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

Transferfall KI

Der Transferfall KI ist ein Lernkurs für die Sekundarstufe II und die berufliche Bildung. Du überträgst Grundlagen zu Künstlicher Intelligenz, generativer KI, maschinellem Lernen, Datenschutz, Medienkompetenz und KI-Ethik auf eine neue, realitätsnahe Entscheidungssituation.

Der Titel bezeichnet hier keinen eigenen technischen KI-Fachbegriff, sondern eine Transferaufgabe: Du sollst Wissen nicht nur wiedergeben, sondern auf einen neuen Fall anwenden, begründet abwägen und eine nachvollziehbare Lösung entwickeln.

Einleitung

KI-Systeme können Texte erzeugen, Bilder erstellen, Daten auswerten, Muster erkennen und Lernprozesse unterstützen. Ihre Ergebnisse können jedoch falsch, unvollständig, verzerrt oder für den konkreten Zweck ungeeignet sein. Deshalb reicht es nicht, eine KI-Ausgabe einfach zu übernehmen. Entscheidend ist, welche Aufgabe ein System übernimmt, welche Daten verarbeitet werden, wie zuverlässig die Ergebnisse sind und wer Verantwortung für die Entscheidung trägt.

Im Transferfall lernst Du ein einfaches Prüfverfahren kennen: Zweck klären – Daten prüfen – Ergebnis kontrollieren – Risiken abwägen – Verantwortung festlegen – Entscheidung begründen.

Der Fall: Ein KI-Lernassistent für die Schule

Die folgende Situation ist fiktiv, aber realitätsnah:

Eine Schule möchte einen generativen KI-Lernassistenten testen. Das System soll Übungsaufgaben formulieren, Rückmeldungen zu Entwürfen geben, schwierige Texte vereinfachen und Lernenden beim Strukturieren von Ideen helfen. Lehrkräfte hoffen auf schnellere Rückmeldungen und mehr individuelle Unterstützung.

Gleichzeitig entstehen Fragen: Dürfen Lernende persönliche Angaben in Prompts schreiben? Was passiert, wenn die KI fachlich falsche Informationen erzeugt? Können bestimmte Gruppen durch einseitige Trainingsdaten benachteiligt werden? Wie muss KI-Nutzung bei Hausaufgaben kenntlich gemacht werden? Und darf ein System Noten oder andere folgenreiche Entscheidungen automatisch bestimmen?

Deine Rolle im Transferfall

Du arbeitest in einem schulischen Prüfungsteam. Dein Ziel ist nicht, KI grundsätzlich zu befürworten oder abzulehnen. Du sollst konkret prüfen, für welche Aufgaben der Lernassistent geeignet ist, wo Schutzmaßnahmen nötig sind und bei welchen Entscheidungen Menschen die Kontrolle behalten müssen.

Eine gute Falllösung trennt drei Ebenen:

Technik: Was kann das System tatsächlich leisten?
Nutzung: Wie wird es im konkreten Lernprozess eingesetzt?
Verantwortung: Wer prüft Ergebnisse und entscheidet bei Fehlern oder Konflikten?

KI-Wissen, das Du auf den Fall überträgst

Künstliche Intelligenz, maschinelles Lernen und Deep Learning

Künstliche Intelligenz ist ein Sammelbegriff für Computersysteme, die Aufgaben bearbeiten, für die häufig Fähigkeiten wie Mustererkennung, Planung, Sprachverarbeitung oder Schlussfolgern benötigt werden.

Maschinelles Lernen ist ein Teilgebiet der KI. Dabei werden Modelle anhand von Daten so angepasst, dass sie Muster erkennen und für neue Eingaben Ergebnisse erzeugen können. Deep Learning ist wiederum ein Teilbereich des maschinellen Lernens und nutzt künstliche neuronale Netze mit vielen Verarbeitungsschichten.

Neuronale Netze und Modelle

Ein künstliches neuronales Netz besteht aus miteinander verbundenen Recheneinheiten. Während des Trainings werden interne Parameter so verändert, dass das Modell bei einer Aufgabe bessere Ergebnisse liefert. Ein trainiertes Modell kann anschließend neue Eingaben verarbeiten.

Wichtig für den Transferfall: Ein leistungsfähiges Modell ist nicht automatisch für jede Aufgabe geeignet. Ob ein Einsatz sinnvoll ist, hängt auch vom Lernziel, von den Daten, von der Fehlerfolge und von der Kontrolle durch Menschen ab.

Training und Anwendung

Beim Training werden Daten und Lernziele genutzt, um ein Modell anzupassen. Bei der späteren Anwendung oder Inferenz verarbeitet das trainierte Modell neue Eingaben und erzeugt Ausgaben.

Diese Trennung hilft Dir bei der Analyse: Probleme können aus Trainingsdaten entstehen, aber auch erst im konkreten Einsatz, zum Beispiel durch ungeeignete Prompts, fehlende Kontrollen oder einen falschen Verwendungszweck.

Generative KI und Sprachmodelle

Generative KI erzeugt neue Inhalte, etwa Text, Bilder, Audio oder Code. Große Sprachmodelle verarbeiten Text in kleinen Einheiten und berechnen auf Grundlage gelernter Muster, welche Fortsetzung im jeweiligen Kontext wahrscheinlich passend ist.

Eine sprachlich überzeugende Antwort ist deshalb kein Beweis für sachliche Richtigkeit. Ein Modell kann Informationen erfinden, Quellen falsch darstellen oder Unsicherheiten nicht ausreichend kenntlich machen. Solche plausibel klingenden Fehler werden oft als Halluzinationen bezeichnet.

Prüfkriterien für den Transferfall

Für eine begründete Entscheidung kannst Du die folgenden Kriterien verwenden:

Prüfkriterium	Leitfrage	Bedeutung im Fall
Zweck	Welches Lernziel soll erreicht werden?	KI sollte einen klaren pädagogischen Nutzen haben und nicht nur eingesetzt werden, weil sie verfügbar ist.
Daten	Welche Eingaben werden verarbeitet?	Persönliche, vertrauliche oder besonders schützenswerte Angaben gehören nicht unüberlegt in ein KI-System.
Qualität	Wie werden Fehler erkannt?	Aussagen müssen bei wichtigen Inhalten mit geeigneten Quellen oder Fachwissen geprüft werden.
Fairness	Werden Personen oder Gruppen systematisch benachteiligt?	Trainingsdaten und Nutzungskontexte können Verzerrungen enthalten.
Transparenz	Ist erkennbar, wann und wie KI genutzt wurde?	Lernende und Lehrkräfte sollten KI-Beiträge nachvollziehbar kennzeichnen können.
Verantwortung	Wer trifft die endgültige Entscheidung?	Bei bedeutsamen Entscheidungen muss menschliche Verantwortung klar geregelt sein.
Lernwirksamkeit	Unterstützt die KI eigenes Denken?	Hilfe ist dann sinnvoll, wenn sie Lernen fördert und nicht nur Ergebnisse ersetzt.

Internationale Bildungsleitlinien, etwa von UNESCO, betonen einen menschenzentrierten Einsatz von generativer KI. Dazu gehören Datenschutz, kritische Prüfung, alters- und lernzielgerechter Einsatz sowie die Verantwortung von Menschen für wichtige Entscheidungen.

Typische Fehlerquellen

Halluzinationen entstehen, wenn ein Modell plausible, aber falsche Inhalte erzeugt. Bias bezeichnet systematische Verzerrungen, die unter anderem mit Trainingsdaten, Modellgestaltung oder Nutzungssituation zusammenhängen können. Automationsvertrauen entsteht, wenn Menschen einem technischen Ergebnis zu schnell glauben, nur weil es präzise formuliert oder automatisch erzeugt wurde.

Auch ein guter Prompt beseitigt diese Risiken nicht vollständig. Ein klarer Auftrag kann die Qualität verbessern, aber die Ausgabe muss weiterhin geprüft werden.

Fakten prüfen statt übernehmen

Eine einfache Prüfroutine lautet:

Behauptung markieren: Welche Aussage ist überprüfbar?
Quelle suchen: Gibt es eine geeignete, unabhängige und möglichst aktuelle Quelle?
Vergleichen: Stimmen Zahlen, Begriffe, Zusammenhänge und Einschränkungen überein?
Dokumentieren: Halte fest, was von der KI stammt und was Du selbst geprüft oder verändert hast.

Den konkreten Fall analysieren

Die Schule könnte den KI-Lernassistenten in mehreren Situationen einsetzen. Jede Situation hat ein anderes Risiko.

Einsatzidee	Möglicher Nutzen	Zentrale Prüfung
Übungsfragen erzeugen	Schnelle, variierbare Aufgaben	Fachliche Richtigkeit der Fragen und Lösungen prüfen
Schreibentwürfe kommentieren	Zusätzliche Rückmeldung	Feedback als Vorschlag behandeln und Lernende zur eigenen Überarbeitung anregen
Texte vereinfachen	Sprachliche Unterstützung	Prüfen, ob wichtige Inhalte beim Vereinfachen verloren gehen
Ideen sammeln	Einstieg in kreative Aufgaben	KI-Ideen nicht mit eigener Begründung verwechseln
Lernstand bewerten	Schnelle Auswertung	Keine folgenreiche Entscheidung allein aus einer ungeprüften KI-Ausgabe ableiten

Eine mögliche begründete Lösung

Eine gut begründete Fallentscheidung könnte lauten: Der Lernassistent wird für unterstützende Aufgaben eingesetzt, zum Beispiel für Übungsfragen, Formulierungshilfen oder erste Rückmeldungen. Persönliche oder vertrauliche Daten werden nicht unnötig eingegeben. Fachlich wichtige Ergebnisse werden überprüft. KI-Nutzung wird transparent gemacht. Lehrkräfte und Lernende behalten die Verantwortung für die Bewertung von Inhalten und für bedeutsame Entscheidungen.

Diese Lösung ist nicht deshalb gut, weil sie „pro KI“ oder „gegen KI“ ist, sondern weil sie Zweck, Risiko und Kontrolle miteinander verbindet.

Medienkompetenz im KI-Zeitalter

Generative KI betrifft nicht nur Texte. Auch Bilder, Stimmen und Videos können künstlich erzeugt oder verändert werden. Ein Deepfake kann so wirken, als hätte eine Person etwas gesagt oder getan, obwohl das Material synthetisch erzeugt oder manipuliert wurde.

Deshalb gehört zum Transferfall auch die Frage nach der Herkunft von Medien. Prüfe Quelle, Veröffentlichungszusammenhang, mögliche Bearbeitung und unabhängige Bestätigungen. Ein auffälliges Bild ist noch kein Beweis, und ein realistisch wirkendes Video ist nicht automatisch authentisch.

Transferstrategie: Sechs Fragen für neue KI-Fälle

Du kannst fast jeden neuen KI-Fall mit sechs Fragen erschließen:

Ziel: Welches Problem soll die KI lösen?
Daten: Welche Informationen erhält das System?
Ausgabe: Was erzeugt oder entscheidet die KI?
Fehlerfolge: Was passiert, wenn die Ausgabe falsch ist?
Kontrolle: Wer überprüft und korrigiert das Ergebnis?
Begründung: Warum ist der Einsatz in dieser Form vertretbar und lernwirksam?

Je höher die möglichen Folgen eines Fehlers sind, desto wichtiger werden sorgfältige Prüfung, Transparenz und menschliche Verantwortung.

Interaktive Aufgaben

Quiz: Teste Dein Wissen

Diesen aiMOOC als Battle spielen

Was bedeutet Transfer im Titel dieses Kurses? (Wissen auf eine neue Situation anwenden) (!Nur Fachbegriffe auswendig lernen) (!Eine KI ohne Prüfung benutzen) (!Ein Computerprogramm installieren)

Welches Verhältnis zwischen KI, maschinellem Lernen und Deep Learning ist richtig? (Deep Learning ist ein Teil des maschinellen Lernens und dieses ein Teil der KI) (!KI ist nur ein Teil des Deep Learning) (!Maschinelles Lernen und KI sind immer identisch) (!Deep Learning ist unabhängig von KI)

Warum muss eine sprachlich überzeugende KI-Antwort geprüft werden? (Sie kann trotz guter Formulierung sachlich falsch sein) (!Sie besteht immer aus zufälligen Zeichen) (!Sie enthält grundsätzlich keine Sprache) (!Sie kann nur Fragen wiederholen)

Was bezeichnet Bias bei KI-Systemen? (Systematische Verzerrungen in Ergebnissen oder Entscheidungen) (!Die Geschwindigkeit einer Internetverbindung) (!Die Größe eines Bildschirms) (!Die Länge eines Passworts)

Welche Nutzung ist im Transferfall besonders gut kontrollierbar? (KI erzeugt Übungsfragen und ein Mensch prüft sie) (!KI vergibt automatisch Abschlussnoten) (!KI entscheidet allein über Schulabschlüsse) (!KI ersetzt jede fachliche Kontrolle)

Welche Frage gehört zur Datenprüfung? (Welche persönlichen Informationen werden eingegeben) (!Welche Farbe hat das Klassenzimmer) (!Wie schwer ist der Computer) (!Wie viele Fenster hat die Schule)

Was ist eine Halluzination bei generativer KI? (Eine plausibel klingende aber falsche erzeugte Information) (!Ein Defekt des Bildschirms) (!Eine besonders große Datei) (!Eine verschlüsselte Internetleitung)

Was unterstützt Transparenz bei schulischer KI-Nutzung? (KI-Beiträge nachvollziehbar kennzeichnen) (!Jede Nutzung geheim halten) (!Quellen grundsätzlich entfernen) (!Ergebnisse ungeprüft kopieren)

Warum ist menschliche Kontrolle besonders bei folgenreichen Entscheidungen wichtig? (Weil Fehler erkannt und Verantwortung zugeordnet werden müssen) (!Weil Computer keine Texte anzeigen können) (!Weil KI nur ohne Daten funktioniert) (!Weil Menschen nie Fehler machen)

Welche Reihenfolge passt zur Transferstrategie? (Ziel klären Daten prüfen Ausgabe bewerten Kontrolle festlegen) (!Ausgabe übernehmen Quellen löschen Ergebnis abgeben) (!Daten sammeln Zweck ignorieren Kontrolle vermeiden) (!System starten Verantwortung abgeben Ergebnis kopieren)

Memory

Transfer	Wissen auf einen neuen Fall anwenden
Halluzination	Plausibel klingende Falschinformation
Bias	Systematische Verzerrung
Prompt	Eingabe oder Arbeitsauftrag an ein KI-System
Inferenz	Anwendung eines trainierten Modells auf neue Eingaben
Transparenz	KI-Nutzung nachvollziehbar machen
Verantwortung	Zuständigkeit für Prüfung und Entscheidung

Drag and Drop

Ordne die richtigen Begriffe zu.	Thema
Zweckprüfung	Welches Lernziel soll erreicht werden?
Datenprüfung	Welche Informationen werden eingegeben?
Qualitätsprüfung	Stimmen Aussagen und Quellen?
Fairnessprüfung	Werden Gruppen systematisch benachteiligt?
Verantwortungsprüfung	Wer kontrolliert die endgültige Entscheidung?

Kreuzworträtsel

Transfer	Wie heißt die Anwendung bekannten Wissens auf eine neue Situation?
Training	Wie heißt die Phase, in der ein Modell anhand von Daten angepasst wird?
Bias	Wie nennt man eine systematische Verzerrung in KI-Ergebnissen?
Prompt	Wie heißt eine Eingabe oder Anweisung an ein generatives KI-System?
Datenschutz	Welcher Begriff bezeichnet den Schutz personenbezogener Daten?
Kontrolle	Welcher Begriff steht für das menschliche Prüfen eines KI-Ergebnisses?

LearningApps

Lückentext

Im Transferfall wendest Du vorhandenes Wissen auf eine

Situation an. Maschinelles Lernen ist ein Teilgebiet der

. Generative KI kann neue Inhalte wie Text oder Bilder

. Eine überzeugende Formulierung garantiert noch keine sachliche

. Systematische Verzerrungen werden häufig als

bezeichnet. Persönliche Informationen müssen beim Einsatz digitaler Systeme besonders

werden. Bei wichtigen Ergebnissen bleibt die menschliche

zentral. Eine gute Fallentscheidung verbindet Zweck, Risiko und

.

Offene Aufgaben

Leicht

KI-Beispiel: Beschreibe einen alltäglichen KI-Einsatz und nenne eine Aufgabe, die weiterhin von einem Menschen geprüft werden sollte.
Faktencheck: Lass Dir von einer KI drei überprüfbare Aussagen zu einem Schulthema geben und kontrolliere sie mit geeigneten Quellen.
Prompt: Formuliere einen klaren Prompt für eine Übungsaufgabe und erkläre, welche Angaben für ein gutes Ergebnis wichtig sind.
Medienkompetenz: Suche ein KI-generiertes oder bearbeitetes Bild aus einer seriösen Quelle und notiere Merkmale, an denen seine Herkunft erkennbar wird.

Standard

Fallanalyse: Übertrage die sechs Transferfragen auf einen KI-Chatbot in einer Bibliothek oder Ausbildungswerkstatt.
Datenschutz: Entwickle fünf Regeln für Eingaben in einen schulischen KI-Assistenten, damit unnötige personenbezogene Daten vermieden werden.
Bias: Entwirf ein kleines Testset mit unterschiedlichen Formulierungen, um zu prüfen, ob ein KI-System bei ähnlichen Fällen unterschiedlich reagiert.
Lernwirksamkeit: Vergleiche zwei Lernwege zu demselben Thema, einmal mit und einmal ohne generative KI, und dokumentiere Unterschiede.

Schwer

KI-Ethik: Entwickle einen Kriterienkatalog, mit dem eine Schule einen neuen KI-Dienst vor dem Einsatz prüfen kann.
Projektarbeit: Plant in einer Gruppe einen vierwöchigen Test eines KI-Lernassistenten mit Lernziel, Regeln, Beobachtungskriterien und Auswertung.
Deepfake: Erstellt ein Aufklärungsvideo, das erklärt, wie synthetische Medien geprüft werden können, ohne selbst täuschendes Material zu verbreiten.
Transferleistung: Analysiere einen neuen KI-Fall aus Medizin, Bewerbung, Verwaltung oder Wirtschaft und begründe, welche Elemente des schulischen Prüfrasters übernommen oder verändert werden müssen.

Lernkontrolle

Transferanalyse: Erkläre, warum dieselbe KI-Funktion bei einer unverbindlichen Übungsaufgabe anders bewertet werden kann als bei einer Abschlussentscheidung.
Fehlerfolgen: Entwickle zwei Szenarien mit demselben KI-Fehler, aber unterschiedlich schweren Folgen, und leite daraus unterschiedliche Kontrollmaßnahmen ab.
Daten und Zweck: Beurteile einen Fall, in dem ein hilfreicher KI-Dienst mehr persönliche Daten verlangt, als für die Aufgabe offensichtlich nötig sind.
Menschliche Verantwortung: Begründe, welche Entscheidungen im Schulalltag nicht allein auf einer ungeprüften KI-Ausgabe beruhen sollten.
Bias und Fairness: Entwirf eine Methode, mit der Du mögliche systematische Verzerrungen eines KI-Systems untersuchen kannst.
Lerntransfer: Übertrage das Prüfraster Zweck – Daten – Qualität – Fairness – Transparenz – Verantwortung auf einen KI-Einsatz außerhalb der Schule.

Lernnachweis

Für einen Lernnachweis zu diesem Thema ist wichtig, dass Du nicht nur Begriffe kennst, sondern eine neue Situation strukturiert analysieren kannst. Du solltest zeigen können, dass Du:

Künstliche Intelligenz von maschinellem Lernen und Deep Learning grundlegend unterscheiden kannst.
Generative KI als System zur Erzeugung neuer Inhalte erklären kannst.
Risiken wie Halluzinationen, Bias und unkritische Übernahme von Ergebnissen erkennst.
Datenbedarf, Transparenz und menschliche Verantwortung in einem Fall beurteilen kannst.
eine KI-Ausgabe mit geeigneten Quellen überprüfst.
aus Deinen Prüfergebnissen eine nachvollziehbare und begründete Handlungsempfehlung ableitest.

OERs zum Thema

Zur Vertiefung eignen sich außerdem die öffentlich zugänglichen Leitlinien der UNESCO zu generativer KI in Bildung und Forschung sowie aktuelle europäische Materialien zur ethischen Nutzung von KI und Daten in Bildung.

UNESCO: Guidance for generative AI in education and research

Europäische Kommission: Leitlinien zur digitalen Bildung und ethischen KI-Nutzung