Wie “lernt” eine künstliche Intelligenz, was ist eigentlich ein neuronales Netzwerk, sind Algorithmen immer objektiv und wie erarbeitet man solche Themen im Unterricht?

Diesen und vielen weiteren Fragen widmet sich das im Januar angelaufene Projekt MINDsET zur Entwicklung von Lehr-Lernszenarien für Volksschulen und Sekundarstufe I. Dabei werden vielseitige Lernpakete mit und über zukunftsweisende Technologien erstellt, die dann in Workshops mit Lehrpersonen und Schüler*innen erprobt werden.

Neben Konzepten, die grundlegendes Wissen dazu vermitteln, sollen auch Pakete zu unterschiedlichen Anwendungsbereichen, wie etwa automatische Übersetzungsprogramme, entstehen. In einigen vertiefenden Paketen geht es dann um eine Verknüpfung der Thematik mit den Bereichen Mathematik und Naturwissenschaften sowie sprachliche Bildung. Außerdem gibt es im Anschluss an das EduMakerSpace Projekt auch vier Lehr-Lernszenarien zu Making und Tinkering.

Wie sieht ein Lehr-Lernszenario aus?

Jedes Modul besteht aus mehreren thematischen Teilbereichen, die wiederum mehrere Inputs und Aufgaben für Lernende beinhalten. Die Inputs erfolgen beispielsweise in Form von Videos, vorgefertigten Präsentationen oder Links zu passenden Websites und Anwendungen. Neben konkreten Zielformulierungen und Angaben zur Durchführungsdauer und einer Altersempfehlung, gibt es auch ausformulierte Aufgabenstellungen, fertige Arbeitsblätter und ausgefeilte Projektkonzepte, damit einem schnellen und einfachen Einsatz der Materialien im Unterricht nichts im Weg steht.
Im einführenden Grundlagenmodul geht es darum, was eine künstliche Intelligenz überhaupt ist und wie sie lernt. Das wird durch ein praktisches Projekt, bei dem ein eigener Chatbot programmiert wird, greifbar gemacht.

Die ersten Grundlagen-Pakete sind schon am Entstehen, sodass in diesem Semester bereits erste Workshops stattfinden werden. Die fertigen Lehr-Lernszenarien samt Materialien finden Sie dann ab dem Schuljahr 2023/24 frei zugänglich in einem Eduvidual-Kurs.

Was ist ein Chatbot?

Chatbots sind Anwendungen, mit denen sich Menschen in natürlicher Sprache durch Text- oder Spracheingabe mit einem technischen System „unterhalten“ können. Beispielsweise stellt man Fragen, auf welche der Chatbot dann in natürlicher Sprache antwortet. Um das zu können, muss er einerseits Aussagen verstehen bzw. die dahinterliegende Intension der fragenden Person erkennen und daraus relevante Antworten und Empfehlungen ableiten. Solche intelligenten Chatbots nutzen dafür sogenanntes „Machine Learning“ – was einen Chatbot aber überhaupt intelligent macht und wie sie lernen sind zentrale Themen, zu denen momentan Lehr-Lernpakete entstehen. Davon ausgehend werden vertiefende Lehr-Lernpakte zu unterschiedlichen verwandten Themen, wie Mensch-Maschinen-Kommunikation oder automatische Texterstellung oder -übersetzung entwickelt.

Machine Learning

Machine Learning ist ein Teilbereich der künstlichen Intelligenz (KI). Wie auch Menschen können Maschinen aus Erfahrungen lernen. IT-Systeme erkennen automatisch Muster und Algorithmen aus eingegebenen Daten und finden neue Gemeinsamkeiten.

Wie genau funktioniert Machine Learning?

Zuerst werden Datensätze vorbereitet, die es dem System erlauben, Algorithmen zu erkennen und Schlüsse zu ziehen. Die Daten können beispielsweise Merkmale zur Erkennung glücklicher und unglücklicher Emojis enthalten. Wird nun ein Bild hochgeladen (= Eingabedaten), führt die Software eine Analyse der vorhandenen Muster, Strukturen und Algorithmen durch. Das System erkennt nun, ob es ein trauriges oder ein glückliches Gesicht ist. Zusätzlich filtert das System nach weiteren Merkmalen und gliedert Bilder nach Farben, Formen und vielem mehr.

Big Data

Big Data bezeichnet – wie der Name schon verrät – große Datenmengen, die von herkömmlichen Verarbeitungssystemen nicht mehr verarbeitet werden können und eigene Computerprogramme erfordern, die es für uns Menschen verständlich aufbereiten. Zusätzlich zeichnet sich Big Data durch die enorme Geschwindigkeit und die inhaltliche Vielfalt aus. Jeder einzelne Klick im Internet erzeugt Datenmengen. Aus diesen Datenmengen werden anschließend Zusammenhänge automatisiert erkannt. So können Maschinen eigens aus den erhaltenen Datenmengen analysieren und für eine verbesserte Funktion des Gerätes sorgen.