Diesen aiMOOC als Battle spielen: Deutsch, Klasse 11-13, G-Niveau

Künstliche Intelligenz - Deutschland

Einleitung

Künstliche Intelligenz – kurz KI – bezeichnet ein großes Teilgebiet der Informatik, in dem Computersysteme Aufgaben bearbeiten, für die normalerweise Fähigkeiten wie Erkennen, Lernen, Schlussfolgern, Planen, Sprachverarbeitung oder Entscheiden benötigt werden. Viele KI-Systeme, die Du heute im Alltag triffst, sind Formen sogenannter schwacher KI: Sie sind für bestimmte Aufgaben entwickelt oder trainiert. Eine allgemein menschenähnliche, in allen Bereichen selbstständig denkende „starke KI“ ist dagegen bislang kein praktisch verfügbares System.

In Deutschland begegnet Dir KI längst in Suchmaschinen, Übersetzungsdiensten, Navigationssystemen, Foto-Apps, Empfehlungssystemen, Sprachassistenten, Robotik, Medizin, Industrie und Schule. Besonders sichtbar geworden ist in den letzten Jahren die generative KI. Sie kann neue Texte, Bilder, Musik, Programmcode oder Videos erzeugen. Dazu gehören große Sprachmodelle, sogenannte Large Language Models oder LLMs.

Dieser aiMOOC führt Dich von den Grundlagen über Anwendungen in Deutschland bis zu gesellschaftlichen, rechtlichen und ethischen Fragen. Für die Klassen 7 bis 10 stehen anschauliche Beispiele im Vordergrund. In der Oberstufe und im Studium kannst Du die Abschnitte zu maschinellem Lernen, Bias, Regulierung, Daten, Arbeitswelt und gesellschaftlicher Verantwortung vertiefen.

Was ist KI – und was nicht?

KI ist kein einzelnes Programm und keine einzelne Methode. Der Begriff umfasst sehr unterschiedliche Verfahren. Manche Systeme arbeiten mit festgelegten Regeln. Andere nutzen Maschinelles Lernen, um aus Beispieldaten statistische Muster zu erkennen. Moderne Sprach-, Bild- und Audiosysteme basieren häufig auf großen künstlichen neuronalen Netzen.

Wichtig ist: Ein KI-System „weiß“ nicht automatisch, was wahr, gerecht oder sinnvoll ist. Es verarbeitet Daten nach mathematischen Verfahren und erzeugt daraus Ergebnisse. Bei generativer KI kann ein Ergebnis sprachlich überzeugend wirken und trotzdem falsch sein. Solche erfundenen oder nicht ausreichend belegten Aussagen werden oft als Halluzinationen bezeichnet. Deshalb gehören Quellenprüfung, Vergleich mit verlässlichen Informationen und menschliche Verantwortung immer zum sinnvollen KI-Einsatz.

Maschinelles Lernen einfach erklärt

Beim maschinellen Lernen bekommt ein Computer nicht für jede einzelne Situation eine fertige Regel. Stattdessen wird ein Modell mit Daten trainiert. Vereinfacht kannst Du Dir den Ablauf so vorstellen: Daten → Training → Modell → neue Eingabe → Ausgabe.

Beim überwachten Lernen enthalten Trainingsdaten Beispiele mit bekannten Zielwerten, etwa Fotos mit den Beschriftungen „Hund“ und „Katze“. Beim unüberwachten Lernen sucht ein Verfahren selbstständig Strukturen oder Gruppen in Daten. Beim bestärkenden Lernen lernt ein System durch Rückmeldungen zu seinen Handlungen.

Ein künstliches neuronales Netz besteht aus miteinander verbundenen Recheneinheiten. Eingaben werden gewichtet, über Zwischenschichten verarbeitet und in eine Ausgabe überführt. Beim Training werden viele dieser Gewichte angepasst. Besitzt ein Netz viele Verarbeitungsschichten, spricht man häufig von Deep Learning.

Generative KI und Sprachmodelle

Generative KI erzeugt neue Inhalte auf Grundlage gelernter statistischer Muster. Ein Sprachmodell verarbeitet Sprache nicht wie ein menschliches Bewusstsein. Es berechnet Wahrscheinlichkeiten für passende Fortsetzungen von Zeichen- oder Wortfolgen. Durch sehr große Trainingsmengen, viele Modellparameter und zusätzliche Trainingsschritte entstehen Systeme, die Fragen beantworten, Texte zusammenfassen, programmieren, erklären oder Ideen entwickeln können.

Ein Prompt ist die Eingabe, mit der Du einem generativen KI-System eine Aufgabe stellst. Gute Prompts nennen Ziel, Kontext, gewünschtes Format und wichtige Einschränkungen. Trotzdem gilt: Ein guter Prompt garantiert keine richtige Antwort. Besonders bei Medizin, Recht, Politik, Wissenschaft oder aktuellen Ereignissen musst Du Ergebnisse prüfen.

KI in Deutschland

Deutschland verfügt über eine lange Tradition in Informatik, Ingenieurwissenschaften, Industrie, Automatisierung und wissenschaftlicher Forschung. Die Bundesregierung verabschiedete 2018 eine nationale KI-Strategie, um Forschung, Transfer, Anwendung und gesellschaftliche Gestaltung von KI zu stärken. Inzwischen ist KI ein Querschnittsthema für Forschung, Wirtschaft, Verwaltung, Bildung und Infrastruktur.

Ein wichtiger Faktor ist Rechenleistung. Große KI-Modelle benötigen leistungsfähige Rechner, Rechenzentren und viel Energie. Die Bundesregierung verfolgt deshalb auch eine Rechenzentrumsstrategie. Bis 2030 sollen die Rechenzentrumskapazitäten in Deutschland deutlich ausgebaut werden; für Hochleistungsrechnen und KI ist ein besonders starker Ausbau vorgesehen.

Forschung und Ausbildung

An Universitäten, Hochschulen, Forschungszentren und außeruniversitären Einrichtungen wird in Deutschland zu KI geforscht. Themen reichen von Machine Learning und Robotik über Sprachverarbeitung und Computer Vision bis zu Medizin, Mobilität, Produktion, Klimaforschung, Sicherheit und KI-Ethik.

Für Lernende gibt es frei zugängliche Angebote wie den KI-Campus, der Kurse zu KI-Grundlagen, Schule, Medizin, Unternehmen, Verwaltung und Ethik bereitstellt. Viele Angebote sind als OER offen lizenziert.

Anwendungen von KI in Deutschland

Industrie und Produktion

In der deutschen Industrie wird KI unter anderem zur Qualitätskontrolle, Produktionsplanung, Fehlererkennung und vorausschauenden Wartung eingesetzt. Kamerasysteme können Bauteile auf sichtbare Abweichungen prüfen. Sensordaten können Hinweise darauf geben, wann eine Maschine wahrscheinlich gewartet werden muss. In Verbindung mit Robotik entstehen Systeme, die Beschäftigte bei körperlich belastenden oder sehr präzisen Tätigkeiten unterstützen können.

KI ersetzt dabei nicht automatisch ganze Berufe. Häufig verändern sich einzelne Tätigkeiten. Menschen überwachen Systeme, bewerten Ergebnisse, lösen ungewöhnliche Fälle und übernehmen Verantwortung.

Medizin und Gesundheit

In der Medizin kann KI große Datenmengen auswerten, etwa bei medizinischen Bildern, Laborwerten oder Dokumentationen. Systeme können Ärztinnen und Ärzte bei der Erkennung bestimmter Muster unterstützen. Auch Terminplanung, Dokumentation oder Forschung können durch KI erleichtert werden.

Medizinische Entscheidungen haben jedoch hohe Auswirkungen auf Menschen. Deshalb sind Qualität, Datenschutz, nachvollziehbare Prüfverfahren und menschliche Aufsicht besonders wichtig. Ein KI-System ist kein Ersatz für medizinische Fachkompetenz.

Mobilität und Verkehr

KI spielt bei Fahrerassistenz, Verkehrsprognosen, Navigation und automatisiertem Fahren eine wichtige Rolle. Kameras, Radar, Lidar und weitere Sensoren liefern Daten über Fahrbahn, Fahrzeuge, Menschen und Hindernisse. KI-Systeme werten diese Informationen in sehr kurzer Zeit aus.

Automatisiertes Fahren zeigt besonders deutlich, warum KI nicht nur eine technische Frage ist: Auch Sicherheit, Haftung, Infrastruktur, Recht und gesellschaftliche Akzeptanz müssen geklärt werden.

Energie, Umwelt und Landwirtschaft

KI kann Wetter- und Verbrauchsdaten auswerten, Strombedarf prognostizieren, Energienetze steuern oder landwirtschaftliche Flächen analysieren. In der Landwirtschaft helfen Bilderkennung und Sensordaten etwa dabei, Pflanzenzustände zu beobachten oder Betriebsmittel gezielter einzusetzen.

Gleichzeitig benötigt besonders das Training großer Modelle viel Rechenleistung. Deshalb gehören Energieverbrauch, Kühlung, Wasserbedarf, Hardwareproduktion und Lebensdauer von Rechenzentren zur Umweltbilanz von KI.

Verwaltung und öffentliche Dienste

In Verwaltungen kann KI beim Sortieren von Dokumenten, bei Suchvorgängen, Übersetzungen oder Bürgerinformationen unterstützen. Gleichzeitig gilt: Wenn automatisierte Systeme Entscheidungen über Menschen vorbereiten oder beeinflussen, müssen Datenschutz, Rechtsstaatlichkeit, Transparenz und Überprüfbarkeit gesichert sein.

Medien, Kultur und Kreativität

Generative KI kann Texte, Bilder, Musik und Videos erstellen. Das eröffnet neue Möglichkeiten für Gestaltung, Übersetzung, Barrierefreiheit und kreative Experimente. Gleichzeitig entstehen Fragen zum Urheberrecht, zur Herkunft von Trainingsdaten und zur Kennzeichnung synthetischer Inhalte.

Besonders problematisch können Deepfakes sein. Dabei werden Bilder, Videos oder Stimmen so künstlich erzeugt oder verändert, dass sie echt wirken können. Deepfakes können kreativ oder satirisch eingesetzt werden, aber auch zur Täuschung, Desinformation, Erpressung oder Rufschädigung.

KI in Schule und Studium

KI ist bereits Teil von Schule, Ausbildung und Hochschule. Lernende können KI zum Erklären von Fachbegriffen, Erstellen von Übungsaufgaben, Sammeln von Ideen, Programmieren oder sprachlichen Überarbeiten nutzen. Lehrkräfte können KI bei der Unterrichtsplanung, Differenzierung oder Materialentwicklung einsetzen.

Die KMK betont in ihrer Handlungsempfehlung von 2024, dass Lernende Kompetenzen für einen kritischen und konstruktiven Umgang mit KI entwickeln sollen. Dabei geht es nicht nur um Bedienung, sondern auch um Funktionsweise, Qualität von Ergebnissen, Datenschutz, Fairness, Verantwortung und Chancengerechtigkeit.

Für Dich bedeutet das: KI darf Lernen unterstützen, aber nicht Dein eigenes Denken ersetzen. Wenn Du eine KI-Antwort ungeprüft übernimmst, weißt Du weder sicher, ob sie stimmt, noch ob Du den Inhalt selbst verstanden hast.

Fünf Regeln für sinnvollen KI-Einsatz beim Lernen

Lernziel: Kläre zuerst, was Du selbst lernen oder verstehen willst.
Prompt: Formuliere Aufgabe, Kontext und gewünschte Form möglichst klar.
Quellenkritik: Prüfe wichtige Aussagen mit Schulbuch, Originalquelle oder verlässlicher Fachquelle.
Transparenz: Gib an, wenn KI bei einer Aufgabe wesentlich geholfen hat, sofern Schule, Hochschule oder Prüfungsordnung dies verlangt.
Datenschutz: Gib keine vertraulichen, personenbezogenen oder sensiblen Daten in KI-Systeme ein, wenn dies nicht ausdrücklich erlaubt und abgesichert ist.

Gesellschaftliche Auswirkungen

Arbeitswelt

KI kann Tätigkeiten automatisieren, beschleunigen oder verändern. Besonders betroffen sind Aufgaben, die stark digitalisiert, wiederholbar oder datenbasiert sind. Gleichzeitig entstehen neue Tätigkeiten rund um Daten, KI-Entwicklung, Qualitätskontrolle, Sicherheit und verantwortlichen Einsatz.

Ob KI Arbeitsplätze ersetzt oder neue schafft, lässt sich nicht pauschal beantworten. Entscheidend sind Branche, Tätigkeit, Qualifikation, Unternehmensstrategie, Regulierung und die Frage, wie Mensch und Maschine zusammenarbeiten. Deshalb werden Weiterbildung und digitale Kompetenzen immer wichtiger.

Bias, Fairness und Diskriminierung

Ein KI-System kann bestehende Verzerrungen in Daten übernehmen. Wenn bestimmte Gruppen in Trainingsdaten unterrepräsentiert oder historisch benachteiligt sind, kann ein Modell unfaire Ergebnisse erzeugen. Dieses Problem wird häufig als Bias bezeichnet.

Fairness bedeutet deshalb nicht nur, einen Algorithmus technisch korrekt zu programmieren. Auch Datenauswahl, Zieldefinition, Messverfahren und gesellschaftlicher Kontext müssen geprüft werden.

Datenschutz und informationelle Selbstbestimmung

KI-Systeme verarbeiten häufig große Datenmengen. In Deutschland und der EU ist die DSGVO ein zentraler Rechtsrahmen für personenbezogene Daten. Für Schule, Verwaltung, Unternehmen und Forschung ist entscheidend, welche Daten verarbeitet werden, zu welchem Zweck, auf welcher Rechtsgrundlage und wer Zugriff erhält.

Desinformation und Demokratie

KI kann Informationen schneller produzieren und personalisieren. Das kann nützlich sein, erleichtert aber auch die massenhafte Herstellung irreführender Texte, Bilder, Stimmen und Videos. Deshalb wird Medienkompetenz wichtiger: Prüfe Absender, Kontext, Datum, Originalquelle, Bildherkunft und unabhängige Bestätigungen.

Ein einzelnes ungewöhnliches Bildmerkmal reicht nicht als sicherer Deepfake-Nachweis. Gute Prüfung verbindet technische Hinweise mit Quellenkritik.

Verantwortung und menschliche Kontrolle

Bei wichtigen Entscheidungen muss geklärt sein, wer Verantwortung trägt. Ein Satz wie „Die KI hat entschieden“ reicht nicht aus. Menschen und Organisationen müssen festlegen, welche Aufgaben automatisiert werden dürfen, wie Fehler erkannt werden, wie Betroffene widersprechen können und wer Entscheidungen überprüft.

Rechtlicher Rahmen: Deutschland und EU

Für Deutschland ist neben nationalem Recht besonders der AI Act der Europäischen Union wichtig. Die EU verfolgt einen risikobasierten Ansatz: Je größer die möglichen Folgen eines KI-Systems für Sicherheit und Grundrechte sind, desto strenger können die Anforderungen sein.

Seit dem 2. August 2026 greifen weitere Teile des Regelwerks. Dazu gehören Transparenzpflichten für bestimmte KI-Systeme. Nutzerinnen und Nutzer sollen in relevanten Fällen erkennen können, dass sie mit KI interagieren oder dass Inhalte künstlich erzeugt beziehungsweise verändert wurden. Auch Deepfakes unterliegen Kennzeichnungspflichten. Andere Vorgaben werden stufenweise angewendet.

In Deutschland wurde 2026 ein nationales Durchführungsgesetz zur europäischen KI-Verordnung beschlossen. Die Bundesnetzagentur übernimmt dabei eine zentrale Koordinierungsfunktion.

Chancen und Grenzen im Überblick

KI kann Menschen beim Lernen, Forschen, Übersetzen, Programmieren, Diagnostizieren, Planen und Gestalten unterstützen. Sie kann große Datenmengen schneller auswerten als ein Mensch und Muster sichtbar machen, die sonst schwer erkennbar wären.

Gleichzeitig sind KI-Systeme fehleranfällig. Sie können falsche Informationen erzeugen, vorhandene Vorurteile verstärken, sensible Daten verarbeiten, schwer erklärbare Entscheidungen treffen oder zur Täuschung missbraucht werden. Der sinnvolle Umgang mit KI besteht deshalb nicht darin, sie entweder grundsätzlich zu feiern oder grundsätzlich abzulehnen. Entscheidend ist, welches System für welchen Zweck mit welchen Daten unter welchen Regeln und mit welcher menschlichen Kontrolle eingesetzt wird.

Quellen und Vertiefung

Interaktive Aufgaben

Quiz: Teste Dein Wissen

Was beschreibt Maschinelles Lernen am besten? (Ein System lernt statistische Muster aus Daten) (!Ein Computer erhält für jede Situation nur handgeschriebene Regeln) (!Ein Computer entwickelt automatisch Bewusstsein) (!Ein Computer arbeitet grundsätzlich ohne Daten)

Was ist ein Prompt? (Eine Eingabe oder Anweisung an ein KI-System) (!Ein Bauteil eines Prozessors) (!Ein deutsches Datenschutzgesetz) (!Eine Messgröße für Stromverbrauch)

Welche Aussage zu generativer KI ist richtig? (Sie kann neue Inhalte auf Basis gelernter Muster erzeugen) (!Sie liefert immer wahre Informationen) (!Sie benötigt niemals Trainingsdaten) (!Sie besitzt automatisch menschliches Bewusstsein)

Was bedeutet Bias im Zusammenhang mit KI? (Eine systematische Verzerrung in Daten oder Ergebnissen) (!Eine besonders schnelle Netzwerkverbindung) (!Ein Verfahren zur Verschlüsselung von Festplatten) (!Eine gesetzlich vorgeschriebene Programmiersprache)

Warum müssen KI-Ergebnisse überprüft werden? (Weil KI plausibel klingende falsche Aussagen erzeugen kann) (!Weil KI grundsätzlich keine Sprache verarbeiten kann) (!Weil KI nur mit Zahlen arbeitet) (!Weil jedes KI-Ergebnis gesetzlich verboten ist)

Welche Anwendung ist ein typisches Beispiel für KI in der Industrie? (Automatische Qualitätskontrolle mit Bilderkennung) (!Manuelles Ablesen einer analogen Uhr) (!Drucken eines Textes ohne Auswertung) (!Mechanisches Öffnen einer Tür ohne Sensorik)

Welche Rolle spielt der AI Act der Europäischen Union? (Er legt risikobasierte Regeln für KI-Systeme fest) (!Er verbietet jede Form von Künstlicher Intelligenz) (!Er gilt nur für Computerspiele) (!Er ersetzt alle Schulgesetze der Bundesländer)

Was ist ein Deepfake? (Ein künstlich erzeugter oder manipulierter Medieninhalt mit täuschender Wirkung) (!Ein besonders tiefes neuronales Netz ohne Medienbezug) (!Eine verschlüsselte Sicherungskopie) (!Ein fehlerfreies digitales Zertifikat)

Welche Aussage passt zu verantwortungsvollem KI-Einsatz in der Schule? (Wichtige Aussagen prüfen und KI-Nutzung transparent machen) (!Jede KI-Antwort ungeprüft übernehmen) (!Persönliche Daten immer in Prompts eingeben) (!Eigene Lernziele durch KI vollständig ersetzen)

Warum sind Rechenzentren für moderne KI wichtig? (Sie stellen große Mengen an Rechenleistung bereit) (!Sie erzeugen automatisch Trainingsdaten ohne Quellen) (!Sie machen Datenschutz überflüssig) (!Sie ersetzen alle Endgeräte)

Memory

Maschinelles Lernen	Lernen aus Beispieldaten
Training	Anpassung eines Modells
Inferenz	Anwendung des trainierten Modells
Bias	systematische Verzerrung
Deepfake	künstlich manipulierter Medieninhalt
AI Act	europäisches KI-Regelwerk
KI-Kompetenz	reflektierter Umgang mit KI

Drag and Drop

Ordne die richtigen Begriffe zu.	Thema
Training	Ein Modell wird mit Daten angepasst
Inferenz	Ein trainiertes Modell verarbeitet neue Eingaben
Prompt	Eine Eingabe steuert eine generative KI
Bias	Eine systematische Verzerrung beeinflusst Ergebnisse
Deepfake	Ein synthetischer Medieninhalt kann täuschend echt wirken
Transparenz	KI-Einsatz und künstliche Inhalte sollen erkennbar sein

...

Kreuzworträtsel

Algorithmus	Welche Bezeichnung trägt eine eindeutige Verarbeitungsvorschrift in der Informatik?
Deepfake	Wie heißt ein künstlich erzeugter oder manipulierter Medieninhalt, der echt wirken kann?
Daten	Womit werden viele Verfahren des maschinellen Lernens trainiert?
Bias	Wie heißt eine systematische Verzerrung in Daten oder Ergebnissen?
Prompt	Wie nennt man eine Eingabe oder Anweisung für ein generatives KI-System?
Inferenz	Wie heißt die Anwendung eines trainierten Modells auf neue Eingaben?

LearningApps

Lückentext

Künstliche Intelligenz ist ein Teilgebiet der

.

Beim maschinellen Lernen werden Modelle mit

trainiert.

Ein künstliches neuronales Netz besteht aus verbundenen Recheneinheiten, die häufig in

angeordnet sind.

Eine Eingabe an ein generatives KI-System heißt

.

Plausibel klingende, aber erfundene KI-Aussagen werden häufig als

bezeichnet.

Eine systematische Verzerrung in Daten oder Modellergebnissen nennt man

.

Täuschend echte künstlich erzeugte oder veränderte Medien können als

bezeichnet werden.

Der europäische Rechtsrahmen für viele KI-Anwendungen wird durch den

geprägt.

In der Schule gehört das kritische Prüfen von KI-Ergebnissen zur

.

Große KI-Systeme benötigen erhebliche

.

Offene Aufgaben

Leicht

KI im Alltag: Finde fünf Beispiele für KI in Deinem Alltag und erkläre jeweils, welche Eingaben und Ausgaben das System wahrscheinlich verarbeitet.
Prompt-Experiment: Formuliere drei unterschiedlich genaue Prompts zur selben Lernfrage und vergleiche die Antworten.
Quellenkritik: Lass Dir von einer KI drei Aussagen zu einem Unterrichtsthema geben und überprüfe jede Aussage mit mindestens einer verlässlichen Quelle.
KI-Begriffe: Gestalte ein Lernplakat zu den Begriffen KI, maschinelles Lernen, neuronales Netz, Prompt, Bias und Deepfake.

Standard

Bilderkennung: Entwickle auf Papier ein einfaches Klassifikationsschema für Bilder und erkläre, wo feste Regeln an Grenzen stoßen.
KI in Deutschland: Recherchiere eine deutsche Anwendung von KI in Industrie, Medizin, Verkehr oder Verwaltung und präsentiere Nutzen, Risiken und beteiligte Akteure.
Deepfake-Analyse: Untersuche ein dokumentiertes Deepfake-Beispiel und erstelle eine Checkliste zur Quellenprüfung, ohne selbst täuschende Inhalte zu verbreiten.
Schulregeln für KI: Entwickle in einer Gruppe fünf Regeln für fairen und transparenten KI-Einsatz bei Hausaufgaben und Projekten.

Schwer

Bias-Fallstudie: Entwirf ein fiktives Datenset mit einer erkennbaren Verzerrung und erläutere, wie diese Verzerrung ein KI-Ergebnis beeinflussen könnte.
AI Act: Analysiere einen KI-Anwendungsfall und begründe, welche Risiken für Sicherheit, Transparenz oder Grundrechte relevant sein könnten.
Mensch-Maschine-Arbeitsteilung: Wähle einen Beruf und entwickle ein Zukunftsszenario, in dem Du Aufgaben sinnvoll zwischen Menschen und KI verteilst.
KI-Forschungsprojekt: Plane eine kleine Untersuchung zur Frage, wie zuverlässig generative KI bei einem klar eingegrenzten Fachthema arbeitet. Lege Kriterien, Vergleichsquellen und Auswertungsmethode fest.

Lernkontrolle

Transfer: KI im Schulalltag: Eine Schule möchte einen KI-Chatbot als Lernhilfe einführen. Entwickle Kriterien, nach denen geprüft werden sollte, ob der Einsatz fachlich, rechtlich und pädagogisch sinnvoll ist.
Transfer: Automatisierte Auswahl: Ein Unternehmen möchte Bewerbungen von einer KI vorsortieren lassen. Analysiere mögliche Vorteile, Bias-Risiken und notwendige Kontrollmechanismen.
Transfer: Medizin: Eine KI erkennt auf Röntgenbildern bestimmte Auffälligkeiten. Begründe, warum hohe Trefferquoten allein noch nicht ausreichen, um menschliche Verantwortung zu ersetzen.
Transfer: Deepfake und Demokratie: Entwickle eine Strategie für eine Schülerzeitung, wie sie mit einem verdächtigen Video kurz vor einer Wahl umgehen sollte.
Transfer: Nachhaltigkeit: Vergleiche den Nutzen eines großen KI-Modells mit seinem Ressourcenbedarf und formuliere Kriterien für einen ökologisch verantwortlichen Einsatz.
Transfer: Transparenz: Erkläre, warum die Kennzeichnung KI-generierter Inhalte Vertrauen stärken kann, und diskutiere zugleich Grenzen einer reinen Kennzeichnungspflicht.

Lernnachweis

Für einen Lernnachweis zu diesem Thema solltest Du zeigen können, dass Du nicht nur Begriffe kennst, sondern KI-Systeme einordnen und bewerten kannst.

Grundbegriffe der KI: KI, maschinelles Lernen, neuronales Netz, Training, Inferenz, Prompt und generative KI erklären.
Anwendungen: mehrere KI-Anwendungen in Deutschland beschreiben und ihren Nutzen fachlich begründen.
Qualitätsprüfung: Fehler, Halluzinationen und unsichere Aussagen erkennen und mit geeigneten Quellen überprüfen.
Gesellschaftliche Folgen: Auswirkungen auf Arbeit, Bildung, Medien, Datenschutz, Fairness und Demokratie analysieren.
Recht und Verantwortung: die Grundidee des risikobasierten AI Act und die Bedeutung menschlicher Kontrolle erläutern.
Eigene Position: Chancen und Risiken eines konkreten KI-Einsatzes abwägen und eine begründete Empfehlung formulieren.

OERs zum Thema

Verknüpfte Lernbereiche

Künstliche Intelligenz - Deutschland

aiMOOC-Projekte

Inhalte werden geladen ...

Mediathek wird aus dem Wiki geladen ...

Hallo, ich bin NOAH. Frag mich zum aktuellen Lerninhalt oder wähle unten eine schnelle Hilfe.

Textmodus bereit

Sprache