Sek I: Daten verstehen und dein eigener Aktionsplan

Schüler nutzen KI längst. Aber kaum jemand versteht, wie sie 'lernt'. Das ist ein Problem: Wer nicht versteht, wie ein Werkzeug funktioniert, kann seine Stärken und Grenzen nicht einschätzen.

Was Schüler über Machine Learning wissen sollten:

1. KI lernt aus Daten: Sie wird mit Beispielen trainiert. Je mehr und je besser die Beispiele, desto besser die KI.
2. KI sucht Muster: Sie erkennt Ähnlichkeiten und unterscheidet Kategorien anhand von Mustern, die sie in den Daten findet.
3. KI kann sich irren: Wenn die Trainingsdaten schlecht oder einseitig sind, macht die KI Fehler, manchmal systematisch.
4. Menschen bestimmen die Daten: Welche Daten werden verwendet? Wer entscheidet das? Diese Fragen sind politisch und ethisch wichtig.

Das folgende Projekt macht diese Konzepte spielerisch erfahrbar.

Dauer: 2-3 Unterrichtsstunden

Fach: Mathematik, Naturwissenschaften, Informatik

Klasse: 7-10

Tool: Teachable Machine (Google, kostenlos, keine Anmeldung)

Ablauf:

Stunde 1 – Erste Erfahrung mit Teachable Machine

• Vorstellung des Tools auf teachablemachine.withgoogle.com
• Im Plenum: Eine einfache Bilderkennung trainieren
  • Klasse A: Stift
  • Klasse B: Hand
  • Klasse C: Leerer Tisch
• Pro Klasse: 30-50 Beispielbilder über die Webcam aufnehmen
• Modell trainieren (1 Klick)
• Modell testen: Funktioniert es?

Stunde 2 – Eigene Experimente

• Schüler in Gruppen, jede Gruppe trainiert ihr eigenes Modell
• Beispielprojekte:
  • Mülltrennung: Plastik vs. Papier vs. Bio
  • Gesten erkennen: Daumen hoch vs. Daumen runter
  • Stimmen unterscheiden: Männlich vs. weiblich (mit Bedacht!)
• Schüler experimentieren: Was passiert mit wenigen Daten? Mit unausgewogenen Daten?

Stunde 3 – Bias-Diskussion

• Reflexion: Was ist passiert, wenn ihr nur 5 Beispiele hattet?
• Wenn alle Beispiele aus einem Winkel kamen?
• Wenn ihr versehentlich nur Hände einer Hautfarbe verwendet habt?
• Übertragung auf echte KI-Systeme:
  • Was, wenn ein Gesichtserkennungssystem nur mit weißen Männern trainiert wurde?
  • Was, wenn eine medizinische KI nur Daten aus einer Region kennt?
• Lernziel: Bias entsteht durch Daten, nicht durch böse Absicht

Was Schüler lernen:

• Wie KI aus Daten 'lernt'
• Warum die Datenauswahl entscheidend ist
• Was Bias ist und wie er entsteht
• Verantwortung der Menschen, die KI-Systeme bauen

Du hast jetzt sechs Projekte kennengelernt. Aber Theorie allein bringt nichts, du musst anfangen. Hier ist ein konkreter 6-Wochen-Plan:

Woche 1: Vorbereitung

• Wähle EIN Projekt aus den Modulen 1-5 aus
• Notiere: Welche Klasse? Welches Fach? Welcher Zeitrahmen?
• Kläre den Tool-Zugang (Lehrer-Account, Schul-Lizenz)

Woche 2: Test im kleinen Rahmen

• Probiere die KI-Komponente selbst aus, bevor du sie mit Kindern nutzt
• Schreibe deine Beispiel-Prompts auf
• Bereite die Materialien vor (Arbeitsblätter, Reflexionsfragen)

Woche 3: Eltern informieren

• Schreibe einen kurzen Elternbrief
• Erkläre: Was machen wir? Welche Tools? Welche Sicherheitsmaßnahmen?
• Kläre vorher, ob eine Einverständniserklärung nötig ist

Woche 4: Projekt durchführen

• Setze das Projekt um
• Beobachte: Was funktioniert? Wo gibt es Probleme?
• Fotografiere/dokumentiere für deine eigene Reflexion

Woche 5: Reflexion und Erweiterung

• Was hat funktioniert?
• Was würdest du beim nächsten Mal anders machen?
• Welches Projekt willst du als Nächstes ausprobieren?

Woche 6: Teilen im Kollegium

• Berichte in der Fachschaft oder im Lehrerzimmer
• Biete an, das Projekt einer Kollegin zu zeigen
• So entsteht aus deinem Einzelversuch eine Schulkultur

Wichtig: Überfordere dich nicht. EIN gutes Projekt pro Halbjahr ist besser als fünf halbgare. Qualität vor Quantität.