Diesen aiMOOC als Battle spielen: Deutsch, Klasse 9-10, G-Niveau

KI-Kompetenz – PISA-MAIL-Check Klasse 9

Zielgruppe: Klasse 9, besonders geeignet für etwa 14- bis 15-Jährige. PISA untersucht 15-Jährige unabhängig von der besuchten Klassenstufe; deshalb ist dieser Kurs PISA-MAIL-orientiert, aber kein offizieller PISA-Test.

Zeitbedarf: ca. 60–90 Minuten.

Charakter: kompetenzorientierte Standortbestimmung zu KI, Medienkompetenz, Quellenkritik, Datenbewertung, Systemdenken, Risikoabwägung und verantwortlichem Handeln.

Leitidee: Du sollst nicht nur Begriffe kennen. Du sollst in realistischen Situationen prüfen, welche Informationen belastbar sind, welche Interessen und technischen Systeme eine Rolle spielen, welche Folgen Entscheidungen haben und wie Du selbst verantwortlich handeln kannst.

Einleitung

KI-Systeme, Suchmaschinen, soziale Netzwerke und digitale Medien beeinflussen, welche Informationen Du siehst, wie Inhalte sortiert werden und welche Entscheidungen Dir vorgeschlagen werden. Dabei entstehen Chancen: Du kannst Informationen schneller finden, Ideen entwickeln, Texte überarbeiten, Daten auswerten oder komplexe Themen erklären lassen. Gleichzeitig entstehen Risiken: Quellen können fehlen, Ergebnisse können falsch oder verzerrt sein, persönliche Daten können verarbeitet werden und scheinbar neutrale Systeme können bestimmte Gruppen benachteiligen.

PISA 2029 führt mit Media and Artificial Intelligence Literacy – MAIL eine neue innovative Domäne ein. Im Mittelpunkt steht die Frage, wie gut Jugendliche mit digitalen Inhalten, Medienplattformen und KI-Systemen wirksam, kritisch, ethisch und verantwortlich umgehen können. Der veröffentlichte Rahmen ist derzeit noch ein erster Entwurf und kann bis zur endgültigen Fassung verändert werden.

Die Abbildung zeigt vereinfacht ein neuronales Netz. Moderne generative KI-Systeme sind deutlich komplexer. Wichtig für Dich ist: Ein KI-System ist kein unabhängiger Wahrheitsautomat. Ergebnisse entstehen aus Daten, Modellarchitektur, Zielsetzung, Eingaben, technischen Einstellungen und menschlichen Entscheidungen.

Das OECD-Video zu PISA 2025 verdeutlicht, warum Lesen, kritisches Prüfen und KI-Kompetenz zusammengehören: Fertige Antworten können bequem sein, aber Lernen verlangt eigenes Denken, Prüfen und Begründen.

Was PISA-MAIL besonders prüft

Der erste OECD-Entwurf beschreibt fünf miteinander verbundene Kompetenzbereiche. Für diesen Lernkurs werden sie als Handlungsschritte genutzt:

Kompetenz	Was Du praktisch können sollst	Leitfrage
Access and Use	Informationen suchen, digitale Werkzeuge sinnvoll einsetzen, Suchanfragen und Prompts zielgerichtet formulieren und Material ordnen.	Welche Information brauche ich und wie komme ich möglichst zuverlässig daran?
Analyse and Evaluate	Zweck, Glaubwürdigkeit, Belege, Relevanz, Verzerrungen und Grenzen menschlich oder KI-erzeugter Inhalte prüfen.	Was spricht dafür, was dagegen und wie belastbar ist der Inhalt?
Participate and Collaborate	In digitalen Räumen verantwortlich kommunizieren, Perspektiven anderer berücksichtigen und algorithmische Einflüsse mitdenken.	Wie wirkt mein Handeln auf andere und auf die gemeinsame Informationslage?
Create	Eigene Inhalte zielgerichtet erstellen, Quellen kenntlich machen, KI-Unterstützung transparent einsetzen und Form sowie Publikum berücksichtigen.	Was möchte ich bewirken und wie gestalte ich den Inhalt nachvollziehbar?
Reflect and Act Ethically and Responsibly	Nutzen, Risiken, Fairness, Privatsphäre, Sicherheit, Verantwortung und gesellschaftliche Folgen abwägen.	Welche Entscheidung ist begründet und gegenüber Betroffenen verantwortbar?

Dazu betrachtet MAIL drei wichtige Perspektiven: Autorinnen, Autoren und Publikum, Botschaften und Bedeutungen sowie Realitäten und Repräsentationen. Du fragst also nicht nur: „Ist das wahr?“, sondern auch: Wer spricht zu wem? Mit welchem Interesse? Wie wird Bedeutung erzeugt? Welche Ausschnitte der Wirklichkeit werden gezeigt oder weggelassen?

Brücke zur KI-Kompetenz

Das 2026 veröffentlichte gemeinsame KI-Kompetenzrahmenwerk von OECD und Europäischer Kommission ergänzt diese Perspektive durch vier Bereiche: Engage with AI, Create with AI, Manage AI und Shape AI. Zentral ist dabei Human Agency: Du sollst KI nicht einfach gehorchen, sondern selbst Ziele setzen, Aufgaben bewusst delegieren, Ergebnisse prüfen und die Verantwortung für Entscheidungen behalten.

Das UNESCO-Kompetenzmodell betont zusätzlich eine menschenzentrierte Haltung, Ethik, technische Grundlagen und Systemgestaltung. Für die Schule bedeutet das: KI-Kompetenz ist keine reine Informatikfrage. Sie verbindet Informatik, Deutsch, Mathematik, Technik, Wirtschaft, Geschichte, Ethik und Gemeinschaftskunde.

Lernziele

Nach dem Kurs kannst Du digitale und KI-erzeugte Inhalte anhand von Belegen, Herkunft, Interessen und Kontext bewerten. Du kannst Daten vorsichtig interpretieren, zwischen Korrelation und Ursache unterscheiden und erkennst, dass Stichproben und Messverfahren die Aussagekraft beeinflussen. Du kannst erklären, wie Trainingsdaten, Systemziele, Auswahlmechanismen und menschliche Entscheidungen zu Verzerrungen beitragen können. Du kannst Risiken für Datenschutz, Fairness, Sicherheit und gesellschaftliche Teilhabe gegen mögliche Vorteile abwägen. Du kannst begründen, wann KI sinnvoll unterstützt, wann menschliche Kontrolle unverzichtbar ist und wie Du KI-Nutzung transparent machst.

Ablauf für 1–2 Unterrichtsstunden

Phase	Zeit	Schwerpunkt
Aktivierung und Kurzdiagnose	5–10 Minuten	Erste Entscheidungen unter Zeitdruck sichtbar machen
Einführung	10–15 Minuten	MAIL, Human Agency, Quellenkritik und Systemdenken
Medien- und Datencheck	15–20 Minuten	Suchergebnisse, KI-Ausgaben, Statistik, Bias und Datenschutz
Anwendungssituation	20–30 Minuten	Schulentscheidung zu einem KI-Lernassistenten begründet treffen
Selbstkontrolle und Transfer	10–15 Minuten	Entscheidungen prüfen, verbessern und auf neue Situationen übertragen

Aktivierung und Diagnose

Stell Dir vor, Du öffnest morgens Deinen Klassenchat. Dort steht: „Morgen fällt die Schule aus – hier ist ein Screenshot!“ Mehrere Personen schreiben sofort „Stimmt!“. Was würdest Du als Erstes tun?

Möglichkeit	Diagnosefrage
Weiterleiten	Vertraust Du sozialer Bestätigung, ohne die Quelle zu prüfen?
Screenshot genau betrachten	Prüfst Du sichtbare Hinweise, ohne die Herkunft zu klären?
Nach der ursprünglichen Mitteilung suchen	Versuchst Du, zur Primärquelle zurückzugehen?
Zwei unabhängige verlässliche Quellen vergleichen	Nutzt Du laterales Lesen und Gegenprüfung?

Kurzdiagnose: Notiere in einem Satz, warum Du Dich für Deine Handlung entschieden hast. Markiere danach, welche Information Deine Entscheidung noch sicherer machen würde. Es geht nicht darum, sofort „richtig“ zu liegen, sondern darum, Deinen Entscheidungsweg sichtbar zu machen.

Grundlagen: Wie KI und digitale Medien unsere Sicht prägen

KI-Systeme erzeugen nicht automatisch Wahrheit

Viele generative Sprachmodelle erzeugen Text, indem sie auf Basis gelernter Muster und des aktuellen Kontexts wahrscheinliche Fortsetzungen berechnen. Das kann sehr überzeugend klingen, obwohl ein Detail falsch, erfunden, veraltet oder aus dem Zusammenhang gerissen ist. Deshalb ist sprachliche Sicherheit kein Beweis für sachliche Richtigkeit.

Ein nützlicher Systemblick lautet:

Systembestandteil	Prüffrage
Daten	Welche Beispiele, Sprachen, Gruppen oder Zeiträume könnten vertreten oder unterrepräsentiert sein?
Modell	Für welche Aufgabe wurde das System optimiert und welche Grenzen hat es?
Eingabe	Welche Informationen, Annahmen oder persönlichen Daten gibst Du hinein?
Ausgabe	Welche Behauptungen brauchen einen Beleg oder eine Gegenprüfung?
Einsatzkontext	Wer entscheidet am Ende und wer trägt mögliche Folgen?

Quellenkritik: Nicht auf der Seite stehen bleiben

Ein Suchergebnis ist zunächst nur eine Auswahl. Die Reihenfolge kann von Relevanzsignalen, Aktualität, Popularität, Personalisierung, Suchmaschinenlogik oder Werbung beeinflusst sein. Der erste Treffer ist deshalb nicht automatisch die beste Quelle.

Beim lateralen Lesen verlässt Du die ursprüngliche Seite und prüfst parallel: Wer steht hinter dem Angebot? Was sagen unabhängige Quellen? Gibt es eine Primärquelle? Wird dieselbe Aussage an anderen Stellen mit denselben Belegen bestätigt? Diese Methode verbindet klassische Quellenkritik aus dem Geschichtsunterricht mit moderner Medienkompetenz.

Das Video eignet sich als Einstieg in die Frage, wie Fakten, Meinungen und Auswahlentscheidungen Nachrichten beeinflussen.

Algorithmische Auswahl, Personalisierung und Perspektiven

Personalisierte Systeme können entscheiden, welche Beiträge, Videos, Produkte oder Suchergebnisse besonders sichtbar werden. Dadurch können bestimmte Sichtweisen häufiger erscheinen als andere. Das Konzept der Filterblase beschreibt die Gefahr, dass Nutzerinnen und Nutzer zunehmend ähnliche Inhalte sehen. Ob tatsächlich eine geschlossene Informationsblase entsteht, hängt jedoch von Plattform, Netzwerk, Nutzungsverhalten und weiteren Quellen ab. Gute Analyse vermeidet deshalb einfache Aussagen wie „Der Algorithmus manipuliert immer“, sondern fragt konkret nach Auswahlmechanismus, Daten und Wirkung.

Für Gemeinschaftskunde und Ethik ist besonders wichtig: Sichtbarkeit kann politische Meinungsbildung, gesellschaftliche Debatten und die Wahrnehmung von Mehrheiten beeinflussen. Für Wirtschaft ist wichtig: Aufmerksamkeit ist häufig Teil des Geschäftsmodells digitaler Plattformen. Für Informatik ist wichtig: Empfehlungen beruhen auf Daten, Modellen, Zielen und Rückkopplung.

Bias und Fairness

Bias bedeutet hier eine systematische Verzerrung. Sie kann entstehen, wenn Trainingsdaten bestimmte Gruppen schlechter abbilden, wenn Kategorien ungeeignet gewählt werden, wenn ein Messwert nur ein unvollständiger Ersatz für das eigentliche Ziel ist oder wenn Rückmeldungen bestehende Ungleichheiten verstärken.

Beispiel: Ein System soll „Lernerfolg“ vorhersagen und nutzt hauptsächlich vergangene Testnoten. Wenn bestimmte Gruppen in diesen Tests strukturell benachteiligt waren, kann das Modell alte Unterschiede übernehmen. Ein mathematisch genauer Durchschnitt macht eine Entscheidung deshalb noch nicht automatisch fair.

Bei Fairnessfragen reicht die Frage „Ist die Gesamtquote gut?“ nicht. Du solltest auch prüfen, ob Fehler oder Nachteile zwischen Gruppen unterschiedlich verteilt sind.

Datenschutz, Sicherheit und Datenminimierung

Bei KI-Anwendungen können Prompts, hochgeladene Dokumente, Bilder, Sprachaufnahmen oder Nutzungsdaten verarbeitet werden. Bevor Du persönliche Daten eingibst, solltest Du klären: Ist die Angabe für die Aufgabe wirklich notwendig? Wer kann sie sehen? Wie lange wird sie gespeichert? Wird sie für weitere Zwecke verwendet? Kann die Aufgabe auch mit weniger Daten gelöst werden?

Datenminimierung bedeutet: So wenige personenbezogene Daten wie nötig verarbeiten. Für Schule ist das besonders wichtig, weil Lernende häufig minderjährig sind und Leistungsdaten, Verhaltensdaten oder persönliche Texte sensibel sein können.

Deepfakes und synthetische Medien

KI kann Bilder, Stimmen und Videos erzeugen oder verändern. Einzelne sichtbare Fehler können Hinweise liefern, sind aber kein zuverlässiger Universaltest. Je besser die Systeme werden, desto unsicherer wird die reine Betrachtung mit dem Auge. Stärker ist eine Kombination aus Herkunftsprüfung, Metadaten, seriöser Gegenrecherche, Primärquelle, zeitlichem Kontext und technischer Analyse.

Die wichtigste Regel lautet nicht „Glaube keinem Bild“, sondern: Starke Behauptungen brauchen starke Belege.

Daten- und Systembewertung: PISA-2025-Daten richtig lesen

Die OECD berichtet für PISA 2025 mehrere Befunde zum Lernen mit KI. Diese Daten eignen sich gut, um Statistik und Medienkompetenz miteinander zu verbinden.

Beobachtung	Was daraus folgt	Was daraus nicht automatisch folgt
Rund 46 Prozent der Schülerinnen und Schüler in OECD-Ländern nutzen KI-Chatbots mindestens wöchentlich, um beim Lernen zu helfen.	KI-Nutzung ist im Alltag vieler Jugendlicher angekommen.	Dass 46 Prozent in Deiner Klasse genauso handeln.
Bei bestimmten schulischen KI-Nutzungen lagen die durchschnittlichen Naturwissenschaftsleistungen niedriger als bei Nichtnutzung.	Es gibt einen statistischen Zusammenhang, der untersucht werden sollte.	Dass KI-Nutzung allein die niedrigere Leistung verursacht.
Regelmäßige allgemeine KI-Nutzung war nicht generell mit schlechteren Leistungen verbunden.	Art und Kontext der Nutzung spielen eine Rolle.	Dass jede Form der KI-Nutzung lernförderlich ist.
Lerngelegenheiten zu KI-Kompetenz standen teilweise mit günstigeren Ergebnissen in Verbindung.	Unterricht über kritische KI-Nutzung könnte relevant sein.	Dass ein einzelner KI-Kurs automatisch bessere Leistungen erzeugt.

Mathematik-Check: In einer Gruppe von 50 Jugendlichen entsprächen 46 Prozent rechnerisch 23 Personen. In einer konkreten Klasse muss die Zahl aber nicht genau 23 sein, weil die OECD-Angabe ein Durchschnitt über viele Lernende und Bildungssysteme ist.

Kausalitäts-Check: Wenn zwei Merkmale gemeinsam auftreten, kann es eine Korrelation geben. Für eine Ursache-Wirkungs-Aussage musst Du alternative Erklärungen prüfen, zum Beispiel Vorwissen, Motivation, Lernzeit, soziale Lage, Unterrichtsqualität oder den konkreten Nutzungszweck der KI.

Der PISA-MAIL-Check: Fünf Handlungsschritte

Nutze diese fünf Fragen als Werkzeug für fast jede digitale Entscheidung:

Schritt	Frage	Typische Handlung
1. Access and Use	Was brauche ich wirklich?	Suchbegriffe verbessern, Primärquelle finden, KI gezielt befragen, Material sortieren.
2. Analyse and Evaluate	Wie belastbar ist das?	Autorenschaft, Belege, Aktualität, Kontext, Gegenquellen, Statistik und mögliche Verzerrungen prüfen.
3. Participate and Collaborate	Wie wirkt mein digitales Verhalten auf andere?	Nicht vorschnell teilen, Unsicherheit kennzeichnen, sachlich widersprechen, andere Perspektiven einbeziehen.
4. Create	Wie gestalte ich meinen Beitrag nachvollziehbar?	Quellen nennen, KI-Unterstützung offenlegen, Zielgruppe berücksichtigen, manipulative Darstellung vermeiden.
5. Reflect and Act Ethically and Responsibly	Welche Folgen hat meine Entscheidung?	Nutzen, Schaden, Fairness, Datenschutz, Sicherheit, Umwelt, Verantwortung und menschliche Kontrolle abwägen.

Diese Schritte bilden keine starre Reihenfolge. Du kannst während einer Aufgabe mehrfach zurückspringen, neue Quellen suchen oder Deine Entscheidung revidieren. Genau diese Bereitschaft zur Korrektur ist Teil guter KI-Kompetenz.

Realistische Anwendungssituation: Soll unsere Schule einen KI-Lernassistenten testen?

Situation: Die Schülervertretung soll der Schulkonferenz eine Empfehlung geben. Ein neuer KI-Lernassistent könnte für sechs Monate in Klasse 9 getestet werden. Das System soll Aufgaben erklären, Rückfragen beantworten und Übungspläne vorschlagen. Die folgenden Materialien sind bewusst simuliert und dienen der Kompetenzprüfung.

Material A: Anbieter-Webseite – Simulation

Überschrift	Inhalt
„35 Prozent schneller lernen mit KI-Unterstützung“	Laut Anbieter erreichten 80 freiwillige Testpersonen in einer dreiwöchigen internen Erprobung ihre Übungsziele schneller.
„Individuell und fair“	Das System passe sich automatisch jedem Lernenden an.
„Sicher für Schulen“	Prompts würden zur Qualitätsverbesserung gespeichert; Details zur Speicherdauer stehen in einem weiteren Dokument.

Prüffragen: Wer hat die Untersuchung durchgeführt? Wurde eine Vergleichsgruppe verwendet? Was bedeutet „schneller lernen“ genau? Welche wirtschaftlichen Interessen hat der Anbieter? Welche Informationen fehlen?

Material B: Simulierte Suchergebnisse

Treffer	Vorschautext	Erste Bewertung
Unabhängiger Forschungsbericht – Simulation	„Lernwirkungen von KI hängen stark von Aufgabe, Vorwissen, Rückmeldung und Unterrichtsgestaltung ab.“	Klingt differenziert, aber Methode und Datengrundlage müssen geprüft werden.
Erfahrungsblog – Simulation	„Meine Noten sind nach zwei Wochen deutlich besser geworden. Das Tool ist genial.“	Persönliche Erfahrung, aber kein belastbarer Wirksamkeitsnachweis.
Schulischer Datenschutz-Hinweis – Simulation	„Personenbezogene Lern- und Leistungsdaten nur verarbeiten, wenn Zweck, Rechtsgrundlage, Zugriff und Speicherdauer geklärt sind.“	Für Risikoabwägung relevant; Zuständigkeit und konkrete Regelung prüfen.
Werbebeitrag – Simulation	„Die Zukunft des Lernens ist jetzt. Wer keine KI nutzt, fällt zurück.“	Stark wertende Sprache und erkennbares Überzeugungsinteresse.

Aufgabe: Ordne die Treffer danach, welche Du zuerst öffnen würdest. Begründe nicht nach Rangposition, sondern nach Informationswert.

Material C: KI-Ausgabe – Simulation

Frage an eine KI: „Ist der Lernassistent sicher und fair für unsere Schule?“
KI-Antwort: „Ja. Da das System von vielen Jugendlichen verwendet wird, ist es zuverlässig, datenschutzkonform und fair. Schulen können es ohne größere Bedenken einsetzen.“

Prüfung: Die Antwort enthält keine überprüfbare Quelle. Außerdem folgt aus hoher Nutzung weder Datenschutzkonformität noch Fairness. Eine starke Antwort müsste Unsicherheit benennen, Kriterien nennen und belastbare Nachweise verlangen.

Material D: Social-Media-Post – Simulation

Post: „Vor KI: Mathe 4. Nach KI: Mathe 2. Das beweist alles.“
Reaktionen: 2.400 Likes, 310 Weiterleitungen, viele zustimmende Kommentare.

Prüffragen: Welche weiteren Erklärungen sind möglich? War der Test gleich schwierig? Gab es Nachhilfe? Hat die Person mehr gelernt? Ist der Zeitraum bekannt? Beweist Popularität Richtigkeit?

Material E: Simulierte Pilotdaten

Gruppe	Anzahl	Übungsquote vorher	Übungsquote nachher	Zusätzliche Unterstützung
Mit KI-Lernassistent	48	62 Prozent	74 Prozent	30 Minuten Coaching pro Woche
Ohne KI-Lernassistent	52	63 Prozent	69 Prozent	keine zusätzliche Coachingzeit

Die KI-Gruppe verbessert sich stärker. Trotzdem darfst Du nicht einfach behaupten, die KI habe den gesamten Unterschied verursacht, weil die Gruppen unterschiedlich unterstützt wurden.

Ein zusätzlicher Fairness-Test zeigt:

Art der Eingabe	Geprüfte Antworten	Fachlich problematische Antworten
Standardsprache	120	8
Mehrsprachige oder stark umgangssprachliche Eingaben	40	7

Datenfrage: Bei Standardsprache sind etwa 6,7 Prozent der Antworten problematisch, bei der zweiten Gruppe 17,5 Prozent. Welche zusätzlichen Tests würdest Du verlangen, bevor Du von einem fairen System sprichst? Beachte auch die unterschiedlich großen Stichproben.

Deine Entscheidung

Erstelle eine Empfehlung an die Schulkonferenz. Du darfst für einen Pilotversuch, gegen einen Pilotversuch oder für einen Pilotversuch unter Bedingungen stimmen. Entscheidend ist nicht Deine Position, sondern die Qualität Deiner Begründung.

Deine Empfehlung soll mindestens enthalten: den stärksten möglichen Nutzen, die zwei wichtigsten Unsicherheiten, mindestens ein Datenschutz- oder Fairnessrisiko, einen Vorschlag für menschliche Kontrolle, einen Plan zur Überprüfung der Wirkung und eine transparente Regel zum Umgang mit KI-Unterstützung bei schulischen Leistungen.

Selbstbewertung der Anwendungssituation

Bewerte Dich pro Bereich mit 0, 1 oder 2 Punkten. Diese Skala ist keine offizielle PISA-Skala, sondern nur eine kursinterne Orientierung.

Bereich	0 Punkte	1 Punkt	2 Punkte
Quellenkritik	Quelle übernommen	einzelne Hinweise geprüft	Interessen, Belege, Herkunft und Gegenquellen systematisch geprüft
Datenbewertung	Zahlen direkt als Beweis verwendet	einzelne Einschränkung erkannt	Stichprobe, Vergleich, alternative Erklärungen und Unsicherheit berücksichtigt
Systembewertung	KI als Blackbox akzeptiert	einzelne technische Grenze genannt	Daten, Modell, Einsatzkontext und Rückkopplungen analysiert
Verantwortung	nur persönlicher Nutzen betrachtet	ein Risiko berücksichtigt	mehrere Betroffene, Fairness, Datenschutz und menschliche Kontrolle abgewogen
Entscheidung	unbegründete Position	teilweise begründet	evidenzbasiert, transparent, überprüfbar und revisionsoffen entschieden

Orientierung: 0–3 Punkte zeigen einen guten Ausgangspunkt für weiteres Training. 4–6 Punkte zeigen erste sichere Strategien. 7–8 Punkte zeigen eine solide MAIL-orientierte Arbeitsweise. 9–10 Punkte zeigen besonders systematische Analyse und verantwortete Entscheidung. Die Punktzahl ersetzt keine pädagogische Gesamtbeurteilung.

Selbstkontrolle, Reflexion und Transfer

Prüfe Deine Entscheidung noch einmal mit drei Fragen: Welche Information könnte meine Meinung ändern? Welche Person oder Gruppe könnte durch meine Entscheidung stärker betroffen sein als ich selbst? Welche Aufgabe sollte die KI übernehmen und welche Entscheidung sollte ausdrücklich beim Menschen bleiben?

Transfer: Wende dieselben Fragen auf einen anderen Fall an, zum Beispiel eine KI-generierte Nachricht über eine Wahl, eine Produktempfehlung, einen automatischen Bewerbungsfilter, eine Gesundheitsinformation oder ein historisches Bild im Netz.

Interaktive Aufgaben

Quiz: Teste Dein Wissen

Ein Suchtreffer steht ganz oben. Was ist die beste nächste Handlung? (Quelle öffnen und zusätzlich unabhängige Belege prüfen) (!Treffer sofort als richtig übernehmen) (!Nur die Überschrift lesen) (!Nur die Zahl der Klicks beachten)

Eine KI gibt eine sehr sichere Antwort ohne Quellen. Was ist am sinnvollsten? (Zentrale Behauptungen mit belastbaren Quellen überprüfen) (!Die Sicherheit der Formulierung als Beweis nehmen) (!Die Antwort unverändert abgeben) (!Nur die längste Passage übernehmen)

Eine Studie zeigt einen Zusammenhang zwischen häufiger KI-Nutzung und niedrigeren Testwerten. Was darfst Du daraus zunächst schließen? (Es besteht ein Zusammenhang der weitere Prüfung braucht) (!KI verursacht sicher die niedrigeren Werte) (!Alle KI-Nutzenden lernen schlechter) (!Der Zusammenhang gilt automatisch für jede Klasse)

Ein virales Bild zeigt angeblich ein aktuelles Ereignis. Was ist die stärkste Prüfstrategie? (Herkunft Kontext und unabhängige Berichte vergleichen) (!Nur auf ungewöhnliche Finger achten) (!Die Anzahl der Likes prüfen) (!Das Bild sofort weiterleiten)

Ein KI-System macht bei einer Sprachgruppe deutlich häufiger Fehler. Was ist die wichtigste Schlussfolgerung? (Die Fairness muss gruppenbezogen weiter geprüft werden) (!Der Gesamtdurchschnitt reicht als Fairnessbeweis) (!Die kleinere Gruppe kann ignoriert werden) (!Mehr Nutzung macht das System automatisch fair)

Eine Lernapp verlangt Deinen vollständigen Namen obwohl ein Spitzname reichen würde. Welche Entscheidung passt zu Datenminimierung? (Nur notwendige Daten angeben und den Zweck prüfen) (!Alle Daten angeben damit die App besser wirkt) (!Zusätzlich private Dokumente hochladen) (!Das Passwort mit der Klasse teilen)

Eine Aufgabe erlaubt KI für Ideen aber verlangt eigene Begründungen. Was ist die verantwortungsvollste Nutzung? (KI für Anregungen nutzen Ergebnisse prüfen und eigene Begründung schreiben) (!Die komplette Lösung übernehmen) (!Eine fremde KI-Antwort als eigene ausgeben) (!Die Prüfschritte weglassen)

Zwei seriös wirkende Quellen widersprechen sich. Was solltest Du tun? (Primärquellen Methoden und weitere unabhängige Belege vergleichen) (!Die kürzere Quelle wählen) (!Die Quelle mit mehr Bildern wählen) (!Nur der ersten Quelle vertrauen)

Eine Schule kennt Nutzen und Risiken eines KI-Systems noch nicht ausreichend. Welche Entscheidung ist am besten begründbar? (Einen begrenzten überprüfbaren Pilotversuch mit Schutzregeln erwägen) (!Das System sofort für alle verpflichtend machen) (!Jede Prüfung der Risiken ablehnen) (!Nur die Werbung des Anbieters verwenden)

Warum ist Human Agency bei KI wichtig? (Der Mensch soll Ziele Kontrolle und Verantwortung behalten) (!Die KI soll alle Entscheidungen allein treffen) (!Menschen sollen Ergebnisse nicht mehr prüfen) (!Verantwortung soll unklar bleiben)

Memory

Laterales Lesen	Andere unabhängige Quellen außerhalb der Ausgangsseite prüfen
Korrelation	Zusammenhang ohne gesicherten Ursachennachweis
Human Agency	Mensch behält Ziele Kontrolle und Verantwortung
Provenienz	Herkunft und Bearbeitungsgeschichte eines Inhalts
Bias	Systematische Verzerrung
Datenminimierung	Nur notwendige personenbezogene Informationen verarbeiten

Drag and Drop

Ordne die richtigen Begriffe zu.	Thema
Quellenvergleich	Glaubwürdigkeit prüfen
Stichprobe	Aussagekraft von Daten beurteilen
Prompt	Auftrag an ein KI-System formulieren
Transparenz	KI-Unterstützung offenlegen
Human Agency	Entscheidung beim Menschen halten
Folgenabschätzung	Nutzen Risiken und Betroffene abwägen

Kreuzworträtsel

Quelle	Woher stammt eine Behauptung oder ein Beleg?
Kontext	Welche Umgebung hilft eine Aussage richtig einzuordnen?
Provenienz	Wie nennt man die Herkunft und Bearbeitungsgeschichte eines digitalen Inhalts?
Verzerrung	Welches deutsche Wort beschreibt einen systematischen Bias?
Transparenz	Was entsteht wenn KI-Unterstützung und Quellen offengelegt werden?
Verantwortung	Was bleibt beim Menschen wenn er eine folgenreiche Entscheidung trifft?

LearningApps

Lückentext

Bei MAIL geht es darum, digitale Inhalte nicht nur zu konsumieren, sondern ihre

zu prüfen. Wenn zwei Merkmale gemeinsam auftreten, ohne dass eine Ursache belegt ist, spricht man von

. Beim lateralen Lesen verlässt Du eine Webseite und suchst nach

. Die Herkunft und Bearbeitungsgeschichte eines digitalen Inhalts nennt man

. Eine systematische Benachteiligung kann durch

entstehen. Persönliche Informationen sollten nach dem Prinzip der

nur soweit nötig verarbeitet werden. Bei Human Agency behält der Mensch die

. Ein KI-System sollte in wichtigen Situationen nicht ohne menschliche

entscheiden. Eine gute Entscheidung berücksichtigt neben Nutzen auch mögliche

. Wenn Du KI bei einer schulischen Arbeit nutzt, solltest Du diese Unterstützung möglichst

machen.

Offene Aufgaben

Leicht

Quellencheck: Wähle einen aktuellen Online-Beitrag und notiere Autorenschaft, Datum, Belege, mögliche Interessen und eine unabhängige Gegenquelle.
KI-Antwort prüfen: Lass Dir zu einem Unterrichtsthema drei überprüfbare Aussagen von einer KI nennen und kontrolliere jede Aussage mit geeigneten Quellen.
Bildprovenienz: Suche ein frei lizenziertes Bild auf Wikimedia Commons und dokumentiere Quelle, Urheber, Lizenz und ursprünglichen Kontext.
Datenminimierung: Untersuche eine fiktive Lernapp und entscheide für jede verlangte Information, ob sie für die Aufgabe notwendig ist.

Standard

Suchergebnis-Labor: Formuliere drei unterschiedliche Suchanfragen zum selben Thema und vergleiche, wie sich Treffer, Perspektiven und Quellen verändern.
Statistik-Check: Erstelle aus einem kleinen Datensatz eine Aussage und formuliere anschließend mindestens drei Gründe, warum diese Aussage zu stark oder missverständlich sein könnte.
Fairness-Test: Entwickle einen kleinen Testplan, mit dem Du prüfen würdest, ob ein KI-System unterschiedliche Sprachstile oder Nutzergruppen ähnlich zuverlässig behandelt.
KI-Nutzungsregel: Entwirf für Deine Klasse eine kurze Vereinbarung, wann KI hilfreich ist, wann sie offengelegt werden muss und wann eigene Leistung ohne KI nötig ist.

Schwer

Systemanalyse: Zeichne für ein KI-System die Kette Daten Eingabe Modell Ausgabe Nutzung Folge und markiere mindestens drei Stellen, an denen Fehler oder Verzerrungen entstehen können.
Bürgerentscheid: Analysiere einen simulierten politischen Social-Media-Beitrag mit Text Bild Statistik und Kommentaren und verfasse eine begründete Empfehlung, ob er geteilt werden sollte.
Wirtschaft und Verantwortung: Vergleiche die Interessen von Lernenden Schule Anbieter Eltern und Öffentlichkeit bei der Einführung eines KI-Systems und entwickle Bedingungen für einen fairen Interessenausgleich.
Historische Quellenkritik und KI: Wähle eine historische Bildquelle und beschreibe, wie klassische Quellenkritik durch Fragen zu digitaler Bearbeitung, KI-Erzeugung und Provenienz ergänzt werden muss.

Lernkontrolle

Transferentscheidung: Du erhältst eine KI-generierte Zusammenfassung zu einem kontroversen Thema. Entwickle ein Prüfverfahren, mit dem Du entscheiden kannst, welche Teile Du übernehmen, überarbeiten oder verwerfen würdest.
Daten und Ursache: Zwei Klassen nutzen unterschiedliche Lernmethoden und erzielen unterschiedliche Ergebnisse. Formuliere mindestens vier alternative Erklärungen, bevor Du eine Ursache behauptest, und beschreibe, welche zusätzlichen Daten Du brauchst.
Systemische Fairness: Ein automatisches Empfehlungssystem funktioniert im Gesamtdurchschnitt gut, aber für eine kleine Gruppe deutlich schlechter. Erkläre, warum der Gesamtdurchschnitt allein nicht reicht, und schlage zwei Verbesserungsmaßnahmen vor.
Human Agency: Zerlege eine komplexe Schulaufgabe in Teilaufgaben und entscheide begründet, welche Schritte eine KI unterstützen darf und welche beim Menschen bleiben sollten.
Gesellschaftliche Folgen: Beurteile ein System, das besonders aufmerksamkeitsstarke Inhalte bevorzugt. Analysiere mögliche Folgen für Wirtschaft, politische Meinungsbildung und das Verhalten einzelner Nutzerinnen und Nutzer.
Verantwortete Veröffentlichung: Erstelle Kriterien für die Veröffentlichung eines KI-unterstützten Videos. Berücksichtige Quellen, Einwilligung, Urheberrecht, Fairness, Kennzeichnung, mögliche Täuschung und Folgen für Betroffene.

Lernnachweis

Für einen Lernnachweis zu diesem Thema ist wichtig, dass Du Deinen Denk- und Entscheidungsweg sichtbar machst. Ein sinnvoller Lernnachweis kann aus einem kleinen Portfolio bestehen: dokumentierter Quellenvergleich, begründete Bewertung einer KI-Ausgabe, Auswertung eines Datensatzes mit Hinweis auf Grenzen, Risiko- und Fairnessanalyse eines Systems, eigene Entscheidung mit Gegenargument, transparente Angabe der KI-Unterstützung und kurze Reflexion darüber, welche Information Deine Entscheidung noch verändern könnte.

Besonders bewertet werden können: Qualität der Belege, Umgang mit Unsicherheit, Fähigkeit zum Perspektivwechsel, Datenverständnis, Systemdenken, Verantwortung gegenüber Betroffenen, nachvollziehbare Begründung und Bereitschaft zur Korrektur.

OERs zum Thema

Zentrale offene und frei zugängliche Grundlagen:

Medienhinweis: Die eingebundenen Bilder stammen von Wikimedia Commons. Prüfe bei eigener Weiterverwendung die jeweilige Dateibeschreibungsseite und Lizenzangabe. Die verlinkten Videos sind als Lernmedien eingebettet; eine Weiterverwendung außerhalb der Plattform richtet sich nach den jeweiligen Lizenz- und Nutzungsbedingungen.

Verknüpfte Lernbereiche

KI-Kompetenz – PISA-MAIL-Check Klasse 9

Fächerübergreifende Bezüge:

Fach	Beitrag zum Thema
Informatik	Daten Modelle Algorithmen Prompts Systemgrenzen und Human Agency
Deutsch	Argumentation Textwirkung Quellenprüfung Sprache und adressatengerechte Darstellung
Mathematik	Prozentrechnung Stichproben Korrelation Unsicherheit und Dateninterpretation
Technik	Funktionsweise technischer Systeme Zuverlässigkeit Tests und Folgenabschätzung
Wirtschaft	Geschäftsmodelle Interessen Plattformökonomie Produktversprechen und Kosten Nutzen
Geschichte	Quellenkritik Provenienz Kontext Perspektivität und Manipulation historischer Darstellungen
Ethik	Fairness Autonomie Verantwortung Datenschutz Menschenwürde und Folgenabwägung
Gemeinschaftskunde	Meinungsbildung Öffentlichkeit Desinformation Demokratie und verantwortliche digitale Teilhabe

aiMOOC-Projekte

Inhalte werden geladen ...

Mediathek wird aus dem Wiki geladen ...

Frag mich zum aktuellen Lerninhalt oder wähle eine kurze Hilfe.

Textmodus bereit

Sprache