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

KI und öffentliche Debatten prüfen

Einleitung

KI und öffentliche Debatten prüfen ist ein aiMOOC für die Klasse 9 und für etwa 1–2 Unterrichtsstunden konzipiert. Du lernst, Aussagen über KI und Aussagen, die mit KI erzeugt oder verbreitet werden, nicht nur „glaubwürdig“ oder „unglaubwürdig“ zu nennen, sondern systematisch zu prüfen. Im Mittelpunkt stehen Quellenkritik, Medienkompetenz, Desinformation, Datenkompetenz, Künstliche Intelligenz, Ethik und Politische Bildung.

Zentrale Grundregel: Eine KI-Antwort ist niemals alleiniger Beleg für ihre eigene Aussage. Eine KI kann Dir Suchideen, Begriffe, mögliche Gegenargumente oder Hinweise auf Quellen liefern. Ob eine Behauptung stimmt, musst Du aber anhand nachvollziehbarer Belege und unabhängiger Quellen prüfen. Wenn eine KI eine Studie, Statistik, ein Gesetz oder ein Zitat nennt, öffnest Du die Originalquelle und kontrollierst, ob sie existiert, im richtigen Zusammenhang steht und die Aussage tatsächlich trägt.

Der Kurs verbindet besonders Informatik, Deutsch, Mathematik, Technik, Wirtschaft, Geschichte, Ethik und Gemeinschaftskunde. Du arbeitest mit Behauptungen, Daten, Systemen, Interessen, Risiken, gesellschaftlichen Folgen und begründeten Urteilen. Ziel ist nicht, KI grundsätzlich positiv oder negativ zu bewerten. Ziel ist, Kriterien anzuwenden, Belege zu vergleichen, Unsicherheit sichtbar zu machen und verantwortlich zu entscheiden.

Lernziele

Nach dem Kurs kannst Du:

Behauptungen analysieren: Tatsachenbehauptungen, Interpretationen, Prognosen und Werturteile unterscheiden.
Quellen prüfen: Primär- und Sekundärquellen unterscheiden und ihre Qualität begründet bewerten.
unabhängig gegenprüfen: Aussagen mit mindestens einer von der ursprünglichen Quelle unabhängigen Quelle vergleichen.
Daten bewerten: Stichprobe, Bezugsgröße, Prozentangaben, Auswahl und Messmethode kritisch prüfen.
KI-Systeme bewerten: Eingaben, Datenbasis, Modellgrenzen, mögliche Verzerrungen und fehlende Transparenz berücksichtigen.
Perspektiven vergleichen: Interessen und Betroffenheiten verschiedener Akteure erkennen, ohne unbelegte Positionen künstlich gleichwertig zu behandeln.
Prebunking anwenden: typische Manipulationstechniken erkennen, bevor Du ihnen glaubst oder sie weiterverbreitest.
begründet urteilen: Belege, Risiken, Unsicherheit, Fairness und Verantwortung zu einem nachvollziehbaren Urteil verbinden.

Zeitplan für 1–2 Unterrichtsstunden

Phase	Inhalt	Zeit
Aktivierung	Schnelle Einschätzung einer viralen KI-Behauptung und Diagnose der eigenen Prüfroutine	5–10 Minuten
Einführung	Behauptungstypen, Quellen, KI-Systeme, Daten und Gegenprüfung	15–20 Minuten
Anwendung	Realistischer Fall „40 Prozent bessere Leistung durch KI-Tutor“	20–25 Minuten
Vertiefung	Perspektivenvergleich, Risikoabwägung, Prebunking und Deepfakes	15–20 Minuten
Selbstkontrolle und Transfer	Quiz, Kriterienraster, Reflexion und begründetes Urteil	10–20 Minuten

Für eine einzelne Unterrichtsstunde kannst Du Aktivierung, Grundregel, Prüfraster, Anwendungsfall und kurze Selbstkontrolle verwenden. Für zwei Unterrichtsstunden ergänzt Du Perspektivenvergleich, Risikomatrix, Deepfake-Analyse, Prebunking und offene Transferaufgaben.

Aktivierung und Diagnose: Würdest Du das teilen?

Stell Dir vor, in einem Klassenchat erscheint diese Meldung:

„KI-Tutor steigert Mathematikleistungen um 40 Prozent – Studie beweist Überlegenheit gegenüber normalem Unterricht.“

Darunter steht nur ein Screenshot. Eine KI wird gefragt, ob die Aussage stimmt, und antwortet: „Ja, dazu gibt es Studien.“

Bevor Du weiterliest, entscheide für Dich:

Was genau ist die überprüfbare Behauptung?
Welcher Teil ist möglicherweise Interpretation?
Welche Quelle fehlt?
Welche Zahl müsste genauer erklärt werden?
Reicht die KI-Antwort als Beleg?

Wenn Du bei mindestens einer Frage unsicher bist, ist das kein Grund, die Behauptung sofort abzulehnen. Es ist ein Signal, gezielt nach Belegen zu suchen.

KI, Behauptungen und öffentliche Debatten

Was ein KI-System leistet – und was daraus nicht folgt

Viele heutige KI-Anwendungen erzeugen Texte, Bilder, Ton oder andere Inhalte auf Grundlage statistischer Muster. Bei generativer KI wird eine Ausgabe aus Eingaben und einem trainierten Modell erzeugt. Eine sprachlich sichere Formulierung bedeutet dabei nicht automatisch, dass eine Aussage wahr, vollständig oder aktuell ist.

Für die Prüfung öffentlicher Debatten sind vier Fragen besonders wichtig:

Welche Eingabe? Welche Frage, welcher Prompt, welche Auswahl oder welcher Ausschnitt wurde dem System gegeben?
Welche Informationsbasis? Nutzt das System ein trainiertes Modell, eine Websuche, bereitgestellte Dokumente oder eine Kombination?
Welche Systemgrenzen? Kann das System Quellen erfinden, Unsicherheit verschleiern, veraltete Informationen verwenden oder Zusammenhänge vereinfachen?
Welche Kontrolle? Kannst Du die behaupteten Belege außerhalb der KI unabhängig öffnen und prüfen?

Wichtig: Selbst wenn ein KI-System eine korrekte Aussage erzeugt, wird die Aussage nicht deshalb wahr, weil die KI sie ausgesprochen hat. Der Beleg liegt in überprüfbaren Daten, Dokumenten, Beobachtungen oder anderen belastbaren Quellen.

Öffentliche Debatten als Informationssystem

Öffentliche Debatten entstehen nicht an einem einzigen Ort. Nachrichtenredaktionen, Wissenschaft, Politik, Unternehmen, Verbände, Influencer, Plattformen und Bürgerinnen und Bürger veröffentlichen und verbreiten Informationen. Plattformen ordnen Beiträge häufig algorithmisch. Dadurch kann beeinflusst werden, was sichtbar wird und in welcher Reihenfolge.

Personalisierung kann die Informationsauswahl verändern. Konzepte wie Filterblase und Echokammer beschreiben mögliche Formen eingeschränkter oder verstärkter Informationsumgebungen. Wie stark solche Effekte tatsächlich auftreten, hängt von Plattform, Nutzungsverhalten, Thema und Messmethode ab. Du solltest das Konzept deshalb als Prüffrage verwenden, nicht als automatische Erklärung für jede Meinungsverschiedenheit.

Behauptung, Interpretation, Prognose und Werturteil

Nicht jede Aussage lässt sich auf dieselbe Weise prüfen.

Aussageart	Leitfrage	Beispiel
Tatsachenbehauptung	Welche überprüfbaren Belege sprechen dafür oder dagegen?	„In der Untersuchung nahmen 64 Schülerinnen und Schüler teil.“
Interpretation	Ist die Deutung mit den Daten vereinbar, und gibt es plausible Alternativerklärungen?	„Die Verbesserung entstand durch den KI-Tutor.“
Prognose	Auf welchen Annahmen und Daten beruht die Vorhersage?	„KI wird Lernleistungen langfristig deutlich steigern.“
Werturteil	Welche Werte und Abwägungen liegen zugrunde?	„Der Einsatz solcher Systeme ist im Unterricht gerecht.“

Eine öffentliche Debatte wird schnell unklar, wenn diese Ebenen vermischt werden. Aus einer kleinen Messung kann zum Beispiel nicht automatisch ein allgemeines Werturteil über „guten Unterricht“ folgen.

Desinformation, Fehlinformation und synthetische Medien

Desinformation bezeichnet absichtlich irreführende oder falsche Information. Fehlinformation kann falsch sein, ohne dass die verbreitende Person täuschen will. Für Deine Prüfung ist die Absicht oft schwer festzustellen. Deshalb konzentrierst Du Dich zuerst auf Inhalt, Belege, Kontext und Verbreitungsweg.

Ein Deepfake ist synthetisch erzeugtes oder manipuliertes Bild-, Audio- oder Videomaterial, das reale Personen oder Ereignisse täuschend echt darstellen kann. Sichtbare Bildfehler können Hinweise liefern, sind aber keine sichere Methode: technisch hochwertige Fälschungen können wenige auffällige Artefakte zeigen, und echte Aufnahmen können durch Kompression oder schlechte Qualität merkwürdig wirken.

Quellen prüfen statt Autorität erraten

Primärquelle und Sekundärquelle

Ob eine Quelle „primär“ oder „sekundär“ ist, hängt von Deiner Frage ab.

Eine Primärquelle ist für eine bestimmte Untersuchung möglichst nah am ursprünglichen Gegenstand. Beispiele sind der vollständige Gesetzestext, der Originaldatensatz, die wissenschaftliche Studie mit Methodenteil, ein direktes Interview oder eine Originalaufnahme.

Eine Sekundärquelle ordnet Primärquellen ein, fasst sie zusammen oder bewertet sie. Beispiele sind Fachartikel, Nachrichtenberichte, Lehrbücher oder Faktenchecks.

Primär bedeutet nicht automatisch glaubwürdig. Eine Unternehmens-Pressemitteilung ist eine Primärquelle dafür, was das Unternehmen behauptet. Sie ist aber kein unabhängiger Beleg dafür, dass die Behauptung wissenschaftlich stimmt.

Quellenqualität: sieben Prüfkriterien

Kriterium	Prüffrage
Urheberschaft	Wer veröffentlicht die Information, und ist die Urheberschaft nachvollziehbar?
Nähe zum Beleg	Gibt es einen direkten Link zum Originaldokument, Datensatz oder zur Studie?
Methode	Wird erklärt, wie Daten erhoben, ausgewählt und ausgewertet wurden?
Unabhängigkeit	Bestätigen voneinander unabhängige Quellen die Kernaussage?
Aktualität	Ist das Veröffentlichungsdatum für die Frage relevant und passend?
Interessen	Gibt es wirtschaftliche, politische oder institutionelle Interessen, die offengelegt werden sollten?
Korrekturfähigkeit	Gibt es transparente Korrekturen, Versionen, Quellenangaben oder nachvollziehbare Änderungen?

Laterales Lesen und unabhängige Gegenprüfung

Wenn eine Seite professionell aussieht, sagt das wenig über ihre Verlässlichkeit. Statt nur innerhalb derselben Seite nach Vertrauenssignalen zu suchen, öffnest Du weitere Quellen. Dieses Vorgehen wird oft als laterales Lesen bezeichnet.

Ein sinnvoller Ablauf:

Formuliere die Kernbehauptung in einem Satz.
Suche die ursprüngliche Quelle.
Prüfe den Originalkontext.
Suche eine zweite, unabhängige Quelle.
Vergleiche, ob beide dieselben Daten und Begriffe verwenden.
Suche gezielt nach Gegenbelegen oder Einschränkungen.
Halte fest, was sicher, wahrscheinlich, unklar oder widerlegt ist.

Daten und Zahlen prüfen

Die Zahl „40 Prozent“ als Warnsignal zum Nachfragen

Prozentangaben können korrekt und trotzdem missverständlich sein. Wenn eine Punktzahl von 50 auf 70 steigt, ist das ein Anstieg um 20 Punkte. Relativ zu 50 entspricht das 40 Prozent. Wird daraus aber „40 Prozent bessere Noten“, kann die Formulierung falsch sein, wenn tatsächlich nur Punkte in einem Übungstest gemessen wurden.

Prüfe bei jeder Zahl:

Was ist die Bezugsgröße?
Handelt es sich um Prozent oder Prozentpunkte?
Wie groß ist die Stichprobe?
Wer wurde ausgewählt und wer nicht?
Wurde nur ein kurzfristiger Effekt gemessen?
Gibt es eine Kontrollgruppe?
Wurde aus Korrelation vorschnell Ursache gemacht?

Datenqualität und Repräsentativität

Ein Datensatz kann groß sein und trotzdem wichtige Gruppen schlecht abbilden. Ein kleiner Datensatz kann in einer eng begrenzten Frage sinnvoll sein. Qualität hängt deshalb nicht nur von der Anzahl der Fälle ab.

Besonders wichtig sind:

Auswahl der Teilnehmenden
fehlende Werte
Messfehler
Definition der Zielgröße
Vergleichsgruppe
Zeitraum
mögliche Interessenkonflikte
Übertragbarkeit auf andere Gruppen

Für KI-Systeme kommt hinzu: Trainingsdaten sind häufig nicht vollständig einsehbar. Dann kannst Du nicht jede Ursache einer Ausgabe rekonstruieren. Gerade deshalb ist es wichtig, beobachtbare Grenzen, dokumentierte Systeminformationen und unabhängige Tests zu berücksichtigen.

Systembewertung: Nicht nur den Output ansehen

Vom einzelnen KI-Text zum Gesamtsystem

Eine faire Bewertung fragt nicht nur: „War diese eine Antwort richtig?“ Sie betrachtet das gesamte System.

Ebene	Prüffrage
Eingabe	Welche Informationen, Prompts oder Auswahlentscheidungen beeinflussen die Ausgabe?
Modell	Welche Art von Modell wird eingesetzt, und welche Grenzen sind bekannt?
Daten	Welche Datenquellen sind dokumentiert, aktuell und für die Aufgabe geeignet?
Ausgabe	Wie häufig treten Fehler, Auslassungen oder unbegründete Sicherheit auf?
Nutzung	Wer entscheidet auf Grundlage der Ausgabe?
Betroffene	Welche Personen oder Gruppen tragen mögliche Folgen?
Kontrolle	Gibt es menschliche Prüfung, Beschwerdemöglichkeiten und Korrekturen?

Ein KI-System kann in einer Aufgabe nützlich und in einer anderen riskant sein. Eine Rechtschreibhilfe hat andere Folgen als ein System, das Bewerbungen sortiert oder medizinische Risiken bewertet.

Fairness, Sicherheit und Verantwortung

Verantwortlicher KI-Einsatz bedeutet nicht nur Datenschutz. Du prüfst auch:

Können bestimmte Gruppen systematisch schlechter behandelt werden?
Welche Fehler wären harmlos, welche hätten ernste Folgen?
Wer kann eine Entscheidung anfechten?
Werden Unsicherheiten sichtbar gemacht?
Bleibt eine verantwortliche Person entscheidungsfähig?
Ist der Einsatz verhältnismäßig zum Zweck?

Human Agency bedeutet hier: Menschen behalten die Fähigkeit, Fragen zu stellen, Entscheidungen zu verstehen, Ergebnisse abzulehnen und Verantwortung zu übernehmen. KI soll kritisches Denken unterstützen, nicht ersetzen.

Perspektivenvergleich ohne falsche Gleichsetzung

Wer hat welches Interesse?

In öffentlichen KI-Debatten können verschiedene Akteure legitime, aber unterschiedliche Interessen haben.

Akteur	Mögliche Perspektive	Prüffrage
Schülerinnen und Schüler	Lernhilfe, Fairness, Datenschutz, Prüfungsregeln	Verbessert das System Lernen oder nur die fertige Antwort?
Lehrkräfte	Lernfortschritt, Bewertung, Arbeitsbelastung, Transparenz	Ist die Nutzung didaktisch sinnvoll und überprüfbar?
Unternehmen	Produktnutzen, Markt, Innovation, Reputation	Welche Interessen bestehen bei Studien und Werbeaussagen?
Wissenschaft	Evidenz, Methodik, Reproduzierbarkeit	Sind Ergebnisse belastbar und übertragbar?
Politik	Schutz, Innovation, Regulierung, Teilhabe	Welche Risiken sollen begrenzt werden, ohne sinnvolle Nutzung zu verhindern?
Zivilgesellschaft	Rechte, Fairness, Zugang, Kontrolle	Welche Gruppen könnten übersehen oder benachteiligt werden?

Perspektivenvergleich bedeutet nicht, jede Position als gleich gut belegt zu behandeln. Eine gut dokumentierte Studie und eine unbelegte Behauptung bekommen nicht allein deshalb dasselbe Gewicht, weil beide „eine Meinung“ darstellen.

Historischer Bezug: Quellenkritik bleibt – Medien verändern sich

Quellenkritik ist älter als digitale KI. Historikerinnen und Historiker fragen seit langem nach Urheberschaft, Entstehungszeit, Absicht, Überlieferung und Gegenquellen. Neu ist nicht die Notwendigkeit der Prüfung, sondern unter anderem die Geschwindigkeit und Skalierbarkeit digitaler Produktion und Verbreitung.

Der historische Vergleich hilft Dir, zwei Fehler zu vermeiden:

Nicht jede Manipulation ist durch KI entstanden.
KI kann bestehende Methoden der Täuschung, Zuspitzung und Propaganda beschleunigen oder leichter skalierbar machen.

Prebunking: Manipulationsmuster vorher erkennen

Was bedeutet Prebunking?

Prebunking bedeutet, Menschen vor einer möglichen Täuschung mit typischen Manipulationstechniken vertraut zu machen, bevor sie auf die konkrete Falschinformation treffen. Du lernst also nicht nur „diese Meldung ist falsch“, sondern erkennst Muster, die in vielen Themen wiederkehren.

Typische Warnmuster sind:

Falsches Dilemma: „Entweder Du bist für KI oder gegen Fortschritt.“
Imitation von Autorität: Eine erfundene Expertin oder ein gefälschtes Logo soll Glaubwürdigkeit erzeugen.
Cherry-Picking: Nur passende Daten werden gezeigt, widersprechende Daten fehlen.
Emotionaler Druck: Angst, Empörung oder Zeitdruck sollen die Prüfung verkürzen.
Kontextverlust: Ein echtes Bild oder Zitat wird in einen falschen Zusammenhang gestellt.
Scheingenauigkeit: Exakte Zahlen wirken wissenschaftlich, obwohl Methode oder Bezugsgröße fehlen.
KI-Bestätigungsschleife: Eine KI-Aussage wird als Beleg für eine weitere KI-Aussage benutzt.

Eine gute Prebunking-Regel lautet: Je stärker eine Meldung Dich sofort zum Teilen, Empören oder Handeln drängt, desto wichtiger ist eine kurze Prüfpause.

Realistische Anwendungssituation

Fall: „KI-Tutor verbessert Matheleistungen um 40 Prozent“

Du arbeitest in der Schülerzeitung. Vor einer Ausgabe zur Digitalisierung erhält Deine Redaktion fünf Materialien:

Material	Inhalt	Erste Einordnung
A	Ein virales Kurzvideo behauptet „40 Prozent bessere Noten“	Behauptung ohne direkt sichtbaren Originalbeleg
B	Die Produktseite eines KI-Tutors wiederholt die Zahl	Quelle mit wirtschaftlichem Eigeninteresse
C	Eine verlinkte Untersuchung berichtet über 64 freiwillige Teilnehmende und einen Übungstest	mögliche Primärquelle für die konkrete Messung
D	Ein Nachrichtenbeitrag übernimmt die Formulierung aus einer Pressemitteilung	Sekundärquelle, Unabhängigkeit muss geprüft werden
E	Ein unabhängiger Bildungsforschungsbeitrag warnt vor zu kleinen Stichproben und kurzfristigen Messungen	mögliche Gegenprüfung und methodische Einordnung

Deine Aufgabe ist nicht, schnell „wahr“ oder „falsch“ zu rufen. Du prüfst:

Hat die Untersuchung tatsächlich Schulnoten oder nur Testpunkte gemessen?
Bedeutet „40 Prozent“ relative Verbesserung oder 40 Prozentpunkte?
War die Vergleichsgruppe ähnlich zusammengesetzt?
Wer finanzierte oder veröffentlichte die Untersuchung?
Gibt es unabhängige Studien mit ähnlichen Ergebnissen?
Ist der Effekt groß genug, um einen schulweiten Einsatz zu begründen?
Welche Risiken bestehen für Datenschutz, Fairness und Lernmotivation?

Mathematische Mini-Prüfung

Angenommen, eine Testgruppe steigt im Durchschnitt von 50 auf 70 Punkte.

Die absolute Veränderung beträgt 20 Punkte. Die relative Veränderung beträgt 20 geteilt durch 50 = 0,4 = 40 Prozent.

Daraus folgt aber nicht automatisch „40 Prozent bessere Noten“. Die Formulierung muss genau zur gemessenen Größe passen.

Diese Unterscheidung verbindet Mathematik und Deutsch: Eine Zahl kann rechnerisch korrekt sein und sprachlich dennoch irreführend verwendet werden.

Technik- und Wirtschaftsperspektive

Aus Technik-Sicht prüfst Du, welche Funktion das System erfüllt, welche Daten es braucht, wie stabil es arbeitet und wie Fehler erkannt werden.

Aus Wirtschaft-Sicht prüfst Du, wer vom Einsatz profitiert, welche Kosten entstehen, wie Werbeaussagen formuliert sind und ob eine Studie von einem Anbieter finanziert wurde. Finanzierung macht eine Studie nicht automatisch falsch, erhöht aber die Bedeutung transparenter Methoden und unabhängiger Replikation.

Risikoabwägung und Verantwortung

Risikomatrix

Eine einfache Heuristik verbindet Wahrscheinlichkeit und Schadensausmaß. Sie ersetzt kein Urteil, hilft aber, Fragen systematisch zu ordnen.

Wahrscheinlichkeit	Geringer Schaden	Mittlerer Schaden	Hoher Schaden
gering	beobachten	prüfen	sorgfältig absichern
mittel	prüfen	Maßnahmen planen	starke Schutzmaßnahmen
hoch	Maßnahmen planen	starke Schutzmaßnahmen	Einsatz kritisch begrenzen

Bei einem falschen KI-Witz kann ein Fehler harmlos sein. Bei einem Deepfake, das eine Person öffentlich diffamiert, können schon wenige Verbreitungen erheblichen Schaden verursachen. Risiko hängt deshalb nicht nur von der Fehlerquote ab, sondern auch von Kontext und Folgen.

Verantwortungskette

Statt nur „die KI ist schuld“ oder „der Mensch ist schuld“ zu sagen, prüfst Du eine Verantwortungskette:

Wer entwickelt oder betreibt das System?
Wer entscheidet über den konkreten Einsatz?
Wer überprüft die Ausgabe?
Wer veröffentlicht oder teilt sie?
Wer ist von Fehlern betroffen?
Wer kann korrigieren oder widersprechen?

Verantwortung kann verteilt sein. Trotzdem sollte sie nicht verschwinden.

Ein Prüfraster für begründete Urteile

Die NEUN-Prüfung

Merke Dir neun Fragen:

Schritt	Frage
Nennung	Was genau wird behauptet?
Evidenz	Welcher überprüfbare Beleg wird genannt?
Ursprung	Wo ist die ursprüngliche Quelle?
Nachvollziehbarkeit	Sind Methode, Daten und Kontext verständlich?
Unabhängigkeit	Gibt es eine unabhängige Gegenprüfung?
Zahlen	Sind Bezugsgrößen, Stichprobe und Prozentangaben korrekt interpretiert?
System	Welche KI- oder Plattformlogik beeinflusst Auswahl und Darstellung?
Risiko	Wer könnte durch Fehler, Verzerrung oder Manipulation geschädigt werden?
Urteil	Was ist sicher, wahrscheinlich, offen oder widerlegt?

Du musst nicht immer alle neun Schritte gleich ausführlich durchführen. Je größer der mögliche Schaden, desto gründlicher sollte die Prüfung sein.

Qualitätsstufen für ein Urteil

Einstufung	Bedeutung
gut belegt	Mehrere passende, nachvollziehbare und möglichst unabhängige Quellen stützen die Aussage
plausibel, aber unsicher	Es gibt Hinweise, aber wichtige Daten oder unabhängige Bestätigungen fehlen
unbelegt	Die Behauptung wird wiederholt, ohne tragfähige Belege zu liefern
irreführend	Einzelne Angaben können stimmen, aber Kontext, Bezugsgröße oder Schlussfolgerung führen in die Irre
widerlegt	Belastbare Belege widersprechen der Kernaussage

Selbstkontrolle

Drei-Minuten-Check

Entscheide zunächst selbst und öffne danach die Begründung.

Fall 1: Eine KI nennt ein Gesetz und fasst es zusammen. Du findest den offiziellen Gesetzestext nicht.

Mögliche Begründung: Die KI-Zusammenfassung reicht nicht. Suche den offiziellen Gesetzestext oder eine verlässliche amtliche Quelle. Erst danach kannst Du prüfen, ob die Zusammenfassung stimmt.

Fall 2: Eine Unternehmensseite verweist auf eine „wissenschaftliche Studie“, die das eigene Produkt lobt.

Mögliche Begründung: Die Studie kann relevant sein, aber Eigeninteresse und Finanzierung müssen berücksichtigt werden. Prüfe Methode, Originalpublikation und unabhängige Gegenstudien.

Fall 3: Zwei Nachrichtenseiten wiederholen wortgleich dieselbe Pressemitteilung.

Mögliche Begründung: Zwei Veröffentlichungen sind nicht automatisch zwei unabhängige Belege. Prüfe, ob beide auf dieselbe Ursprungsquelle zurückgehen.

Fall 4: Ein Video wirkt manipuliert, weil der Mund kurz unscharf ist.

Mögliche Begründung: Ein visueller Fehler ist nur ein Hinweis. Kompression kann auch bei echten Videos Artefakte erzeugen. Prüfe Ursprung, Kontext, weitere Aufnahmen und glaubwürdige Gegenquellen.

Fächerübergreifende Bezüge

Fach	Beitrag zum Thema
Informatik	Modelle, Daten, Algorithmen, Systemgrenzen, Halluzinationen, Mensch-Maschine-Interaktion
Deutsch	Argumentationsanalyse, sprachliches Framing, Behauptung und Beleg, Textsorten, rhetorische Zuspitzung
Mathematik	Prozentrechnung, Stichprobe, Diagramme, Basisraten, Unsicherheit und statistische Interpretation
Technik	Funktionsweise technischer Systeme, Fehlerfolgen, Sicherheit, Zuverlässigkeit und Kontrolle
Wirtschaft	Geschäftsmodelle, Werbung, Interessenkonflikte, Kosten, Marktmacht und Nutzenversprechen
Geschichte	Quellenkritik, Propaganda, Medienwandel, Kontext und Vergleich historischer Informationspraktiken
Ethik	Fairness, Verantwortung, Autonomie, Menschenwürde, Folgenabwägung und Transparenz
Gemeinschaftskunde	demokratische Öffentlichkeit, politische Meinungsbildung, Regulierung, Interessen und gesellschaftliche Teilhabe

Quellen und weiterführende Grundlagen

Für die Kursinhalte eignen sich besonders Primärquellen und institutionelle Materialien, die Du selbst öffnen und prüfen kannst:

EU-Verordnung zu Künstlicher Intelligenz auf EUR-Lex: offizieller Gesetzestext; Artikel 4 behandelt KI-Kompetenz bei Anbietern und Betreibern von KI-Systemen.
Europäische Kommission: AI Literacy – Questions & Answers: aktuelle Erläuterungen zur KI-Kompetenz im Rahmen des AI Act.
UNESCO: Guidance for generative AI in education and research: menschenzentrierte Leitlinien zu Chancen, Risiken, Human Agency und Bildung.
Bundeszentrale für politische Bildung: Politische Manipulation und Desinformation: Einordnung von Deepfakes und politischer Desinformation.
Wikimedia Commons: Die im Kurs eingebundenen Bilder stammen aus dem freien Medienarchiv. Lizenz- und Urheberangaben findest Du jeweils auf der Dateiseite.

Interaktive Aufgaben

Quiz: Teste Dein Wissen

Eine KI nennt eine Studie als Beleg. Was ist der sinnvollste nächste Schritt? (Die Studie selbst öffnen und prüfen, ob sie die Behauptung tatsächlich stützt) (!Die KI noch einmal nach derselben Aussage fragen) (!Die Antwort teilen, wenn sie überzeugend klingt) (!Nur nach der Zahl der KI-Antworten suchen, die zustimmen)

Eine Produktseite behauptet, ein KI-Tutor verbessere Leistungen um 40 Prozent. Welche Information ist für die Bewertung besonders wichtig? (Was genau gemessen wurde und welche Bezugsgröße hinter den 40 Prozent steht) (!Wie modern das Logo der Produktseite wirkt) (!Wie oft die Werbung geteilt wurde) (!Wie lang der Produktname ist)

Wann ist eine zweite Quelle eine echte unabhängige Gegenprüfung? (Wenn sie die Aussage mit eigenen Belegen oder einer unabhängig geprüften Quelle bewertet) (!Wenn sie dieselbe Pressemitteilung wörtlich übernimmt) (!Wenn sie vom gleichen Autor auf einer zweiten Plattform veröffentlicht wurde) (!Wenn eine KI beide Texte zusammenfasst)

Welche Aussage beschreibt eine Primärquelle am besten? (Sie steht für die konkrete Frage möglichst nah am ursprünglichen Dokument, Datensatz oder Ereignis) (!Sie ist automatisch neutral und fehlerfrei) (!Sie ist immer verständlicher als eine Sekundärquelle) (!Sie darf keine Interessen vertreten)

Ein Video zeigt scheinbar eine bekannte Person mit einer überraschenden Aussage. Was ist der beste erste Prüfweg? (Ursprung, vollständigen Kontext und unabhängige Bestätigung suchen) (!Nur auf unnatürliche Lippenbewegungen achten) (!Das Video verlangsamen und danach entscheiden) (!Eine KI fragen, ob die Person glaubwürdig aussieht)

Was ist Prebunking? (Das frühzeitige Erkennen und Einüben typischer Manipulationstechniken vor einer konkreten Täuschung) (!Das Löschen aller strittigen Inhalte) (!Das automatische Sperren unbekannter Quellen) (!Das Ersetzen von Quellen durch KI-Zusammenfassungen)

Warum reicht eine KI-Antwort nicht als alleiniger Beleg? (Weil ihre Aussage unabhängig überprüft werden muss und sie Fehler oder erfundene Quellen enthalten kann) (!Weil KI grundsätzlich niemals richtige Aussagen erzeugen kann) (!Weil nur gedruckte Bücher Belege sein können) (!Weil digitale Quellen immer wertlos sind)

Eine Studie wurde von einem Unternehmen finanziert, dessen Produkt untersucht wird. Welche Reaktion ist angemessen? (Methodik, Offenlegung und unabhängige Replikationen besonders sorgfältig prüfen) (!Die Studie automatisch als falsch verwerfen) (!Die Finanzierung ignorieren, wenn das Ergebnis positiv ist) (!Nur die Pressemitteilung des Unternehmens lesen)

Warum ist die Aussage 40 Prozent bessere Noten möglicherweise irreführend? (Weil vielleicht nur eine relative Veränderung von Testpunkten und nicht von Schulnoten gemessen wurde) (!Weil Prozentangaben immer falsch sind) (!Weil nur ganze Zahlen wissenschaftlich sind) (!Weil Noten grundsätzlich nicht verglichen werden können)

Was gehört zu einem begründeten Urteil über eine öffentliche KI-Debatte? (Belege, Unsicherheit, Gegenprüfung, Folgen und Interessen nachvollziehbar gegeneinander abwägen) (!Nur die häufigste Meinung übernehmen) (!Die technisch komplizierteste Quelle auswählen) (!Alle Perspektiven unabhängig von ihrer Beleglage gleich gewichten)

Memory

Behauptung	prüfbare Aussage
Primärquelle	ursprüngliches Dokument
Sekundärquelle	einordnende Darstellung
Gegenprüfung	unabhängige Bestätigung
Prebunking	Vorwarnung vor Manipulationstechniken
Bias	systematische Verzerrung
Kontext	Entstehungsumstände
Deepfake	synthetisch manipuliertes Medium

Drag and Drop

Ordne die richtigen Begriffe zu.	Thema
Behauptung isolieren	Kernfrage
Originalquelle finden	Ursprung
Methode prüfen	Nachvollziehbarkeit
Unabhängig vergleichen	Gegenprüfung
Zahlen einordnen	Datenkompetenz
Folgen abwägen	Verantwortung

...

Kreuzworträtsel

Kontext	Wie heißt der Zusammenhang, in dem eine Aussage entstanden oder veröffentlicht wurde?
Primärquelle	Wie heißt eine Quelle, die für eine konkrete Frage möglichst nah am Original liegt?
Gegenprüfung	Wie heißt die unabhängige Überprüfung einer Behauptung mit weiteren Quellen?
Prebunking	Wie heißt die vorbeugende Vorbereitung auf typische Manipulationstechniken?
Deepfake	Wie heißt ein synthetisch erzeugtes oder manipuliertes täuschend echtes Medium?
Transparenz	Wie heißt die nachvollziehbare Offenlegung von Methode, Herkunft und Grenzen?

LearningApps

Lückentext

Eine KI-Antwort darf nicht ihr eigener

sein.

Eine möglichst ursprüngliche Quelle heißt in einer passenden Fragestellung

.

Wenn mehrere Artikel dieselbe Pressemitteilung übernehmen, sind sie nicht automatisch

.

Beim lateralen Lesen verlässt Du eine Seite und suchst zusätzliche

.

Eine Prozentangabe muss immer mit ihrer

verstanden werden.

Eine systematische Verzerrung wird häufig als

bezeichnet.

Das vorbeugende Lernen typischer Manipulationsmuster heißt

.

Bei einem Deepfake reicht ein einzelner Bildfehler nicht als sicherer

.

Ein begründetes Urteil macht auch verbleibende

sichtbar.

Die Fähigkeit, eine KI-Ausgabe zu hinterfragen und selbst zu entscheiden, stärkt menschliche

.

Offene Aufgaben

Leicht

Behauptungsanalyse: Suche in einer Nachricht oder einem Schulbeispiel drei Aussagen und markiere jeweils, ob es sich um Tatsachenbehauptung, Interpretation, Prognose oder Werturteil handelt.
Quellenampel: Wähle drei Quellen zu einem KI-Thema und bewerte Urheberschaft, Originalbeleg und Unabhängigkeit mit Grün, Gelb oder Rot. Begründe jede Farbe mit einem Satz.
Prozentcheck: Erfinde ein Beispiel, bei dem eine relative Veränderung von 40 Prozent sprachlich missverständlich dargestellt werden könnte, und formuliere eine präzisere Version.
Prebunking: Gestalte eine kleine Warnkarte zu einem Manipulationsmuster wie Cherry-Picking, Zeitdruck oder Scheingenauigkeit und ergänze eine passende Prüffrage.

Standard

Quellenvergleich: Vergleiche zu einer aktuellen KI-Behauptung eine Primärquelle und zwei Sekundärquellen. Zeige, welche Informationen beim Weitererzählen verloren gehen oder verändert werden.
Deepfake-Prüfung: Erstelle einen Prüfplan für ein verdächtiges Video mit mindestens sechs Schritten, ohne Dich nur auf sichtbare Bildfehler zu verlassen.
Perspektivenanalyse: Untersuche eine schulische Debatte über KI-Nutzung aus Sicht von Lernenden, Lehrkräften, Eltern, Schule und Anbieter. Trenne Interessen von Belegen.
Redaktionskonferenz: Simuliere in einer Gruppe eine Schülerzeitungsredaktion. Entscheidet, ob die Aussage „KI-Tutor verbessert Noten um 40 Prozent“ veröffentlicht werden darf, welche Nachrecherche nötig ist und wie Unsicherheit transparent formuliert werden soll.

Schwer

Datenprüfung: Finde eine öffentlich zugängliche Statistik zu KI oder Digitalisierung und prüfe Stichprobe, Bezugsgröße, Definitionen und mögliche Verzerrungen. Erstelle anschließend eine verständliche Gegen-Grafik oder Erklärung.
Systemaudit: Entwickle ein Klassenraster zur Bewertung eines KI-Systems mit Kriterien für Genauigkeit, Transparenz, Fairness, Datenschutz, Kontrolle und mögliche Schäden. Teste es an zwei unterschiedlichen Anwendungen.
Debattenanalyse: Wähle eine öffentliche Kontroverse zu KI und rekonstruiere die wichtigsten Behauptungen, Belege, Gegenbelege, Interessen und offenen Fragen. Formuliere danach ein begründetes vorläufiges Urteil.
Prebunking-Kampagne: Plane ein kurzes Video, Poster oder Audioformat für jüngere Klassen, das zwei Manipulationstechniken erklärt, eine Prüfroutine vermittelt und ausdrücklich davor warnt, KI als alleinigen Beleg zu verwenden.

Lernkontrolle

Fallanalyse: Ein viraler Beitrag behauptet, eine Schule habe durch KI ihre Leistungen „verdoppelt“. Entwickle einen Prüfplan, bevor Du über die Wahrheit der Aussage entscheidest. Begründe die Reihenfolge Deiner Schritte.
Quellengewichtung: Du hast eine Unternehmensstudie, eine staatliche Statistik, einen Nachrichtenartikel und eine KI-Zusammenfassung. Ordne nicht einfach nach „Vertrauen“, sondern erkläre, welche Quelle welche Frage beantworten kann und wo Gegenprüfung nötig ist.
Dateninterpretation: Zwei Gruppen verbessern sich unterschiedlich stark. Zeige anhand eines selbst gewählten Zahlenbeispiels, wie absolute und relative Veränderungen zu unterschiedlichen Schlagzeilen führen können.
Risikoabwägung: Vergleiche einen fehlerhaften KI-Text für eine Freizeitfrage mit einem fehlerhaften KI-System zur Auswahl von Bewerbungen. Begründe, warum dieselbe Fehlerquote zu unterschiedlichen Schutzmaßnahmen führen kann.
Perspektivenurteil: Formuliere zu einer schulischen KI-Regel ein Urteil, das mindestens drei Perspektiven berücksichtigt, aber klar zwischen Interessen, Werten und empirischen Belegen trennt.
Transfer: Entwickle für Deine Klasse eine Fünf-Schritte-Regel für das Prüfen von KI-Aussagen in Hausaufgaben, Referaten und Klassenchats. Begründe jeden Schritt mit einem möglichen Fehler, den er verhindern soll.

Lernnachweis

Für einen überzeugenden Lernnachweis solltest Du zeigen, dass Du:

eine Behauptung klar von Interpretation, Prognose und Werturteil unterscheiden kannst.
mindestens eine passende Primärquelle identifizierst und ihren Aussagebereich erklärst.
mindestens eine unabhängige Gegenprüfung durchführst.
Zahlen, Stichprobe und Bezugsgrößen nachvollziehbar prüfst.
eine KI-Ausgabe nicht als alleinigen Beleg verwendest.
Interessen und Perspektiven erkennst, ohne Belegqualität mit Meinungsvielfalt zu verwechseln.
mögliche gesellschaftliche Folgen, Fairness- und Sicherheitsrisiken abwägst.
Unsicherheit offen benennst.
zu einem begründeten, nachvollziehbaren und überprüfbaren Urteil kommst.
transparent dokumentierst, wo und wie Du KI als Hilfsmittel eingesetzt hast.

OERs zum Thema

Zusätzlich hilfreich sind die Wikipedia-Artikel Desinformation, Deepfake, Quellenkritik, Medienkompetenz, Filterblase und Künstliche Intelligenz.

Reflexion und Transfer

Beantworte zum Abschluss für Dich:

Welche Prüffrage hast Du vor diesem Kurs selten gestellt?
Welche Art von Quelle hast Du bisher zu schnell als „vertrauenswürdig“ eingestuft?
Wann kann eine KI Dir bei der Recherche helfen, ohne selbst Beleg zu sein?
Welche Risiken würdest Du in einer öffentlichen Debatte besonders hoch gewichten?
Wie kannst Du Unsicherheit ausdrücken, ohne einfach „man weiß gar nichts“ zu sagen?

Ein verantwortlicher KI-Einsatz zeigt sich nicht daran, dass Du KI möglichst oft oder möglichst wenig nutzt. Er zeigt sich daran, wie transparent, kritisch, sicher, fair und selbstständig Du mit ihr arbeitest.

Verknüpfte Lernbereiche

KI und öffentliche Debatten prüfen

aiMOOC-Projekte

Inhalte werden geladen ...

Mediathek wird aus dem Wiki geladen ...

Frag mich zum aktuellen Lerninhalt oder wähle eine kurze Hilfe.

Textmodus bereit

Sprache