KI im Unterricht: Theorie und Praxis
Überblick
Inhalt
Die Vorteile von KI als Bestandteil des MINT-Unterrichts
Förderung von Computational Thinking und Kreativität
Vorbereitung auf Zukunftsberufe
Stärkung von Teamarbeit und Inklusion
Reflexion zu sozialen, ethischen und ökologischen Auswirkungen
Theoretischer Ansatz zur Integration von KI im schulischen Kontext
Pädagogische Überlegungen
Von der Theorie zur Praxis: die Lehrmaterialien „KI im MINT-Unterricht“
Künstliche Intelligenz wird in unserem Alltag immer präsenter, sowohl im Arbeitsleben und in der Freizeit als auch im Bildungssektor. Daher ist es wichtig, dass sich die Schüler*innen bereits in den ersten Schuljahren mit den grundlegenden Funktionsweisen und Anwendungen von KI vertraut machen. KI als Bestandteil des Unterrichts bietet ihnen die Möglichkeit, fortschrittliche technologische Konzepte in praktischen und kreativen Projekten zu erforschen und anzuwenden.
Autorin: Liliana Fernandes (Portugal)
Die Vorteile von KI als Bestandteil des MINT-Unterrichts
Förderung von Computational Thinking und Kreativität
Praktische Methoden wie projektbasiertes und forschend-entdeckendes Lernen im MINT-Unterricht unter Einbeziehung der künstlerischen Fächer bieten Schüler*innen ein Umfeld, in dem sie experimentieren und theoretisches Wissen anwenden können. Die Erarbeitung und Integration von KI-Anwendungen eröffnen eine zusätzliche Dimension, da die Schüler*innen so Kenntnisse und Kompetenzen u. a. in maschinellem Lernen, der Verarbeitung natürlicher Sprache (Natural Language Processing) und in Computational Thinking erwerben. Sie können interaktive Projekte erstellen, Algorithmen für künstliche Intelligenz testen und erleben, wie diese Werkzeuge in der Praxis funktionieren. Dies hilft ihnen dabei, theoretische Inhalte in die Lösung realer Probleme zu überführen. Darüber hinaus bietet dieser Ansatz verschiedene Möglichkeiten zur Erprobung innovativer Ideen und fördert damit die Kreativität der Schüler*innen.
KI-Angebote von Code.org: u.a. mit kurzen Videos zu „So funktioniert KI“ und kostenfreien interaktiven Lehr- und Lerneinheiten für alle Altersstufen zu verschiedenen Themen, darunter „KI für Ozeane“ und „KI und Ethik“.
Machine Learning for Kids (Inhalte auch auf Deutsch verfügbar): Dieses Tool führt über praktische Übungen an das Thema Künstliche Intelligenz, insbesondere das maschinelle Lernen heran und bietet eine einfach zu bedienende Umgebung zum Trainieren von maschinellen Lernmodellen, um Texte, Zahlen sowie Bilder zu klassifizieren. Für den Einsatz im Unterricht an Schulen, für AGs oder Projekttage entwickelt.
I AM AI: ein Angebot der IMAGINARY gGmbH, darunter ein Comic über KI sowie Ressourcen zum Basteln, Musikmachen, Experimentieren und Spielen mit KI.
Der KI-Campus bietet verschiedene Online-Weiterbildungsangebote für Lehrkräfte, die Grundwissen und Praxistipps zu den Themen KI und Data Literacy beinhalten, darunter „Data Literacy für die Grundschule“ und „KI-Explorables für die Schule“.
Bei App Camps gibt es Unterrichtsmaterialien zur praktischen und theoretischen Einführung in Künstliche Intelligenz. Die Einheiten bieten Projekte zu KI mit Alexa, Scratch, dem App Inventor und Python.
An Lehrende ebenso wie an Lernende richtet sich der umfangreiche Onlinekurs des Bundeswettbewerbs KI. Neben Modulen zur Funktionsweise und zu den Grenzen von KI gibt es hier detaillierte Anleitungen, um in Python programmieren zu lernen und ein erstes eigenes KI-Projekt zu erarbeiten.
Im KI-Schwerpunkt des Magazins von mebis – Landesmedienzentrum Bayern finden sich zahlreiche Ressourcen, Anregungen und Informationen für die Vermittlung der Grundlagen von Künstlicher Intelligenz im Unterricht.
Einen niedrigschwelligen und praxisorientierten Einstieg in die Themen KI und Natürlicher Klimaschutz bietet die "KI Box Klima" des TüftelLabs. Die Teilnehmenden erhalten eine Materialkiste mit Bausätzen, Spielen und aktivierenden Bildungsmaterialien, mit denen sie Grundlagenwissen in beiden Themenfeldern aufbauen, und setzen eine der in der KI-Box Klima enthaltenen Aktionsideen um. Die kostenfreien Boxen können für die Schuljahre 2024/25 und 2025/26 hier online bestellt werden. Darüber hinaus stellt das TüftelLab weitere Lernmaterialien zum Thema KI bereit.
Ressourcen auf Englisch:
Experience AI: ein Bildungsangebot von Raspberry Pi Foundation und Google DeepMind, das kostenfreies Unterrichtsmaterial mit Stundenablaufplänen, Präsentationen, Videos und Arbeitsblättern zu KI und Machine Learning für Lehrkräfte und Schüler*innen von 11 bis 14 Jahren umfasst. (Registrierung erforderlich)
Day of AI curriculum: von Forscher*innen und Pädagog*innen der Initiative MIT RAISE (Responsible AI for Social Empowerment and Education) entwickelte 30-60-minütige Unterrichtseinheiten, die auf spielerischem Weg Reflexionen und kritisches Denken der Schüler*innen fördern, die grundlegenden Funktionsweisen von KI erklären und eine Reihe von anwendungsorientierten Aktivitäten bieten. Besonderer Wert wird auf einen barrierefreien Zugang auch für diejenigen gelegt, die keine IT- oder technischen Vorkenntnisse mitbringen. (Registrierung erforderlich)
Vorbereitung auf Zukunftsberufe
KI als Unterrichtsthema ermöglicht es den Schüler*innen, technische Fähigkeiten im Bereich KI zu entwickeln und auszubauen, vom Grundlagenverständnis bis hin zur praktischen Anwendung. Schüler*innen erwerben Kompetenzen in für den Arbeitsmarkt unerlässlichen Bereichen wie Programmierung, Datenanalyse, Algorithmendesign und Systemtechnik und werden damit auf Berufe in technologiebezogenen Bereichen vorbereitet.
Stärkung von Teamarbeit und Inklusion
KI-Projekte im Unterricht erfordern einen interdisziplinären Ansatz, der Kenntnisse in Mathematik, Technik, Programmierung, den Naturwissenschaften und sogar in Bereichen wie Ethik oder Philosophie einbezieht und oft auf Teamarbeit und Problemlösung basiert, was die Schüler*innen dazu ermutigt, zusammenzuarbeiten, Wissen zu teilen und komplexe Herausforderungen zu bewältigen.
Darüber hinaus hat die Integration von KI in Umgebungen des aktiven Lernens das Potenzial, eine transformative Rolle bei der Förderung integrativer Bildung zu spielen. Durch den Einsatz von spezialisierten KI-Tools hat die Lehrkraft die Möglichkeit, auf die individuellen Bedürfnisse der Kinder besser einzugehen, die jeweiligen Stärken zu fördern und bei möglichen Schwächen zielgerecht anzusetzen.
KI-gestützte barrierefreie Technologien wie Spracherkennungssysteme und Übersetzungs-Apps oder -Geräte ermöglichen Schüler*innen mit unterschiedlichen Bedürfnissen und Kompetenzniveaus die effektive Interaktion mit Bildungswerkzeugen und -ressourcen und eine aktive Teilnahme im Lernprozess. KI-gestütztes Lernen ist ein weiterer Bereich, in dem Inklusion gefördert wird: Virtuelle Assistenten können den Schüler*innen eine permanente personalisierte Unterstützung im Schaffens- und Problemlösungsprozess bieten, indem sie Schritt-für-Schritt-Anleitungen, nützliche Tipps und unmittelbare Rückmeldungen bereitstellen, die auf ihren Wissensstand und ihren Lernstil abgestimmt sind.
Neben anderen Vorteilen wie der Unterstützung inklusiverer Bewertungsprozesse soll hier erwähnt werden, dass die Integration von KI in Makerspaces und Klassenzimmern vielleicht sogar dazu beitragen kann, den Gendergap im MINT-Bereich zu verringern. Im Februar 2016 sagte Reshma Saujani, Gründerin des „Girls Who Code“-Programms, bei einem TED-Vortrag, der geringe Frauenanteil in MINT-Berufen sei u.a. darauf zurückzuführen, dass Jungen dazu erzogen würden, mutig zu sein, und Mädchen dazu erzogen würden, perfekt zu sein. Mit der Einführung von Programmierung und KI könne diese Lücke verkleinert werden, da die Methodik Ausdauer erfordere und zeige, dass Fehler nicht schlimm sind, sondern im Gegenteil auf dem Weg stetig korrigierter Fehler überhaupt erst zum Erfolg führen. Dies trage dazu bei, Vorstellungen von Perfektion zu entmystifizieren.[1]
Reflexion zu sozialen, ethischen und ökologischen Auswirkungen
Das soziale und ethische Bewusstsein der Schüler*innen wird geschärft, da die Arbeit mit KI eine Diskussion über und Auseinandersetzung mit ethischen und gesellschaftlichen Fragen möglich macht. Indem die Schüler*innen KI verstehen und anwenden lernen, beschäftigen sie sich mit Themen wie Privatsphäre, Datenschutz und den Auswirkungen von KI auf die Gesellschaft sowie die Notwendigkeit, die Technologie nachhaltiger zu gestalten. Beispielweise bietet das Thema Nachhaltigkeit die Gelegenheit, einerseits den massiven Energieverbrauch der großen KI-Modelle zu beleuchten und andererseits spezialisierte KI-Anwendungen kennenzulernen, die eine positive Rolle beim Umweltschutz spielen können. Auch die kritische Reflexion des Umgangs mit persönlichen Daten und urheberrechtlich geschützten Werken beim Training großer KI-Modelle sowie der Herausforderungen durch Deepfakes und anderen manipulativen Missbrauch kann in den Unterricht einfließen.
„Ethik-Leitlinien für eine vertrauenswürdige KI“, Veröffentlichung der Generaldirektion Kommunikation, Inhalte und Technologen der Europäischen Kommission, 2019, sowie „Ethische Leitlinien für Lehrkräfte über die Nutzung von KI und Daten für Lehr- und Lernzwecke“, Veröffentlichung der Generaldirektion Bildung, Jugend, Sport und Kultur der Europäischen Kommission, 2022.
Fachinformationen des Zentrums für vertrauenswürdige Künstliche Intelligenz, darunter die Dossiers Missing Link Ausgabe 3: „Diskriminierung begegnen, Fairness stärken“, Mai 2023, und „ Missing Link Ausgabe 4: „Foundation Models – KI zwischen Wachstum und Nachhaltigkeit“, Oktober 2023.
Der KI-Kurs des Bundeswettbewerb Künstliche Intelligenz bietet in Modul 3 „Wie geht man mit KI um?“ eine umfangreiche Linksammlung zum Themenkomplex KI und Gesellschaft sowie Unterrichtsmaterial für Diskussionen über ethische Fragestellungen.
„Schlaue neue Welt – das KI-Wettrennen“, ARTE-Dokumentation über drei unterschiedlich KI-Pioniere, die mit ihrem Unternehmen Hoffnung wecken und den Tech-Riesen den Kampf ansagen. Deutschland 2024, 89 Min. (Video verfügbar bis zum 26.02.2025)
„Der Rohstoff der KI sind wir“. Interaktiv aufbereitete Recherche des Bayerischen Rundfunks zu Trainingsdaten von KI-Systemen, veröffentlicht am 7.7.2023, abgerufen am 10.07.2024.
"Artificial intelligence in education: challenges and opportunities for sustainable development", UNESCO Working Paper on Education Policies, 2019, Englischer Volltext online verfügbar.
"Ethical AI for Teaching and Learning", Center for Teaching Innovation, Cornell University, abgerufen am 16.07.2024.
"The Green Dilemma: Can AI Fulfil Its Potential Without Harming the Environment?", Earth.org, Juli 2023.
A Pidgeon's Tale. Ein Comic-Essay über Künstliche Intelligenz und Nachhaltigkeit, von Dr. Julia Schneider, illustriert von Pauline Cremer (abgerufen am 16.07.2024).
Theoretischer Ansatz zur Integration von KI im schulischen Kontext
KI als Unterrichtsthema und Unterrichtswerkzeug in der Bildung kann nur erfolgreich umgesetzt werden, wenn Schüler*innen und Lehrkräften die richtigen Ressourcen und die richtige Unterstützung bekommen. Dazu gehören der Zugang zu geeigneter Hardware und Software, Schulungen, Partnerschaften mit KI-Expert*innen und die Integration von KI-Projekten in den Lehrplan.
Um einen Leitfaden für die Implementierung von KI im schulischen Kontext zu erstellen, haben Touretzky et al. (2019)[2] „die fünf großen Ideen der KI“ formuliert: Wahrnehmung, Repräsentation und Logik, Lernen, natürliche Interaktion und soziale Auswirkungen. Diese fünf Leitideen bieten eine breite Grundlage für die Erforschung der grundlegenden Konzepte der KI und die Förderung der KI-Kompetenz von Schüler*innen. Durch das Verständnis dieser Prinzipien können Schüler*innen ein tieferes Verständnis dafür entwickeln, wie KI funktioniert und welche Auswirkungen sie auf verschiedene Aspekte der Gesellschaft hat.
In diesem Ansatz beschreibt Wahrnehmung die Fähigkeit von KI-Systemen, die Welt um sie herum auf die gleiche Weise wie der Mensch zu erkennen und zu verstehen. In diesen Bereich fällt die Verarbeitung von sensorischen Daten wie Bildern, Audio und/oder Text, um sinnvolle Informationen zu extrahieren. Bei der Analyse und Verarbeitung von Kameraaufnahmen können KI-Algorithmen beispielsweise darauf trainiert werden, Objekte, Gesichter oder Muster in Bildern zu erkennen, wobei Techniken wie Convolutional Neural Networks zum Einsatz kommen. Bei der Verarbeitung natürlicher Sprache können KI-Systeme die Bedeutung von geschriebenem oder gesprochenem Text analysieren und verstehen, was automatische Übersetzungen oder das Auslesen von Informationen aus großen Textmengen ermöglicht. Diese Wahrnehmungsfähigkeit ist für viele KI-Anwendungen von grundlegender Bedeutung, von Spracherkennungssystemen in virtuellen Assistenten bis hin zu Computer-Vision in autonomen Fahrzeugen.
Die zweite Leitidee umfasst Repräsentation und Logik, die für KI-Systeme unerlässlich sind, um Wissen sinnvoll zu organisieren und auf der Grundlage dieses Wissens autonome Entscheidungen zu treffen. Bei der symbolischen Künstlichen Intelligenz repräsentieren die Systeme Wissen mithilfe von Symbolen und logischen Regeln und ermöglichen so deduktives Denken. In sogenannten Expertensystemen wird Wissen als eine Reihe von Produktionsregeln dargestellt, die verwendet werden, um aus Eingabedaten neue Informationen abzuleiten. Beim Deep Learning hingegen lernen die Systeme über mehrere Verarbeitungsebenen hochrangige Datenrepräsentationen, die induktives Schlussfolgern bei Aufgaben wie Mustererkennung oder Vorhersagen ermöglichen. Dies ist von zentraler Bedeutung für die Entwicklung von KI-Systemen, die in der Lage sind, komplexe Probleme zu lösen und autonome Entscheidungen zu treffen.
Lernen ist eine der stärksten Fähigkeiten von KI: Lernende Systeme können ihre Leistung bei bestimmten Aufgaben auf der Grundlage von Erfahrungen verbessern. Es gibt verschiedene Arten des Lernens in der KI, darunter überwachtes, unüberwachtes und verstärkendes Lernen. Beim überwachten Lernen werden Systeme mit gekennzeichneten Paaren aus Eingaben und Ausgaben trainiert, sodass sie lernen, Eingaben mit gewünschten Ausgaben zu verknüpfen. Bei der Bilderkennung zum Beispiel kann ein System mit einer Reihe von gekennzeichneten Bildern trainiert werden, um bestimmte Objekte zu erkennen. Beim unüberwachten Lernen lernen Systeme Muster und Strukturen in den Daten ohne externe Anleitung, was zum Beispiel Gruppierungen ermöglicht. Beim verstärkenden Lernen lernen Systeme, Entscheidungen zu treffen und in einer Umgebung zu handeln, um eine Belohnung zu maximieren, wobei Techniken wie Q-Learning oder genetische Algorithmen zum Einsatz kommen. Diese Fähigkeit, aus Erfahrungen zu lernen, ist von grundlegender Bedeutung für die Entwicklung von KI-Systemen, die sich mit der Zeit anpassen und verbessern können.
Natürliche Interaktion, die vierte Leitidee, stellt Sicherheits- und ethische Aspekte bei der Entwicklung und Nutzung von Künstlicher Intelligenz in den Vordergrund. Zu den Sicherheitsfragen gehören der Schutz vor Cyberangriffen und die Gewährleistung der Integrität und Zuverlässigkeit von KI-Systemen. Zu den ethischen Herausforderungen gehören Bedenken hinsichtlich algorithmischer Voreingenommenheit (algorithmic bias), Datenschutz, Fairness und Transparenz. KI-Algorithmen können bestehende Vorurteile in den Trainingsdaten widerspiegeln und sogar verstärken, was zu diskriminierenden Entscheidungen zum Beispiel in Bewerbungsverfahren, im Geschäftsverkehr oder in der Strafjustiz führen kann. Darüber hinaus wirft die Verwendung personenbezogener Daten in KI-Systemen Fragen hinsichtlich der Privatsphäre und des Schutzes von Individualrechten auf. Es ist von entscheidender Bedeutung, diese sicherheitsrelevanten und ethischen Aspekte anzugehen, um sicherzustellen, dass KI verantwortungsvoll und inklusiv entwickelt und eingesetzt wird.
Die sozialen und wirtschaftlichen Auswirkungen von KI sind breit gefächert und betreffen Bereiche wie Arbeitsmarkt, Bildung, Gesundheitswesen oder Politik. Die KI-getriebene Automatisierung verändert die Art und Weise, wie wir arbeiten, mit weitreichenden Auswirkungen auf Beschäftigung, Löhne und Einkommensverteilung.
Pädagogische Überlegungen
In einem pädagogischen Umfeld kann die Bewertung der Leistungen der Schüler*innen nicht vernachlässigt werden. Es stellt sich also die Frage: Wie bewerten wir das Lernen in Umgebungen, die KI integrieren? Solange sich die Handlungsempfehlungen für die formale Bewertung für KI in der Schule noch im Aufbau befinden, schlagen wir vor, sich an Brennan & Resnicks (2012)[3] Vorschlag zu orientieren. Sie formulieren drei Ansatzpunkte zur Bewertung der Entwicklung des rechnerischen Denkens bei jungen Menschen, die an Scratch-Programmierprojekten arbeiten: die Analyse von Projektportfolios; Auswertungsgespräche, in denen die Schüler*innen zum Entwicklungsprozess ihrer Projekte befragt werden; und die Verwendung von Nutzungsszenarien, in denen den Schüler*innen von anderen Scratch-Anwender*innen erstellte Projekte vorgestellt und sie gebeten werden, verschiedene Aspekte der Projekte zu reflektieren.
Von der Theorie zur Praxis: die Lehrmaterialien zu „KI im MINT-Unterricht“
Auf unserer Website stellen wir Ihnen einige Projekt- und Unterrichtsideen vor, die Sie im schulischen Umfeld umsetzen können. Es stehen verschiedene Aktivitäten und Module für die Primar- bis zur Sekundarstufe I und II zur Verfügung, die Sie flexibel an die Gegebenheiten in Ihrem Unterricht anpassen können und die sich für Lehrende und Lernende mit und ohne Vorkenntnisse zu den Themenfeldern KI und maschinelles Lernen eignen. Unternehmen Sie erste Schritte mit generativen KI-Tools und Datenanalysen, um ihre Schüler*innen mit Big Data, maschinellem Lernen und Citizen Science bekannt zu machen. Nutzen Sie ein Rollenspiel und eine VR-Umgebung, um Ihre Schüler*innen an einfache Programmieraufgaben heranzuführen, die eine KI-basierte Recycling-Anwendung beinhalten. Inspirieren Sie Ihre fortgeschrittenen Schüler*innen dazu, ein eigenes intelligentes Recyclingsystem zu programmieren und zu bauen oder digitale Lernanwendungen für verschiedene MINT-Fächer unter Verwendung von KI und maschinellem Lernen zu erstellen. Und wenn Sie tiefer in das Thema künstliche neuronale Netze und einige ihrer häufigsten Anwendungen eintauchen möchten, sollten Sie unseren umfassenden interaktiven Kurs „Machine Learning in der Schule“ erkunden.
Saujani, Reshma, "Teach Girls Bravery, not Perfection", TED Talk, 2016.
Touretzky, D., Gardner-McCune, C., Martin, F., & Seehorn, D., "Envisioning AI for K-12: What should every child know about AI?". In: Proceedings of the AAAI conference on artificial intelligence. Juli 2019, Vol. 33, Nr. 01, S. 9795-9799. Online verfügbar auf: https://www.researchgate.net/publication/335221360_Envisioning_AI_for_K-12_What_Should_Every_Child_Know_about_AI
Brennan, K., & Resnick, M., "New frameworks for studying and assessing the development of computational thinking." In: Proceedings of the 2012 annual meeting of the American educational research association, Vancouver, Kanada. April 2012, Vol. 1, S. 25. Online verfügbar auf: https://www.media.mit.edu/publications/new-frameworks-for-studying-and-assessing-the-development-of-computational-thinking/
Diese Seite teilen
