Informatik · Klasse 9

Ideen für aktives Lernen

Wie Maschinen lernen

Aktive Lernformen helfen Schülern, das abstrakte Konzept des maschinellen Lernens greifbar zu machen, indem sie den Unterschied zwischen starren Regeln und flexiblen Mustern durch eigenes Handeln erleben. Durch das Ausprobieren und Reflektieren von Algorithmen und trainierten Modellen wird der Lernprozess nachvollziehbar und bleibt im Gedächtnis haften.

• KMK Bildungsstandards
• KMK: Sekundarstufe I - Algorithmen
• KMK: Sekundarstufe I - Informatik und Gesellschaft

• 20–45 Min.
• Partnerarbeit → Ganze Klasse
• 4 Aktivitäten

Aktivität 01

• Forschungskreis
• 20 Min. · Partnerarbeit

Paarbeit: Programmierung vs. Lernen vergleichen

Paare erhalten Karten mit Beispielen für klassische Regeln (z. B. Verkehrsampel) und lernende Systeme (z. B. Sprachassistent). Sie sortieren und begründen den Unterschied in einer Tabelle. Abschließend präsentieren sie ein Beispiel pro Kategorie.

Erklären Sie den Unterschied zwischen einem Algorithmus und einem Modell im Kontext von KI.

Moderationstipp

Während der Paarbeit 'Programmierung vs. Lernen vergleichen' achten Sie darauf, dass die Schülerinnen und Schüler konkrete Beispiele aus ihrem Alltag nutzen, um die Unterschiede zu veranschaulichen.

Worauf zu achten ist

Die Schüler erhalten zwei kurze Beschreibungen: A) Ein Kochrezept, das Schritt für Schritt erklärt, wie man einen Kuchen backt. B) Die Beschreibung, wie ein Programm lernt, Katzen auf Bildern zu erkennen, indem es tausende von Katzenbildern analysiert. Die Schüler sollen auf dem Ticket notieren, welche Beschreibung einen klassischen Algorithmus und welche ein lernendes System darstellt und warum.

• Analysieren
• Bewerten
• Erschaffen
• Selbststeuerung
• Selbstwahrnehmung

Aktivität 02

• Forschungskreis
• 45 Min. · Kleingruppen

Gruppenexperiment: Trainingsdaten testen

Kleine Gruppen kuratieren zwei Datensätze (gute vs. biased Daten) für eine einfache Klassifikation, z. B. Früchte sortieren. Sie simulieren Training mit Scratch oder Online-Tools und vergleichen Vorhersagegenauigkeit. Protokoll der Ergebnisse.

Analysieren Sie, wie die Qualität der Trainingsdaten das Ergebnis einer KI beeinflusst.

Moderationstipp

Beim Gruppenexperiment 'Trainingsdaten testen' geben Sie den Gruppen gezielte Fragen zur Reflexion, z.B. 'Was passiert, wenn wir die Datenmenge halbieren?' oder 'Warum führt ein kleiner Datensatz zu Fehlern?'.

Worauf zu achten ist

Stellen Sie die Frage: 'Stellen Sie sich vor, ein lernendes System soll lernen, Kunstwerke zu bewerten. Welche Art von Trainingsdaten würden Sie verwenden und welche Probleme könnten durch die Auswahl dieser Daten entstehen?' Die Schüler diskutieren in Kleingruppen und präsentieren ihre Überlegungen zur Datenqualität und potenziellem Bias.

• Analysieren
• Bewerten
• Erschaffen
• Selbststeuerung
• Selbstwahrnehmung

Aktivität 03

• Forschungskreis
• 30 Min. · Ganze Klasse

Klassenrunde: Kreativität debattieren

Ganze Klasse diskutiert Key Questions anhand von KI-Beispielen wie DALL-E. Jede Schülerin oder jeder Schüler notiert Argumente für 'kreativ' oder 'imitierend'. Moderierte Abstimmung und Zusammenfassung.

Beurteilen Sie, ob Computer kreativ sein können oder nur Muster imitieren.

Moderationstipp

In der Klassenrunde 'Kreativität debattieren' sorgen Sie dafür, dass jede Schülerin und jeder Schüler mindestens einmal zu Wort kommt, indem Sie gezielt nachfragen, wer eine andere Meinung hat.

Worauf zu achten ist

Zeigen Sie ein einfaches Beispiel für einen klassischen Algorithmus (z.B. eine Sortierfunktion für Zahlen) und ein einfaches Beispiel für ein lernendes System (z.B. eine Funktion, die anhand von Merkmalen zwischen Äpfeln und Birnen unterscheidet). Bitten Sie die Schüler, auf einem Blatt Papier die Hauptunterschiede in der Funktionsweise kurz zu notieren.

• Analysieren
• Bewerten
• Erschaffen
• Selbststeuerung
• Selbstwahrnehmung

Aktivität 04

• Forschungskreis
• 25 Min. · Einzelarbeit

Individuelle Aufgabe: Modell aufbauen

Jede Schülerin oder jeder Schüler erstellt einen kleinen Datensatz (z. B. Wettervorhersagen) und testet mit Teachable Machine. Reflexion: Wie ändern sich Ergebnisse bei Datenänderung? Einreichen als Screenshot mit Notizen.

Erklären Sie den Unterschied zwischen einem Algorithmus und einem Modell im Kontext von KI.

Moderationstipp

Bei der individuellen Aufgabe 'Modell aufbauen' stellen Sie sicher, dass alle Schülerinnen und Schüler die Möglichkeit haben, ihr Modell zu präsentieren und die Funktionsweise zu erklären.

Worauf zu achten ist

Die Schüler erhalten zwei kurze Beschreibungen: A) Ein Kochrezept, das Schritt für Schritt erklärt, wie man einen Kuchen backt. B) Die Beschreibung, wie ein Programm lernt, Katzen auf Bildern zu erkennen, indem es tausende von Katzenbildern analysiert. Die Schüler sollen auf dem Ticket notieren, welche Beschreibung einen klassischen Algorithmus und welche ein lernendes System darstellt und warum.

• Analysieren
• Bewerten
• Erschaffen
• Selbststeuerung
• Selbstwahrnehmung

Einige Hinweise zum Unterrichten dieser Einheit

Erfahrene Lehrkräfte beginnen mit konkreten, alltagsnahen Beispielen, um das abstrakte Thema zugänglich zu machen. Sie vermeiden zu technische Erklärungen und setzen stattdessen auf visuelle Darstellungen und praktische Experimente. Ein wichtiger Fokus liegt darauf, die Schülerinnen und Schüler durch gezielte Fragen zum Nachdenken anzuregen und ihre Beobachtungen zu strukturieren.

Erfolgreiches Lernen zeigt sich darin, dass Schülerinnen und Schüler klar zwischen klassischen Algorithmen und lernenden Systemen unterscheiden können und die Bedeutung von Datenqualität und -menge für das Ergebnis begreifen. Sie sollen in der Lage sein, Beispiele zu benennen und einfache Modelle nachzuvollziehen.

---

Vorsicht vor diesen Fehlvorstellungen

• Während der Paarbeit 'Programmierung vs. Lernen vergleichen' beobachten Sie, ob Schülerinnen und Schüler die Idee vertreten, dass Modelle wie Menschen aus wenigen Beispielen lernen. Lenken Sie ihre Aufmerksamkeit auf den Unterschied zwischen starren Regeln und flexiblen Mustern, indem Sie sie fragten, wie viele Beispiele sie selbst bräuchten, um eine Regel zu erkennen.

  Nutzen Sie die Ergebnisse der Paarbeit, um die Abhängigkeit von Datenmengen zu demonstrieren. Zeigen Sie den Schülerinnen und Schülern, wie ein Modell mit zu wenigen Daten scheitert, und lassen Sie sie die konkreten Fehler analysieren.

• Während der Paarbeit 'Programmierung vs. Lernen vergleichen' achten Sie darauf, ob Schülerinnen und Schüler Algorithmen und trainierte Modelle gleichsetzen. Fordern Sie sie auf, die Unterschiede in der Funktionsweise zu beschreiben, z.B. durch den Vergleich eines festen Rezepts mit einem trainierten Geschmackssensor.

  Verwenden Sie die Beispiele aus der Paarbeit, um den dynamischen Lernprozess zu verdeutlichen. Lassen Sie die Schülerinnen und Schüler in ihren Notizen die Unterschiede zwischen einem festen Algorithmus und einem trainierten Modell herausarbeiten.

• Während des Gruppenexperiments 'Trainingsdaten testen' beobachten Sie, ob Schülerinnen und Schüler annehmen, dass mehr Daten immer zu besseren Ergebnissen führen. Stellen Sie gezielte Fragen, z.B. 'Warum führt eine große Menge an biased Daten zu schlechten Vorhersagen?'

  Nutzen Sie die Experimente mit manipulierten Datensätzen, um die Bedeutung von Datenqualität zu betonen. Lassen Sie die Schülerinnen und Schüler die Auswirkungen von biased Daten auf die Modellleistung dokumentieren und diskutieren.

---

In dieser Übersicht verwendete Methoden

• Forschungskreis