DGB 3: KI in Software und physischen Systemen
← 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.
Lehrplanbezug
| 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. |
Lernziele
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
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.
KI in Software-Systemen
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
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
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.
Daten, Training und Rückmeldungen
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
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
Arbeitsauftrag: Vergleicht einen Spamfilter mit einem Lagerroboter: Welche Teile existieren nur digital und wo kommen Sensoren bzw. Aktoren hinzu?
Erwartetes Ergebnis: Systemvergleich.
Alltagsbeobachtungen dokumentieren
Arbeitsauftrag: Sammelt KI-Vermutungen aus dem Alltag und prüft anschließend, ob es sich wirklich um KI oder nur um Automatisierung handelt.
Erwartetes Ergebnis: Beobachtungsprotokoll.
Fehlerszenarien untersuchen
Arbeitsauftrag: Analysiert, welche Folgen falsche Eingabedaten oder eine falsche Modellausgabe bei verschiedenen Anwendungen haben könnten.
Erwartetes Ergebnis: Risikoanalyse.
Rollenperspektiven diskutieren
Arbeitsauftrag: Bewertet eine KI-Anwendung aus Sicht von Nutzenden, Hersteller, Betroffenen und Aufsicht.
Erwartetes Ergebnis: Rollenargumente.
Mediale Darstellungen prüfen
Arbeitsauftrag: Untersucht einen Beitrag über KI auf Übertreibungen, fehlende Belege und die Vermischung von tatsächlichen Fähigkeiten mit Zukunftsbehauptungen.
Erwartetes Ergebnis: Prüfprotokoll.
Eigene Systementwürfe entwickeln
Arbeitsauftrag: Entwerft ein sinnvolles KI-gestütztes System und beschreibt Daten, Modellaufgabe, Ausgabe, Nutzen und Risiken.
Erwartetes Ergebnis: Systemschaubild.
Reflexion zum Abschluss
Arbeitsauftrag: Erkläre an einem Beispiel, warum KI weder „magisch“ noch automatisch objektiv ist.
Erwartetes Ergebnis: kurzer Reflexionstext.
Selbstcheck
- 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.