Mit dem KI-Labor maschinelles Lernen entdecken und verstehen

Das Material bietet eine Experimentier-Grundlage zum Thema maschinelles Lernen und Künstliche Intelligenz (KI), die browserbasiert arbeitet. Sie kann ergänzt werden durch Lehrmaterial eines offenen Online-Kurses (MOOC).

  • Informatik
  • Sekundarstufe II
  • 1 bis 10 Unterrichsstunden
  • entdeckendes Lernen, Internetressource

Beschreibung der Unterrichtseinheit

Das "KI-Labor" bietet Möglichkeiten, mit dem eigenen digitalen Endgerät maschinelles Lernen erfahrbar zu machen. Es bietet aktuell die folgenden Lernräume:

  • Handschrifterkennung durch ein neuronales Netz: Es ist sowohl ein vortrainiertes wie auch selbst-trainiertes Modell möglich. Dabei wird ein bekannter, frei verfügbarer Datensatz der Forschung (NIST) verwendet.
  • Objekterkennung mit der Webcam: Auch hier wird ein vortrainiertes Modell mit einem frei verfügbaren Datensatz verwendet.
  • Generierung von künstlichen Bildern als Beispiel für die GAN-Technik bei neuronalen Netzen
  • Tic-Tac-Toe: Einfaches Verstärkungslernen sichtbar machen. Es muss eine KI durch mehrere Spiele selbst trainiert werden, die anschließend perfekt spielt.

Somit sind verschiedene Themenbereiche des überwachten Lernens und Verstärkungslernens abgedeckt. Es kann selbstständig mit den Möglichkeiten und Grenzen der jeweiligen Technologien experimentiert werden.

Das KI-Labor kann entweder für sich alleine beziehungsweise in Kombination mit einer Unterrichtseinheit verwendet werden oder mit Hilfe der Lehrtexte des kostenlosen MOOCS "Elements of AI" zu einer vollwertigen Selbstlernumgebung ergänzt werden. Zur Ausführung wird lediglich ein moderner Webbrowser benötigt, je nach Hardware-Ausstattung können einige der Beispiele gegebenenfalls etwas länger dauern. Für die Objekterkennung wird darüber hinaus eine Webcam benötigt, auf die die Webseite zugreifen darf.

Das KI-Labor eignet sich im Fach Informatik als Einführung in eine Unterrichtseinheit zu maschinellem Lernen (speziell zu neuronalen Netzen), als Ergänzungsangebot für interessierte Schülerinnen und Schüler oder auch als fachlicher Anknüpfungspunkt für eine Einheit in einem anderen Fach, wenn es beispielsweise um ethische oder wirtschaftliche Fragen der KI geht.

Unterrichtsablauf

Inhalt
Sozial- / Aktionsform

Didaktisch-methodischer Kommentar

Das Thema "Künstliche Intelligenz" im Unterricht

Künstliche Intelligenz ist an vielen Stellen völlig alltäglich geworden. Meistens sind diese Systeme aber nur Black-Boxen in unserem Alltag und es fällt schwer, mehr über die Funktionsweise herauszufinden. Gleichzeitig sind die Themen, wenn man sie unterrichtlich behandeln möchte, mathematisch zu anspruchsvoll für den Schulunterricht, so dass nur ein oberflächlicher Zugang zur eigentlichen Funktionsweise möglich ist. Genauso ist das Umsetzen von existierender Software in eigenen Programmen zwar im Unterricht möglich, aber nur für leistungsstarke Lerngruppen.

Durch das KI-Labor wird eine Möglichkeit geschaffen, mit dieser Software zu interagieren, ohne sie selbst entwickeln zu müssen. Man kann mit Systemen experimentieren und so einen Zugang zu deren Funktionsweisen erhalten, ohne die Funktion im Detail verstehen zu müssen.

Vorkenntnisse der Schülerinnen und Schüler

Schülerinnen und Schüler benötigen kein spezielles Vorwissen, sie können dieses aber – wenn sie es mitbringen – nutzen, um mit einem anderen Blick auf die Beispiele zu schauen.

Digitale Kompetenzen, die Lehrende zur Umsetzung der Unterrichtseinheit benötigen

Abgesehen von der fachlichen und fachdidaktischen Expertise über die informatischen Aspekte des maschinellen Lernens ist nur die Bedienung eines Browsers notwendig.

Didaktisch-methodische Analyse

Das KI-Labor ist entweder als selbstständige Lernumgebung oder als Ergänzung zu einer Unterrichtseinheit gedacht.

Als Einstieg lässt sich mit dem vortrainierten Modell zunächst erleben, dass die Erkennung gut funktioniert, gleichzeitig aber in ihrer Anwendung stark fokussiert ist. Die Spezialisierung ist ein typisches Merkmal moderner KI. Gleichzeitig kann man die statistischen Ausgaben, die typisch für neuronale Netze sind, sehen und so etwas über die Funktionsweise erfahren.

Ist bereits Vorwissen vorhanden, beziehungsweise wird das Training von neuronalen Netzen unterrichtlich thematisiert, so können durch das selbst trainierbare Modell verschiedene Parameter untersucht und exploriert werden, beziehungsweise Themen des Unterrichts ganz konkret auf einem realen Datensatz erprobt werden.

Ist keine Unterrichtseinheit geplant, so kann durch die entsprechenden Kapitel des MOOCS "Elements of AI" der Hintergrund für interessierte Schülerinnen und Schüler dennoch zugänglich gemacht werden.

IMMER UP TO DATE SEIN

Möchten Sie über neue Veröffentlichungen der Deutsche Telekom Stiftung auf der Plattform Lehrer-Online stets informiert sein? Dann melden Sie sich hier an.

Vermittelte Kompetenzen

Fachkompetenz

Die Schülerinnen und Schüler

  • analysieren Verfahren des maschinellen Lernens.
  • bewerten, wie und unter welchen Umständen ein Verfahren des maschinellen Lernens zu einer Entscheidung kommt.
  • erklären, wie ein Verstärkungsalgorithmus für die KI eines einfachen Brettspiels funktioniert.

Medienkompetenz

Die Schülerinnen und Schüler

  • kennen und verstehen Funktionsweisen und grundlegende Prinzipien der digitalen Welt.
  • erkennen und formulieren algorithmische Strukturen in genutzten digitalen Tools.

Sozialkompetenz

Die Schülerinnen und Schüler

  • kommunizieren über informatische Themen.

21st Century Skills

Die Schülerinnen und Schüler

  • üben sich in kritischem Denken.

Autor

Avatar
Andreas Mühling

Zum Autoren-Profil

Frei nutzbares Material
Die von Lehrer-Online angebotenen Materialien können frei für den Unterricht genutzt und an die eigene Zielgruppe angepasst werden.

Herausgeber

Die Zukunft des MINT-Lernens

Die Materialien sind im Projekt "Die Zukunft des MINT-Lernens" der Deutsche Telekom Stiftung entstanden.