|
|
| Zeile 1: |
Zeile 1: |
| ← [[DGB 3. Klasse|Digitale Grundbildung 3. Klasse]] | | ← [[DGB 3. Klasse|Digitale Grundbildung 3. Klasse]] |
|
| |
|
| Die kompakt formulierten Lernziele richten den Blick auf grundlegende Funktionsweisen künstlicher Intelligenz und helfen dabei, Anwendungen in Software und physischen Systemen sachlich zu beschreiben, Beispiele einzuordnen und Folgen für Alltag, Arbeit und Gesellschaft zu reflektieren. Lernziele Die Schülerinnen und Schüler können:
| | Künstliche Intelligenz begegnet uns nicht nur in Chatbots. Sie kann Inhalte sortieren, Spam erkennen, Routen vorschlagen, Bilder auswerten oder über Sensoren und Aktoren auch '''physische Systeme''' beeinflussen. Ein tragfähiges Verständnis beginnt bei der Kette Daten → Modell → Auswertung → Entscheidung → Ausgabe bzw. Handlung. |
|
| |
|
| == 2.1 Lernziele == | | == Lehrplanbezug == |
|
| |
|
| * erklären, wie künstliche Intelligenz mit Daten, Modellen und Rückmeldungen arbeitet.
| | {| class="wikitable" |
| * beschreiben, wie KI in Software-Systemen Inhalte sortiert, Entscheidungen vorbereitet und Abläufe automatisiert.
| | ! Bereich |
| * beschreiben, wie KI physische Systeme über Sensoren, Auswertung und Ausführung steuert.
| | ! Zuordnung |
| * zwischen Datenerfassung, Mustererkennung, Entscheidung und Handlung unterscheiden.
| | |- |
| * Beispiele aus Alltag, Mobilität, Medizin, Industrie und Kommunikation einordnen.
| | | '''Kompetenzbereich''' |
| * Chancen, Grenzen und Risiken KI-gesteuerter Systeme benennen und reflektieren.
| | | Orientierung |
| | |- |
| | | '''Perspektiven''' |
| | | T, G |
| | |- |
| | | '''Schwerpunkt''' |
| | | Künstliche Intelligenz steuert Software- und physische Systeme |
| | |- |
| | | '''Kompetenz''' |
| | | Beschreiben, wie künstliche Intelligenz viele Software- und physische Systeme steuert, und dabei Daten, Modell, Entscheidung und Handlung unterscheiden. |
| | |} |
|
| |
|
| == 2.2 Lerninhalte == | | == Lernziele == |
|
| |
|
| Die Lerninhalte verbinden technische Grundlagen mit anschaulichen Beispielen aus Alltag, Industrie, Mobilität, Medizin und digitaler Kommunikation, damit sichtbar wird, wie KI Entscheidungen vorbereitet, Abläufe automatisiert und Maschinen oder Programme an wechselnde Situationen anpasst. | | Die Schülerinnen und Schüler können: |
| | |
| | * erklären, dass KI mit Daten, Modellen und Rückmeldungen arbeitet; |
| | * KI-Anwendungen in Software-Systemen beschreiben; |
| | * KI-Anwendungen in physischen Systemen beschreiben; |
| | * Datenerfassung, Mustererkennung, Entscheidung und Handlung unterscheiden; |
| | * Sensoren und Aktoren in einer einfachen Steuerungskette einordnen; |
| | * Beispiele aus Alltag, Mobilität, Medizin, Industrie und Kommunikation zuordnen; |
| | * Fehler, Verzerrungen und Grenzen KI-gestützter Entscheidungen erkennen; |
| | * Fragen zu Datenschutz, Fairness, Kontrolle und Verantwortung formulieren; |
| | * KI-Ergebnisse nicht mit sicheren Wahrheiten verwechseln; |
| | |
| | == Lerninhalte == |
|
| |
|
| === Grundprinzipien der KI-Steuerung === | | === Grundprinzipien der KI-Steuerung === |
|
| |
|
| Das Verständnis der grundlegenden Steuerlogik erleichtert es, sehr unterschiedliche Anwendungen künstlicher Intelligenz miteinander zu vergleichen, weil nahezu alle Systeme Daten aufnehmen, Muster erkennen, Entscheidungen vorbereiten und ihre Ergebnisse über Softwarebefehle oder technische Bauteile wirksam werden lassen. Künstliche Intelligenz steuert Systeme meist nicht durch fest einprogrammierte Einzelschritte allein, sondern durch das Erkennen von Mustern in Daten. Ein KI-System erhält Eingaben, vergleicht sie mit gelernten Mustern und berechnet Wahrscheinlichkeiten oder Handlungsvorschläge. Anschließend wird ein Ergebnis ausgegeben, etwa eine Empfehlung, eine Sortierung, ein Warnhinweis oder ein Steuerbefehl. In vielen Anwendungen arbeitet KI gemeinsam mit klassischer Software: Die KI bewertet eine Situation, die übrige Software setzt anschließend Regeln, Grenzwerte oder konkrete Befehle um. Ein einfaches Beispiel ist die Bilderkennung. Eine Kamera liefert Bilddaten, ein trainiertes Modell erkennt etwa Personen, Fahrzeuge oder Verkehrszeichen, und das System reagiert
| | KI-Systeme verarbeiten Eingabedaten mit einem Modell. Das Modell wurde zuvor anhand von Daten entwickelt oder trainiert und liefert für neue Eingaben eine Klassifikation, Vorhersage, Empfehlung oder andere Ausgabe. Die Ausgabe kann angezeigt, weiterverarbeitet oder in eine physische Aktion übersetzt werden. |
|
| |
|
| darauf. Bei einer Übersetzungssoftware werden Wörter, Satzbau und Bedeutung analysiert, bevor der passende Zieltext erzeugt wird. Bei einem intelligenten Thermostat werden Temperaturdaten, Uhrzeit und Nutzungsgewohnheiten ausgewertet, damit das Gerät die Heizleistung anpasst. Steuerung durch KI bedeutet also häufig: wahrnehmen, auswerten, entscheiden, ausführen und wieder prüfen. Wichtig ist, dass KI-Systeme nicht „denken“ wie Menschen, sondern mit Datenmustern arbeiten. Sie können sehr schnell vergleichen, vorhersagen und anpassen, aber sie sind von Trainingsdaten, Zielvorgaben und technischer Umgebung abhängig. Dadurch wird verständlich, warum KI in manchen Situationen sehr leistungsfähig ist und in anderen Fehler macht. Ablauf: Daten erfassen, Muster erkennen, bewerten, ausführen, rückmelden Bestandteile: Daten, Modell, Software, Sensorik, Aktorik Begriffe: Wahrscheinlichkeiten, Training, Vorhersage, Automatisierung, Anpassung
| | Wichtig ist die Unterscheidung zwischen Regel und gelerntem Modell. Nicht jedes automatische System ist KI. Ein Bewegungsmelder, der bei einem festen Grenzwert Licht einschaltet, arbeitet automatisiert, muss aber noch keine künstliche Intelligenz verwenden. |
|
| |
|
| === KI in Software-Systemen === | | === KI in Software-Systemen === |
|
| |
|
| Digitale Programme zeigen besonders anschaulich, wie KI oft unsichtbar im Hintergrund arbeitet, Eingaben analysiert, Inhalte sortiert, Empfehlungen erzeugt und dadurch Benutzeroberflächen, Informationszugänge und Entscheidungen von Nutzerinnen und Nutzern im Alltag laufend beeinflusst. In Software-Systemen steuert KI vor allem Informationsflüsse. Suchmaschinen ordnen Treffer nicht zufällig, sondern gewichten Ergebnisse nach Relevanz, Sprache, Ort oder bisherigem Verhalten. Streamingdienste empfehlen Filme, Serien oder Musik auf Basis früherer Entscheidungen und ähnlicher Nutzungsprofile. E-Mail-Programme erkennen Spam, markieren verdächtige Nachrichten und filtern Werbung aus dem Posteingang. Textprogramme schlagen Wörter vor, korrigieren Schreibweisen oder vervollständigen Sätze. Navigationsapps berechnen Routen mithilfe von Verkehrsdaten, Störungen und typischen Fahrzeiten. Auch soziale Netzwerke nutzen KI intensiv. Beiträge werden priorisiert, Werbung wird zielgerichtet ausgespielt, problematische Inhalte werden erkannt und Inhalte für bestimmte Zielgruppen angepasst. Chatbots in Onlineshops oder auf Service-Seiten beantworten Anfragen, sortieren Probleme und leiten nur komplexe Fälle an Menschen weiter. Lernplattformen können Aufgaben an Leistungsniveaus anpassen, Wiederholungen vorschlagen oder typische Fehler erkennen. Banken setzen KI ein, um ungewöhnliche Buchungen als möglichen Betrug zu markieren. Übersetzungsprogramme analysieren große Sprachmengen und erzeugen passendere Sätze als starre Wort-für-Wort-Systeme. Solche Programme „steuern“ also oft nicht Maschinen, sondern Auswahl, Reihenfolge, Sichtbarkeit und Vorschläge. Dadurch beeinflusst KI, was Menschen sehen, lesen, kaufen, anklicken oder als wichtig wahrnehmen. Gerade deshalb ist es bedeutsam, Software- Steuerung nicht nur technisch, sondern auch gesellschaftlich zu betrachten. Softwarebeispiele: Suchmaschine, Navi, Spamfilter, Übersetzer, Lernplattform Funktionen: Sortieren, empfehlen, erkennen, filtern, vorhersagen Wirkungen: Sichtbarkeit, Komfort, Personalisierung, Beschleunigung, Beeinflussung
| | In Software kann KI etwa E-Mails als Spam einordnen, Suchergebnisse gewichten, Texte übersetzen, Fotos kategorisieren oder Inhalte empfehlen. Dabei entsteht keine menschliche „Meinung“ des Programms; das System verarbeitet Daten nach einem mathematischen Modell. |
| | |
| | Auch generative KI erzeugt Ergebnisse auf Grundlage gelernter Muster. Solche Ausgaben können nützlich, aber auch falsch, unvollständig oder erfunden sein und müssen daher geprüft werden. |
|
| |
|
| === KI in physischen Systemen === | | === KI in physischen Systemen === |
|
| |
|
| Bei physischen Systemen verbindet sich KI mit Sensoren, Motoren, Kameras und anderen Bauteilen, sodass Maschinen ihre Umgebung erfassen, Situationen bewerten und Bewegungen oder Regelvorgänge genauer, schneller und oft selbstständiger anpassen können. Physische Systeme sind Geräte, Fahrzeuge oder Maschinen, die nicht nur Informationen verarbeiten, sondern auch in die reale Umwelt eingreifen. Staubsaugerroboter erkennen Hindernisse, planen Fahrwege und passen ihre Bewegung an Möbel, Türen oder Treppen an. Fahrerassistenzsysteme in Autos erfassen Spurmarkierungen, Geschwindigkeit, Abstand und Verkehrsschilder. Daraus entstehen Warnungen, automatische Bremsvorgänge oder Lenkhilfen. Moderne Ampelsteuerungen können Verkehrsströme auswerten und Schaltzeiten verändern, um Staus zu reduzieren. In der Industrie erkennen Roboterarme Werkstücke über Kamerasysteme, sortieren Bauteile und reagieren flexibler auf unterschiedliche Formen oder Positionen als rein fest programmierte Anlagen. In Lagerhallen fahren Transportroboter selbstständig zu Regalen, wählen Wege und vermeiden Kollisionen. In der Landwirtschaft messen Sensoren Bodenfeuchte, Wetter und Pflanzenzustand; Bewässerung, Düngung oder Ernteprozesse können daran angepasst werden. In der Medizin unterstützen KI-gesteuerte Geräte etwa bei der Bildauswertung, bei Robotik im Operationssaal oder bei der Dosierung und Überwachung in technischen Assistenzsystemen. Besonders wichtig ist die Verbindung von Wahrnehmung und Handlung. Eine Kamera allein steuert noch nichts. Erst wenn erkannte Muster mit Softwarelogik, Grenzwerten und Aktoren verbunden sind, entsteht ein physisches KI-System, das Bewegungen, Bremsen, Greifen, Regeln oder Abschalten veranlassen kann. Physische Beispiele: Fahrassistenz, Lagerroboter, Staubsaugerroboter, Smartthermostat, Agrardrohne Bauteile: Kamera, Sensor, Motor, Greifer, Steuergerät Aktionen: Bremsen, lenken, regeln, sortieren, dosieren | | Bei physischen Systemen kommt zur digitalen Auswertung eine Verbindung zur realen Welt hinzu. Kameras, Mikrofone oder andere Sensoren erfassen Daten; ein Steuergerät wertet sie aus; Aktoren wie Motoren, Bremsen, Greifer oder Ventile führen Handlungen aus. |
| | |
| | Beispiele sind Fahrassistenz, Lagerroboter, Staubsaugerroboter, Smartthermostate oder Agrardrohnen. Gerade hier ist die Frage nach Sicherheit wichtig, weil Fehlentscheidungen unmittelbare reale Folgen haben können. |
|
| |
|
| === Anwendungen in Alltag und Gesellschaft === | | === Anwendungen in Alltag und Gesellschaft === |
|
| |
|
| An Beispielen aus Wohnen, Mobilität, Medizin, Industrie und Landwirtschaft wird deutlich, dass KI nicht nur technische Abläufe optimiert, sondern auch Arbeitsweisen verändert, Verantwortlichkeiten verschiebt und neue Anforderungen an Kontrolle, Vertrauen und Kompetenz entstehen lässt. Im Smart Home regeln KI-Systeme Heizung, Licht, Sicherheit oder Energieverbrauch. Sie erkennen typische Tagesabläufe, passen Temperaturen an und melden ungewöhnliche Vorgänge. Im Verkehr helfen KI-Systeme bei Navigation, Parken, Fahrerassistenz und Verkehrssteuerung. In Krankenhäusern werden große Datenmengen genutzt, um Bilder auszuwerten, Risiken frühzeitig zu erkennen oder Abläufe bei Terminplanung und Versorgung zu verbessern. In Unternehmen steuert KI Lagerprozesse, Qualitätskontrolle, Wartung und Kundenservice. In der Landwirtschaft ermöglicht sie gezieltere Bewässerung, Schädlingsbeobachtung und Ertragsprognosen. Auch im Bildungsbereich wirkt KI steuernd. Lernprogramme können passende Übungen auswählen, Rückmeldungen formulieren und Lernverläufe auswerten. Gleichzeitig bleibt die
| | KI unterstützt Navigation, medizinische Bildauswertung, Qualitätskontrolle, Energieoptimierung, Lernsoftware und Kundenservice. Dabei werden Prozesse häufig schneller oder stärker automatisiert. |
|
| |
|
| pädagogische Verantwortung bei Lehrkräften. In Verwaltungen oder Unternehmen unterstützt KI bei Dokumentensortierung, Antragsprüfung oder Terminvergabe. Damit werden Prozesse schneller, aber auch abhängiger von Datenqualität und korrekter Modellierung. Die große Verbreitung zeigt, dass KI nicht nur ein Spezialthema aus der Informatik ist. Sie greift in viele Lebensbereiche ein und verändert, wie Menschen arbeiten, Entscheidungen treffen und Technik vertrauen. Deshalb gehört zur Beschreibung von KI immer auch die Frage, in welchem Umfeld sie eingesetzt wird und welche Folgen daraus entstehen. Lebensbereiche: Wohnen, Verkehr, Medizin, Schule, Industrie Alltagsbeispiele: Sprachassistent, Parkhilfe, Lernapp, Servicechat, Heizsystem Folgen: Arbeitsteilung, Zeitgewinn, Abhängigkeit, Kontrolle, Verantwortung
| | Mit der Verbreitung verändern sich Arbeitsabläufe und Verantwortlichkeiten. Menschen müssen wissen, wann ein System zuverlässig unterstützt und wann menschliche Kontrolle unverzichtbar bleibt. |
|
| |
|
| === Daten, Training und Rückmeldungen === | | === Daten, Training und Rückmeldungen === |
|
| |
|
| Die Wirksamkeit künstlicher Intelligenz hängt stark von Datenqualität, Training, Rückmeldungen und menschlicher Überwachung ab, weshalb Lernende verstehen sollten, dass vermeintlich autonome Systeme nur innerhalb vorgegebener Modelle, Ziele und Grenzen handeln. KI-Systeme müssen trainiert oder fortlaufend angepasst werden. Dafür benötigen sie Daten, zum Beispiel Bilder, Texte, Messwerte, Bewegungsdaten oder Nutzerverhalten. Beim Training erkennt das Modell statistische Zusammenhänge und bildet daraus Muster. Ein Spracherkennungssystem lernt aus vielen gesprochenen Beispielen, ein Bilderkennungssystem aus markierten Bildern, ein Verkehrsmodell aus Bewegungs- und Staudaten. Je besser und passender die Daten sind, desto zuverlässiger kann das System arbeiten. Rückmeldungen spielen ebenfalls eine große Rolle. Wenn Nutzerinnen und Nutzer Vorschläge ablehnen, Fehlalarme markieren oder neue Daten hinzukommen, kann das System verbessert werden. Bei manchen Anwendungen läuft diese Anpassung regelmäßig im Hintergrund, bei anderen nur nach menschlicher Überprüfung. In sicherheitsrelevanten Bereichen, etwa Medizin, Verkehr oder Industrie, reicht KI allein nicht aus. Dort werden Ergebnisse meist zusätzlich durch Fachpersonen, Regeln oder Notfallsysteme abgesichert. Wesentlich ist auch, dass KI nicht neutral ist. Fehlerhafte oder einseitige Daten können zu ungenauen oder unfairen Ergebnissen führen. Wenn etwa ein Erkennungssystem bestimmte Situationen zu selten gelernt hat, reagiert es dort unsicherer. Deshalb gehören Datenkritik, Qualitätsprüfung und menschliche Aufsicht zu jeder sachgerechten Beschreibung von KI- Steuerung. Grundlagen: Trainingsdaten, Rückmeldung, Modellgrenzen, Qualitätsprüfung, Aufsicht Datenarten: Bilddaten, Sprachdaten, Sensordaten, Textdaten, Nutzerdaten Einflussfaktoren: Datenqualität, Zielvorgaben, Updates, Umgebung, Kontrolle
| | Ein KI-Modell kann nur aus den Daten lernen, die ihm zur Verfügung stehen. Sind Trainingsdaten einseitig, fehlerhaft oder nicht passend zur späteren Anwendung, kann sich dies in den Ergebnissen zeigen. |
| | |
| | Rückmeldungen und neue Daten können Systeme verbessern, gleichzeitig aber neue Datenschutzfragen erzeugen. Deshalb sind Herkunft, Qualität und Zweck der Daten zentrale Bestandteile jeder KI-Bewertung. |
|
| |
|
| === Chancen, Grenzen und Verantwortung === | | === Chancen, Grenzen und Verantwortung === |
|
| |
|
| Eine reflektierte Betrachtung zeigt, dass KI zwar Komfort, Effizienz und Sicherheit erhöhen kann, zugleich aber Fragen zu Fehlern, Verzerrungen, Transparenz, Energieverbrauch und gesellschaftlicher Verantwortung aufwirft, die in Schule und Öffentlichkeit bewusst besprochen
| | KI kann Effizienz, Sicherheit und Zugänglichkeit verbessern, aber Fehler, Verzerrung, Intransparenz und Abhängigkeit mit sich bringen. Nicht immer ist nachvollziehbar, warum ein komplexes Modell eine bestimmte Entscheidung vorbereitet hat. |
| | |
| | Verantwortung bleibt bei Menschen und Organisationen: Wer wählt das System aus? Wer kontrolliert es? Wer haftet bei Fehlern? Welche Daten dürfen verwendet werden? Ein verantwortungsvoller Umgang bedeutet weder blinde Begeisterung noch pauschale Ablehnung. |
| | |
| | == Aufgaben für den Unterricht == |
| | |
| | === Anwendungen ordnen und begründen === |
| | |
| | '''Arbeitsauftrag:''' Ordnet Beispiele wie Spamfilter, Navigationsapp, Sprachassistent, Staubsaugerroboter und Fahrassistenz in Software-Systeme bzw. physische Systeme ein und begründet Grenzfälle. |
| | |
| | '''Erwartetes Ergebnis:''' Tabelle mit fachlichen Begründungen. |
| | |
| | === Steuerungsketten analysieren === |
| | |
| | '''Arbeitsauftrag:''' Zerlegt ein KI-System in Eingabe, Daten, Modell, Entscheidung, Ausgabe und gegebenenfalls Rückmeldung. |
| | |
| | '''Erwartetes Ergebnis:''' vollständige Steuerungskette. |
| | |
| | === Software und Maschine gegenüberstellen === |
|
| |
|
| werden sollten. Künstliche Intelligenz kann Abläufe beschleunigen, Menschen entlasten und präzisere Auswertungen ermöglichen. In der Medizin kann sie Hinweise geben, in der Industrie Material sparen, im Verkehr Unfälle vermeiden helfen und in Software den Zugang zu Informationen erleichtern. Sie kann Routineaufgaben übernehmen, Fehler früh erkennen und Systeme flexibel an neue Bedingungen anpassen. Gerade dort, wo sehr viele Daten schnell verarbeitet werden müssen, ist KI besonders nützlich. Gleichzeitig entstehen Grenzen und Risiken. KI kann falsche Muster erkennen, problematische Entscheidungen verstärken oder undurchsichtig bleiben. Nicht immer ist klar, warum ein System eine bestimmte Empfehlung gibt oder einen Inhalt blockiert. Manche Anwendungen verbrauchen viel Rechenleistung und damit Energie. Außerdem verändert KI Berufe, Verantwortlichkeiten und Erwartungen an Menschen. Wer kontrolliert das System, wer haftet bei Fehlern und wer darf über seinen Einsatz entscheiden? Diese Fragen sind für Schule, Arbeitswelt und Demokratie bedeutsam. Ein verantwortungsvoller Umgang bedeutet deshalb nicht, KI nur zu bewundern oder nur abzulehnen. Entscheidend ist, ihre Funktionsweise zu verstehen, Anwendungen passend einzuordnen und Nutzen, Grenzen und Folgen bewusst gegeneinander abzuwägen. Chancen: Effizienz, Sicherheit, Unterstützung, Präzision, Entlastung Grenzen: Fehler, Verzerrung, Intransparenz, Abhängigkeit, Energiebedarf Fragen: Kontrolle, Haftung, Datenschutz, Fairness, Aufsicht
| | '''Arbeitsauftrag:''' Vergleicht einen Spamfilter mit einem Lagerroboter: Welche Teile existieren nur digital und wo kommen Sensoren bzw. Aktoren hinzu? |
|
| |
|
| == 2.4 Aufgaben für den Unterricht ==
| | '''Erwartetes Ergebnis:''' Systemvergleich. |
|
| |
|
| === 2.4.1 Anwendungen ordnen und begründen === | | === Alltagsbeobachtungen dokumentieren === |
|
| |
|
| Der Vergleich unterschiedlicher KI-Anwendungen unterstützt die Lernenden dabei, Gemeinsamkeiten und Unterschiede zwischen rein digitalen Programmen und technisch
| | '''Arbeitsauftrag:''' Sammelt KI-Vermutungen aus dem Alltag und prüft anschließend, ob es sich wirklich um KI oder nur um Automatisierung handelt. |
|
| |
|
| eingebetteten Systemen zu erkennen und die jeweilige Steuerungsleistung präzise fachsprachlich zu beschreiben. Die Schülerinnen und Schüler erhalten Bild- oder Textkarten mit Beispielen wie Navigationsapp, Spamfilter, Streamingempfehlung, Staubsaugerroboter, Fahrassistenzsystem, Smartthermostat und Lagerroboter. Zunächst ordnen sie die Beispiele in zwei Bereiche ein: Software-Systeme und physische Systeme. Danach begründen sie ihre Zuordnung schriftlich mit den Leitfragen: Welche Daten werden erfasst? Welche Muster erkennt das System? Welche Entscheidung trifft die KI? Welche Handlung oder Ausgabe folgt daraus? Anschließend werden unklare Fälle gemeinsam besprochen, etwa ein Sprachassistent, der sowohl Softwarefunktionen als auch physische Geräte steuern kann. Die Aufgabe ist lernwirksam, weil sie Begriffsbildung, Vergleich und fachlich präzises Beschreiben miteinander verbindet und Fehlvorstellungen früh sichtbar macht. Beispiele: Navi, Spamfilter, Roboter, Thermostat Arbeitsschritte: ordnen, begründen, vergleichen, sichern Kompetenzen: beschreiben, unterscheiden, zuordnen, erklären Produkte: Tabelle, Kurzbegründung
| | '''Erwartetes Ergebnis:''' Beobachtungsprotokoll. |
|
| |
|
| === 2.4.2 Steuerungsketten analysieren === | | === Fehlerszenarien untersuchen === |
|
| |
|
| Das Zerlegen technischer Anwendungen in einzelne Prozessschritte macht sichtbar, dass KI nicht magisch arbeitet, sondern über Datenaufnahme, Mustererkennung, Auswertung und Ausführung mit Sensoren, Software und Aktoren verbunden ist. Die Lernenden wählen oder erhalten ein konkretes Beispiel, etwa eine automatische Gesichtserkennung zum Entsperren eines Smartphones, eine adaptive Ampelsteuerung oder einen Staubsaugerroboter. Danach erstellen sie eine Steuerungskette mit den Stationen Eingabe, Daten, Modell, Entscheidung, Ausgabe und Rückmeldung. Zu jeder Station notieren sie möglichst genau, was geschieht. Beim Staubsaugerroboter könnte das etwa lauten: Sensor erfasst Hindernis, System vergleicht Daten mit gespeicherten Mustern, berechnet neue Route, Motor ändert Richtung, erneute Umgebungserfassung folgt. In der Auswertung vergleichen die Gruppen ihre Ketten und besprechen, an welcher Stelle KI beteiligt ist und welche Teile durch klassische Technik oder feste Regeln ergänzt werden. Durch diese Strukturierung verstehen die Schülerinnen und Schüler komplexe Systeme deutlich genauer. Stationen: Eingabe, Modell, Entscheidung, Ausgabe, Rückmeldung Beispiele: Smartphone, Ampel, Roboter, Parkhilfe Kompetenzen: analysieren, strukturieren, erklären, visualisieren Produkte: Ablaufdiagramm, Erläuterung
| | '''Arbeitsauftrag:''' Analysiert, welche Folgen falsche Eingabedaten oder eine falsche Modellausgabe bei verschiedenen Anwendungen haben könnten. |
|
| |
|
| === 2.4.3 Software und Maschine gegenüberstellen ===
| | '''Erwartetes Ergebnis:''' Risikoanalyse. |
|
| |
|
| Die Gegenüberstellung digitaler Programme und körperlich handelnder Systeme schärft den Blick dafür, dass KI zwar in beiden Fällen Muster erkennt und Entscheidungen vorbereitet, die Folgen ihrer Steuerung jedoch unterschiedlich sichtbar und unterschiedlich risikoreich sein können.
| | === Rollenperspektiven diskutieren === |
|
| |
|
| Die Klasse arbeitet mit einer Vergleichsmatrix zu je einem Software-System und einem physischen System, etwa Empfehlungsalgorithmus und Fahrerassistenz oder Übersetzungsprogramm und Industrieroboter. Die Schülerinnen und Schüler untersuchen, welche Datenarten genutzt werden, wie schnell Entscheidungen getroffen werden müssen, welche Folgen Fehler haben, welche menschliche Kontrolle vorhanden ist und welche Art von Handlung ausgelöst wird. Danach formulieren sie einen Vergleichstext, in dem sie erklären, warum ein Fehler in einem Streamingdienst andere Folgen hat als ein Fehler in einem automatischen Bremssystem. Besonders förderlich ist die Aufgabe, weil sie technisches Verständnis mit Risikobewusstsein, Sprachbildung und differenzierter Urteilsbildung verbindet. Vergleichsaspekte: Datenarten, Tempo, Fehlerfolgen, Kontrolle Systeme: Algorithmus, Assistenzsystem, Roboter, Übersetzer Kompetenzen: vergleichen, differenzieren, beurteilen, formulieren Produkte: Matrix, Vergleichstext
| | '''Arbeitsauftrag:''' Bewertet eine KI-Anwendung aus Sicht von Nutzenden, Hersteller, Betroffenen und Aufsicht. |
|
| |
|
| === 2.4.4 Alltagsbeobachtungen dokumentieren ===
| | '''Erwartetes Ergebnis:''' Rollenargumente. |
|
| |
|
| Die bewusste Suche nach KI im eigenen Alltag erhöht die Bedeutsamkeit des Themas und hilft den Lernenden dabei, abstrakte Fachbegriffe mit beobachtbaren Anwendungen aus Mediennutzung, Konsum, Kommunikation und technischer Umgebung zu verknüpfen. Die Schülerinnen und Schüler führen über einen festgelegten Zeitraum ein kurzes Beobachtungsprotokoll. Sie notieren Situationen, in denen ihnen KI-gestützte Steuerung begegnet, etwa bei Suchvorschlägen, automatischen Untertiteln, Musikempfehlungen, Navigationshinweisen, Kameraoptimierung am Smartphone oder beim Einsatz eines Haushaltsroboters. Zu jedem Beispiel halten sie fest, welche Eingaben das System nutzt, was sichtbar gesteuert wird und ob es sich um ein Software- oder physisches System handelt. Im Unterricht werden die Beobachtungen sortiert und gemeinsam ausgewertet. Dabei wird deutlich, wie häufig KI bereits im Alltag wirkt, oft ohne sofort als solche erkannt zu werden. Die Aufgabe stärkt Transfer, Wahrnehmung und Begriffssicherheit. Alltagsorte: Zuhause, Schule, Verkehr, Onlineshop Beobachtungen: Empfehlungen, Vorschläge, Filter, Steuerungen Kompetenzen: erkennen, dokumentieren, einordnen, reflektieren Produkte: Protokoll, Sammlung
| | === Mediale Darstellungen prüfen === |
|
| |
|
| === 2.4.5 Fehlerszenarien untersuchen ===
| | '''Arbeitsauftrag:''' Untersucht einen Beitrag über KI auf Übertreibungen, fehlende Belege und die Vermischung von tatsächlichen Fähigkeiten mit Zukunftsbehauptungen. |
|
| |
|
| Das Nachdenken über Fehlentscheidungen vertieft das Verständnis für Grenzen künstlicher Intelligenz und macht deutlich, weshalb Datenqualität, Training, Kontrolle und menschliche Aufsicht bei softwarebasierten und physischen Anwendungen unverzichtbar bleiben. Die Lernenden bearbeiten kurze Szenarien, in denen KI fehlerhaft arbeitet, etwa ein Spamfilter sortiert eine wichtige Nachricht aus, ein Übersetzungsprogramm verändert die Bedeutung eines Satzes, ein Staubsaugerroboter erkennt eine dunkle Fläche falsch oder ein Fahrassistenzsystem reagiert in einer ungewöhnlichen Situation unsicher. In Gruppen analysieren sie, an welcher Stelle der Steuerungskette der Fehler entstanden sein könnte und welche Folgen daraus entstehen. Danach entwickeln sie Verbesserungen, etwa bessere
| | '''Erwartetes Ergebnis:''' Prüfprotokoll. |
|
| |
|
| Trainingsdaten, zusätzliche Sensoren, Warnhinweise oder menschliche Kontrollschritte. Besonders lernförderlich ist die Aufgabe, weil sie nicht nur Erfolgsszenarien zeigt, sondern technische Systeme realistisch und problemlösend betrachten lässt. Fehlerquellen: Datenmangel, Sensorfehler, Fehltraining, Grenzfall Folgen: Falschmeldung, Fehlsteuerung, Unsicherheit, Kontrollverlust Kompetenzen: untersuchen, begründen, verbessern, bewerten Produkte: Fehleranalyse, Lösungsvorschlag
| | === Eigene Systementwürfe entwickeln === |
|
| |
|
| === 2.4.6 Rollenperspektiven diskutieren ===
| | '''Arbeitsauftrag:''' Entwerft ein sinnvolles KI-gestütztes System und beschreibt Daten, Modellaufgabe, Ausgabe, Nutzen und Risiken. |
|
| |
|
| Verschiedene gesellschaftliche Perspektiven machen verständlich, dass KI-gesteuerte Systeme nicht für alle Menschen dieselbe Bedeutung haben, sondern je nach Lebenslage, Beruf, Alter, Verantwortung und Betroffenheit sehr unterschiedlich wahrgenommen werden. Als Ausgangspunkt dient ein Beispiel wie KI in der Pflege, KI im Straßenverkehr oder KI im Schulalltag. Die Schülerinnen und Schüler übernehmen Rollen, etwa Nutzerin, Entwickler, Lehrkraft, Pflegekraft, Elternteil, Datenschutzbeauftragte oder Unternehmen. Aus ihrer Perspektive sammeln sie Erwartungen, Vorteile, Sorgen und Bedingungen für einen verantwortlichen Einsatz. Anschließend diskutieren sie in einer strukturierten Runde, welche Anforderungen an Kontrolle, Transparenz und Sicherheit erfüllt sein müssen. Die Aufgabe ist besonders wirksam, weil sie technisches Wissen mit gesellschaftlicher Reflexion verbindet und zeigt, dass Steuerung durch KI immer auch Fragen von Verantwortung und Akzeptanz berührt. Rollen: Nutzer, Entwickler, Lehrkraft, Eltern, Datenschutz Perspektiven: Nutzen, Sorge, Verantwortung, Kontrolle Kompetenzen: argumentieren, abwägen, reflektieren, urteilen Produkte: Rollenkarte, Stellungnahme
| | '''Erwartetes Ergebnis:''' Systemschaubild. |
|
| |
|
| === 2.4.7 Mediale Darstellungen prüfen === | | === Reflexion zum Abschluss === |
|
| |
|
| Die Analyse medialer Beiträge unterstützt die Lernenden dabei, zwischen sachlicher Beschreibung, übertriebener Erwartung und unbegründeter Angst zu unterscheiden und KI- Steuerung in Software und physischen Systemen differenziert zu bewerten. Die Klasse vergleicht mehrere Medienbeiträge zu einem KI-Thema, beispielsweise zu autonomen Fahrzeugen, Chatbots oder Robotern in der Pflege. Die Schülerinnen und Schüler markieren Aussagen darüber, was das System angeblich „kann“, und prüfen dann, ob tatsächlich von Datenerfassung, Mustererkennung, Entscheidung oder physischer Handlung die Rede ist. Danach halten sie fest, ob der Beitrag eher Nutzen, Risiko oder Sensation in den Vordergrund stellt. Im Plenum wird besprochen, wie Sprache und Bilder die Wahrnehmung von KI prägen und welche fachlichen Informationen fehlen. Diese Aufgabe stärkt Medienkritik und verhindert vereinfachte Vorstellungen über künstliche Intelligenz. Medienformen: Artikel, Video, Grafik, Bericht Prüffragen: Was steuert, wie entscheidet, was fehlt Kompetenzen: analysieren, hinterfragen, einordnen, bewerten Produkte: Auswertung, Kurzfazit
| | '''Arbeitsauftrag:''' Erkläre an einem Beispiel, warum KI weder „magisch“ noch automatisch objektiv ist. |
|
| |
|
| === 2.4.8 Eigene Systementwürfe entwickeln ===
| | '''Erwartetes Ergebnis:''' kurzer Reflexionstext. |
|
| |
|
| Das Planen eines einfachen KI-gestützten Systems fördert vertieftes Verstehen, weil die Lernenden die einzelnen Bausteine selbst zusammensetzen und dadurch klarer erkennen, welche Daten, Entscheidungen und Handlungen für Steuerungsprozesse nötig sind. Die Schülerinnen und Schüler entwerfen in Kleingruppen ein einfaches System, etwa einen intelligenten Mülleimer, eine smarte Pflanzenbewässerung, eine Lernapp mit Aufgabenvorschlägen oder einen Schulweg-Assistenten. Sie beschreiben, welche Daten das System benötigt, wie die KI diese auswertet, welche Entscheidung daraus entsteht und welche Ausgabe oder Handlung erfolgt. Zusätzlich benennen sie mögliche Fehlerquellen, Grenzen und notwendige Kontrollmechanismen. Der Entwurf kann als Plakat, Steckbrief oder digitales Schaubild umgesetzt werden. Diese Aufgabe verbindet Anwendung, Kreativität und Systemdenken und sorgt dafür, dass bloß gelernte Begriffe in ein eigenständig entwickeltes Modell übertragen werden. Entwürfe: Lernapp, Bewässerung, Assistenzsystem, Mülleimer Bausteine: Daten, Modell, Entscheidung, Ausgabe, Kontrolle Kompetenzen: übertragen, planen, modellieren, erläutern Produkte: Steckbrief, Schaubild, Präsentation
| | == Selbstcheck == |
|
| |
|
| === 2.4.9 Reflexion zum Abschluss ===
| | * Ich kann den Schwerpunkt „Künstliche Intelligenz steuert Software- und physische Systeme“ mit eigenen Worten erklären. |
| | * Ich kann erklären, dass KI mit Daten, Modellen und Rückmeldungen arbeitet. |
| | * Ich kann KI-Anwendungen in Software-Systemen beschreiben. |
| | * Ich kann KI-Anwendungen in physischen Systemen beschreiben. |
| | * Ich kann Datenerfassung, Mustererkennung, Entscheidung und Handlung unterscheiden. |
| | * Ich kann Sensoren und Aktoren in einer einfachen Steuerungskette einordnen. |
|
| |
|
| Eine gezielte Abschlussreflexion sichert zentrale Einsichten und hilft den Lernenden dabei, ihr eigenes Verständnis von KI-Steuerung sprachlich geordnet darzustellen und persönliche Bewertungen mit fachlichen Beobachtungen zu verbinden. Zum Abschluss verfassen die Schülerinnen und Schüler einen Reflexionstext oder bearbeiten Satzanfänge wie: „Ein Software-System wird durch KI gesteuert, wenn …“, „Ein physisches System braucht zusätzlich …“, „Besonders überrascht hat mich …“, „Problematisch kann werden …“ und „Wichtig für einen verantwortlichen Einsatz ist …“. Alternativ kann ein Partnergespräch mit Reflexionskarte durchgeführt werden. Entscheidend ist, dass die Lernenden nicht nur Beispiele nennen, sondern Zusammenhänge zwischen Daten, Modell, Entscheidung, Handlung und Verantwortung selbstständig formulieren. Dadurch wird Wissen gesichert und gleichzeitig die sprachliche Durchdringung des Themas vertieft. Satzanfänge: gesteuert wird, wichtig ist, problematisch kann Formen: Reflexionstext, Partnergespräch, Kartenarbeit Kompetenzen: sichern, formulieren, verknüpfen, reflektieren Produkte: Text, Gesprächsnotiz
| | == Siehe auch == |
|
| |
|
| Grundlage: Digitale Grundbildung III – Lehrband 3. Klasse, Final V2.5.
| | * [[DGB 3: Computational Thinking|Computational Thinking und Programmieren]] |
| | * [[DGB 3: Mediennutzung und Personalisierung|Personalisierte Mediennutzung]] |
| | * [[DGB 3: Technik Umwelt Gesellschaft|Technik Umwelt Gesellschaft]] |
|
| |
|
| [[Kategorie:Digitale Grundbildung 3. Klasse]] | | [[Kategorie:Digitale Grundbildung]] |
| | [[Kategorie:DGB 3]] |
← Digitale Grundbildung 3. Klasse
Künstliche Intelligenz begegnet uns nicht nur in Chatbots. Sie kann Inhalte sortieren, Spam erkennen, Routen vorschlagen, Bilder auswerten oder über Sensoren und Aktoren auch physische Systeme beeinflussen. Ein tragfähiges Verständnis beginnt bei der Kette Daten → Modell → Auswertung → Entscheidung → Ausgabe bzw. Handlung.
| Bereich
|
Zuordnung
|
| Kompetenzbereich
|
Orientierung
|
| Perspektiven
|
T, G
|
| Schwerpunkt
|
Künstliche Intelligenz steuert Software- und physische Systeme
|
| Kompetenz
|
Beschreiben, wie künstliche Intelligenz viele Software- und physische Systeme steuert, und dabei Daten, Modell, Entscheidung und Handlung unterscheiden.
|
Die Schülerinnen und Schüler können:
- erklären, dass KI mit Daten, Modellen und Rückmeldungen arbeitet;
- KI-Anwendungen in Software-Systemen beschreiben;
- KI-Anwendungen in physischen Systemen beschreiben;
- Datenerfassung, Mustererkennung, Entscheidung und Handlung unterscheiden;
- Sensoren und Aktoren in einer einfachen Steuerungskette einordnen;
- Beispiele aus Alltag, Mobilität, Medizin, Industrie und Kommunikation zuordnen;
- Fehler, Verzerrungen und Grenzen KI-gestützter Entscheidungen erkennen;
- Fragen zu Datenschutz, Fairness, Kontrolle und Verantwortung formulieren;
- KI-Ergebnisse nicht mit sicheren Wahrheiten verwechseln;
KI-Systeme verarbeiten Eingabedaten mit einem Modell. Das Modell wurde zuvor anhand von Daten entwickelt oder trainiert und liefert für neue Eingaben eine Klassifikation, Vorhersage, Empfehlung oder andere Ausgabe. Die Ausgabe kann angezeigt, weiterverarbeitet oder in eine physische Aktion übersetzt werden.
Wichtig ist die Unterscheidung zwischen Regel und gelerntem Modell. Nicht jedes automatische System ist KI. Ein Bewegungsmelder, der bei einem festen Grenzwert Licht einschaltet, arbeitet automatisiert, muss aber noch keine künstliche Intelligenz verwenden.
In Software kann KI etwa E-Mails als Spam einordnen, Suchergebnisse gewichten, Texte übersetzen, Fotos kategorisieren oder Inhalte empfehlen. Dabei entsteht keine menschliche „Meinung“ des Programms; das System verarbeitet Daten nach einem mathematischen Modell.
Auch generative KI erzeugt Ergebnisse auf Grundlage gelernter Muster. Solche Ausgaben können nützlich, aber auch falsch, unvollständig oder erfunden sein und müssen daher geprüft werden.
Bei physischen Systemen kommt zur digitalen Auswertung eine Verbindung zur realen Welt hinzu. Kameras, Mikrofone oder andere Sensoren erfassen Daten; ein Steuergerät wertet sie aus; Aktoren wie Motoren, Bremsen, Greifer oder Ventile führen Handlungen aus.
Beispiele sind Fahrassistenz, Lagerroboter, Staubsaugerroboter, Smartthermostate oder Agrardrohnen. Gerade hier ist die Frage nach Sicherheit wichtig, weil Fehlentscheidungen unmittelbare reale Folgen haben können.
Anwendungen in Alltag und Gesellschaft
[Bearbeiten]KI unterstützt Navigation, medizinische Bildauswertung, Qualitätskontrolle, Energieoptimierung, Lernsoftware und Kundenservice. Dabei werden Prozesse häufig schneller oder stärker automatisiert.
Mit der Verbreitung verändern sich Arbeitsabläufe und Verantwortlichkeiten. Menschen müssen wissen, wann ein System zuverlässig unterstützt und wann menschliche Kontrolle unverzichtbar bleibt.
Ein KI-Modell kann nur aus den Daten lernen, die ihm zur Verfügung stehen. Sind Trainingsdaten einseitig, fehlerhaft oder nicht passend zur späteren Anwendung, kann sich dies in den Ergebnissen zeigen.
Rückmeldungen und neue Daten können Systeme verbessern, gleichzeitig aber neue Datenschutzfragen erzeugen. Deshalb sind Herkunft, Qualität und Zweck der Daten zentrale Bestandteile jeder KI-Bewertung.
KI kann Effizienz, Sicherheit und Zugänglichkeit verbessern, aber Fehler, Verzerrung, Intransparenz und Abhängigkeit mit sich bringen. Nicht immer ist nachvollziehbar, warum ein komplexes Modell eine bestimmte Entscheidung vorbereitet hat.
Verantwortung bleibt bei Menschen und Organisationen: Wer wählt das System aus? Wer kontrolliert es? Wer haftet bei Fehlern? Welche Daten dürfen verwendet werden? Ein verantwortungsvoller Umgang bedeutet weder blinde Begeisterung noch pauschale Ablehnung.
Arbeitsauftrag: Ordnet Beispiele wie Spamfilter, Navigationsapp, Sprachassistent, Staubsaugerroboter und Fahrassistenz in Software-Systeme bzw. physische Systeme ein und begründet Grenzfälle.
Erwartetes Ergebnis: Tabelle mit fachlichen Begründungen.
Arbeitsauftrag: Zerlegt ein KI-System in Eingabe, Daten, Modell, Entscheidung, Ausgabe und gegebenenfalls Rückmeldung.
Erwartetes Ergebnis: vollständige Steuerungskette.
Software und Maschine gegenüberstellen
[Bearbeiten]Arbeitsauftrag: Vergleicht einen Spamfilter mit einem Lagerroboter: Welche Teile existieren nur digital und wo kommen Sensoren bzw. Aktoren hinzu?
Erwartetes Ergebnis: Systemvergleich.
Arbeitsauftrag: Sammelt KI-Vermutungen aus dem Alltag und prüft anschließend, ob es sich wirklich um KI oder nur um Automatisierung handelt.
Erwartetes Ergebnis: Beobachtungsprotokoll.
Arbeitsauftrag: Analysiert, welche Folgen falsche Eingabedaten oder eine falsche Modellausgabe bei verschiedenen Anwendungen haben könnten.
Erwartetes Ergebnis: Risikoanalyse.
Arbeitsauftrag: Bewertet eine KI-Anwendung aus Sicht von Nutzenden, Hersteller, Betroffenen und Aufsicht.
Erwartetes Ergebnis: Rollenargumente.
Arbeitsauftrag: Untersucht einen Beitrag über KI auf Übertreibungen, fehlende Belege und die Vermischung von tatsächlichen Fähigkeiten mit Zukunftsbehauptungen.
Erwartetes Ergebnis: Prüfprotokoll.
Arbeitsauftrag: Entwerft ein sinnvolles KI-gestütztes System und beschreibt Daten, Modellaufgabe, Ausgabe, Nutzen und Risiken.
Erwartetes Ergebnis: Systemschaubild.
Arbeitsauftrag: Erkläre an einem Beispiel, warum KI weder „magisch“ noch automatisch objektiv ist.
Erwartetes Ergebnis: kurzer Reflexionstext.
- Ich kann den Schwerpunkt „Künstliche Intelligenz steuert Software- und physische Systeme“ mit eigenen Worten erklären.
- Ich kann erklären, dass KI mit Daten, Modellen und Rückmeldungen arbeitet.
- Ich kann KI-Anwendungen in Software-Systemen beschreiben.
- Ich kann KI-Anwendungen in physischen Systemen beschreiben.
- Ich kann Datenerfassung, Mustererkennung, Entscheidung und Handlung unterscheiden.
- Ich kann Sensoren und Aktoren in einer einfachen Steuerungskette einordnen.
