Diesen aiMOOC als Battle spielen: Deutsch, Klasse 5-6, G-Niveau

Eigene Daten bei KI schützen

Einleitung

Eigene Daten bei KI schützen bedeutet: Du entscheidest möglichst bewusst, welche Informationen über Dich oder andere Menschen Du einer KI-Anwendung gibst. Gleichzeitig prüfst Du, ob die Daten, mit denen eine KI arbeitet, vollständig, passend, fair ausgewählt und richtig beschriftet sind.

Dieser Lernkurs richtet sich vor allem an Klasse 5 und ist für etwa eine bis zwei Unterrichtsstunden gedacht. Du brauchst keine technischen Vorkenntnisse. Alle Beispiele arbeiten mit erfundenen Personen oder kleinen Übungsdatensätzen. Verwende bei den Aufgaben keine echten privaten Daten von Dir, Deinen Mitschülerinnen und Mitschülern oder anderen Personen.

Du lernst in diesem Kurs nicht nur Regeln auswendig. Du untersuchst Daten, findest Fehler, vergleichst Entscheidungen und begründest am Ende selbst, wie Du in einer neuen Situation handeln würdest. Dabei geht es um Datenschutz, Künstliche Intelligenz, Datenqualität, Medienkompetenz, Fairness und die Frage: Wer entscheidet eigentlich – die KI oder der Mensch?

Lernziele

Nach dem Kurs kannst Du erklären, was personenbezogene Daten sind und warum Datenminimierung sinnvoll ist. Du kannst entscheiden, welche Angaben eine KI für eine Aufgabe wirklich braucht und welche besser weggelassen, verallgemeinert oder durch Platzhalter ersetzt werden. Außerdem kannst Du kleine Datensätze auf Fehler, fehlende Werte, ungeeignete Auswahl, schlechte Labels und mögliche Verzerrungen untersuchen.

Du sollst außerdem erkennen, dass nicht jede KI-Anwendung gleich mit Daten umgeht. Ob Eingaben gespeichert, weiterverarbeitet oder zum Verbessern eines Systems verwendet werden, hängt vom jeweiligen Dienst, seinen Einstellungen, den schulischen Vorgaben und den geltenden Regeln ab. Deshalb ist eine sichere Grundhaltung wichtig: Gib nur Daten ein, die für die Aufgabe wirklich nötig sind, und prüfe vorher, ob Du sie überhaupt weitergeben darfst.

Zeitplan für 1–2 Unterrichtsstunden

Phase	Kurzversion	Vertiefung	Ziel
Aktivierung	5 Minuten	10 Minuten	Vorwissen und Bauchgefühl sichtbar machen
Einführung	10 Minuten	15 Minuten	Personenbezogene Daten und Datenminimierung verstehen
Datenexperiment	15 Minuten	25 Minuten	Datenqualität, Auswahl, Labels und Verzerrungen untersuchen
Anwendung	10 Minuten	20 Minuten	Sicheren KI-Einsatz an einer realistischen Situation planen
Reflexion und Transfer	5 Minuten	20 Minuten	Entscheidung begründen und auf einen neuen Fall übertragen

Aktivierung und Diagnose: Die Daten-Ampel

Stell Dir vor, Du möchtest eine KI um Hilfe für ein Referat bitten. Welche Informationen würdest Du ohne Bedenken nennen? Welche nur nach genauer Prüfung? Welche würdest Du lieber nicht eingeben?

Beispiel	Erste Einschätzung	Begründungsfrage
Thema des Referats: Vulkane	eher unkritisch	Muss die KI wissen, wer Du bist?
Dein Vorname	prüfen	Ist der Name für die Aufgabe nötig?
Vollständige Adresse	eher nicht eingeben	Warum sollte die KI Deinen Wohnort auf Hausnummernebene brauchen?
Name und Foto einer Mitschülerin	nicht ohne guten Grund und Erlaubnis	Du entscheidest nicht allein über die Daten anderer.
„Ich bin in Klasse 5“	oft ausreichend	Kann eine grobe Angabe den gleichen Zweck erfüllen?
Eine erfundene Person „Kind A“	oft gut für Übungen	Reicht ein Platzhalter statt einer echten Person?

Diagnose-Auftrag: Zeichne drei Felder mit den Überschriften „kann oft hinein“, „erst prüfen“ und „lieber nicht“. Ordne die Beispiele zu. Vergleiche anschließend mit einer Partnerin oder einem Partner. Wenn Ihr unterschiedlich entschieden habt, erklärt Euch gegenseitig Eure Gründe.

Was sind eigene Daten?

Personenbezogene Daten sind Informationen, die sich auf eine bestimmte oder bestimmbare Person beziehen. Dazu können zum Beispiel Name, Adresse, Foto, Standort, E-Mail-Adresse oder andere Angaben gehören, durch die eine Person erkannt oder wiedererkannt werden kann.

Besonders vorsichtig solltest Du mit Informationen umgehen, die viel über das Privatleben verraten. Dazu gehören beispielsweise Gesundheitsinformationen. Auch mehrere scheinbar harmlose Angaben können zusammen eine Person erkennbar machen.

Datenminimierung: So wenig wie nötig

Ein wichtiger Datenschutzgedanke lautet Datenminimierung: Für eine Aufgabe sollen nur die Daten verwendet werden, die wirklich gebraucht werden.

Beispiel: Du möchtest von einer KI fünf Ideen für ein Plakat über Bienen erhalten.

Ungünstig: „Ich heiße …, wohne in …, gehe auf die …-Schule und brauche ein Bienenplakat.“

Datensparsam: „Gib mir fünf altersgerechte Ideen für ein Bienenplakat für Klasse 5.“

Die zweite Eingabe erfüllt den gleichen Zweck, enthält aber deutlich weniger persönliche Informationen.

Pseudonymisieren und Verallgemeinern

Manchmal lässt sich eine Aufgabe mit Platzhaltern lösen. Statt eines echten Namens kannst Du zum Beispiel „Person A“ schreiben. Statt einer genauen Adresse genügt vielleicht „eine mittelgroße Stadt“. Das nennt man bei einem Ersatzkennzeichen oft Pseudonymisieren.

Ein Pseudonym macht Daten nicht automatisch anonym. Wenn jemand den Platzhalter wieder einer echten Person zuordnen kann, bleibt weiterhin Schutz nötig. Für Schulübungen ist es deshalb besonders sicher, mit vollständig erfundenen Beispielen zu arbeiten.

Was passiert mit einer Eingabe an eine KI?

Wenn Du einer KI eine Frage stellst, wird Deine Eingabe verarbeitet, damit das System antworten kann. Je nach Dienst können Eingaben unterschiedlich behandelt werden. Deshalb solltest Du nicht automatisch davon ausgehen, dass eine Eingabe „privat wie ein persönliches Heft“ bleibt.

Vor einer Nutzung in der Schule sind deshalb drei Fragen wichtig:

Zweck: Was soll die KI für mich tun?
Notwendigkeit: Welche Informationen braucht sie dafür wirklich?
Regeln: Ist die Anwendung für die Aufgabe vorgesehen und was sagen Schule, Eltern beziehungsweise Erziehungsberechtigte und Datenschutzhinweise dazu?

Der 5-Schritte-Schutzcheck

Nutze vor jeder KI-Eingabe diesen kurzen Check:

Aufgabe klären: Formuliere zuerst, welches Problem Du lösen willst.
Daten reduzieren: Streiche Namen, Adressen, Fotos und andere persönliche Angaben, wenn sie nicht nötig sind.
Andere schützen: Teile nicht einfach Informationen über andere Menschen.
Qualität prüfen: Frage Dich, ob die verwendeten Daten richtig, vollständig und passend ausgewählt sind.
Selbst entscheiden: Behandle die KI-Antwort als Vorschlag. Prüfe sie und entscheide selbst.

Datenexperiment: Kann man diesen Daten trauen?

Eine fiktive Schule möchte herausfinden, welche Arbeitsgemeinschaft in Klasse 5 besonders beworben werden soll. Eine Gruppe sammelt freiwillige Antworten. Alle Daten sind erfunden.

Kennung	Klasse	Interesse	Teilnahme an der Umfrage
A01	5a	Sport	freiwillig
A02	5a	Musik	freiwillig
A03	5a	Sport	freiwillig
A04	5a	Kunst	freiwillig
A05	5a	Musik	freiwillig
A06	5a	Sport	freiwillig
A07	5a	Muisik	freiwillig
A08	5a		freiwillig
A03	5a	Sport	freiwillig

Auf den ersten Blick sieht die Auswertung so aus:

Eintrag	Häufigkeit im Rohdatensatz	Balken
Sport	4	■■■■
Musik	2	■■
Muisik	1	■
Kunst	1	■
fehlende Angabe	1	■

Erste Vermutung: Sport scheint klar vorne zu liegen. Aber ist das schon eine gute Grundlage für eine Entscheidung?

Datenqualität untersuchen

Datenqualität beschreibt vereinfacht, wie gut Daten für eine Aufgabe geeignet sind. Suche im Datensatz nach Problemen.

Hinweis 1 – doppelter Eintrag: Die Kennung A03 kommt zweimal vor. Wenn es dieselbe Person ist, wurde Sport einmal zu viel gezählt.

Hinweis 2 – Schreibfehler im Label: „Muisik“ ist vermutlich „Musik“. Werden beide Schreibweisen getrennt gezählt, entsteht ein falsches Bild.

Hinweis 3 – fehlender Wert: Bei A08 fehlt das Interesse. Man darf nicht einfach raten, was dort stehen sollte.

Nach einer vorsichtigen Bereinigung könnte die Zählung so aussehen:

Interesse	Häufigkeit nach Bereinigung	Balken
Sport	3	■■■
Musik	3	■■■
Kunst	1	■
fehlende Angabe	1	■

Plötzlich ist Sport nicht mehr allein vorne. Ein kleiner Datenfehler kann also eine Entscheidung verändern.

Auswahl und Repräsentativität

Noch wichtiger ist ein anderes Problem: Im Datensatz steht nur die Klasse 5a. Wenn die Schule über alle fünften Klassen entscheiden möchte, fehlen zum Beispiel Daten aus 5b oder weiteren Klassen.

Repräsentativität bedeutet hier: Die ausgewählten Daten sollten die Gruppe, über die man etwas sagen möchte, angemessen abbilden. Eine kleine Gruppe kann nützlich sein, aber man darf aus ihr nicht mehr ableiten, als sie hergibt.

Mini-Experiment: Befragt in der Klasse nicht nach privaten Dingen, sondern nach einer harmlosen Frage wie „Tafelbild oder Lernplakat?“. Vergleicht zwei Verfahren:

Nur fünf Freiwillige antworten.
Eine vorher festgelegte Gruppe aus verschiedenen Tischgruppen antwortet.

Vergleicht die Ergebnisse. Besprecht, warum unterschiedliche Auswahlmethoden zu unterschiedlichen Ergebnissen führen können.

Labels: Schubladen für Daten

Ein Label ist eine Bezeichnung, die einem Datenpunkt zugeordnet wird. Im Beispiel sind „Sport“, „Musik“ und „Kunst“ Labels.

Labels können nützlich sein, aber sie können auch zu grob oder fehlerhaft sein. Wenn jemand „Tanzen“ mag, passt das vielleicht nicht eindeutig in nur eine Schublade. Wenn eine KI mit schlechten Labels lernt oder arbeitet, kann sie später ebenfalls unpassende Zuordnungen machen.

Handlungsauftrag: Erfindet für die Interessen „Tanzen“, „Chor“, „Skaten“, „Zeichnen“ und „Robotik“ zwei verschiedene Label-Systeme. Vergleicht anschließend: Welches System beschreibt die Interessen besser? Wo wird etwas zu stark vereinfacht?

Verzerrungen erkennen

Eine Verzerrung entsteht, wenn Daten oder Entscheidungen systematisch in eine bestimmte Richtung verschoben sind. Das kann zum Beispiel passieren, wenn immer nur bestimmte Personen befragt werden, wenn wichtige Gruppen fehlen oder wenn Labels unfair gewählt wurden.

Stell Dir vor, eine Umfrage zur Pausenhofgestaltung wird nur in einer Fußball-AG durchgeführt. Selbst wenn alle Antworten korrekt eingetragen sind, könnte die Auswahl ein einseitiges Ergebnis erzeugen.

Eine KI macht eine solche Auswahl nicht automatisch gerecht. Menschen entscheiden, welche Daten gesammelt, welche Merkmale verwendet und welche Ergebnisse wichtig genommen werden. Deshalb gehört zu verantwortlichem KI-Einsatz immer auch Quellenkritik und die Frage nach Fairness.

Menschliche Entscheidungshoheit

Eine KI kann sortieren, formulieren, Muster finden oder Vorschläge machen. Sie trägt aber nicht wie ein Mensch Verantwortung für die Folgen einer schulischen Entscheidung.

Human Agency bedeutet in diesem Kurs: Du bleibst handlungsfähig. Du kannst eine KI-Antwort hinterfragen, stoppen, verändern, eine zweite Quelle prüfen oder ganz ohne KI weiterarbeiten.

Frage bei wichtigen Entscheidungen:

Welche Daten wurden verwendet?
Wer fehlt vielleicht?
Wer hat die Labels gewählt?
Welche Fehler könnten enthalten sein?
Wem könnte eine falsche Entscheidung schaden?
Welche Entscheidung treffe ich selbst und warum?

Fächerübergreifende Bezüge

Fach	Verbindung zum Thema	Handlungsbeispiel
Informatik	Daten, Eingaben, Labels, Verarbeitung	Einen kleinen Datensatz bereinigen und Eingaben datensparsam umformulieren
Deutsch	Sprache, Formulieren, Quellenkritik	Einen Prompt so überarbeiten, dass die Aufgabe klar bleibt, aber private Details verschwinden
Mathematik	Häufigkeiten, Tabellen, Stichproben	Rohdaten und bereinigte Daten zählen und als Balken darstellen
Naturwissenschaften	Messen, Beobachten, Fehlerquellen	Messfehler und Datenfehler vergleichen
Kunst	Bildrechte, Gestaltung, visuelle Kommunikation	Ein Datenschutz-Symbol oder Warnplakat gestalten
Ethik	Verantwortung, Fairness, Selbstbestimmung	Abwägen, ob eine mögliche Hilfe den Eingriff in die Privatsphäre rechtfertigt
Medienbildung	Sicherheit, Transparenz, Quellenbewertung	Datenschutzhinweise und Herkunft einer Information prüfen

Realistische Anwendungssituation: KI hilft beim Schulfest

Deine Klasse möchte mit einer KI einen kurzen Text für ein Schulfest verbessern. Ein erster Entwurf für die Eingabe enthält:

„Wir sind die Klasse 5b. Hier sind die vollständigen Namen aller Kinder, ihre Fotos, ihre Essenswünsche und einige Allergien. Formuliere daraus einen freundlichen Werbetext für unseren Kuchenstand.“

Auftrag: Prüfe die Eingabe mit dem 5-Schritte-Schutzcheck.

Überlege zuerst, welche Informationen für einen Werbetext überhaupt gebraucht werden. Ein Werbetext kann wahrscheinlich ohne Namen, Fotos und Gesundheitsinformationen entstehen. Wenn Fotos oder Namen veröffentlicht werden sollen, gelten zusätzliche Regeln und die betroffenen Personen dürfen nicht einfach übergangen werden.

Erstelle nun selbst eine datensparsame Version der Aufgabe, ohne echte Namen oder echte Gesundheitsdaten zu verwenden. Vergleicht Eure Lösungen. Es kann mehrere gute Formulierungen geben.

Experiment: Gleiche Aufgabe, weniger Daten

Arbeite mit einer Partnerin oder einem Partner. Ihr dürft nur erfundene Informationen verwenden.

Version A enthält unnötig viele Angaben über eine fiktive Person.

Version B enthält nur die Informationen, die eine KI für die Aufgabe wirklich benötigt.

Beispielaufgabe: „Erstelle drei Lernideen für einen Zehnjährigen zum Thema Planeten.“

Prüft anschließend:

Liefert Version B eine brauchbare Antwort, obwohl sie weniger persönliche Angaben enthält?
Welche Informationen konntet Ihr entfernen?
Welche Angaben waren wirklich für die Aufgabe nötig?
Welche Version würdet Ihr in einer echten Situation bevorzugen und warum?

Die entscheidende Beobachtung lautet häufig: Mehr persönliche Daten bedeuten nicht automatisch eine bessere KI-Antwort.

Medienimpuls: Kinder und Jugendliche sicher begleiten

Besprecht nach dem Video nicht nur einzelne Regeln, sondern auch die Begründung dahinter: Welche Entscheidungsmöglichkeiten sollten Kinder selbst haben? Wann ist Unterstützung durch Erwachsene sinnvoll? Welche Einstellungen oder Verhaltensweisen reduzieren unnötige Datenspuren?

Drei Schwierigkeitsstufen für die Arbeitsphase

Leicht: Daten-Detektiv

Markiere in einer erfundenen KI-Eingabe alle Angaben, die eine Person erkennbar machen könnten. Streiche dann alles, was für die Aufgabe nicht gebraucht wird. Begründe zwei Streichungen.

Standard: Daten-Prüfer

Untersuche den AG-Datensatz aus diesem Kurs. Finde mindestens vier Probleme aus den Bereichen Doppelung, fehlender Wert, Label, Auswahl oder Repräsentativität. Erkläre für jedes Problem, wie es eine Entscheidung beeinflussen könnte.

Schwer: Fairness-Designer

Plane eine kleine schulische Umfrage, bei der eine KI später nur bei der Auswertung helfen soll. Die Frage darf keine sensiblen Daten betreffen. Lege fest, welche Daten erhoben werden, welche bewusst nicht erhoben werden, wie die Gruppe ausgewählt wird und wie Du kontrollierst, ob eine KI-Auswertung plausibel ist.

Selbstkontrolle: Der Stopp-Check

Bevor Du Daten an eine KI gibst, halte kurz inne und vervollständige für Dich diese fünf Sätze:

Meine Aufgabe lautet …
Dafür braucht die KI wirklich …
Diese persönlichen Angaben kann ich weglassen …
Diese Daten oder Aussagen über andere darf ich nicht einfach weitergeben …
Die KI-Antwort prüfe ich anschließend durch …

Wenn Du diese Sätze sinnvoll beantworten kannst, hast Du schon einen großen Teil verantwortungsvollen KI-Einsatzes verstanden.

Reflexion

Bearbeite mindestens zwei Fragen schriftlich oder im Gespräch:

Warum ist „Ich habe nichts zu verbergen“ kein gutes Argument dafür, unnötig viele Daten zu teilen?
Warum kann ein Datensatz korrekt abgeschrieben und trotzdem unfair ausgewählt sein?
Wann ist ein Label hilfreich und wann kann es Menschen oder Situationen zu stark vereinfachen?
Wie kannst Du eine KI nutzen, ohne ihr die Entscheidung über richtig oder falsch vollständig zu überlassen?
Welche Daten über andere Menschen darfst Du nicht einfach behandeln, als gehörten sie Dir?

Abschluss-Transfer: Neue Situation

Du möchtest für die Schulhomepage einen kurzen Bericht über einen Projekttag erstellen. Eine KI-Anwendung bietet an, aus hochgeladenen Fotos und Notizen automatisch Bildunterschriften und einen Bericht zu erzeugen. Auf den Fotos sind mehrere Kinder gut erkennbar. In den Notizen stehen vollständige Namen und eine Bemerkung darüber, dass ein Kind wegen einer Erkrankung früher gegangen ist.

Deine Aufgabe: Entscheide, ob und wie Du die KI nutzen würdest. Du darfst auch entscheiden, sie für Teile der Aufgabe nicht zu verwenden.

Begründe Deine Entscheidung mit mindestens drei der folgenden Gesichtspunkte: Datenminimierung, Schutz der Daten anderer, sensible Informationen, Zweck, Datenqualität, Einwilligung beziehungsweise schulische Regeln, Transparenz, menschliche Kontrolle und mögliche Alternativen.

Wichtig: Es gibt nicht nur eine einzige richtige Formulierung. Entscheidend ist, dass Deine Lösung die betroffenen Menschen schützt und Du Deine Entscheidung nachvollziehbar begründest.

Interaktive Aufgaben

Quiz: Teste Dein Wissen

Welche Eingabe ist für eine allgemeine Referatsidee am datensparsamsten? (Gib mir fünf Ideen für ein Referat über Vulkane in Klasse 5) (!Ich heiße Lena Beispiel und wohne in der Musterstraße 8 und brauche ein Vulkanreferat) (!Hier ist ein Foto meines Schülerausweises und ich brauche ein Vulkanreferat) (!Hier sind die Namen meiner Mitschüler und ich brauche ein Vulkanreferat)

Was bedeutet Datenminimierung? (Nur die Daten verwenden die für die Aufgabe wirklich nötig sind) (!Möglichst viele Daten sammeln damit nichts fehlt) (!Alle Daten dauerhaft speichern) (!Nur Zahlen statt Wörter verwenden)

Welche Angabe ist eindeutig personenbezogen? (Eine vollständige Wohnadresse einer bestimmten Person) (!Die Entfernung zwischen Erde und Mond) (!Die Anzahl der Kontinente) (!Die Farbe einer leeren Heftseite)

Was ist ein sinnvoller erster Schritt vor einer KI-Eingabe? (Klären welche Aufgabe gelöst werden soll) (!Alle verfügbaren Daten kopieren) (!Die Antwort der KI schon vorher als richtig annehmen) (!Die Daten anderer ohne Prüfung ergänzen)

Was ist im AG-Datensatz ein Problem der Datenqualität? (Eine Kennung kommt doppelt vor) (!Die Tabelle hat Spalten) (!Es gibt verschiedene Interessen) (!Die Klasse heißt 5a)

Warum ist der AG-Datensatz nicht repräsentativ für alle fünften Klassen? (Es wurden nur Daten aus der Klasse 5a erfasst) (!Es wurden Wörter statt Bilder verwendet) (!Die Tabelle hat mehr als eine Zeile) (!Sport kommt im Datensatz vor)

Was ist ein Label in einem Datensatz? (Eine Bezeichnung die einem Datenpunkt zugeordnet wird) (!Ein Passwort für das WLAN) (!Eine geheime Zahl für eine Tür) (!Ein Bildschirmfoto)

Wann kann eine Verzerrung entstehen? (Wenn nur eine einseitig ausgewählte Gruppe befragt wird) (!Wenn ein Text eine Überschrift hat) (!Wenn eine Tabelle alphabetisch sortiert wird) (!Wenn ein Blatt Papier kariert ist)

Was bedeutet Human Agency beim Umgang mit KI am besten? (Der Mensch prüft und entscheidet selbst) (!Die KI trifft jede wichtige Entscheidung allein) (!Man darf eine KI-Antwort niemals verändern) (!Quellen sind nicht mehr notwendig)

Was solltest Du bei Daten über andere Menschen besonders beachten? (Du darfst ihre persönlichen Informationen nicht einfach ohne guten Grund weitergeben) (!Fremde Daten sind automatisch öffentlich) (!Fotos anderer dürfen immer hochgeladen werden) (!Gesundheitsdaten sind für jede KI-Aufgabe hilfreich)

Memory

Datenminimierung	nur notwendige Angaben
Pseudonym	Ersatzbezeichnung
Label	Datenbezeichnung
Repräsentativität	passende Abbildung einer Gruppe
Datenqualität	Eignung und Zuverlässigkeit
Verzerrung	systematische Schieflage
Quellenkritik	Herkunft und Aussage prüfen
Human Agency	Mensch entscheidet

Drag and Drop

Ordne die richtigen Begriffe zu.	Thema
Daten minimieren	unnötige persönliche Angaben streichen
Pseudonymisieren	echten Namen durch Person A ersetzen
Daten bereinigen	doppelte Zeile entfernen
Auswahl prüfen	fehlende Gruppen erkennen
Ergebnis kontrollieren	KI-Aussage mit Daten und Quellen vergleichen

Kreuzworträtsel

Datenschutz	Wie heißt der Schutz personenbezogener Informationen und der selbstbestimmte Umgang damit?
Privatsphäre	Wie heißt der persönliche Bereich der nicht beliebig öffentlich sein soll?
Datenqualität	Wie nennt man die Eignung und Zuverlässigkeit von Daten für eine Aufgabe?
Verzerrung	Wie heißt eine systematische Schieflage in Daten oder Ergebnissen?
Pseudonym	Wie heißt eine Ersatzbezeichnung die anstelle eines echten Namens verwendet werden kann?
Quellenkritik	Wie nennt man das Prüfen von Herkunft Glaubwürdigkeit und Aussage einer Information?

LearningApps

Lückentext

Informationen über eine bestimmbare Person nennt man

. Beim Prinzip der Datenminimierung werden nur

Angaben verwendet. Ein echter Name kann in einer Übung durch ein

ersetzt werden. Ein doppelter Eintrag kann die

verschlechtern. Eine Gruppe ist nicht automatisch

, nur weil mehrere Personen befragt wurden. Eine Bezeichnung wie Sport oder Musik ist in einem Datensatz ein

. Eine einseitige Datenauswahl kann eine

verursachen. Bei wichtigen Ergebnissen bleibt die Entscheidung beim

. Angaben über andere Personen sollen nicht ohne guten

weitergegeben werden. Eine KI-Antwort sollte durch Quellen und eigenes Denken

werden.

Offene Aufgaben

Leicht

Daten-Ampel: Erstelle zehn erfundene Datenkarten und sortiere sie in „oft unkritisch“, „erst prüfen“ und „lieber nicht eingeben“. Begründe drei Entscheidungen.
Datensparsame Sprache: Schreibe drei überladene KI-Eingaben so um, dass nur die für die Aufgabe nötigen Informationen übrig bleiben.
Datenschutz-Plakat: Gestalte ein Plakat mit fünf Regeln für sichere KI-Eingaben in Klasse 5.
Fehlerdetektiv: Erfinde eine Tabelle mit sechs Zeilen und baue absichtlich einen Tippfehler, eine Doppelung und einen fehlenden Wert ein. Tausche sie mit einer anderen Gruppe.

Standard

Mini-Datensatz: Sammle mit erfundenen Daten zehn harmlose Beispiele zu Lieblingsthemen im Unterricht und entwickle sinnvolle Labels. Prüfe, ob die Labels eindeutig genug sind.
Stichprobe: Vergleiche zwei erfundene Auswahlverfahren für eine Klassenumfrage und erkläre, welches eher ein ausgewogenes Bild liefert.
Prompt-Werkstatt: Entwickle einen sicheren Prompt für eine schulische Aufgabe und markiere, welche personenbezogenen Angaben Du bewusst weggelassen hast.
Quellencheck: Lass Dir zu einem Sachthema drei überprüfbare Aussagen einer KI nennen oder nutze von der Lehrkraft vorbereitete Antworten. Prüfe die Aussagen mit geeigneten Quellen und dokumentiere Abweichungen.

Schwer

Fairness-Labor: Entwirf zwei unterschiedlich zusammengesetzte Stichproben für dieselbe harmlose Frage. Zeige mit einer kleinen Visualisierung, wie sich die Ergebnisse unterscheiden könnten.
Label-Analyse: Untersuche ein selbst gewähltes Ordnungssystem aus dem Alltag und erkläre, wen oder was die Kategorien schlecht abbilden könnten.
Datenschutz-Fallberatung: Entwickle für die Schulfest-Situation drei mögliche Vorgehensweisen, vergleiche Vor- und Nachteile und begründe Deine bevorzugte Lösung.
Transfer-Challenge: Erfinde eine neue Situation, in der eine KI mit Daten von Menschen arbeiten soll. Formuliere eine Entscheidungshilfe mit Zweck, Datenminimierung, Fairness, Qualitätsprüfung und menschlicher Kontrolle.

Lernkontrolle

Sicherer KI-Einsatz: Eine Freundin möchte eine KI mit einem vollständigen Chatverlauf aus einer Klassengruppe um Rat bitten. Entwickle eine datenschutzfreundlichere Vorgehensweise und begründe sie.
Datenqualität und Entscheidung: Erkläre anhand des AG-Datensatzes, wie ein Tippfehler und eine Doppelung gemeinsam eine scheinbar eindeutige Entscheidung erzeugen können.
Repräsentativität: Eine Schülervertretung befragt nur Mitglieder der Theater-AG zur neuen Pausenhofgestaltung. Beurteile, welche Aussagen aus diesen Daten erlaubt sind und welche zu weit gehen.
Label-Fairness: Eine App sortiert Hobbys nur in „Sport“ und „Nicht-Sport“. Erkläre, welche Informationen dadurch verloren gehen und wie Du das Label-System verbessern würdest.
Mensch oder KI: Nenne eine schulische Entscheidung, bei der eine KI unterstützen könnte, aber nicht allein entscheiden sollte. Begründe, welche Rolle Menschen behalten müssen.
Transfer: Beim nächsten neuen KI-Werkzeug kennst Du noch keine Details zur Datennutzung. Formuliere ein sicheres Vorgehen, bevor Du persönliche Informationen eingibst.

Lernnachweis

Für einen Lernnachweis zu diesem Thema ist wichtig, dass Du nicht nur Begriffe nennen, sondern Entscheidungen begründen kannst.

Du erkennst personenbezogene und besonders schützenswerte Informationen in Alltagssituationen.
Du kannst eine KI-Eingabe nach dem Prinzip der Datenminimierung überarbeiten.
Du kannst erklären, warum Daten über andere Menschen nicht beliebig weitergegeben werden dürfen.
Du erkennst Doppelungen, fehlende Werte, unklare Labels und andere Datenqualitätsprobleme.
Du kannst beurteilen, ob eine Stichprobe für eine Fragestellung ausreichend repräsentativ ist.
Du kannst mögliche Verzerrungen benennen und Verbesserungsvorschläge machen.
Du kontrollierst KI-Ergebnisse mit Quellen, Daten und eigenem Denken.
Du kannst eine neue Situation selbstständig beurteilen und Deine Entscheidung mit Datenschutz, Fairness, Transparenz und menschlicher Verantwortung begründen.

OERs zum Thema

Weitere passende Lernressourcen sind die Wikipedia-Artikel Personenbezogene Daten, Datenvermeidung und Datensparsamkeit, Künstliche Intelligenz, Verzerrung und Stichprobe.

Frei nutzbare und schulgeeignete Medienhinweise

Wikimedia Commons: Die in diesem Kurs eingebundenen Commons-Dateien besitzen auf ihren jeweiligen Dateiseiten Angaben zur freien Lizenz oder Gemeinfreiheit.
Datenschutz: Kurze Erklärvideos von Datenschutzaufsichtsbehörden können als Einstieg oder Vertiefung genutzt werden.
Medienkompetenz: Angebote von klicksafe und dem Bundesamt für Sicherheit in der Informationstechnik bieten Materialien für einen sicheren Umgang mit digitalen Diensten.

Verknüpfte Lernbereiche

Eigene Daten bei KI schützen

aiMOOC-Projekte

Inhalte werden geladen ...

Mediathek wird aus dem Wiki geladen ...

Frag mich zum aktuellen Lerninhalt oder wähle eine kurze Hilfe.

Textmodus bereit

Sprache