aus dem Alltag nennen und begründen, welche Lernform dort eingesetzt wird.

---

Vorsicht vor diesen Fehlvorstellungen

• Während der Karten-Sortierung 'Überwacht vs. Unüberwacht' achten Sie darauf, dass Schüler nicht nur Beispiele auswendig lernen, sondern die Unterschiede in den Datenmustern erklären.

  Fordern Sie die Schüler auf, bei jedem Beispiel zu begründen, ob Features und Labels vorhanden sind oder nicht, und wie diese aufgebaut sind. Nutzen Sie die bereitgestellten Karten mit kurzen Szenarien, um diese Erklärung zu strukturieren.

• Während der Feature-Label-Analyse mit Hausaufgaben-Daten wird oft angenommen, dass überwachtes Lernen immer große Datenmengen braucht.

  Lassen Sie die Schüler mit Mini-Datensätzen arbeiten, z.B. mit nur fünf Hausaufgabenbeispielen, und diskutieren Sie, ob diese ausreichen, um ein Muster zu erkennen. Betonen Sie, dass Qualität und Repräsentativität entscheidend sind.

• Während des Zuordnungsspiels zu Features und Labels wird Features häufig nur mit Bildern oder Videos assoziiert.

  Verwenden Sie im Spiel auch Beispiele wie Zahlen, Text oder Messwerte. Lassen Sie die Schüler diese Begriffe den richtigen Kategorien zuordnen und gemeinsam Beispiele sammeln, um das Verständnis zu erweitern.

---

In dieser Übersicht verwendete Methoden

• Concept-Mapping