Zu Inhalt springen Zu Fußbereich springen

1.2 Maschinelles Lernen (Begleitmaterial)

0 Kapitel-Infos

Bavaria ipsum dolor sit amet kummd abfieseln Trachtnhuat Hendl Biakriagal nackata gscheid, af. Is des liab Zidern hogg ma uns zamm dringma aweng mehra, spernzaln a geh: Nia nix boarischer, Gamsbart heid gfoids ma sagrisch guad! Ghupft wia gsprunga Fünferl auffi ja mei is des schee, is ma Wuascht Brotzeit fei.

Bavaria ipsum dolor sit amet kummd abfieseln Trachtnhuat Hendl Biakriagal nackata gscheid, af. Is des liab Zidern hogg ma uns zamm dringma aweng mehra, spernzaln a geh: Nia nix boarischer, Gamsbart heid gfoids ma sagrisch guad! Ghupft wia gsprunga Fünferl auffi ja mei is des schee, is ma Wuascht Brotzeit fei.

Erfahren Sie, wie Herr Müller das Kapitel an seiner Klasse umgesetzt hat!

1 Einstieg

Wählen Sie einen der folgenden Impulse für den Einstieg in das Kapitel aus.

Variante 1

Der Bildimpuls zur Gesichtserkennung weckt Neugier, indem drei Fotos derselben Person (ernst, lachend, mit Brille/Hut) die Leitfrage zuspitzen: Woran erkennt ein System „Das bist du“? Die Methode schärft den Blick für stabile Merkmale und öffnet den Einstieg ins maschinelle Lernen – kurz, klar, direkt.

Blenden Sie den Bildimpuls ein, stellen Sie die Leitfrage („Woran erkennt ein System dieselbe Person?“), sammeln Sie 1–2 kurze Beobachtungen aus der Klasse ohne Diskussion (2–3 Minuten) und leiten Sie direkt zur Weblektion über.

Arbeitsauftrag für die SuS

Leitfrage: “Warum erkennt ein KI-System dich – auch wenn du lachst, eine Brille trägst oder einen Hut aufhast?”

⏱️ Gesamtdauer: 5 Minuten

Hinweis an die Klasse: Nenne nur 1–2 Dinge, die gleich bleiben (z. B. Abstände/Proportionen). Keine Diskussion, nur kurze Antworten.

Arbeitsauftrag für den Beamer im Klassenzimmer

Klicken Sie auf das Vorschaubild, um es als Vollbild anzuzeigen.

Überleitung nach dem Bildimpuls

  • Fragen Sie nach: Woran erkennt ein KI-System, dass es dieselbe Person ist?

  • Sammeln Sie Vermutungen: Was bleibt gleich? (Impulswörter: Augenabstand, Winkel, Form von Nase oder Kinn, Proportionen.) Notieren Sie bei Bedarf 2–3 Stichworte.

  • Grenzen benennen: Das klappt oft, aber nicht immer – Licht, Blickwinkel oder verdeckte Teile können stören.

  • Leiten Sie über: „In der Weblektion seht ihr, wie KI-Systeme solche Merkmale lernen, prüfen – und warum schlechte Daten zu Fehlern führen.“

Variante 2

Der Alltagsimpuls zu CAPTCHA knüpft an Vertrautes an – Häkchen, Bildkacheln, Prüfungen im Hintergrund – und fragt: Woran erkennt ein System, dass du kein Roboter bist? Die Methode zeigt, dass jeder Klick Beispiele liefert, mit denen Modelle lernen und später geprüft werden – alltagsnah, einsichtig, motivierend.

Stellen Sie die Leitfrage vor („Woran erkennt ein System, dass du kein Roboter bist?“), zeigen Sie beispielhafte CAPTCHA-Varianten und lassen Sie kurze Reaktionen zu. Nennen Sie bei Bedarf, was bei den verschiedenen Typen jeweils geprüft wird – und leiten Sie dann zur Weblektion über.

Arbeitsauftrag für die SuS

Leitfrage: “Was prüft ein System, wenn du beweisen sollst, dass du kein Roboter bist? Und was passiert dann mit deinen Eingaben?”

⏱️ Gesamtdauer: 5 Minuten

Hinweis an die Klasse: Nennt nur 1–2 Beobachtungen. Keine Diskussion – es geht nur um spontane Eindrücke (z. B. „Ich muss etwas abtippen“, „Ich klicke auf Ampeln“, „Ich setze ein Häkchen“).

Arbeitsauftrag für den Beamer im Klassenzimmer

Klicken Sie auf das Vorschaubild, um es als Vollbild anzuzeigen.

Überleitung nach dem Bildimpuls

  • Fragen Sie nach: Warum gibt es so viele CAPTCHA-Varianten? Was wurde bzw. wird jeweils geprüft?

  • Fassen Sie kurz zusammen:

    • Früher musste man “krumme” Buchstaben abtippen, dabei wurden nicht lesbare Bücher digitalisiert.

    • Im folgenden ging es darum, Dinge auf Bildern zu erkennen. So trainierte man Bilderkennung.

    • Heute reicht oft ein Klick, weil KI-Systeme sogar Mausbewegungen analysieren.

  • Transfer herstellen: In allen Fällen werden Maschinen durch die Handlungen von Menschen trainiert. Das nennt man maschinelles Lernen.

  • Leiten Sie über: “In der Weblektion seht ihr, wie KI-Systeme solche Merkmale lernen, prüfen – und warum schlechte Daten zu Fehlern führen.“

Bei Bedarf: Hintergrund-Informationen zu CAPTCHAs

CAPTCHAs sollen erkennen: Handelt es sich um einen Menschen oder um ein automatisiertes Programm?

Dabei kommen unterschiedliche Verfahren zum Einsatz – nicht alle nutzen maschinelles Lernen. Die folgende Übersicht zeigt, wie die verschiedenen CAPTCHA-Typen funktionieren:

CAPTCHA-Art

Was passiert?

Lernt ein KI-System dabei mit?

Was macht der Mensch?

Verzerrter Texte (klassisch)

Ein verzerrter Text muss korrekt eingegeben werden.

Nein

Löst ein visuelles Rätsel – ein KI-System nutzt die Eingabe nicht weiter.

Zwei Wörter (reCAPTCHA v1)

Zwei Wörter erscheinen: eins ist bekannt, das andere stammt aus alten Büchern.

Ja

Trägt zur Texterkennung bei, indem unlesbare Wörter digitalisiert werden.

Bilder auswählen (reCAPTCHA v2)

Es sollen z. B. alle Bilder mit Ampeln oder Fahrrädern angeklickt werden.

Ja

Unterstützt die KI dabei, Objekte auf Bildern zu erkennen.

Verhaltensanalyse (reCAPTCHA v3)

Das System bewertet Mausbewegung, Klickverhalten und Timing – ohne sichtbare Abfrage.

Ja

Interagiert ganz normal mit der Seite – das Verhalten wird im Hintergrund analysiert.

Bedeutung für den Unterricht

  • Verbindet Alltag und Technik: Fast alle Schülerinnen und Schüler kennen CAPTCHAs, in der Regel ohne zu wissen, was dahintersteckt.

  • Konkrete Verbindung zum Thema maschinelles Lernen: Besonders die neueren Verfahren basieren auf echten Nutzerdaten. Sie zeigen, wie KI-Systeme durch menschliche Rückmeldungen trainiert werden.

  • Regt zur Reflexion an: Wer trainiert hier eigentlich wen – und wozu?

2 Weblektion

Über den QR-Code auf dem Arbeitsblatt, das Sie hier herunterladen können, gelangen Ihre Schülerinnen und Schüler zur Weblektion und setzen sich individuell mit dem Thema XXX auseinander.

Lernen Sie die Weblektion selbst kennen!

Um Ihre Schülerinnen und Schüler bei der Bearbeitung und in der anschließenden Plenumsphase optimal begleiten zu können, sollten Sie die Weblektion selbst absolvieren und auch alle Aufgaben darin bearbeiten.

3 Plenumsphase

Wählen Sie eine der folgenden Varianten für die Vertiefung der Inhalte der Weblektion im Klassenzimmer aus.

Variante 1

In 15 Minuten denken die Lernenden systematisch „falsch”: Sie entwerfen bewusst ein schlechtes KI-Modell – und kehren diese Ideen dann um. Die Kopfstandmethode fördert kritisches Denken, schärft den Blick für Fehlerquellen und führt spielerisch zu fundierten Qualitätskriterien.

Phase 1 - Kopfstand-Methode: Was macht ein KI-Modell schlecht?

Stellen Sie die Leitfrage vor und erläutern Sie den Ablauf der Methode (ca. 2 Minuten). Starten Sie anschließend die vier klar strukturierten Schritte mit Zeitvorgaben. Die Methode ist aktivierend, niedrigschwellig und führt zu einer gesicherten Kriterienbildung.

Arbeitsauftrag für die SuS

Leitfrage: “Woran erkennen wir, dass ein KI-Modell schlecht arbeitet? Welche Fehler kann es machen?”

Ablauf der Methode (10 Minuten):

  1. Falsch denken (2 Min)

    Jede Person nennt reihum eine Idee: Wie wird ein Modell möglichst schlecht?

    Kein Zwischenruf! Nur reihum eine Idee.

  2. Sammeln (3 Min)

    Die Gruppe sortiert die Ideen: Liegt der Fehler bei den Daten? Der Beschriftung? Dem Modell?

    Kein neuer Input, nur Sortierung!

  3. Umkehren (3 Min)

    Was müsste stattdessen passieren, damit das Modell gut funktioniert?

    Formulieren Sie gemeinsam drei positive Kriterien.

  4. Priorisieren (2 Min)

    Welche drei Kriterien halten Sie für besonders wichtig?

    Top-3 auswählen und einen kurzen Merksatz bilden.

🕒 Gesamtdauer: 10 Minuten

Arbeitsauftrag für den Beamer im Klassenzimmer

Klicken Sie auf das Vorschaubild, um es als Vollbild anzuzeigen.

Tipps zur Durchführung

Phase 2 - Ergebnissicherung

Mögliches Tafelbild

Vertiefende Informationen

Weiterleitung zu Lehrplanbezügen (eigene Seite im Aufbau)

Variante 2

In 40 Minuten erleben die Lernenden Klassifikation: Aus Beispielen leiten sie Merkmale ab, bauen einen einfachen Entscheidungsbaum und prüfen ihn an neuen Fällen. Durch das Äffchenspiel wird ein tieferes Verständnis gefördert, jedoch erfordert es etwas Vorbereitung. Es lohnt sich aber.

Die Lernenden erleben Klassifikation konkret. Aus Beispielen leiten sie Merkmale ab, woraus ein einfacher Entscheidungsbaum entsteht. Anschließend prüfen sie an neuen Fällen, wie gut das Modell arbeitet.

Geeignet ab Jahrgangsstufe 4, aber auch für ältere Lerngruppen als anschauliche Vertiefung zu maschinellem Lernen sehr geeignet.Digital: Decision Tree Monkey Game, interaktive Browser Variante

Arbeitsauftrag für die Schülerinnen und Schüler

Leitfrage: “Wie kann ein System nur mit Beispielen zwei Äffchen-Gruppen unterscheiden? Wie können wir prüfen, ob das zuverlässig gelingt?”

⏱️ Ablauf

Bei beiden Varianten empfehlen wir eine gemeinsame Einführung in das Thema im Plenum. Die genaue Durchführung entnehmen Sie den verlinkten Anleitungen.

⏱️ Gesamtdauer: 40+ Minuten

Material und Anleitungen

Analog oder digital

Die analoge Durchführung eignet sich für einen ruhigen Einstieg im Klassenraum. Zwischenergebnisse bleiben an Tafel oder Plakat sichtbar und lassen sich leicht überarbeiten. Sie erfordert jedoch mehr Vorbereitung und ermöglicht in kurzer Zeit meist weniger Beispiele.

Die digitale Durchführung ermöglicht schnelles Ausprobieren und Varianten. Testen Sie Geräte und Link im Vorfeld und sichern Sie Ergebnisse kurz, zum Beispiel mit Screenshots oder Stichpunkten. Die Einführung zu Ziel und Begriffen erfolgt in jedem Fall im Plenum.

Variante 3

4 Vertiefung und Fortbildung

Hier finden Sie Links zur inhaltlichen Vertiefung der Themen aus dem Kapitel sowie zu passenden Fortbildungsangeboten, die Sie auch bei der Vorbereitung unterstützen können.

Zu Seitenstart springen Über mebis