Ideen für aktives Lernen
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.
Aktivität 01
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.
Was versteht man unter maschinellem Lernen?
Aktivität 02
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?
Wo begegnet uns KI im Alltag bereits unbemerkt?
Aktivität 03
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.
Welche ethischen Richtlinien braucht die KI-Entwicklung?
Vorlagen
Nutzen, bearbeiten, drucken oder teilen.
Einige Hinweise zum Unterrichten dieser Einheit
Vorsicht vor diesen Fehlvorstellungen
KI versteht die Welt so wie wir Menschen.
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.
KI-Entscheidungen sind immer objektiv und neutral.
KI übernimmt Vorurteile aus den Trainingsdaten (Algorithmic Bias). Durch die Analyse von Fallbeispielen zu diskriminierenden Algorithmen lernen Schüler, KI-Ergebnisse kritisch zu hinterfragen.
In dieser Übersicht verwendete Methoden
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