Informatik 7: Modellieren Algorithmen entwerfen und testen

← Zurück zur 7. Klasse

Worum geht es? Tragfähige informatische Lösungen entstehen aus einem durchgehenden Arbeitsprozess von der Problemklärung über Modellierung, Entwurf und Darstellung bis zur Implementierung, Erprobung und Überarbeitung, sodass Algorithmen nicht isoliert, sondern als entwickelbare Problemlösungen verstanden werden.

Lernziele

Nach diesem Kapitel kannst du:

• Probleme zerlegen.
• Muster erkennen.
• Wesentliches abstrahieren.
• Modelle bilden.
• Algorithmen entwerfen.
• Schritte ordnen.
• Bedingungen formulieren.
• Schleifen nutzen.
• Darstellungen wählen.
• Pseudocode schreiben.
• Programme implementieren.
• Tests planen.
• Fehler finden.
• Lösungen verbessern.

Anschluss an die 6. Klasse

In der 6. Klasse hast du Probleme modelliert und Algorithmen entwickelt. Jetzt führst du Modellierung, Computational Thinking, formale Darstellung, Implementierung, Test und Debugging enger zusammen.

Lerninhalte

Kompaktüberblick

Teilbereich	Kerngedanke
Probleme informatisch modellieren	Der Übergang vom Alltagsproblem zur informatischen Lösung gelingt dann, wenn Situationen auf wesentliche Merkmale, Regeln, Zustände und Eingaben reduziert werden, damit aus einer unübersichtlichen Realität ein bearbeitbares …
Computational Thinking als Grundlage	Zerlegung, Mustererkennung, Abstraktion und algorithmisches Denken helfen dabei, auch komplexere Aufgaben überschaubar zu machen, weil Probleme schrittweise bearbeitet, wiederkehrende Strukturen erkannt und nur die entscheidenden …
Algorithmen entwerfen	Ein guter Algorithmus beschreibt eindeutig, vollständig und in sinnvoller Reihenfolge, wie ein Ziel erreicht wird, damit Menschen und Computer die Lösung nachvollziehen, ausführen, prüfen und bei Bedarf verbessern können.
Algorithmen formal darstellen	Formale Darstellungen machen Lösungswege überprüfbar und übertragbar, weil sie Gedanken ordnen, Missverständnisse verringern und den Übergang von der Idee zur Implementierung erleichtern, ohne bereits vollständig an eine konkrete …
Implementieren in geeigneten Umgebungen	Die Umsetzung eines Algorithmus in Programmcode verlangt, dass abstrakte Schritte in konkrete Befehle, Kontrollstrukturen und Daten übersetzt werden, wobei die Wahl der Entwicklungsumgebung den Einstieg, die Fehlersuche und die …
Testen und Debuggen	Erst systematisches Testen zeigt, ob ein Algorithmus oder Programm tatsächlich korrekt arbeitet, weshalb erwartete Ergebnisse, Randfälle, Fehlersuche und schrittweise Verbesserung als fester Teil des Entwicklungsprozesses …
Iteratives Verbessern und Reflektieren	Vertiefte informatische Kompetenz zeigt sich darin, dass Lösungen überarbeitet, vereinfacht, erweitert und mit Rückmeldungen abgeglichen werden, sodass aus ersten Entwürfen schrittweise robustere, verständlichere und besser an …
Vielfältige Anwendungsbeispiele	Die Tragfähigkeit algorithmischer Lösungen wird besonders anschaulich, wenn Modellierung, Darstellung, Implementierung und Testen an unterschiedlichen Kontexten erprobt werden, weil dadurch sichtbar wird, dass informatische …

Merke: Ein gutes Programm entsteht nicht in einem Schritt: Modellieren, entwerfen, implementieren, testen und verbessern gehören zusammen.

Probleme informatisch modellieren

Der Übergang vom Alltagsproblem zur informatischen Lösung gelingt dann, wenn Situationen auf wesentliche Merkmale, Regeln, Zustände und Eingaben reduziert werden, damit aus einer unübersichtlichen Realität ein bearbeitbares Modell für Algorithmen und Programme entsteht.

Modellieren bedeutet, ein Problem so zu vereinfachen, dass nur die für die Lösung wichtigen Aspekte erhalten bleiben. Bei einer Klassenparty sind nicht alle Details wichtig, sondern etwa Personenanzahl, Budget, Raum, Musik, Aufgaben und Zeitplan. Bei einem Sortierproblem zählen nicht Buchcover oder Lieblingsfarben, sondern Vergleichsmerkmale wie Größe, Titel oder Kategorie. Diese Reduktion ist ein Kern informatischen Denkens, weil ein Computer nur mit klar beschriebenen Informationen und Regeln arbeiten kann.

Ein informatisches Modell enthält meist Eingaben, Bedingungen, Zustände und gewünschte Ausgaben. Bei einer Ampelsteuerung wären Eingaben etwa Taster und Zeit, Zustände rot, gelb, grün und Ausgaben die geschalteten Lichter. Bei einem Spiel könnten Position, Punkte, Treffer und Zeit zentrale Modellbestandteile sein. Modellierung schafft damit die Brücke zwischen Alltagssituation und algorithmischer Bearbeitung.

Beispiele: Klassenparty, Ampel, Spiel, Rezept, Bibliothek, Roboter, Sensor, Liste.

Computational Thinking als Grundlage

Zerlegung, Mustererkennung, Abstraktion und algorithmisches Denken helfen dabei, auch komplexere Aufgaben überschaubar zu machen, weil Probleme schrittweise bearbeitet, wiederkehrende Strukturen erkannt und nur die entscheidenden Informationen in die spätere Lösung übernommen werden.

Zerlegung bedeutet, ein großes Problem in kleinere Teilaufgaben zu zerlegen. Eine Wetterstation lässt sich etwa in Messung, Speicherung, Anzeige und Auswertung aufteilen.

Mustererkennung hilft, Gemeinsamkeiten zu entdecken, etwa bei wiederkehrenden Spielzügen, ähnlichen Rechenschritten oder häufigen Fehlersituationen. Abstraktion blendet Unnötiges aus und konzentriert sich auf das Wesentliche, etwa auf Zahlenwerte statt auf die Farbe des Sensors. Algorithmisches Denken ordnet schließlich die nötigen Schritte in eine eindeutige, ausführbare Reihenfolge.

Diese vier Elemente lassen sich gut an alltäglichen Beispielen zeigen. Ein Kochrezept zerlegt das Kochen in Teilschritte, erkennt wiederkehrende Muster wie Mischen oder Backen, abstrahiert auf Mengen und Reihenfolge und formuliert daraus einen Algorithmus.

Begriffe: Zerlegung, Muster, Abstraktion, Algorithmus, Eingabe, Ausgabe, Regel, Zustand.

Algorithmen entwerfen

Ein guter Algorithmus beschreibt eindeutig, vollständig und in sinnvoller Reihenfolge, wie ein Ziel erreicht wird, damit Menschen und Computer die Lösung nachvollziehen, ausführen, prüfen und bei Bedarf verbessern können.

Ein Algorithmus ist eine eindeutige Handlungsanleitung zur Lösung eines Problems oder zur Erreichung eines Ziels. Die Materialien nennen dafür alltägliche Beispiele wie Kuchenrezepte und Spielregeln sowie technische Beispiele wie das Finden der größten Zahl in einer Liste.

Gerade dieser Vergleich zeigt, dass Algorithmen nicht erst mit Programmcode beginnen, sondern schon in klar strukturierten Handlungsanweisungen vorkommen.

Beim Entwurf müssen Schritte sinnvoll geordnet werden. Häufige Bausteine sind Anfang, Eingabe, Verarbeitung, Entscheidung, Wiederholung und Ausgabe. Ein Algorithmus zur Passwortprüfung könnte etwa Eingabe lesen, Länge prüfen, Sonderzeichen prüfen, Ergebnis ausgeben. Ein Sortieralgorithmus könnte vergleichen, vertauschen, wiederholen und beenden.

Ein Algorithmus für ein Fangspiel könnte Tasteneingaben prüfen, Figur bewegen, Kollision erkennen und Punkte erhöhen. Erweiterung und Vertiefung bedeuten hier, dass nicht nur einfache Schrittfolgen, sondern auch verschachtelte Schleifen und zusammengesetzte Bedingungen genutzt werden.

Merkmale: Eindeutigkeit, Reihenfolge, Vollständigkeit, Endlichkeit, Korrektheit, Effizienz, Wiederholung, Entscheidung.

Orientierung auf einen Blick

Als Nächstes	Kurz erklärt
Algorithmen formal darstellen	Formale Darstellungen machen Lösungswege überprüfbar und übertragbar, weil sie Gedanken ordnen, Missverständnisse verringern und den Übergang von der Idee zur Implementierung erleichtern, ohne bereits vollständig an eine konkrete …
Implementieren in geeigneten Umgebungen	Die Umsetzung eines Algorithmus in Programmcode verlangt, dass abstrakte Schritte in konkrete Befehle, Kontrollstrukturen und Daten übersetzt werden, wobei die Wahl der Entwicklungsumgebung den Einstieg, die Fehlersuche und die …
Testen und Debuggen	Erst systematisches Testen zeigt, ob ein Algorithmus oder Programm tatsächlich korrekt arbeitet, weshalb erwartete Ergebnisse, Randfälle, Fehlersuche und schrittweise Verbesserung als fester Teil des Entwicklungsprozesses …

Merke: Formale Darstellungen machen Lösungswege überprüfbar und übertragbar, weil sie Gedanken ordnen, Missverständnisse verringern und den Übergang von der Idee zur Implementierung erleichtern, ohne …

Algorithmen formal darstellen

Formale Darstellungen machen Lösungswege überprüfbar und übertragbar, weil sie Gedanken ordnen, Missverständnisse verringern und den Übergang von der Idee zur Implementierung erleichtern, ohne bereits vollständig an eine konkrete Programmiersprache gebunden zu sein.

Algorithmen können visuell-symbolisch, textuell oder halbformal beschrieben werden. Geeignete Formen sind nummerierte Schrittfolgen, strukturierte Handlungsanweisungen, Ablaufpläne, Blockfolgen und Pseudocode. Die offizielle micro:bit-MakeCode-Aktivität nennt Pseudocode ausdrücklich als Lerngegenstand neben Ereignisbehandlung und Code-Kommentaren.

Eine formale Darstellung für „größte Zahl finden“ könnte lauten: erste Zahl merken, jede weitere Zahl vergleichen, bei größerem Wert ersetzen, nach dem letzten Vergleich Ergebnis ausgeben.

Für ein Roboterprojekt könnte ein Ablaufplan enthalten: starte, prüfe Sensor, wenn Hindernis dann stoppe und drehe, sonst fahre weiter. Solche Darstellungen sind besonders wertvoll, weil sie Denkfehler oft sichtbar machen, bevor programmiert wird.

Darstellungen: Schrittfolge, Ablaufplan, Pseudocode, Blockfolge, Tabelle, Skizze, Kommentar, Diagramm.

Implementieren in geeigneten Umgebungen

Die Umsetzung eines Algorithmus in Programmcode verlangt, dass abstrakte Schritte in konkrete Befehle, Kontrollstrukturen und Daten übersetzt werden, wobei die Wahl der Entwicklungsumgebung den Einstieg, die Fehlersuche und die Verständlichkeit stark beeinflusst.

Für den Unterricht eignen sich je nach Ziel visuell-symbolische oder textbasierte Umgebungen.

Die Quellen nennen Scratch, Thonny, MakeCode, Open Roberta sowie Python als geeignete Werkzeuge. Dadurch wird die Logik eines Programms sichtbar, ohne dass der Umstieg auf Syntax zu abrupt erfolgt.

Implementieren bedeutet, Kontrollstrukturen, Variablen, Ereignisse und Ausgaben passend zu verwenden. Aus „wiederhole solange“ wird eine Schleife, aus „wenn Taste gedrückt“ eine Bedingung oder ein Ereignis, aus „zeige Ergebnis“ eine Bildschirmausgabe oder Textausgabe.

Ein Algorithmus für ein Reaktionsspiel kann in Scratch blockbasiert entstehen, ein Zahlenvergleich in Python textbasiert, ein Sensorprojekt auf dem micro:bit ereignisgesteuert.

Entscheidend bleibt, dass der Code die zuvor entworfene Logik nachvollziehbar umsetzt.

Werkzeuge: Scratch, Thonny, MakeCode, Open Roberta, Python, Blockcode, Textcode, IDE.

Testen und Debuggen

Erst systematisches Testen zeigt, ob ein Algorithmus oder Programm tatsächlich korrekt arbeitet, weshalb erwartete Ergebnisse, Randfälle, Fehlersuche und schrittweise Verbesserung als fester Teil des Entwicklungsprozesses verstanden werden müssen.

Testen bedeutet, Programme mit geplanten Eingaben auszuführen und die Ergebnisse mit den erwarteten Ausgaben zu vergleichen. Dabei sollten nicht nur typische Fälle, sondern auch Grenzfälle geprüft werden, etwa leere Listen, sehr große Werte, falsche Eingaben oder unerwartete Tastenkombinationen.

Debuggen ist die systematische Fehlersuche. Die Quellen nennen Syntaxfehler wie eine fehlende Klammer, aber auch logisch falsche Ergebnisse bei Berechnungen. IDEs und Debugger unterstützen dabei durch Fehlermeldungen, schrittweise Ausführung und die Beobachtung von Variablenwerten. Besonders lehrreich ist es, wenn Schülerinnen und Schüler nicht nur den Fehler entfernen, sondern erklären können, warum er aufgetreten ist und wie ähnliche Fehler künftig vermieden werden.

Schritte: Testfall, Eingabe, Erwartung, Ausgabe, Fehlerbild, Ursache, Korrektur, Wiederholung.

Zweiter Zwischenüberblick

Vertiefung	Wichtig dabei
Iteratives Verbessern und Reflektieren	Vertiefte informatische Kompetenz zeigt sich darin, dass Lösungen überarbeitet, vereinfacht, erweitert und mit Rückmeldungen abgeglichen werden, sodass aus ersten Entwürfen schrittweise robustere, verständlichere und besser an …
Vielfältige Anwendungsbeispiele	Die Tragfähigkeit algorithmischer Lösungen wird besonders anschaulich, wenn Modellierung, Darstellung, Implementierung und Testen an unterschiedlichen Kontexten erprobt werden, weil dadurch sichtbar wird, dass informatische …

Merke: Die einzelnen Teilaspekte gehören zusammen und sollten an konkreten Beispielen miteinander verknüpft werden.

Iteratives Verbessern und Reflektieren

Vertiefte informatische Kompetenz zeigt sich darin, dass Lösungen überarbeitet, vereinfacht, erweitert und mit Rückmeldungen abgeglichen werden, sodass aus ersten Entwürfen schrittweise robustere, verständlichere und besser an neue Anforderungen anpassbare Programme entstehen.

Programme entstehen selten im ersten Versuch fertig. Daraus folgt, dass Überarbeitung keine Schwäche ist, sondern normaler Teil des Entwicklungsprozesses. Eine erste Version eines Spiels kann nur Bewegung enthalten, später kommen Punkte, Bedingungen, zusätzliche Figuren und bessere Tests hinzu.

Ein Sortierprogramm kann zunächst nur drei Werte vergleichen und später für längere Listen verallgemeinert werden.

Reflexion hilft, Lösungswege bewusster zu machen. Wichtige Fragen sind: War mein Modell passend, war mein Algorithmus eindeutig, waren alle Fälle getestet, war mein Code gut lesbar, hätte sich das Problem einfacher darstellen lassen. Gerade diese Rückschau fördert Transfer, weil Lernende nicht nur eine einzelne Lösung besitzen, sondern Strategien für neue Probleme entwickeln.

Aspekte: Version, Rückmeldung, Vereinfachung, Erweiterung, Lesbarkeit, Wiederverwendung, Reflexion, Transfer.

Vielfältige Anwendungsbeispiele

Die Tragfähigkeit algorithmischer Lösungen wird besonders anschaulich, wenn Modellierung, Darstellung, Implementierung und Testen an unterschiedlichen Kontexten erprobt werden, weil dadurch sichtbar wird, dass informatische Denkweisen weit über klassische Programmieraufgaben hinausreichen.

Geeignete Beispiele reichen von Alltagsproblemen bis zu technischen Projekten. Alltägliche Kontexte sind Rezepte, Spielregeln, Reiseplanung oder Aufgabenverteilung. Technische Kontexte sind Zahlenlisten, Sortieraufgaben, Passwortprüfung, Sensorsteuerung, Robotik und kleine Spiele. Die Materialien nennen außerdem Kunst, Musik, Wissenschaft und Mathematik als Felder, in denen Computational Thinking angewendet werden kann. Dadurch wird deutlich, dass Algorithmen nicht nur Programmiersprache bedeuten, sondern eine allgemeine Problemlösungsstrategie darstellen.

Besonders motivierend sind Projekte mit sichtbarem Ergebnis. Ein Microcontroller kann auf Tastendruck ein Symbol anzeigen, ein Scratch-Projekt kann eine Figur durch ein Labyrinth steuern, ein Python-Programm kann Zahlen prüfen oder Texte umwandeln. Solche Beispiele verbinden Modellierung, Algorithmusentwurf, formale Darstellung, Implementierung und Testen in einem zusammenhängenden Lernprozess.

Beispiele: Rezept, Sortieren, Passwort, Labyrinth, Roboter, Microbit, Liste, Spiel.

Kurz zusammengefasst

Kernkompetenz	Das bedeutet konkret
Probleme zerlegen	Eine komplexe Aufgabe in kleinere, überschaubare Teilprobleme aufteilen, die einzeln bearbeitet werden können.
Muster erkennen	Gemeinsamkeiten und wiederkehrende Strukturen identifizieren, um bekannte Lösungsprinzipien wiederzuverwenden.
Wesentliches abstrahieren	Unwichtige Details bewusst weglassen und nur jene Merkmale behalten, die für die Lösung erforderlich sind.
Modelle bilden	Einen realen Sachverhalt vereinfacht mit geeigneten Daten, Regeln und Beziehungen darstellen.
Algorithmen entwerfen	Aus dem Problem eine eindeutige und endliche Schrittfolge entwickeln, die das gewünschte Ergebnis erzeugt.
Schritte ordnen	Anweisungen so in eine logische Reihenfolge bringen, dass sie eindeutig ausführbar sind.
Bedingungen formulieren	Entscheidungen als klare Wahr/Falsch-Bedingungen ausdrücken und die jeweiligen Folgen festlegen.
Schleifen nutzen	Wiederholungen einsetzen, wenn gleiche oder ähnliche Schritte mehrfach ausgeführt werden müssen.

Merke: Die wichtigsten Zusammenhänge solltest du nicht nur wiedergeben, sondern an neuen Beispielen erklären, anwenden und begründet beurteilen können.

Weiterführende Links

• Python
• CS Unplugged
• Open Roberta

Passende LearningSnacks

• Algorithmus
• Python 3 - Kontrollstrukturen I

Übungen

Die Aufgaben setzen die Inhalte praktisch um. Der konkrete Auftrag ist bei jeder Aufgabe ausdrücklich unter Arbeitsauftrag: gekennzeichnet.

Alltagsproblem in ein informatisches Modell überführen

Ein alltagsnahes Szenario wird besonders lernwirksam, wenn Lernende es auf wesentliche Eingaben, Regeln, Zustände und Ausgaben reduzieren und dadurch erfahren, dass Modellierung der entscheidende Schritt zwischen Lebenswelt und programmierbarer Lösung ist.

Arbeitsauftrag:

Jede Gruppe erstellt zu einem Szenario ein Modellblatt mit Problemziel, Eingaben, Ausgaben, Regeln, Zuständen und Randbedingungen. Danach erklärt die Gruppe, welche Elemente bewusst vereinfacht oder weggelassen wurden.

Zerlegung und Mustererkennung an komplexeren Aufgaben

Große Probleme werden besser beherrschbar, wenn Lernende sie in Teilaufgaben zerlegen, wiederkehrende Muster erkennen und dadurch nicht nur eine einzelne Lösung, sondern allgemeine Strategien für ähnliche Situationen entwickeln können.

Arbeitsauftrag:

Die Schülerinnen und Schüler zerlegen eine komplexere Aufgabe in Teilprobleme, benennen wiederkehrende Muster und erstellen daraus eine strukturierte Übersicht für den späteren Entwurf.

Algorithmusentwurf mit Karten und Bodenplan

Algorithmen werden besonders verständlich, wenn Schritte nicht sofort programmiert, sondern zuerst körperlich, visuell und kooperativ aufgebaut werden, weil Denkfehler dabei früh sichtbar und Korrekturen ohne Syntaxprobleme leichter möglich werden.

Arbeitsauftrag:

Die Gruppen entwerfen einen vollständigen Algorithmus mit Ablaufkarten, testen ihn durch Ausführen und verbessern ihn anschließend vor der schriftlichen oder digitalen Umsetzung.

Formale Darstellung mit Pseudocode und Ablaufplan

Zwischen Idee und Programmcode entsteht tieferes Verständnis, wenn Algorithmen erst in einer halbformalen Sprache dargestellt werden, weil Reihenfolge, Entscheidungen und Wiederholungen dadurch klarer, kontrollierbarer und leichter diskutierbar werden.

Arbeitsauftrag:

Die Schülerinnen und Schüler schreiben zu einem Problem Pseudocode und zeichnen zusätzlich einen Ablaufplan. Danach erläutern sie Unterschiede und Vorteile beider Darstellungsformen.

Implementierung eines entworfenen Algorithmus

Der Übergang von der Darstellung zum Code erzeugt besonders nachhaltiges Lernen, wenn Lernende ihren eigenen Entwurf umsetzen und dabei erleben, wie abstrakte Schritte in konkrete Befehle, Variablen und Kontrollstrukturen übersetzt werden müssen.

Arbeitsauftrag:

Jede Gruppe setzt ihren Algorithmus in einer Programmierumgebung um und dokumentiert, welche Teile des Entwurfs direkt übernommen werden konnten und wo Änderungen nötig waren.

Testfälle planen und Programme systematisch prüfen

Starke Lerneffekte entstehen, wenn Programme nicht nur ausprobiert, sondern gezielt mit geplanten Testfällen überprüft werden, weil dadurch Korrektheit, Randfälle und Fehlverhalten bewusster wahrgenommen und nachvollziehbar dokumentiert werden.

Arbeitsauftrag:

Die Schülerinnen und Schüler erstellen vor der Programmausführung einen Testplan und überprüfen anschließend, ob das Programm in Standardfällen und Grenzfällen korrekt arbeitet.

Debugging mit Fehlerspur und Begründung

Fehlersuche wird besonders wirksam gelernt, wenn Lernende Fehler nicht bloß zufällig beheben, sondern systematisch eingrenzen, Ursachen benennen und daraus Regeln für zukünftige Programmierarbeit ableiten können.

Arbeitsauftrag:

Die Gruppen untersuchen ein fehlerhaftes Programm, dokumentieren ihre Fehlersuche und erstellen am Ende eine kurze Fehlerspur mit Ursache, Korrektur und Lernregel.

Ein Problem mit mehreren Algorithmen lösen

Vertieftes Verständnis entsteht besonders dann, wenn nicht nur ein einziger Lösungsweg gesucht wird, sondern mehrere Algorithmen für dasselbe Problem entworfen und hinsichtlich Klarheit, Aufwand und Eignung verglichen werden.

Arbeitsauftrag:

Jede Gruppe entwickelt zwei unterschiedliche Algorithmen für dasselbe Problem und vergleicht sie anschließend mit Blick auf Verständlichkeit, Schrittzahl und Übertragbarkeit.

Pair Programming für Entwicklung und Test

Gemeinsames Arbeiten mit klaren Rollen fördert besonders tiefe Lernprozesse, weil Planung, Umsetzung, Kontrolle und Sprache eng verbunden werden und jede Entscheidung im Dialog überprüft, erklärt und verbessert werden muss.

Arbeitsauftrag:

Die Zweierteams entwickeln ein kleines Programm im Rollenwechsel und halten in einem Kurzprotokoll fest, wie Modellierung, Code und Tests gemeinsam verbessert wurden.

Projektkette vom Modell bis zur Verbesserung

Besonders nachhaltige Lernwirkungen entstehen, wenn der gesamte Entwicklungsprozess in einem Projekt durchlaufen wird, weil Modellierung, Algorithmusentwurf, Darstellung, Implementierung, Test und Überarbeitung als zusammenhängende Problemlösungsstrategie erfahrbar werden.

Arbeitsauftrag:

Jede Gruppe erstellt zu einem Mini-Projekt ein vollständiges Entwicklungsportfolio mit Modell, Darstellung, Code, Testplan, Fehlerkorrektur und verbesserter Endversion.

Kompetenzcheck

Überprüfe am Ende selbst:

Ich kann …	Ja	Noch üben
probleme zerlegen.	☐	☐
muster erkennen.	☐	☐
wesentliches abstrahieren.	☐	☐
modelle bilden.	☐	☐
algorithmen entwerfen.	☐	☐
schritte ordnen.	☐	☐
bedingungen formulieren.	☐	☐
schleifen nutzen.	☐	☐
darstellungen wählen.	☐	☐
pseudocode schreiben.	☐	☐
programme implementieren.	☐	☐
tests planen.	☐	☐
fehler finden.	☐	☐
lösungen verbessern.	☐	☐