Informatik · Klasse 9

Ideen für aktives Lernen

Neuronale Netze verstehen

Aktives Lernen funktioniert für dieses Thema besonders gut, weil neuronale Netze abstrakte mathematische Konzepte darstellen. Schülerinnen und Schüler begreifen die Funktionsweise erst durch haptische und visuelle Erfahrungen. Die Kombination aus manuellen Übungen und digitalen Simulationen macht den Lernprozess greifbar und nachvollziehbar.

• KMK Bildungsstandards
• KMK: Sekundarstufe I - Modellieren
• KMK: Sekundarstufe I - Informatiksysteme

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

Aktivität 01

• Planspiel
• 25 Min. · Kleingruppen

Karten-Modell: Einfaches Neuron

Teilen Sie Karten mit Eingabewerten und Gewichten aus. Schüler multiplizieren, addieren und wenden eine Schwellenwert-Funktion an, um die Ausgabe zu bestimmen. Gruppen vergleichen Ergebnisse und variieren Gewichte.

Erklären Sie den Aufbau eines künstlichen Neurons und seine Funktion.

Moderationstipp

Während der Karten-Modellierung mit den Schülerinnen und Schülern die Gewichte und Aktivierungsfunktionen laut vorrechnen, um den Rechenprozess transparent zu machen.

Worauf zu achten ist

Geben Sie den Schülerinnen und Schülern eine Karte mit den Begriffen 'Neuron', 'Gewicht' und 'Aktivierungsfunktion'. Bitten Sie sie, für jeden Begriff eine kurze Erklärung zu schreiben, wie er in einem einfachen Netzwerk funktioniert.

• Anwenden
• Analysieren
• Bewerten
• Erschaffen
• Sozialbewusstsein
• Entscheidungsfähigkeit

Aktivität 02

• Planspiel
• 35 Min. · Kleingruppen

Schichten stapeln: Netzwerk bauen

Gruppen bauen ein dreischichtiges Netz mit farbigen Karten für Eingaben, versteckte Neuronen und Ausgaben. Sie leiten Daten durch und protokollieren Vorhersagen für einfache Bilder. Diskutieren Sie Fehlerquellen.

Analysieren Sie, wie eine KI Objekte auf einem Bild erkennen kann.

Moderationstipp

Beim Stapeln der Schichten darauf achten, dass Schülergruppen die Verbindungen zwischen den Schichten farblich markieren, um Übersicht zu schaffen.

Worauf zu achten ist

Stellen Sie die Frage: 'Warum ist es manchmal schwierig zu erklären, wie ein neuronales Netz zu einer bestimmten Entscheidung kommt?' Leiten Sie die Diskussion zu Konzepten wie der 'Black Box' und der Komplexität der vielen Neuronen und Gewichte.

• Anwenden
• Analysieren
• Bewerten
• Erschaffen
• Sozialbewusstsein
• Entscheidungsfähigkeit

Aktivität 03

• Planspiel
• 40 Min. · Partnerarbeit

App-Simulation: Bilderkennung

Nutzen Sie eine kostenlose Web-App wie TensorFlow Playground. Schüler passen Gewichte an, trainieren das Netz auf Muster und beobachten Schichtaktivierungen. Notieren Sie, wie sich Vorhersagen ändern.

Begründen Sie, warum es oft schwer nachzuvollziehen ist, wie eine KI zu einer Entscheidung kommt.

Moderationstipp

In der App-Simulation regelmäßig Stopps einlegen, um Hypothesen zu den Entscheidungen des Netzes sammeln zu lassen und diese gemeinsam zu überprüfen.

Worauf zu achten ist

Zeigen Sie ein einfaches Bild, z. B. eine Katze. Bitten Sie die Schülerinnen und Schüler, in Stichpunkten zu beschreiben, welche Art von Informationen (Eingaben) ein neuronales Netz verarbeiten müsste, um die Katze zu erkennen, und welche Schichten beteiligt sein könnten.

• Anwenden
• Analysieren
• Bewerten
• Erschaffen
• Sozialbewusstsein
• Entscheidungsfähigkeit

Aktivität 04

• Planspiel
• 30 Min. · Kleingruppen

Black-Box-Analyse: Gruppenherausforderung

Präsentieren Sie KI-Entscheidungen zu Bildern. Gruppen rekonstruieren mögliche Netzwerkpfade mit Flipcharts und begründen Nachvollziehbarkeit. Teilen Sie Erkenntnisse im Plenum.

Erklären Sie den Aufbau eines künstlichen Neurons und seine Funktion.

Worauf zu achten ist

Geben Sie den Schülerinnen und Schülern eine Karte mit den Begriffen 'Neuron', 'Gewicht' und 'Aktivierungsfunktion'. Bitten Sie sie, für jeden Begriff eine kurze Erklärung zu schreiben, wie er in einem einfachen Netzwerk funktioniert.

• Anwenden
• Analysieren
• Bewerten
• Erschaffen
• Sozialbewusstsein
• Entscheidungsfähigkeit

Einige Hinweise zum Unterrichten dieser Einheit

Erfahrene Lehrkräfte beginnen mit konkreten Materialien, bevor abstrakte Konzepte eingeführt werden. Sie nutzen Analogien aus dem Alltag, vermeiden jedoch vorschnelle Gleichsetzungen mit biologischen Gehirnen. Wichtig ist, die iterative Natur des Lernens durch neuronale Netze zu betonen und iterative Optimierungsschritte sichtbar zu machen.

Erfolgreiches Lernen zeigt sich darin, dass Schülerinnen und Schüler die Grundprinzipien neuronaler Netze in eigenen Worten erklären können. Sie unterscheiden zwischen künstlichen und biologischen Neuronen und beschreiben den Weg von Eingabedaten zu Ausgaben. Die Fähigkeit, einfache Netze zu bauen und ihre Funktionsweise nachzuvollziehen, ist das Ziel.

---

Vorsicht vor diesen Fehlvorstellungen

• Während der Karten-Modellierung beobachten Sie, ob Schüler biologische Begriffe wie 'Gedächtnis' oder 'Lernen' verwenden. Lenken Sie sie direkt um, indem Sie die Gewichte und Aktivierungsfunktionen als reine Rechenoperationen vorführen.

  Bitten Sie die Schüler, die Differenz zwischen ihrem eigenen Denken und dem der Karte zu notieren. Vergleichen Sie gemeinsam, warum die Karte keine bewussten Entscheidungen trifft.

• Beobachten Sie während des Schichten stapelns, ob Schüler von 'fertigen' oder 'fertigen sofort' Lösungen sprechen. Unterbrechen Sie die Gruppen und fordern Sie auf, die Gewichte gezielt anzupassen.

  Lassen Sie die Schüler in der Gruppe durch manuelles Ändern der Gewichte erleben, wie sich die Ausgabe verändert. Dokumentieren Sie die Anpassungen sichtbar.

• Achten Sie während der Black-Box-Analyse darauf, ob Schüler von 'Magie' oder 'Unerklärlichem' sprechen. Fordern Sie sie auf, die gewichteten Summen in der Gruppe nachzuverfolgen.

  Geben Sie jeder Gruppe eine einfache Eingabe und lassen Sie die Pfade durch das Netz schriftlich festhalten. Diskutieren Sie, warum Transparenz durch Vereinfachung möglich ist.

---

In dieser Übersicht verwendete Methoden

• Planspiel