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

Empfehlungssysteme und Filterblasen verstehen

Digitale Angebote zeigen Dir oft nicht einfach alle vorhandenen Inhalte in derselben Reihenfolge. Stattdessen wählen Empfehlungssysteme aus, welche Videos, Beiträge, Musikstücke, Nachrichten oder Produkte für Dich besonders passend wirken könnten. Dafür können sie verschiedene Signale auswerten, zum Beispiel welche Inhalte angeklickt, lange betrachtet, übersprungen, gespeichert oder ausdrücklich ausgewählt wurden.

Das kann praktisch sein: Aus sehr vielen Möglichkeiten werden interessante Inhalte schneller auffindbar. Gleichzeitig entstehen wichtige Fragen: Warum sehe ich gerade diesen Inhalt? Welche Daten spielen eine Rolle? Wer profitiert davon, dass ich weiterklicke? Welche Perspektiven fehlen? Und wie kann ich selbst bestimmen, was ich sehe?

In diesem Lernkurs untersuchst Du diese Fragen wie eine digitale Detektivin oder ein digitaler Detektiv. Du lernst eine einfache Prüfroutine kennen, vergleichst verschiedene Perspektiven und entwickelst Strategien für eine selbstbestimmte Mediennutzung.

Der Kurs ist besonders für Klasse 6 gedacht und kann in etwa 1–2 Unterrichtsstunden bearbeitet werden. Er verbindet Informatik, Deutsch, Mathematik, Naturwissenschaften, Kunst, Ethik, Gemeinschaftskunde und Medienbildung.

Lernziele

Nach dem Kurs kannst Du:

Empfehlungssysteme als Systeme erklären, die aus vielen möglichen Inhalten eine Auswahl ordnen oder vorschlagen.
Personalisierung an neuen Beispielen erkennen und erläutern, dass unterschiedliche Personen unterschiedliche Vorschläge erhalten können.
zwischen einem hilfreichen Vorschlag, einer aufmerksamkeitsorientierten Auswahl und einer möglichen Filterblase unterscheiden.
erklären, warum Daten über Nutzung für Empfehlungen und mögliche Geschäftsmodelle interessant sein können.
mit einer einfachen Prüfroutine nach fehlenden Perspektiven, Quellen und Interessen fragen.
typische Fehlvorstellungen korrigieren, zum Beispiel die Vorstellung, ein Algorithmus kenne automatisch die Wahrheit oder eine Filterblase sei immer vollständig geschlossen.
eigene Entscheidungen treffen, statt Empfehlungen automatisch zu folgen.

Ablauf für 1–2 Unterrichtsstunden

Phase	Inhalt	Richtzeit
Aktivierung	Zwei unterschiedliche Beispiel-Feeds vergleichen und Vermutungen sammeln	5–10 Minuten
Einführung	Empfehlung, Personalisierung, Datensignale und vereinfachtes Ranking verstehen	15–20 Minuten
Anwendung	Ein realistisches Fallbeispiel untersuchen und Perspektiven ergänzen	15–20 Minuten
Vertiefung	Filterblasen, Aufmerksamkeit und Geschäftsmodelle untersuchen	10–20 Minuten
Selbstkontrolle und Transfer	Interaktive Aufgaben, Reflexion und eigener Nutzungsplan	15–30 Minuten

Aktivierung: Warum sehen zwei Personen nicht dasselbe?

Stell Dir zwei Kinder vor. Beide öffnen zur gleichen Zeit dieselbe Video-App. Kind A sieht zuerst drei Beiträge über Fußball, danach ein Video über Sportschuhe. Kind B sieht zuerst zwei Beiträge über Zeichnen, danach ein Video über Aquarellfarben.

Kurze Diagnose: Entscheide zunächst ohne Nachschlagen, welche Erklärungen möglich sind.

Beide Feeds müssen identisch sein, weil beide dieselbe App benutzen.
Frühere Nutzung kann eine Rolle spielen.
Die Reihenfolge kann durch ein Empfehlungssystem beeinflusst werden.
Werbung und Empfehlungen können unterschiedliche Ziele verfolgen.
Ein einzelner Klick erklärt immer vollständig, was danach angezeigt wird.

Besprich anschließend: Welche Aussagen wirken plausibel? Welche wären zu einfach? Welche Informationen fehlen Dir für eine sichere Antwort?

Diese letzte Frage ist wichtig. Gute Medienkritik bedeutet nicht, sofort eine versteckte Absicht zu behaupten. Sie bedeutet, genau zu beobachten, nach Belegen zu fragen und mehrere mögliche Erklärungen zu prüfen.

Was ist ein Empfehlungssystem?

Ein Empfehlungssystem hilft dabei, aus vielen Möglichkeiten eine kleinere Auswahl zu bilden oder eine Reihenfolge festzulegen. Solche Systeme können zum Beispiel Filme, Musik, Produkte, Lerninhalte oder Beiträge vorschlagen.

Ein stark vereinfachtes Empfehlungssystem kann vier Schritte enthalten:

Sammeln: Es gibt viele mögliche Inhalte.
Signale beachten: Das System erhält Informationen darüber, was zu einer Person oder einer Situation passen könnte.
Bewerten und ordnen: Inhalte bekommen intern eine unterschiedliche Bedeutung oder Punktzahl.
Anzeigen: Einige Inhalte werden weiter oben oder überhaupt erst als Empfehlung gezeigt.

Wichtig: Die Grafik zeigt eine typische Grundidee. Echte Empfehlungssysteme können deutlich komplizierter sein. Ihre Regeln können sich ändern und sind von außen oft nur teilweise sichtbar.

Ein Algorithmus ist eine Abfolge von Regeln

Ein Algorithmus ist eine genaue Folge von Regeln oder Verarbeitungsschritten, mit denen aus Eingaben bestimmte Ausgaben entstehen. Auch ein Kochrezept ähnelt in einem Punkt einem Algorithmus: Bestimmte Schritte werden in einer bestimmten Ordnung ausgeführt. Digitale Empfehlungssysteme können allerdings sehr viele Daten und mathematische Verfahren verwenden.

Die Abbildung veranschaulicht: Ein System kann beeinflussen, ob und in welcher Reihenfolge Inhalte erscheinen. Das bedeutet aber nicht, dass ein Algorithmus wie ein Mensch denkt oder automatisch beurteilen kann, was wahr, gut oder fair ist.

Beobachtungsauftrag zum Video: Notiere zwei Stellen, an denen erklärt wird, wie Auswahl entsteht, und eine Stelle, an der eine Grenze oder ein Problem solcher Systeme sichtbar wird.

Welche Signale können eine Rolle spielen?

Je nach Dienst können ganz unterschiedliche Informationen verwendet werden. Mögliche Signale sind zum Beispiel:

Beobachtung	Was könnte ein System daraus vermuten?	Warum ist Vorsicht nötig?
Du öffnest einen Beitrag	Das Thema könnte Dich interessieren.	Vielleicht hast Du nur aus Neugier geklickt.
Du schaust ein Video lange	Das Video könnte für Dich relevant sein.	Vielleicht lief es nur weiter, während Du etwas anderes gemacht hast.
Du überspringst mehrere Beiträge	Diese Inhalte könnten weniger interessant sein.	Vielleicht hattest Du gerade wenig Zeit.
Du suchst mehrfach nach einem Thema	Das Thema scheint momentan wichtig zu sein.	Ein kurzfristiges Schulprojekt ist nicht dasselbe wie ein dauerhaftes Interesse.
Du speicherst oder bewertest etwas	Das ist ein deutlicheres Signal für Interesse.	Auch bewusste Signale können missverstanden werden.

Merke: Ein Signal ist eine Beobachtung, keine sichere Gedankenlesemaschine. Systeme arbeiten mit Wahrscheinlichkeiten und Mustern.

Daten sind nicht dasselbe wie Wissen über eine Person

Wenn ein System feststellt, dass Du mehrere Beiträge über Dinosaurier ansiehst, kennt es damit nicht automatisch Deine Gründe. Vielleicht liebst Du Dinosaurier. Vielleicht bereitest Du ein Referat vor. Vielleicht zeigt Dir eine Freundin gerade ihre Lieblingsvideos.

Deshalb ist es hilfreich, zwischen drei Ebenen zu unterscheiden:

Ebene	Beispiel
Beobachtetes Datum	Drei Videos über Dinosaurier wurden angesehen.
Vermutung	Die Person interessiert sich für Dinosaurier.
Entscheidung des Systems	Weitere Dinosaurier-Videos werden empfohlen.

Eine Vermutung kann nützlich sein, aber sie kann auch falsch sein.

Mini-Modell: Wie kann eine Empfehlung entstehen?

Für den Unterricht benutzen wir ein vereinfachtes Punktmodell. Es ist kein Abbild eines bestimmten echten Dienstes.

Angenommen, eine Lernplattform verwendet folgende Beispielregel:

Signal	Punkte im Unterrichtsmodell
Beitrag angeklickt	1 Punkt
Beitrag bis fast zum Ende angesehen	2 Punkte
Beitrag ausdrücklich gespeichert	3 Punkte

Lina hat zwei Beiträge zum Thema Weltraum angeklickt, einen davon bis fast zum Ende angesehen und einen gespeichert.

Im Unterrichtsmodell ergibt das:

2 Klicks = 2 Punkte 1 lang angesehen = 2 Punkte 1 gespeichert = 3 Punkte

Gesamt: 7 Punkte

Ein anderes Thema erreicht nur 3 Punkte. Das System könnte deshalb weitere Weltraum-Inhalte höher einordnen.

Mathematik-Verbindung: Punkte sind ein Modell

In der Mathematik kannst Du solche Modelle vergleichen, Tabellen auswerten und Rangfolgen bilden. Aber eine höhere Punktzahl bedeutet nicht automatisch, dass ein Inhalt besser, wahrer oder wichtiger ist. Sie bedeutet nur, dass er nach den gewählten Regeln höher bewertet wurde.

Daraus folgt eine wichtige Frage:

Wer legt fest, welche Signale wie stark zählen?

Diese Frage verbindet Mathematik mit Informatik und Ethik.

Personalisierung: Gleicher Dienst, unterschiedliche Auswahl

Personalisierung bedeutet, dass ein System Inhalte oder Reihenfolgen an einzelne Personen, Gruppen oder Situationen anpasst.

Das kann hilfreich sein:

Ein Lernsystem empfiehlt passend zum bisherigen Lernstand neue Übungen.
Eine Mediathek schlägt ähnliche Themen vor.
Ein Musikdienst erleichtert das Entdecken neuer Stücke.

Es kann aber auch Folgen haben:

Unterschiedliche Personen sehen nicht dieselbe Auswahl.
Häufig gezeigte Themen können besonders wichtig wirken, obwohl nur die Auswahl anders ist.
Überraschende oder widersprechende Perspektiven können seltener auftauchen.
Personalisierung kann dazu beitragen, Aufmerksamkeit länger auf einer Plattform zu halten.

Eine Empfehlung ist keine neutrale Wahrheit

Wenn ein System Dir etwas empfiehlt, lautet die Aussage nicht: Das ist objektiv der beste Inhalt.

Genauer wäre:

Nach den Regeln, Daten und Zielen dieses Systems erscheint dieser Inhalt gerade als passend oder erfolgversprechend.

Diese Unterscheidung schützt vor einer typischen Fehlvorstellung.

Aufmerksamkeit als knappe Ressource

Deine Zeit und Aufmerksamkeit sind begrenzt. Viele digitale Angebote konkurrieren darum, dass Menschen etwas anklicken, anschauen oder weiter nutzen.

Ein System kann deshalb nicht nur fragen:

Was könnte Dir gefallen?

Es kann auch indirekt darauf optimiert sein:

Was erhöht die Wahrscheinlichkeit, dass Du weiter ansiehst, reagierst oder wiederkommst?

Das bedeutet nicht, dass jede Empfehlung manipulativ ist. Es bedeutet aber, dass Du nach den Zielen eines Systems fragen solltest.

Mini-Reflexion: Welche Gestaltungselemente können dazu führen, dass Menschen länger weiterschauen? Welche davon kannst Du bewusst unterbrechen?

Dateninteressen und mögliche Geschäftsmodelle

Digitale Dienste können auf unterschiedliche Weise finanziert werden. Manche werden direkt bezahlt, manche durch öffentliche Mittel, manche durch Werbung, manche durch Mischformen.

Bei werbefinanzierten Angeboten kann es wirtschaftlich interessant sein, dass Menschen möglichst lange aktiv bleiben oder dass Werbung möglichst passend ausgespielt wird. Nutzungsdaten können dabei helfen, Interessen zu schätzen und Zielgruppen zu bilden.

Ein einfaches Modell lautet:

Nutzung → Daten über Verhalten → Schätzung von Interessen → Auswahl von Inhalten oder Werbung → weitere Nutzung

Dabei musst Du zwei Dinge auseinanderhalten:

Empfehlung von Inhalten: Welche Beiträge werden Dir gezeigt?
Personalisierte Werbung: Welche Werbung wird für Dich ausgewählt?

Beides kann Daten verwenden, verfolgt aber nicht zwingend dasselbe Ziel.

Sicherheitsregel: Gib nicht unnötig persönliche Daten preis. Besonders sensible Angaben wie genaue Adresse, Passwörter, private Bilder oder Gesundheitsinformationen gehören nicht in öffentliche Profile oder unbekannte Systeme.

Was ist eine Filterblase?

Der Begriff Filterblase beschreibt die Vorstellung, dass personalisierte Auswahl dazu führen kann, dass eine Person überwiegend Inhalte sieht, die zu ihren bisherigen Interessen oder Ansichten passen, während andere Sichtweisen seltener auftauchen.

Die Bildidee ist einfach: Einige Informationen gelangen durch den Filter, andere nicht.

Doch die Wirklichkeit ist komplizierter. Menschen erhalten Informationen nicht nur durch Empfehlungssysteme. Sie sprechen mit Freundinnen und Freunden, besuchen Schule, lesen Nachrichten, suchen aktiv, sehen zufällige Inhalte oder folgen verschiedenen Quellen.

Deshalb ist die Aussage „Jeder personalisierte Feed erzeugt automatisch eine vollständig geschlossene Filterblase“ zu einfach. Forschung diskutiert, wie stark algorithmische Auswahl, eigenes Auswahlverhalten, soziale Gruppen und andere Faktoren zusammenwirken. Eine Filterblase ist deshalb vor allem ein nützliches Denkmodell für mögliche Verengung, nicht der Beweis dafür, dass jede Person völlig abgeschirmt ist.

Prüfauftrag: Welche Rolle spielen im Video eigene Klicks, technische Auswahl und andere Menschen? Formuliere danach einen Satz, der weder „Algorithmen sind an allem schuld“ noch „Algorithmen haben gar keinen Einfluss“ behauptet.

Filterblase und Echokammer sind nicht dasselbe

Eine Echokammer entsteht, wenn ähnliche Ansichten in einer Gruppe immer wieder bestätigt und weitergegeben werden. Eine Filterblase betont stärker die Auswahl durch technische Personalisierung.

Ein Beispiel:

Filterblase: Ein Empfehlungssystem zeigt Lea besonders viele Beiträge, die zu ihrem bisherigen Interesse passen.

Echokammer: In einer Gruppe teilen mehrere Menschen immer wieder dieselbe Meinung und widersprechende Beiträge werden kaum beachtet oder abgewertet.

Beides kann sich gegenseitig verstärken, muss aber nicht gemeinsam auftreten.

Warum Perspektivenvielfalt wichtig ist

Bei einem Witzvideo ist es meist unproblematisch, wenn Du ähnliche Witze empfohlen bekommst. Bei Themen wie Gesundheit, Umwelt, Politik, Konflikten oder gesellschaftlichen Regeln kann eine einseitige Auswahl dagegen problematischer werden.

Perspektivenvielfalt bedeutet nicht, jede Behauptung müsse gleich glaubwürdig sein. Eine nachweislich falsche Behauptung wird nicht dadurch richtig, dass sie eine „andere Perspektive“ ist.

Perspektivenvielfalt bedeutet vielmehr:

verschiedene begründete Sichtweisen wahrnehmen,
Quellen und Belege vergleichen,
Interessen erkennen,
zwischen Meinung und überprüfbarer Tatsachenbehauptung unterscheiden,
eine eigene Position begründen.

Das verbindet Deutsch, Ethik, Gemeinschaftskunde und Medienbildung.

Die 4-P-Prüfroutine

Für diesen Kurs verwenden wir eine einfache Lernroutine. Sie ist eine Unterrichtsstrategie und kein offizieller technischer Standard.

Schritt	Frage	Beispiel
Pause	Muss ich sofort weiterklicken?	Autoplay stoppen, Feed kurz schließen oder bewusst warten.
Prüfen	Wer zeigt mir das, welche Quelle steckt dahinter und welche Belege gibt es?	Autor, Datum und Herkunft suchen.
Perspektive wechseln	Welche Sicht fehlt?	Einen zweiten Suchbegriff oder eine unabhängige Quelle nutzen.
Entscheiden	Was möchte ich jetzt selbst tun?	Weiter ansehen, vergleichen, speichern, ignorieren oder gezielt suchen.

Die 4-P-Routine stärkt Deine Handlungsfähigkeit: Du reagierst nicht nur auf Vorschläge, sondern triffst bewusst eigene Entscheidungen.

Realistische Anwendungssituation: Der Streit um den Schulgarten

In einer Schule wird diskutiert:

Soll ein Teil des Schulhofs in einen Schulgarten umgewandelt werden?

Mina schaut mehrere kurze Videos zum Thema. Ihr Feed zeigt bald fast nur noch Beiträge mit Vorteilen eines Schulgartens. Tarek sieht dagegen hauptsächlich Videos über Kosten, Pflegeaufwand und Platzverlust.

Beide sagen danach:

„Alle vernünftigen Beiträge bestätigen meine Meinung.“

Auftrag 1: Beobachtung statt Schnellurteil

Prüfe zunächst:

Frage	Mina	Tarek
Welche Inhalte sieht die Person häufig?	Vorteile	Nachteile
Weißt Du sicher, warum diese Auswahl entstanden ist?	Nein	Nein
Könnten frühere Klicks eine Rolle spielen?	Ja	Ja
Sind die häufigsten Beiträge automatisch die besten Belege?	Nein	Nein

Auftrag 2: 4-P-Routine anwenden

Pause: Beide stoppen das Weiterscrollen.

Prüfen: Sie untersuchen bei je zwei Beiträgen Quelle, Datum und Belege.

Perspektive wechseln: Beide suchen gezielt nach Informationen, die in ihrem bisherigen Feed kaum vorkamen, zum Beispiel nach Erfahrungen anderer Schulen, Kosten, Nutzen für Natur und Unterricht sowie möglichen Alternativen.

Entscheiden: Sie erstellen gemeinsam eine Pro-und-Contra-Tabelle und begründen anschließend eine eigene Position.

Auftrag 3: Transfer

Erkläre, warum der Satz „Mein Feed zeigt es oft, also muss es stimmen“ ein Denkfehler ist.

Eine gute Antwort enthält mindestens zwei Gedanken:

Häufigkeit in einem personalisierten Feed ist kein Wahrheitsbeweis.
Auswahl kann von Nutzungsverhalten, Systemregeln und Zielen beeinflusst sein.

Fachübergreifende Verbindungen

Fach	Verbindung zum Thema	Mögliche Aktivität
Informatik	Algorithmen, Eingaben, Regeln, Daten, Ranking	Ein vereinfachtes Empfehlungssystem mit Karten oder Punkten modellieren
Deutsch	Sprache, Überschriften, Argumente, Quellen	Zwei Beiträge zum selben Thema auf Wortwahl und Belege vergleichen
Mathematik	Punkte, Häufigkeiten, Tabellen, Rangfolgen	Ein einfaches Ranking berechnen und die Grenzen des Modells erklären
Naturwissenschaften	Hypothesen, Beobachtung, Belege, faire Tests	Unterscheiden, was beobachtet wurde und was nur vermutet wird
Kunst	Bildwirkung, Aufmerksamkeit, Gestaltung	Ein neutrales und ein aufmerksamkeitsstarkes Vorschaubild gestalten und vergleichen
Ethik	Selbstbestimmung, Fairness, Verantwortung	Diskutieren, wann Personalisierung hilfreich oder unfair sein kann
Gemeinschaftskunde	Meinungsbildung, Öffentlichkeit, Perspektivenvielfalt	Untersuchen, warum verschiedene Informationsquellen für demokratische Diskussionen wichtig sind
Medienbildung	Quellenkritik, Datenschutz, bewusste Nutzung	Die 4-P-Routine auf einen neuen Feed anwenden

Typische Fehlvorstellungen korrigieren

Fehlvorstellung	Bessere Erklärung
„Der Algorithmus weiß, was wahr ist.“	Ein Empfehlungssystem ordnet Inhalte nach bestimmten Regeln und Signalen. Eine hohe Platzierung ist kein Wahrheitsbeweis.
„Alle Menschen sehen dasselbe.“	Personalisierte Systeme können unterschiedliche Inhalte oder Reihenfolgen anzeigen.
„Ein einziger Klick entscheidet für immer.“	Ein Klick kann ein Signal sein, aber Systeme verwenden meist mehrere Signale und können sich weiter verändern.
„Filterblasen sind immer vollständig geschlossen.“	Personalisierung kann Perspektiven verengen, aber Menschen erhalten Informationen auch aus anderen Quellen. Die Stärke des Effekts ist nicht in jeder Situation gleich.
„Personalisierung ist immer schlecht.“	Sie kann Orientierung erleichtern. Problematisch kann sie werden, wenn wichtige Alternativen unsichtbar bleiben oder Menschen Empfehlungen unkritisch übernehmen.
„Ich habe keinen Einfluss.“	Du kannst suchen, Quellen wechseln, Einstellungen nutzen, Empfehlungen überspringen, Verlaufsmöglichkeiten prüfen und bewusst andere Perspektiven aufrufen.

Selbstbestimmte Nutzung: Was Du konkret tun kannst

Autoplay bewusst stoppen, wenn Du nur „noch eins“ schaust, ohne es entschieden zu haben.
Nicht nur auf den Startfeed verlassen, sondern wichtige Themen aktiv suchen.
Bei kontroversen Fragen mindestens zwei voneinander unabhängige Quellen vergleichen.
Unterschiedliche Suchbegriffe ausprobieren, auch solche, die nicht zur eigenen ersten Vermutung passen.
Prüfen, ob ein Beitrag Information, Meinung, Unterhaltung oder Werbung sein soll.
Datenschutz- und Personalisierungseinstellungen gemeinsam mit einer vertrauenswürdigen erwachsenen Person prüfen, wenn Du unsicher bist.
Bei unangenehmen, gefährlichen oder bedrängenden Inhalten Hilfe holen, statt allein weiterzusuchen.

KI verantwortungsvoll nutzen

Auch KI-Systeme können Inhalte auswählen, zusammenfassen oder Antworten erzeugen. Dabei gelten ähnliche Grundfragen:

Welche Daten oder Quellen wurden verwendet? Welche Perspektive fehlt? Ist die Antwort überprüfbar?

Für schulische Aufgaben kannst Du KI so verantwortungsvoll einsetzen:

Bitte nicht nur um „die richtige Meinung“, sondern um mehrere begründete Perspektiven.
Lass Dir mögliche Gegenargumente nennen und prüfe sie mit verlässlichen Quellen.
Übernimm keine Aussage nur deshalb, weil sie flüssig formuliert ist.
Gib keine unnötigen persönlichen oder sensiblen Daten ein.
Kennzeichne die Nutzung von KI, wenn Eure Schule oder Aufgabe dies verlangt.
Nutze KI als Werkzeug zum Fragen, Vergleichen und Überarbeiten, nicht als Ersatz für eigenes Denken.

Selbstkontrolle vor den interaktiven Aufgaben

Kannst Du diese fünf Sätze mit eigenen Worten vervollständigen?

Ein Empfehlungssystem ...
Personalisierung bedeutet ...
Eine Empfehlung beweist nicht ...
Eine mögliche Filterblase kann entstehen, wenn ...
Mit der 4-P-Routine kann ich ...

Wenn Dir ein Satz schwerfällt, gehe zum passenden Abschnitt zurück. Ziel ist nicht schnelles Auswendiglernen, sondern eine sichere Erklärung mit eigenen Beispielen.

Interaktive Aufgaben

Quiz: Teste Dein Wissen

Warum verwendet ein Empfehlungssystem Signale wie Klicks oder Wiedergabedauer? (Um abzuschätzen welche Inhalte für eine Person interessant sein könnten) (!Um sicher festzustellen welche Meinung eine Person hat) (!Um automatisch zu beweisen welche Inhalte wahr sind) (!Um für alle Menschen denselben Feed zu erzeugen)

Was bedeutet Personalisierung? (Inhalte oder Reihenfolgen werden an Personen oder Situationen angepasst) (!Alle Menschen erhalten immer dieselbe Reihenfolge) (!Nur bezahlte Werbung wird entfernt) (!Das Internet wird vollständig zufällig sortiert)

Welche Aussage über Daten ist am genauesten? (Ein beobachtetes Verhalten erlaubt Vermutungen aber keine sichere Gedankenlesung) (!Ein Klick verrät immer den genauen Grund für ein Interesse) (!Wiedergabedauer beweist automatisch Zustimmung) (!Gesammelte Daten sind immer vollständig und fehlerfrei)

Warum ist die Häufigkeit eines Beitrags im Feed kein Wahrheitsbeweis? (Weil Auswahl und Reihenfolge von Regeln Signalen und Zielen des Systems beeinflusst sein können) (!Weil häufige Beiträge grundsätzlich falsch sind) (!Weil Algorithmen nie Daten verwenden) (!Weil Wahrheit nur von der Länge eines Beitrags abhängt)

Was beschreibt eine mögliche Filterblase am besten? (Eine personalisierte Auswahl kann ähnliche Inhalte verstärken und andere Perspektiven seltener sichtbar machen) (!Alle Nutzerinnen und Nutzer erhalten automatisch dieselben Nachrichten) (!Nur Werbung wird aus dem Internet entfernt) (!Eine Person verliert vollständig den Zugang zum Internet)

Was unterscheidet eine Echokammer von einer Filterblase? (Bei einer Echokammer bestätigen sich ähnliche Ansichten innerhalb einer Gruppe besonders stark) (!Eine Echokammer ist ein anderes Wort für Passwortschutz) (!Eine Filterblase entsteht nur ohne Internet) (!Eine Echokammer zeigt immer zufällige Inhalte)

Welche Handlung passt zur 4-P-Routine? (Eine zweite unabhängige Quelle suchen bevor Du eine wichtige Behauptung übernimmst) (!Den ersten empfohlenen Beitrag sofort teilen) (!Nur Beiträge lesen die zur eigenen Meinung passen) (!Persönliche Daten veröffentlichen damit Empfehlungen genauer werden)

Warum kann Aufmerksamkeit für manche Geschäftsmodelle wichtig sein? (Längere Nutzung kann mehr Möglichkeiten für Werbung oder weitere Interaktionen schaffen) (!Aufmerksamkeit ersetzt jede Form von Finanzierung) (!Je länger man schaut desto wahrer wird ein Beitrag) (!Geschäftsmodelle haben nie etwas mit Nutzung zu tun)

Welche Aussage über Personalisierung ist angemessen? (Sie kann hilfreich sein aber auch Auswahl verengen) (!Sie ist immer schädlich) (!Sie ist immer neutral und ohne Folgen) (!Sie bedeutet dass keine Daten verarbeitet werden können)

Wie kannst Du Deine Selbstbestimmung bei Empfehlungen stärken? (Bewusst suchen Quellen vergleichen und Empfehlungen nicht automatisch übernehmen) (!Jede Empfehlung sofort öffnen) (!Nur eine einzige Quelle verwenden) (!Nie nach der Herkunft eines Beitrags fragen)

Memory

Empfehlungssystem	ordnet oder schlägt Inhalte vor
Personalisierung	passt Auswahl an Personen oder Situationen an
Datensignal	beobachtete Information über Nutzung
Ranking	Reihenfolge nach einer Bewertung
Filterblase	mögliche Verengung auf ähnliche Inhalte
Echokammer	gegenseitige Bestätigung in einer Gruppe
Perspektivenwechsel	gezieltes Suchen nach einer weiteren Sichtweise

Drag and Drop

Ordne die richtigen Begriffe zu.	Thema
Klick oder lange Wiedergabe	Datensignal
Sortierte Liste von Beiträgen	Ranking
Anpassung an vermutete Interessen	Personalisierung
Gezielte Suche nach einer Gegenposition	Perspektivenwechsel
Bewusste Entscheidung statt automatischem Weiterscrollen	Selbstbestimmung

Kreuzworträtsel

Algorithmus	Wie heißt eine genaue Folge von Regeln oder Verarbeitungsschritten?
Ranking	Wie nennt man die geordnete Reihenfolge bewerteter Inhalte?
Daten	Welches Wort bezeichnet gespeicherte oder verarbeitete Informationen?
Filterblase	Wie heißt das Denkmodell einer möglichen Verengung personalisierter Inhalte?
Quelle	Was solltest Du bei einer wichtigen Behauptung immer prüfen?
Vielfalt	Welches Wort beschreibt das Vorhandensein unterschiedlicher Perspektiven?

LearningApps

Lückentext

Ein

wählt aus vielen möglichen Inhalten einige Vorschläge aus oder ordnet sie. Wenn die Auswahl an eine Person angepasst wird, spricht man von

. Ein Klick oder eine lange Wiedergabedauer kann als

verwendet werden. Aus einem solchen Signal entsteht jedoch nur eine

über Interessen. Die sortierte Reihenfolge von Inhalten nennt man

. Eine mögliche Verengung auf ähnliche Inhalte wird oft mit dem Begriff

beschrieben. Eine Gruppe, in der ähnliche Ansichten immer wieder gegenseitig bestätigt werden, kann als

bezeichnet werden. Bei wichtigen Themen hilft ein bewusster

. Vor dem Teilen einer Behauptung sollte die

geprüft werden. Mit der 4-P-Routine stärkst Du Deine

.

Interaktive Aufgaben in drei Schwierigkeitsgraden

Leicht: Signale erkennen

Lies die vier Beobachtungen und entscheide jeweils: Beobachtung, Vermutung oder Entscheidung des Systems?

Aussage	Kategorie
Sam sieht drei Videos über Fahrräder.	Beobachtung
Das System nimmt an dass Sam Fahrräder interessant findet.	Vermutung
Weitere Fahrrad-Videos erscheinen weiter oben.	Entscheidung des Systems
Sam könnte die Videos für ein Schulprojekt angesehen haben.	alternative Erklärung

Selbstkontrolle: Kannst Du erklären, warum Beobachtung und Vermutung nicht dasselbe sind?

Standard: Ranking vergleichen

Ein vereinfachtes Unterrichtsmodell vergibt Punkte. Thema A erhält 8 Punkte, Thema B 5 Punkte und Thema C 2 Punkte.

Aufgabe: Ordne die Themen nach dem Modell. Erkläre danach, warum diese Rangfolge nicht beweist, welches Thema wichtiger oder wahrer ist.

Schwer: Zielkonflikt beurteilen

Ein System soll gleichzeitig:

interessante Inhalte empfehlen,
neue Perspektiven zeigen,
Nutzerinnen und Nutzer nicht mit ungeeigneten Inhalten überfordern,
möglichst transparent arbeiten.

Aufgabe: Begründe, warum diese Ziele manchmal miteinander in Konflikt geraten können. Entwickle zwei Regeln, mit denen ein kindgerechtes Empfehlungssystem fairer und selbstbestimmter gestaltet werden könnte.

Reflexion: Wer steuert wen?

Beantworte drei Fragen schriftlich:

Wann hilft Dir eine Empfehlung wirklich?
Wann bemerkst Du, dass Du nur noch weiterschaust, obwohl Du das ursprünglich nicht wolltest?
Welche Einstellung oder Gewohnheit könnte Dir helfen, wieder selbst zu entscheiden?

Es geht nicht darum, digitale Angebote grundsätzlich abzulehnen. Ziel ist ein bewusster Umgang: Du sollst Empfehlungen nutzen können, ohne ihnen ausgeliefert zu sein.

Transfer: Neue Beispiele erkennen

Prüfe, ob die Grundidee eines Empfehlungssystems auch in diesen Situationen vorkommen könnte:

Situation	Mögliche Personalisierung?	Prüffrage
Lernplattform schlägt nächste Übung vor	Ja	Welche Lerninformationen werden verwendet?
Musik-App erstellt eine persönliche Liste	Ja	Welche bisherigen Hörsignale zählen?
Online-Shop ordnet Produkte	Ja	Geht es um Passung Verkauf oder beides?
Schulbibliothek zeigt eine feste Liste für alle	Nicht unbedingt personalisiert	Nach welchen festen Regeln wurde ausgewählt?
Nachrichten-App zeigt jedem andere Themen	Möglich	Welche Perspektiven fehlen und warum?

Transferregel: Frage bei neuen Beispielen immer nach Eingaben, Auswahlregel, Ziel, Ausgabe und fehlenden Alternativen.

Offene Aufgaben

Leicht

Feed-Beobachtung: Zeichne zwei erfundene Feeds für zwei Personen mit unterschiedlichen Interessen. Markiere, welche Signale zu den Unterschieden geführt haben könnten.
Perspektiven-Suche: Wähle ein harmloses Schulthema und formuliere drei verschiedene Suchbegriffe, die unterschiedliche Blickwinkel sichtbar machen könnten.
Aufmerksamkeitsdetektiv: Sammle in einer App oder auf einer Webseite Gestaltungselemente, die zum Weiterklicken anregen. Nutze keine privaten Screenshots anderer Personen.
Begriffserklärung: Erkläre Empfehlungssystem, Personalisierung und Filterblase mit einem eigenen Beispiel für eine jüngere Schülerin oder einen jüngeren Schüler.

Standard

Mini-Ranking: Entwickle mit Karten ein Empfehlungssystem für Bücher in der Klassenbibliothek. Lege drei Signale fest und teste, welche unerwarteten Ergebnisse entstehen.
Quellenvergleich: Vergleiche zwei sachliche Beiträge zu demselben Thema. Untersuche Quelle, Datum, Belege, Sprache und fehlende Perspektiven.
Vier-P-Poster: Gestalte ein Poster oder eine digitale Grafik zur 4-P-Routine Pause, Prüfen, Perspektive wechseln, Entscheiden.
Interview zur Mediennutzung: Befrage freiwillig eine Person dazu, wann Empfehlungen hilfreich oder störend sind. Frage nicht nach Passwörtern, privaten Chats oder sensiblen Daten.

Schwer

Fairer Feed: Entwirf Regeln für einen Feed, der passende Inhalte zeigt und gleichzeitig bewusst neue Perspektiven einstreut. Begründe jede Regel.
Geschäftsmodell-Analyse: Vergleiche zwei erfundene Plattformmodelle, eines mit Abo und eines mit Werbung. Untersuche, welche Ziele die Empfehlungssysteme jeweils haben könnten.
Filterblasen-Experiment: Plane ein faires Klassenexperiment mit identischen Suchaufträgen und unterschiedlichen Suchbegriffen. Formuliere vorher Hypothese, Beobachtungskriterien und Datenschutzregeln. Nutze nur schulisch freigegebene Angebote.
KI-Perspektivencheck: Lasse ein freigegebenes KI-System zu einer Sachfrage drei mögliche Perspektiven nennen. Prüfe anschließend jede wichtige Aussage mit unabhängigen Quellen und dokumentiere, welche Punkte Du korrigieren musstest.

Lernkontrolle

Neues Beispiel erklären: Eine App empfiehlt nach mehreren Kochvideos fast nur noch Rezepte. Erkläre mit den Begriffen Signal, Personalisierung und Ranking, was passiert sein könnte, ohne so zu tun, als könntest Du den genauen Algorithmus kennen.
Fehlvorstellung korrigieren: Ein Mitschüler sagt: „Wenn ein Video ganz oben steht, ist es bestimmt wahr.“ Formuliere eine sachliche Antwort und nenne zwei sinnvolle Prüfschritte.
Zielkonflikt beurteilen: Ein Lernsystem möchte passende Aufgaben empfehlen, aber auch verhindern, dass Lernende immer nur sehr leichte Aufgaben wählen. Entwickle eine faire Lösung und begründe sie.
Perspektivenvielfalt planen: Du sollst Dich über ein kontroverses Umweltthema informieren. Erstelle eine Suchstrategie mit mindestens drei unterschiedlichen Quellentypen und erkläre, warum diese Mischung sinnvoll ist.
Dateninteresse übertragen: Ein kostenloses Spiel zeigt personalisierte Werbung. Erkläre, warum Nutzungsdaten wirtschaftlich interessant sein könnten, und nenne zwei datensparsame Verhaltensweisen.
Human Agency: Entwickle eine persönliche Regel, mit der Du bei endlosen Feeds selbst entscheidest, wann Du weitermachst und wann Du stoppst. Begründe, warum diese Regel funktionieren könnte.

Lernnachweis

Für einen Lernnachweis zu diesem Thema ist wichtig, dass Du nicht nur Begriffe nennen kannst, sondern Zusammenhänge erklärst und auf neue Situationen überträgst.

Du erklärst die Grundidee eines Empfehlungssystems mit Eingaben, Signalen, Auswahl und Ausgabe.
Du unterscheidest Beobachtung, Vermutung und Entscheidung eines Systems.
Du erklärst Chancen und Risiken von Personalisierung.
Du beschreibst eine Filterblase als mögliche Verengung, ohne sie als automatisch vollständig geschlossene Welt darzustellen.
Du unterscheidest Filterblase und Echokammer.
Du erklärst, warum Aufmerksamkeit und Daten für bestimmte Geschäftsmodelle interessant sein können.
Du wendest die 4-P-Routine selbstständig auf ein neues Beispiel an.
Du prüfst Quellen und suchst gezielt nach zusätzlichen Perspektiven.
Du korrigierst typische Fehlvorstellungen mit nachvollziehbaren Begründungen.
Du zeigst, wie Du Empfehlungen und KI-Werkzeuge selbstbestimmt, sicher und verantwortungsvoll nutzen kannst.

OERs zum Thema

Medienhinweise für Lehrkräfte

Die eingebundenen Wikimedia-Commons-Grafiken eignen sich besonders für eine gemeinsame Bildanalyse. Dabei sollte die Lerngruppe nicht nur beschreiben, was dargestellt wird, sondern auch prüfen, welches Modell die Grafik vereinfacht.

Für eine Unterrichtsstunde reicht in der Regel ein Video. Bei zwei Unterrichtsstunden können die Videos arbeitsteilig genutzt werden. Ein sinnvolles Vorgehen ist:

Video kurz ansehen.
Eine Beobachtungsfrage bearbeiten.
Aussage mit dem Kurstext vergleichen.
Einen Punkt nennen, der im Video vereinfacht oder ergänzt werden müsste.

So bleiben Videos Lernmaterial und werden nicht zum passiven Zeitfüller.

Verknüpfte Lernbereiche

Empfehlungssysteme und Filterblasen verstehen

aiMOOC-Projekte

Inhalte werden geladen ...

Mediathek wird aus dem Wiki geladen ...

Frag mich zum aktuellen Lerninhalt oder wähle eine kurze Hilfe.

Textmodus bereit

Sprache