Künstliche Intelligenz im Alltag und Beruf
Auseinandersetzung mit den Funktionsweisen, Anwendungsmöglichkeiten und Grenzen von Künstlicher Intelligenz. Ethische und gesellschaftliche Implikationen von Algorithmen werden diskutiert.
Kurzfassung:Künstliche Intelligenz (KI) ist längst kein Zukunftsthema mehr, sondern prägt bereits unseren Alltag – von Empfehlungsalgorithmen bis hin zur Spracherkennung. In diesem Modul setzen sich die Schüler mit den Grundlagen des maschinellen Lernens auseinander. Sie verstehen, wie neuronale Netze Muster in Daten erkennen und darauf basierend Vorhersagen treffen.
Über dieses Thema
Künstliche Intelligenz (KI) ist längst kein Zukunftsthema mehr, sondern prägt bereits unseren Alltag – von Empfehlungsalgorithmen bis hin zur Spracherkennung. In diesem Modul setzen sich die Schüler mit den Grundlagen des maschinellen Lernens auseinander. Sie verstehen, wie neuronale Netze Muster in Daten erkennen und darauf basierend Vorhersagen treffen.
Im Einklang mit dem Medienkompetenzrahmen NRW reflektieren die Jugendlichen die ethischen Grenzen der KI. Sie diskutieren über Bias in Daten, die Verantwortung bei automatisierten Entscheidungen und den Schutz der Privatsphäre. Durch das spielerische Trainieren kleiner KI-Modelle (z.B. Bilderkennung) wird die 'Black Box' KI durchschaubarer. Aktive Diskussionen über Zukunftsszenarien helfen ihnen, eine fundierte Meinung zu dieser Schlüsseltechnologie zu entwickeln.
Leitfragen
- Was versteht man unter maschinellem Lernen?
- Wo begegnet uns KI im Alltag bereits unbemerkt?
- Welche ethischen Richtlinien braucht die KI-Entwicklung?
Vorsicht vor diesen Fehlvorstellungen
Häufige FehlvorstellungKI versteht die Welt so wie wir Menschen.
Was Sie stattdessen lehren sollten
KI erkennt nur statistische Korrelationen in Daten, sie besitzt kein echtes Verständnis oder Bewusstsein. Das Experimentieren mit 'unsinnigen' Eingaben zeigt Schülern die Grenzen dieser statistischen Logik auf.
Häufige FehlvorstellungKI-Entscheidungen sind immer objektiv und neutral.
Was Sie stattdessen lehren sollten
KI übernimmt Vorurteile aus den Trainingsdaten (Algorithmic Bias). Durch die Analyse von Fallbeispielen zu diskriminierenden Algorithmen lernen Schüler, KI-Ergebnisse kritisch zu hinterfragen.
Ideen für aktives Lernen
Alle Aktivitäten ansehen→Sozio-wissenschaftliche Fragestellungen
Experiment: KI selbst trainieren
Mit Tools wie 'Teachable Machine' trainieren Schüler eine KI, um verschiedene Handzeichen oder Gegenstände zu unterscheiden. Sie untersuchen, wie die KI reagiert, wenn die Trainingsdaten unvollständig sind.
Debatte
Wer haftet bei KI-Fehlern?
Die Klasse debattiert über ein Szenario, in dem eine medizinische KI eine Fehldiagnose stellt. Wer trägt die Schuld: Der Programmierer, der Arzt oder die KI selbst?
Museumsgang
KI im Alltag aufspüren
Schüler suchen Beispiele für KI-Anwendungen in ihrem Umfeld (Streaming, Shopping, Navigation). Sie erstellen Plakate, die erklären, welche Daten die KI nutzt und welchen Nutzen sie bietet.
Häufig gestellte Fragen
Was ist der Unterschied zwischen KI und einem normalen Computerprogramm?
Wie funktioniert maschinelles Lernen vereinfacht?
Welche ethischen Fragen wirft KI auf?
Warum ist aktives Ausprobieren bei KI so wichtig?
Planungsvorlagen für Technik
Mehr in Automatisierung und die Arbeitswelt der Zukunft
Robotik in der modernen Produktion
Grundlagen der Steuerungstechnik und der Einsatz von Industrierobotern in Fertigungsprozessen. Die Schülerinnen und Schüler erarbeiten einfache Modelle zur Automatisierung.
8 methodologies
Wandel der Berufsfelder durch Digitalisierung
Analyse der historischen und zukünftigen Veränderungen von Berufen durch technologische Innovationen. Es wird erörtert, wie sich Ausbildung und Qualifikationen anpassen müssen.
8 methodologies