Die Druckversion wird nicht mehr unterstützt und kann Darstellungsfehler aufweisen. Bitte aktualisiere deine Browser-Lesezeichen und verwende stattdessen die Standard-Druckfunktion des Browsers.

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

KI und Arbeitswelt analysieren

Wie verändert Künstliche Intelligenz Arbeit – und wie kannst Du beurteilen, ob ein KI-System in der Arbeitswelt sinnvoll, fair und verantwortbar eingesetzt wird? In diesem Lernkurs für Klasse 9 untersuchst Du nicht nur Chancen und Risiken. Du prüfst Daten, vergleichst Aussagen, bewertest ein vereinfachtes Bewerbungssystem und begründest am Ende ein eigenes Urteil mit Kriterien und Belegen.

Der Kurs ist für etwa 75 Minuten angelegt und kann mit Vertiefungen auf 90 Minuten erweitert werden. Im Mittelpunkt steht eine zentrale Kompetenz: KI-Systeme nicht nur benutzen, sondern ihren Zweck, ihre Daten, ihre Fehler, ihre Folgen und die menschliche Verantwortung systematisch prüfen.

Die Abbildung zeigt eine Ingenieurin mit einem kollaborativen Roboter. Sie erinnert daran, dass „KI in der Arbeitswelt“ nicht nur bedeutet, Menschen durch Maschinen zu ersetzen. Häufiger geht es darum, Aufgaben neu zwischen Menschen und technischen Systemen zu verteilen.

Einleitung

KI kann Texte zusammenfassen, Bilder erzeugen, Fehler erkennen, Nachfrage prognostizieren, Maschinen steuern oder Bewerbungen vorsortieren. Solche Anwendungen können Arbeit erleichtern, Produktivität erhöhen und neue Tätigkeiten schaffen. Sie können aber auch falsche Entscheidungen verstärken, Beschäftigte überwachen, sensible Daten verarbeiten oder Menschen ungleich behandeln.

Eine wichtige Unterscheidung lautet deshalb: Ein Beruf besteht aus vielen Tätigkeiten. Wenn KI einzelne Tätigkeiten übernimmt, verändert sich ein Beruf – er verschwindet nicht automatisch. Eine Bürokraft kann zum Beispiel weiterhin beraten, organisieren, prüfen und Verantwortung übernehmen, obwohl ein System Standardtexte formuliert oder Daten sortiert. Ebenso kann ein Roboter körperlich schwere Arbeit übernehmen, während Menschen Wartung, Qualitätskontrolle und Planung verantworten.

Leitfrage des Kurses: Unter welchen Bedingungen ist der Einsatz von KI in der Arbeitswelt vertretbar – und welche Belege brauchst Du für ein begründetes Urteil?

Ablauf für 1–2 Unterrichtsstunden

Phase	Zeit	Was Du tust
Aktivierung und Diagnose	8 Minuten	Du bewertest Alltagsaussagen über KI, Arbeit und Verantwortung.
Einführung und Visualisierung	15 Minuten	Du unterscheidest Automatisierung, maschinelles Lernen und generative KI und lernst einen einfachen Systemablauf kennen.
Daten- und Systemanalyse	20 Minuten	Du interpretierst Arbeitsmarktdaten und prüfst, warum Genauigkeit allein kein Fairnessbeleg ist.
Anwendungssituation	22 Minuten	Du bewertest ein fiktives KI-System zur Vorauswahl von Praktikumsbewerbungen.
Urteil, Selbstkontrolle und Reflexion	10 Minuten	Du formulierst ein begründetes Urteil und prüfst es mit Kriterien.
Optionale Vertiefung	15 Minuten	Du vergleichst Quellen, diskutierst Regulierung oder entwickelst Verbesserungen für das System.

Aktivierung und Diagnose

Entscheide zunächst ohne Nachschlagen, ob Du den Aussagen zustimmst, unsicher bist oder widersprichst. Notiere zu jeder Aussage einen kurzen Grund. Am Ende des Kurses überprüfst Du, ob sich Deine Einschätzung verändert hat.

Aussage	Deine erste Einschätzung	Dein Grund
Wenn ein KI-System 90 Prozent richtige Ergebnisse liefert, ist es automatisch fair.
Wenn KI eine Tätigkeit automatisieren kann, verschwindet der zugehörige Beruf.
Eine menschliche Person am Ende des Prozesses macht ein KI-System automatisch verantwortungsvoll.
Eine beeindruckende Zahl reicht als Beleg nur dann, wenn klar ist, was genau gemessen wurde.

Was ist hier eigentlich KI?

Nicht jede Automatisierung ist KI. Ein fest programmierter Ablauf kann automatisch arbeiten, ohne aus Daten zu lernen. Beim maschinellen Lernen werden Modelle mit Daten entwickelt, um Muster zu erkennen und für neue Eingaben Ausgaben zu erzeugen. Generative KI erzeugt beispielsweise Texte, Bilder, Audio oder Programmcode auf Basis gelernter statistischer Muster.

Die Grafik zeigt eine verbreitete Einordnung: Maschinelles Lernen ist ein Teilgebiet der KI; Deep Learning ist wiederum ein Teil des maschinellen Lernens. Für Deine Analyse ist wichtiger als das Schlagwort „KI“ die Frage, was das konkrete System tut, mit welchen Daten es arbeitet und welche Folgen seine Ausgaben haben.

Begriff	Beispiel aus der Arbeitswelt	Prüffrage
Automatisierung	Ein Förderband stoppt bei einem Sensorwert.	Läuft der Ablauf nach festen Regeln oder lernt ein Modell aus Daten?
Maschinelles Lernen	Ein System schätzt anhand historischer Daten den Wartungsbedarf einer Maschine.	Welche Daten wurden zum Trainieren verwendet und wie zuverlässig ist die Schätzung?
Generative KI	Ein System entwirft eine Kundenmail oder fasst ein Protokoll zusammen.	Sind Inhalt, Quellen, Datenschutz und menschliche Prüfung geklärt?

Vereinfacht läuft ein datenbasiertes KI-System so: Daten werden gesammelt und aufbereitet, ein Modell wird trainiert und bewertet, danach wird es auf neue Eingaben angewendet. Dieser letzte Schritt heißt oft Inferenz. Fehler oder Verzerrungen können an mehreren Stellen entstehen: bei der Datenauswahl, bei der Zieldefinition, im Modell, an einer Entscheidungsschwelle oder durch die Art, wie Menschen das Ergebnis verwenden.

Die zentrale KI-Kompetenz: ein System belegt beurteilen

Für diesen Kurs nutzt Du einen KI-Prüfkreis. Er ist kein Gesetz und kein fertiges Gütesiegel, sondern ein Lernwerkzeug für begründete Entscheidungen.

Kriterium	Leitfrage	Typischer Beleg
Zweck	Welches Problem soll das System lösen – und ist KI dafür überhaupt nötig?	Aufgabenbeschreibung, Entscheidungskontext
Daten	Woher stammen die Daten, wen bilden sie ab und was fehlt?	Datensatzbeschreibung, Stichprobe, Erhebungsweg
Leistung	Wie oft liegt das System richtig und welche Fehlerarten treten auf?	Testdaten, Fehlerraten, Vergleich mit Alternativen
Fairness	Treffen Fehler verschiedene Gruppen unterschiedlich stark?	Gruppenvergleich, Fehlerraten, Prüfung von Proxy-Merkmalen
Transparenz	Können Betroffene nachvollziehen, dass und wofür KI eingesetzt wird?	verständliche Information, dokumentierte Kriterien
Sicherheit und Datenschutz	Welche Daten sind sensibel, wie werden sie geschützt und wie lange gespeichert?	Schutzmaßnahmen, Zugriffsregeln, Datensparsamkeit
Verantwortung und Human Agency	Wer kann das Ergebnis prüfen, widersprechen, korrigieren oder den Prozess stoppen?	klare Zuständigkeit, echte menschliche Kontrollmöglichkeit

Ein tragfähiges Urteil hat deshalb mindestens vier Teile: Entscheidung + Kriterium + Beleg + Abwägung. Beispiel: „Ich würde das System nur als Unterstützung einsetzen, weil die Daten eine ungleiche Fehlerquote zeigen. Die menschliche Prüfung muss deshalb verpflichtend sein; zugleich kann die Vorauswahl Zeit sparen, wenn keine Bewerbung automatisch ausgeschlossen wird.“

Historischer Blick: Technik verändert Arbeit schon lange

Technischer Wandel hat Arbeitsaufgaben immer wieder neu verteilt. Ein früher Schritt zur programmierbaren Steuerung war der Jacquard-Webstuhl, bei dem Lochkarten Muster vorgaben.

Datei:A Jacquard loom showing information punchcards, National Museum of Scotland.jpg

Im 20. Jahrhundert wurden Computer selbst zu Arbeitsmitteln. Programmieren, Dateneingabe und technische Bedienung entstanden als neue Tätigkeiten und veränderten sich später erneut.

Fehler beim Erstellen des Vorschaubildes:

In der Industrie übernahmen automatisierte Maschinen und Roboter vor allem wiederholbare, gefährliche oder körperlich belastende Aufgaben. Gleichzeitig entstanden Tätigkeiten in Programmierung, Wartung, Prozessplanung und Qualitätssicherung.

Der historische Vergleich zeigt: Technischer Wandel ist kein einfacher Automatismus. Ob Beschäftigung wächst, sinkt oder sich nur verändert, hängt unter anderem von Produktivität, Nachfrage, Weiterbildung, Investitionen, Arbeitsorganisation und politischen Regeln ab. Genau deshalb solltest Du Aussagen wie „KI vernichtet die Jobs“ oder „KI schafft nur neue Jobs“ nicht ungeprüft übernehmen.

Daten lesen statt Schlagzeilen glauben

Die folgende Grafik zeigt den Anteil von Stellenanzeigen in Deutschland, die KI-bezogene Tätigkeiten beziehungsweise Kompetenzen ausweisen. Sie ist nützlich, aber sie beantwortet nicht jede Frage zur Zukunft der Arbeit.

Datei:Share artificial intelligence job postings, DEU.svg

Quellenkritischer Blick: Eine Grafik über Stellenanzeigen misst nicht direkt, wie viele Arbeitsplätze verschwinden oder entstehen. Sie sagt auch nicht automatisch, ob Beschäftigte im Alltag tatsächlich KI nutzen. Du musst deshalb immer prüfen: Was ist die Grundgesamtheit? Welcher Zeitraum wird betrachtet? Wie wurde „KI-Stelle“ definiert? Welche Daten fehlen?

Die Internationale Arbeitsorganisation schätzte 2025, dass weltweit etwa ein Viertel der Beschäftigung in Berufen liegt, die in irgendeinem Grad gegenüber generativer KI exponiert sind. Nur ein deutlich kleinerer Anteil liegt in der höchsten Expositionskategorie. Die ILO betont zugleich, dass Exposition keine Vorhersage von Arbeitsplatzverlust ist: In vielen Fällen ist eher eine Veränderung von Tätigkeiten als die vollständige Ersetzung eines Berufs zu erwarten.

Die OECD berichtet aus Befragungen, dass viele Beschäftigte Leistungsgewinne und angenehmere Arbeit durch KI wahrnehmen. Gleichzeitig nennt sie Risiken wie höhere Arbeitsintensität, Datenerfassung und wachsende Ungleichheit. Auch solche Befragungen müssen eingeordnet werden: Wahrnehmungen sind wichtige Daten, aber sie beweisen nicht automatisch Ursache und Wirkung.

Das OECD-Video fragt, ob KI jungen Menschen den Berufseinstieg erschwert. Achte darauf, wie zwischen zeitlichem Zusammenhang und ursächlichem Beleg unterschieden wird. Notiere nach dem Video einen Satz, der eine vorsichtige Aussage macht, und einen Satz, der über die vorhandenen Belege hinausgehen würde.

Mathematik-Werkstatt: Genauigkeit ist nicht automatisch Fairness

Ein fiktives Unternehmen testet ein KI-System zur Vorauswahl von 100 Praktikumsbewerbungen. Eine spätere, unabhängige Prüfung ergibt, wer für das Praktikum tatsächlich geeignet war.

	Tatsächlich geeignet	Tatsächlich nicht geeignet
KI empfiehlt	30	15
KI lehnt ab	10	45

Die Trefferquote beträgt damit (30 + 45) / 100 = 75 Prozent. Das klingt zunächst ordentlich. Trotzdem fehlen wichtige Informationen.

Von 40 tatsächlich geeigneten Personen empfiehlt das System nur 30. Die Erkennungsrate für geeignete Personen beträgt also 30 / 40 = 75 Prozent. Zehn geeignete Personen werden fälschlich abgelehnt. Solche Fehler heißen False Negatives.

Nun wird nach zwei gleich großen Gruppen geeigneter Bewerberinnen und Bewerber geprüft:

Gruppe	Tatsächlich geeignet	Davon von der KI empfohlen	Erkennungsrate
Gruppe Nord	20	18	90 Prozent
Gruppe Süd	20	12	60 Prozent

Die Gesamt-Trefferquote kann also akzeptabel wirken, obwohl die Fehler ungleich verteilt sind. Für eine Fairnessbewertung musst Du fragen, warum die Differenz entsteht. Vielleicht enthält der Datensatz Merkmale, die mit Wohnort, Schulform, Sprachstil oder sozialem Hintergrund zusammenhängen. Vielleicht sind die Gruppen zu klein. Vielleicht gibt es einen sachlichen Grund. Die Zahlen zeigen ein Warnsignal, aber noch nicht die vollständige Ursache.

Realistische Anwendungssituation: KI sortiert Praktikumsbewerbungen

Stell Dir vor, Du bist Mitglied eines Schülerteams, das einen regionalen Betrieb bei einem transparenten Auswahlverfahren für ein zweiwöchiges Schulpraktikum beraten soll. Der Betrieb erhält 100 Bewerbungen und testet ein KI-System, das Bewerbungen vorsortiert. Es verwendet Schulnoten, Schlüsselbegriffe aus Anschreiben, Rechtschreibung, angegebene Entfernung zum Betrieb und Muster aus früheren Entscheidungen.

Wichtig: Das folgende Fallbeispiel ist fiktiv. Die Zahlen dienen dazu, Entscheidungen zu prüfen – nicht dazu, echte Personen zu bewerten.

Belegkarte	Information	Warum sie wichtig ist
A	Trainiert wurde mit Bewerbungen der vergangenen fünf Jahre. Für damals abgelehnte Personen ist meist nicht bekannt, ob sie sich später als geeignet erwiesen hätten.	Das Trainingsziel enthält eine Lücke: „früher ausgewählt“ ist nicht dasselbe wie „tatsächlich geeignet“.
B	Auf unabhängigen Testdaten erreicht das System 75 Prozent Gesamt-Trefferquote.	Die Zahl zeigt Leistung, aber noch nicht die Verteilung der Fehler.
C	Bei tatsächlich geeigneten Personen erkennt das System in Gruppe Nord 90 Prozent, in Gruppe Süd 60 Prozent.	Die Fehler wirken zwischen Gruppen ungleich verteilt.
D	Zu den einflussreichen Merkmalen zählen Note, Schlüsselwörter, Rechtschreibung und Entfernung.	Einige Merkmale können sachlich relevant sein; andere können unbeabsichtigt soziale Unterschiede abbilden.
E	Mitarbeitende können Empfehlungen überstimmen. Eine zweite Prüfung abgelehnter Bewerbungen ist bisher aber nicht vorgeschrieben.	Menschliche Kontrolle existiert formal, ist aber nicht automatisch wirksam.
F	Bewerbende erfahren bisher nur, dass „digitale Werkzeuge“ genutzt werden. Die konkrete Rolle der KI wird nicht erklärt.	Transparenz und Widerspruchsmöglichkeiten sind unklar.

Dein Auftrag: Entscheide zwischen drei Varianten.

Variante	Beschreibung
Nur Mensch	Die KI wird nicht verwendet; alle Bewerbungen werden vollständig manuell geprüft.
KI als Assistenz	Die KI darf sortieren und Hinweise geben, aber keine Bewerbung endgültig ablehnen. Menschen prüfen alle Grenzfälle und Stichproben, dokumentieren Abweichungen und beobachten Gruppenfehler.
Automatische Vorauswahl	Die KI lehnt Bewerbungen unter einem Schwellenwert automatisch ab; Menschen prüfen nur die empfohlenen Personen.

Formuliere ein Urteil in fünf Sätzen. Nutze mindestens drei Kriterien aus dem KI-Prüfkreis und mindestens zwei Belegkarten. Nenne außerdem ein Gegenargument zu Deiner eigenen Position und eine Bedingung, unter der Du Deine Entscheidung ändern würdest.

Human Agency: Menschen müssen wirksam handeln können

Human Agency bedeutet in diesem Zusammenhang, dass Menschen nicht zu passiven Empfängerinnen und Empfängern eines KI-Ergebnisses werden. Sie sollen Ziele festlegen, Ergebnisse hinterfragen, Fehler erkennen, Entscheidungen erklären, widersprechen und ein System notfalls stoppen können.

Ein „Mensch in der Schleife“ reicht daher nicht, wenn die Person nur schnell auf „Bestätigen“ klickt. Gute menschliche Kontrolle braucht Zeit, Informationen, Zuständigkeit und die reale Möglichkeit, gegen die KI-Empfehlung zu entscheiden. Verantwortung darf nicht mit dem Satz „Das System hat so entschieden“ abgeschoben werden.

Frage Dich an jeder Stelle des Ablaufs: Wer entscheidet hier eigentlich? Wer legt das Ziel fest? Wer wählt Daten? Wer bestimmt die Schwelle? Wer prüft Fehler? Wer trägt die Folgen?

Recht, Ethik und gesellschaftliche Folgen

Die EU-KI-Verordnung behandelt bestimmte KI-Anwendungen in Beschäftigung und Personalmanagement als besonders sensibel. Dazu gehören beispielsweise Systeme, die Bewerbungen analysieren, filtern oder Kandidatinnen und Kandidaten bewerten. Der Grundgedanke ist für diesen Kurs wichtiger als juristische Details: Je stärker ein System über Chancen, Rechte oder Lebenswege mitentscheidet, desto höher müssen Anforderungen an Datenqualität, Risikomanagement, Transparenz und menschliche Aufsicht sein.

Gesellschaftlich entstehen mehrere Zielkonflikte. Eine schnellere Auswahl kann Unternehmen Zeit sparen, zugleich aber falsche Ablehnungen skalieren. Personalisierte Assistenz kann Menschen unterstützen, zugleich aber Überwachung ermöglichen. Höhere Produktivität kann Wohlstand schaffen, aber die Verteilung der Gewinne ist eine politische und wirtschaftliche Frage. Weiterbildung kann Übergänge erleichtern, ist aber nur wirksam, wenn Beschäftigte tatsächlich Zeit, Zugang und Mitbestimmung erhalten.

Das ILO-Video betrachtet KI, Innovation und Arbeitswelt aus Sicht der internationalen Arbeitsforschung. Prüfe beim Anschauen: Welche Aussagen sind Datenbefunde? Welche sind Empfehlungen? Welche Interessen oder institutionellen Perspektiven könnten die Auswahl der Themen beeinflussen?

Der Beitrag der hessenschau zeigt konkrete Veränderungen in Berufen. Nutze ihn nicht als alleinige Zukunftsprognose. Suche nach Beispielen, die einen Trend illustrieren, und trenne sie von Aussagen, die für den gesamten Arbeitsmarkt gelten sollen.

Fächerübergreifende Bezüge

Fach	Verbindung zum Thema	Mögliche Leistung
Informatik	Daten, Training, Inferenz, Fehlerarten, Systemgrenzen	Ein KI-System als Daten-Prozess-Entscheidungs-Kette erklären
Deutsch	Argumentation, Quellenkritik, sprachliche Wirkung von Schlagzeilen	Ein begründetes Urteil mit Belegen und Gegenargument formulieren
Mathematik	Prozentrechnung, Fehlerraten, Grundgesamtheit, Gruppenvergleich	Trefferquote und Erkennungsrate berechnen und interpretieren
Technik	Automatisierung, Sensorik, Robotik, Mensch-Maschine-Systeme	Aufgabenverteilung zwischen Mensch und Technik vergleichen
Wirtschaft	Produktivität, Qualifikation, Kosten, Arbeitsorganisation	Chancen und Folgekosten verschiedener Einsatzformen abwägen
Geschichte	Mechanisierung, Lochkarten, Computerisierung, industrielle Automatisierung	Kontinuitäten und Unterschiede früherer Technikumbrüche herausarbeiten
Ethik	Fairness, Verantwortung, Autonomie, Gerechtigkeit	Interessenkonflikte erkennen und normativ begründen
Gemeinschaftskunde	Regulierung, Grundrechte, Mitbestimmung, soziale Folgen	Regeln für einen verantwortbaren KI-Einsatz vorschlagen

Quellen prüfen und Belege gewichten

Für eine belastbare Analyse solltest Du möglichst Originalquellen oder nachvollziehbare Sekundärquellen nutzen. Vergleiche Veröffentlichungsdatum, Definitionen, Stichprobe, Messmethode und Unsicherheiten.

ILO: Generative AI and jobs – A 2025 update: erklärt Expositionsgrade und betont, dass Exposition nicht mit sicherem Arbeitsplatzverlust gleichgesetzt werden darf.
ILO 2026: Workers’ exposure to AI: warnt davor, Expositionsindikatoren als direkte Prognosen von Jobverlusten zu lesen.
OECD: Using AI in the workplace: behandelt Nutzen, Risiken, Arbeitsqualität und politische Handlungsfelder.
Europäische Kommission: Navigating the AI Act: nennt Beispiele für besonders sensible KI-Einsätze in Beschäftigung und Bewerberauswahl.
Wikimedia Commons: Quelle der hier eingebundenen frei lizenzierten oder gemeinfreien Abbildungen; die konkrete Lizenz steht jeweils auf der Dateiseite.

Interaktive Aufgaben

Quiz: Teste Dein Wissen

Welche Aussage beschreibt den Unterschied zwischen KI-Exposition und sicherem Arbeitsplatzverlust am besten? (Exposition bedeutet, dass Aufgaben eines Berufs durch KI beeinflusst werden können, ohne dass der Beruf automatisch verschwindet) (!Exposition bedeutet, dass der Arbeitsplatz bereits abgeschafft wurde) (!Exposition bedeutet, dass jeder Beruf vollständig automatisiert werden kann) (!Exposition ist nur ein anderes Wort für Arbeitslosigkeit)

Was lässt sich aus einer Trefferquote von 75 Prozent allein nicht ableiten? (Ob die Fehler fair auf verschiedene Gruppen verteilt sind) (!Wie viele von 100 Fällen insgesamt richtig bewertet wurden) (!Dass 75 von 100 Fällen richtig sein können) (!Dass eine Fehlerrate von 25 Prozent möglich ist)

Welche Beobachtung ist im Praktikumsbeispiel das stärkste Fairness-Warnsignal? (Die Erkennungsrate geeigneter Personen beträgt in zwei Gruppen 90 Prozent und 60 Prozent) (!Das System verarbeitet 100 Bewerbungen) (!Das Unternehmen möchte Zeit sparen) (!Die Bewerbungen enthalten Texte)

Warum sind historische Auswahlentscheidungen als Trainingsdaten problematisch? (Sie können frühere Auswahlmuster und unbekannte Fehlentscheidungen enthalten) (!Sie sind automatisch objektiv, weil sie in der Vergangenheit liegen) (!Sie machen eine unabhängige Prüfung überflüssig) (!Sie enthalten niemals Lücken)

Wann ist menschliche Kontrolle eines KI-Systems besonders wirksam? (Wenn Menschen Informationen, Zeit und echte Entscheidungsmacht zum Prüfen und Überstimmen haben) (!Wenn Menschen jede KI-Empfehlung möglichst schnell bestätigen) (!Wenn niemand dokumentiert, warum eine Entscheidung geändert wurde) (!Wenn die KI allein festlegt, welche Fälle Menschen sehen dürfen)

Welche Quelle eignet sich am besten, um eine starke Behauptung über Arbeitsplatzverluste zu prüfen? (Eine Studie mit klarer Definition, Methode, Datenbasis und Unsicherheiten) (!Eine einzelne Schlagzeile ohne verlinkte Daten) (!Ein anonymer Kommentar mit persönlicher Vermutung) (!Ein Werbetext eines Anbieters ohne Vergleichsdaten)

Welche Entscheidung nutzt im Praktikumsfall Human Agency am stärksten? (KI gibt Hinweise, aber Menschen prüfen Grenzfälle und können Entscheidungen nachvollziehbar ändern) (!KI lehnt automatisch ab und niemand kann widersprechen) (!KI entscheidet geheim und das Ergebnis gilt immer) (!Menschen sehen nur den Endwert und dürfen keine Gründe prüfen)

Warum reicht eine steigende Zahl von KI-Stellenanzeigen nicht als Beleg dafür, dass KI Arbeitsplätze vernichtet? (Weil Stellenanzeigen eine andere Größe messen als tatsächliche Arbeitsplatzverluste) (!Weil Stellenanzeigen immer falsch sind) (!Weil Arbeitsmärkte keine Daten enthalten) (!Weil Prozentwerte grundsätzlich unbrauchbar sind)

Welche Aussage zeigt eine gute Risikoabwägung? (Ein Nutzen zählt, aber er muss gegen Fehlerfolgen, Fairness, Datenschutz und Alternativen abgewogen werden) (!Wenn ein System schnell ist, sind alle anderen Kriterien unwichtig) (!Je komplizierter ein Modell ist, desto gerechter ist es automatisch) (!Ein einzelner Vorteil beweist, dass das System verantwortbar ist)

Was ist für ein begründetes Urteil über KI in der Arbeitswelt am wichtigsten? (Kriterien anwenden, Belege prüfen, Gegenargumente berücksichtigen und die Entscheidung begründen) (!Möglichst viele technische Fachwörter verwenden) (!Die Meinung der lautesten Person übernehmen) (!Eine KI-Antwort ungeprüft als Endergebnis verwenden)

Memory

Trainingsdaten	Beispiele, aus denen ein Modell Muster lernt
Inferenz	Anwendung eines trainierten Modells auf neue Eingaben
False Negative	Geeigneter Fall wird fälschlich abgelehnt
Proxymerkmal	Merkmal, das indirekt andere Eigenschaften abbilden kann
Human Oversight	Wirksame menschliche Prüfung und Eingriffsmöglichkeit
Exposition	Potenzial, dass Aufgaben durch KI beeinflusst werden
Transparenz	Verständliche Information über Rolle und Zweck des Systems

Drag and Drop

Ordne die richtigen Begriffe zu.	Prüffrage
Daten	Wer ist im Trainingsmaterial vertreten und wer fehlt?
Leistung	Welche Fehlerarten treten auf und wie häufig?
Fairness	Sind bestimmte Gruppen stärker von Fehlern betroffen?
Transparenz	Wissen Betroffene, dass KI eingesetzt wird und wofür?
Verantwortung	Wer kann prüfen, korrigieren oder den Prozess stoppen?

Kreuzworträtsel

Fairness	Welches Kriterium fragt nach ungleich verteilten Fehlern?
Training	Wie heißt die Phase, in der ein Modell aus Daten entwickelt wird?
Inferenz	Wie heißt die Anwendung eines trainierten Modells auf neue Eingaben?
Proxy	Wie heißt ein Merkmal, das indirekt eine andere Eigenschaft abbilden kann?
Automation	Welcher Begriff bezeichnet das selbsttätige Ausführen von Abläufen?
Kontrolle	Was muss menschlich wirksam möglich sein, damit Entscheidungen überprüft werden können?

LearningApps

Lückentext

Ein Beruf besteht aus vielen

, deshalb bedeutet die Automatisierung einzelner Aufgaben nicht automatisch das Ende eines Berufs. Ein datenbasiertes KI-System lernt Muster aus

. Die Anwendung eines trainierten Modells auf neue Eingaben nennt man

. Eine hohe Gesamtgenauigkeit beweist noch keine

. Wenn eine geeignete Person fälschlich abgelehnt wird, liegt ein

vor. Ein Merkmal, das indirekt eine andere Eigenschaft abbildet, kann als

wirken. Wirksame menschliche Aufsicht braucht echte

. Für ein belastbares Urteil müssen Behauptungen durch nachvollziehbare

gestützt werden.

Offene Aufgaben

Leicht

KI-Tagebuch: Beobachte einen Tag lang fünf Situationen in Schule, Familie oder Medien, in denen KI oder Automatisierung eine Rolle spielen könnte. Markiere, was Du sicher weißt und was nur Vermutung ist.
Schlagzeilencheck: Sammle zwei unterschiedliche Schlagzeilen über KI und Arbeit. Formuliere zu jeder Schlagzeile drei Fragen, die Du vor dem Glauben an die Aussage klären müsstest.
Tätigkeitsanalyse: Wähle einen Beruf aus Deinem Umfeld und zerlege ihn in mindestens sechs Tätigkeiten. Markiere, welche davon eher automatisierbar sind und wo menschliches Urteil wichtig bleibt.
Kriterienkarte: Gestalte eine übersichtliche Karte zum KI-Prüfkreis mit Zweck, Daten, Leistung, Fairness, Transparenz, Sicherheit und Verantwortung.

Standard

Praktikumsentscheidung: Bearbeite die Anwendungssituation erneut und schreibe ein Urteil mit mindestens drei Kriterien, zwei Belegen, einem Gegenargument und einer Bedingung für eine spätere Neubewertung.
Datenvergleich: Entwickle für die fiktiven Gruppen Nord und Süd zwei zusätzliche Kennzahlen, mit denen Du die Fairness genauer prüfen würdest. Erkläre, was jede Kennzahl zeigt und was nicht.
Interview zur Arbeitswelt: Befrage eine erwachsene Person zu einer technischen Veränderung ihres Berufs. Trenne im Protokoll persönliche Erfahrung, überprüfbare Tatsache und Zukunftsvermutung.
Medienanalyse: Vergleiche einen der eingebetteten Videos mit einer Originalquelle von ILO, OECD oder EU-Kommission. Finde mindestens eine Übereinstimmung und einen Unterschied in Schwerpunkt oder Sprache.

Schwer

Systemaudit: Entwirf ein Prüfblatt für ein reales oder fiktives KI-System in Schule oder Betrieb. Lege fest, welche Nachweise Du vor einem Einsatz verlangen würdest und wann Du den Einsatz stoppen würdest.
Fairnessdebatte: Entwickle zwei begründete Positionen zur Frage, ob ein Bewerbungssystem das Merkmal Entfernung zum Betrieb verwenden darf. Entscheide anschließend und begründe, welches Argument stärker wiegt.
Folgenabschätzung: Erstelle für ein Berufsfeld drei plausible Zukunftsszenarien für die nächsten zehn Jahre: starke Automatisierung, menschliche KI-Kooperation und geringe Veränderung. Nenne für jedes Szenario Voraussetzungen und Warnzeichen.
Regelwerk für verantwortliche KI: Formuliere acht Regeln für einen Betrieb, der KI bei Personalentscheidungen nutzen möchte. Ordne jeder Regel ein Risiko, eine Kontrollmaßnahme und eine verantwortliche Person zu.

Lernkontrolle

Transferfall Kundenservice: Ein Unternehmen lässt eine KI Beschwerden priorisieren. Entwickle mindestens fünf Prüffragen aus dem KI-Prüfkreis und begründe, welche zwei Du zuerst untersuchen würdest.
Zahl oder Beleg: Eine Präsentation behauptet: „Unsere KI ist zu 92 Prozent korrekt.“ Erkläre, welche zusätzlichen Informationen Du benötigst, bevor Du daraus eine Entscheidung ableitest.
Gegenargument prüfen: Jemand sagt: „Wenn immer noch ein Mensch entscheidet, kann KI nicht unfair sein.“ Widerlege oder differenziere die Aussage mit einem eigenen Beispiel.
Quellenurteil: Vergleiche eine Unternehmenswerbung, einen Nachrichtenbeitrag und eine Forschungsquelle zum selben KI-Thema. Entwickle Kriterien für ihre Beweiskraft und begründe eine Rangfolge.
Entscheidung unter Unsicherheit: Ein KI-System bringt wahrscheinlich Zeitgewinn, aber die Fairnessdaten sind unvollständig. Formuliere eine vorläufige Entscheidung und nenne Bedingungen, unter denen ein Pilotversuch verantwortbar wäre.
Gesellschaftlicher Transfer: Erkläre, warum dieselbe KI-Anwendung für ein harmloses Freizeitangebot akzeptabel, für Bewerbungsentscheidungen aber problematischer sein kann. Beziehe mögliche Folgen für Betroffene ein.

Lernnachweis

Für einen guten Lernnachweis zu KI und Arbeitswelt analysieren ist wichtig:

Du unterscheidest Automatisierung, Maschinelles Lernen und generative KI an konkreten Beispielen.
Du erklärst einen einfachen Daten-Modell-Ausgabe-Prozess und benennst mögliche Fehlerquellen.
Du interpretierst Prozentwerte, Fehlerraten und Gruppenunterschiede, ohne mehr zu behaupten, als die Daten zeigen.
Du wendest Kriterien zu Zweck, Daten, Leistung, Fairness, Transparenz, Sicherheit und Verantwortung auf einen neuen Fall an.
Du unterscheidest Behauptung, Beleg, Unsicherheit und Werturteil.
Du formulierst ein begründetes Urteil mit Gegenargument und Bedingung für eine Neubewertung.
Du zeigst Human Agency, indem Du beschreibst, wo Menschen prüfen, eingreifen, widersprechen oder ein System stoppen können.

OERs zum Thema

Die folgenden Angebote eignen sich zur Vertiefung und Quellenprüfung. Wikimedia-Commons-Dateien sind frei lizenziert oder gemeinfrei; bei externen Videos und Webseiten gelten die jeweils angegebenen Nutzungsbedingungen.

Verknüpfte Lernbereiche

Künstliche Intelligenz

aiMOOC-Projekte

Frag mich zum aktuellen Lerninhalt oder wähle eine kurze Hilfe.

Textmodus bereit

Sprache