Künstliche Intelligenz - aiMOOC
Künstliche Intelligenz - aiMOOC
Einleitung
Künstliche Intelligenz kurz KI bezeichnet ein Teilgebiet der Informatik, das sich mit Systemen beschäftigt, die Aufgaben lösen, für die beim Menschen häufig Intelligenz, Lernen, Wahrnehmung, Sprache, Planung oder Problemlösen nötig sind. KI-Systeme können Daten verarbeiten, Muster erkennen, Entscheidungen vorbereiten, Texte erzeugen, Bilder analysieren oder Vorschläge machen. Dabei handelt es sich nicht um Magie und auch nicht um menschliches Bewusstsein, sondern um Algorithmen, Daten, Statistik, Mathematik und Programme.
Im Alltag begegnet Dir KI zum Beispiel bei Suchmaschinen, Spracherkennung, Übersetzungsprogrammen, Navigation, Empfehlungssystemen, Bilderkennung, Chatbots, medizinischer Diagnostik, Robotik oder automatisierter Qualitätskontrolle. Besonders sichtbar wurde KI durch moderne generative KI, die Texte, Bilder, Musik, Programmcode oder Videos erzeugen kann. Damit entstehen große Chancen für Bildung, Wissenschaft, Wirtschaft und Kreativität, aber auch Risiken in Bezug auf Datenschutz, Urheberrecht, Bias, Desinformation, Transparenz und Verantwortung.
{{#ev:youtube| https://www.youtube.com/watch?v=fT69SLK2m9I |500|center}}
Was ist Künstliche Intelligenz?
Eine einheitliche Definition von Künstlicher Intelligenz gibt es nicht. Häufig wird KI als Fähigkeit technischer Systeme beschrieben, Aufgaben zu bearbeiten, die normalerweise menschliche kognitive Fähigkeiten erfordern. Dazu gehören Wahrnehmung, Lernen, Schlussfolgerung, Sprache, Entscheidung und Handlung. Wichtig ist: Ein KI-System versteht die Welt nicht automatisch so wie ein Mensch. Es verarbeitet Eingaben nach bestimmten Regeln oder nach gelernten Mustern und gibt Ergebnisse aus.
KI kann eng oder breit gedacht werden. Schwache KI ist auf bestimmte Aufgaben spezialisiert, etwa eine Sprache zu übersetzen, ein Gesicht zu erkennen oder eine Schachstellung zu bewerten. Die heute praktisch genutzten Systeme gehören fast immer zu dieser Form. Starke KI oder künstliche allgemeine Intelligenz wäre ein System, das ähnlich flexibel wie ein Mensch in sehr vielen Bereichen lernen, verstehen und handeln könnte. Eine solche allgemeine KI ist bisher nicht nachgewiesen und bleibt ein Forschungs- und Zukunftsthema.
Historische Entwicklung
Die Idee denkender Maschinen ist älter als der Computer. Schon in der Philosophie und Mathematik wurde darüber nachgedacht, ob Denken formalisierbar ist. Im 20. Jahrhundert schufen Alan Turing und andere Forschende wichtige Grundlagen der theoretischen Informatik. Der Begriff Artificial Intelligence wurde 1956 auf der Dartmouth Conference geprägt. Frühe KI-Systeme arbeiteten oft mit festen Regeln, logischen Symbolen und Expertenwissen. Diese Richtung nennt man heute häufig Symbolische künstliche Intelligenz.
Später gewann das Maschinelle Lernen an Bedeutung. Dabei werden Regeln nicht vollständig von Menschen programmiert, sondern aus Beispieldaten abgeleitet. Mit leistungsfähigen Computern, großen Datenmengen und verbesserten Verfahren entwickelte sich besonders seit den 2010er-Jahren das Deep Learning stark weiter. Seit den 2020er-Jahren prägen große Sprachmodelle und Generative KI die öffentliche Diskussion, weil sie natürlichsprachliche Texte erzeugen und viele Aufgaben dialogisch unterstützen können.
Grundbegriffe der KI
- Algorithmus: Eine eindeutige Abfolge von Schritten, mit der ein Problem gelöst oder eine Aufgabe bearbeitet wird.
- Daten: Informationen, aus denen ein KI-System Muster erkennen, Regeln ableiten oder Vorhersagen treffen kann.
- Modell: Eine mathematische oder algorithmische Struktur, die nach dem Training Eingaben verarbeitet und Ausgaben erzeugt.
- Training: Der Prozess, in dem ein Modell anhand von Beispielen angepasst wird.
- Inferenz: Die Anwendung eines trainierten Modells auf neue Eingaben.
- Bias: Eine systematische Verzerrung in Daten, Modellen oder Ergebnissen.
- Prompt: Eine Eingabe oder Arbeitsanweisung, mit der ein generatives KI-System gesteuert wird.
- Evaluation: Die Überprüfung, wie zuverlässig, fair, sicher und nützlich ein KI-System arbeitet.
Maschinelles Lernen
Maschinelles Lernen ist ein Teilgebiet der KI. Ein System wird dabei nicht für jede einzelne Situation von Hand programmiert, sondern lernt aus Beispielen. Wenn ein Modell zum Beispiel viele Bilder von Katzen und Hunden sieht, kann es statistische Muster erkennen, die später bei der Einordnung neuer Bilder helfen. Dieses Lernen ist jedoch abhängig von der Qualität und Vielfalt der Daten.
Man unterscheidet mehrere Lernformen. Beim überwachten Lernen werden Trainingsdaten mit richtigen Lösungen bereitgestellt. Beim unüberwachten Lernen sucht das System selbst nach Mustern oder Gruppen in Daten. Beim bestärkenden Lernen erhält ein System Rückmeldungen in Form von Belohnungen oder Strafen und verbessert dadurch seine Strategie. In der Praxis werden diese Ansätze oft kombiniert.
Künstliche neuronale Netze und Deep Learning
Künstliche neuronale Netze sind Modelle, die grob von biologischen Nervennetzen inspiriert sind, aber nicht mit dem menschlichen Gehirn gleichgesetzt werden dürfen. Sie bestehen aus Schichten künstlicher Knoten, die Eingaben gewichten, weiterverarbeiten und Ausgaben erzeugen. Durch Training werden diese Gewichtungen angepasst.
Deep Learning nutzt neuronale Netze mit vielen Schichten. Dadurch können komplexe Muster in Bildern, Sprache, Ton, Text oder Sensordaten erkannt werden. Deep Learning ist besonders leistungsfähig, benötigt aber häufig große Datenmengen, viel Rechenleistung und sorgfältige Kontrolle. Ein Modell kann gute Ergebnisse liefern und trotzdem Fehler machen, weil es nicht im menschlichen Sinn versteht, sondern Wahrscheinlichkeiten und Muster verarbeitet.
Generative KI
Generative KI erzeugt neue Inhalte. Dazu gehören Texte, Bilder, Musik, Programmcode, Präsentationen, Simulationen oder Videos. Ein Chatbot kann zum Beispiel einen Textentwurf schreiben, eine Zusammenfassung erstellen oder Ideen sammeln. Ein Bildgenerator kann aus einer Beschreibung ein Bild erzeugen. Solche Systeme arbeiten mit Mustern aus Trainingsdaten und erzeugen Ausgaben, die plausibel wirken können.
Gerade deshalb ist kritisches Denken wichtig. Generative KI kann falsche Informationen erfinden, Quellen ungenau wiedergeben oder scheinbar überzeugende Antworten formulieren, obwohl sie sachlich nicht stimmen. Solche Fehler werden oft als Halluzinationen bezeichnet. Wenn Du KI nutzt, solltest Du Ergebnisse prüfen, wichtige Aussagen mit verlässlichen Quellen vergleichen und eigene Verantwortung übernehmen.
KI im Alltag
KI ist in vielen digitalen Systemen unsichtbar eingebaut. Empfehlungssysteme schlagen Filme, Musik, Produkte oder Nachrichten vor. Spamfilter sortieren unerwünschte E-Mails aus. Navigationssysteme berechnen Routen. Spracherkennung wandelt gesprochene Sprache in Text um. Bilderkennung hilft bei der Suche in Fotos oder bei medizinischen Bildanalysen. In der Industrie 4.0 unterstützt KI die Wartung von Maschinen, die Planung von Lieferketten und die Qualitätskontrolle.
Auch in der Schule und Hochschule kann KI hilfreich sein. Du kannst Dir schwierige Begriffe erklären lassen, Lernpläne erstellen, Texte überarbeiten, Übungsaufgaben erzeugen oder Programmierfehler finden. Trotzdem ersetzt KI nicht das eigene Denken. Besonders bei Prüfungen, wissenschaftlichen Arbeiten und kreativen Projekten muss klar sein, welche Hilfsmittel erlaubt sind und was Deine eigene Leistung ist.
Chancen der KI
KI kann Menschen entlasten, wenn sie monotone oder datenintensive Aufgaben unterstützt. Sie kann in der Medizin Hinweise auf Krankheiten liefern, in der Klimaforschung große Datenmengen auswerten, in der Barrierefreiheit Texte vorlesen oder Sprache übersetzen und in der Bildung individuelles Üben ermöglichen. Unternehmen können mit KI Prozesse verbessern, Fehler schneller erkennen oder neue Produkte entwickeln.
Eine besonders große Chance liegt darin, dass KI Menschen beim Lernen unterstützen kann. Sie kann Fragen beantworten, Beispiele geben, Rückmeldungen formulieren und verschiedene Erklärniveaus anbieten. Gleichzeitig muss Bildung vermitteln, wie KI verantwortungsvoll genutzt wird. Wer KI nur benutzt, ohne sie zu verstehen, wird leichter durch falsche Ergebnisse, manipulative Inhalte oder scheinbare Objektivität getäuscht.
Risiken und ethische Fragen
KI wirft wichtige ethische und gesellschaftliche Fragen auf. Wenn Trainingsdaten einseitig oder diskriminierend sind, können auch die Ergebnisse einseitig oder diskriminierend sein. Das betrifft zum Beispiel Bewerbungsverfahren, Kreditentscheidungen, Gesichtserkennung oder polizeiliche Analysen. Deshalb sind Fairness, Transparenz, Erklärbarkeit und Kontrolle zentrale Themen.
Ein weiteres Risiko ist Desinformation. KI kann Texte, Bilder, Stimmen und Videos erzeugen, die echt wirken, aber manipuliert sind. Solche Inhalte können politische Meinungen beeinflussen, Betrug erleichtern oder Vertrauen zerstören. Auch Datenschutz ist wichtig, weil KI-Systeme häufig große Datenmengen verarbeiten. Persönliche Informationen dürfen nicht leichtfertig eingegeben oder ohne Rechtsgrundlage verarbeitet werden.
Verantwortungsvoller Umgang mit KI
Ein verantwortungsvoller Umgang mit KI bedeutet, Nutzen und Risiken gemeinsam zu betrachten. Du solltest KI-Ergebnisse nie ungeprüft übernehmen, besonders nicht bei wichtigen Entscheidungen. Prüfe Quellen, vergleiche Aussagen, achte auf Datenschutz und kennzeichne KI-Nutzung, wenn sie für eine Aufgabe relevant ist. In Schule, Ausbildung und Studium solltest Du die Regeln Deiner Einrichtung beachten.
Gute KI-Nutzung besteht nicht nur aus Technik, sondern auch aus Haltung. Frage Dich: Welche Daten werden verwendet? Wer profitiert? Wer könnte benachteiligt werden? Ist das Ergebnis überprüfbar? Kann ein Mensch die Entscheidung nachvollziehen? Wird deutlich, ob ein Inhalt von KI erzeugt wurde? Solche Fragen helfen Dir, KI als Werkzeug kritisch, kreativ und verantwortungsvoll einzusetzen.
Interaktive Aufgaben
Quiz: Teste Dein Wissen
Was bezeichnet Künstliche Intelligenz im Kern? (Ein Teilgebiet der Informatik zur Lösung von Aufgaben mit scheinbar intelligentem Verhalten) (!Ein einzelnes Computerprogramm ohne Daten) (!Eine biologische Eigenschaft von Robotern) (!Eine Form von elektrischer Energie)
Was ist Maschinelles Lernen? (Ein Verfahren, bei dem Modelle aus Beispieldaten Muster ableiten) (!Eine Methode, bei der Computer nur mit Papierplänen gesteuert werden) (!Ein Verfahren, das ohne Daten immer richtige Ergebnisse erzeugt) (!Ein anderes Wort für mechanische Reparatur)
Was ist ein Algorithmus? (Eine eindeutige Abfolge von Schritten zur Lösung einer Aufgabe) (!Eine zufällige Sammlung von Bildern) (!Ein Gerät zum Speichern von Strom) (!Eine menschliche Emotion)
Was bedeutet Training bei einem KI-Modell? (Die Anpassung eines Modells anhand von Beispieldaten) (!Das manuelle Zeichnen aller möglichen Antworten) (!Das Ausschalten eines Computers) (!Das Löschen aller Daten vor der Nutzung)
Was ist generative KI? (Eine KI, die neue Inhalte wie Texte oder Bilder erzeugen kann) (!Eine KI, die ausschließlich Kabel repariert) (!Eine KI, die nur Taschenrechner ersetzt) (!Eine KI, die keine Ausgaben erzeugt)
Was beschreibt Bias in KI-Systemen? (Eine systematische Verzerrung in Daten oder Ergebnissen) (!Eine besonders hohe Bildschirmauflösung) (!Eine fehlerfreie Form von Intelligenz) (!Eine Taste auf der Tastatur)
Warum müssen KI-Ergebnisse überprüft werden? (Weil KI plausible, aber falsche Ergebnisse liefern kann) (!Weil KI niemals Fehler macht) (!Weil Daten immer vollständig neutral sind) (!Weil Programme grundsätzlich keine Ausgaben speichern)
Was ist ein künstliches neuronales Netz? (Ein Modell aus verbundenen künstlichen Knoten und Gewichtungen) (!Ein echtes biologisches Gehirn im Computer) (!Ein Stromnetz für Roboter) (!Eine Datenbank ohne Verarbeitung)
Was ist ein wichtiges Ziel von KI-Ethik? (Ein verantwortungsvoller, fairer und nachvollziehbarer Einsatz von KI) (!Das Verbot jeder digitalen Technik) (!Die Abschaffung aller Daten) (!Die Geheimhaltung aller Entscheidungen)
Was ist ein Prompt? (Eine Eingabe oder Arbeitsanweisung an ein KI-System) (!Ein Bauteil im Prozessorlüfter) (!Ein Gesetzbuch für Roboter) (!Ein Bildformat für Kameras)
Memory
| Algorithmus | Schrittfolge zur Problemlösung |
| Training | Anpassung eines Modells mit Daten |
| Bias | Systematische Verzerrung |
| Prompt | Eingabe an ein KI-System |
| Deep Learning | Lernen mit vielschichtigen neuronalen Netzen |
| Inferenz | Anwendung eines trainierten Modells |
Drag and Drop
| Ordne die richtigen Begriffe zu. | Thema |
|---|---|
| Daten sammeln | Grundlage für das Training |
| Modell trainieren | Muster aus Beispielen lernen |
| Modell prüfen | Qualität und Fehler bewerten |
| Modell anwenden | Neue Eingaben bearbeiten |
| Ergebnisse kontrollieren | Verantwortung übernehmen |
Kreuzworträtsel
| Algorithmus | Wie nennt man eine eindeutige Schrittfolge zur Lösung einer Aufgabe? |
| Training | Wie heißt die Anpassung eines Modells mit Beispieldaten? |
| Bias | Wie nennt man eine systematische Verzerrung in Daten oder Ergebnissen? |
| Prompt | Wie heißt eine Eingabe oder Anweisung an ein KI-System? |
| Inferenz | Wie nennt man die Anwendung eines trainierten Modells auf neue Eingaben? |
| Robotik | Welches Fachgebiet verbindet Maschinen, Steuerung und künstliche Intelligenz? |
LearningApps
Lückentext
Offene Aufgaben
Leicht
- KI im Alltag: Sammle zehn Beispiele, bei denen Dir KI im Alltag begegnet, und erkläre jeweils in einem Satz, welche Aufgabe das System übernimmt.
- Begriffskarte: Gestalte eine Karte mit den Begriffen KI, Algorithmus, Daten, Modell, Training und Prompt und erkläre die Zusammenhänge mit Pfeilen.
- Chatbot-Test: Stelle einem KI-Chatbot drei Lernfragen zu einem Thema Deiner Wahl und prüfe die Antworten mit einer verlässlichen Quelle.
- Bildanalyse: Suche ein frei nutzbares Bild zu künstlichen neuronalen Netzen und beschreibe, was daran erklärt wird.
Standard
- KI-Vergleich: Vergleiche symbolische KI und maschinelles Lernen in einer Tabelle mit Vorteilen, Grenzen und Beispielen.
- Prompt-Werkstatt: Entwickle drei verschiedene Prompts für dieselbe Aufgabe und untersuche, wie sich die Ergebnisse verändern.
- Bias-Untersuchung: Erstelle ein fiktives Beispiel, in dem ein KI-System durch unausgewogene Daten benachteiligt, und schlage Verbesserungen vor.
- KI in der Schule: Entwirf Regeln für einen fairen und transparenten KI-Einsatz in Deiner Klasse oder Lerngruppe.
Schwer
- Ethik-Debatte: Organisiere eine Pro-und-Kontra-Diskussion zur Frage, ob KI in Bewerbungsverfahren eingesetzt werden sollte.
- Projektidee: Entwickle ein Konzept für eine KI-Anwendung, die ein gesellschaftliches Problem lösen hilft, und beschreibe Nutzen, Risiken und Schutzmaßnahmen.
- Quellenkritik: Vergleiche drei KI-generierte Antworten zu einem kontroversen Thema mit Fachquellen und bewerte Genauigkeit, Ausgewogenheit und Transparenz.
- Zukunftsszenario: Schreibe ein Szenario für das Jahr 2035, in dem KI verantwortungsvoll in Bildung, Arbeit und Alltag integriert ist.
| <inputbox>
type=create break=no preload=CHAT GPT TEXT HIER EINFÜGEN default= width=30 placeholder= Dein MOOC Titel buttonlabel=MOOC erstellen </inputbox> |
|
|
Lernkontrolle
- Transfer KI und Gesellschaft: Erkläre an einem selbst gewählten Beispiel, wie KI eine Entscheidung beeinflussen kann und welche Verantwortung beim Menschen bleibt.
- Datenqualität: Analysiere, warum schlechte oder einseitige Daten zu problematischen KI-Ergebnissen führen können, und entwickle Gegenmaßnahmen.
- Bildung und KI: Beurteile, wann KI beim Lernen hilfreich ist und wann sie eigenständiges Denken schwächen könnte.
- Ethikfall: Bewerte einen Fall, in dem ein Unternehmen KI zur automatischen Vorauswahl von Bewerbungen nutzt, unter den Gesichtspunkten Fairness, Transparenz und Datenschutz.
- Medienkompetenz: Entwickle eine Prüfliste, mit der Du KI-generierte Texte, Bilder oder Videos auf Glaubwürdigkeit untersuchen kannst.
OERs zum Thema
Links
aiMOOC-Projekte
Schulfach+
|
|
aiMOOCs
aiMOOC Projekte
|
|
THE MONKEY DANCE
{{#ev:youtube | https://youtu.be/rFhZlg38Zf8?si=9KdMNZYRkRD81YTo%7C 500 | center}}
|
{{#ev:youtube | https://youtu.be/Ob7etf9QuBo?si=t_NBA71bWg3Rq3LI%7C 500 | center}}
|
|
| <inputbox>
type=create break=no preload=MOOCit Vorlage default= width=30 placeholder= Dein MOOC Titel buttonlabel=MOOC erstellen </inputbox> |
Schulfach+
|
|
aiMOOCs
aiMOOC Projekte
|
|
THE MONKEY DANCE
{{#ev:youtube | https://youtu.be/rFhZlg38Zf8?si=9KdMNZYRkRD81YTo%7C 500 | center}}
|
{{#ev:youtube | https://youtu.be/Ob7etf9QuBo?si=t_NBA71bWg3Rq3LI%7C 500 | center}}
|
|
| <inputbox>
type=create break=no preload=MOOCit Vorlage default= width=30 placeholder= Dein MOOC Titel buttonlabel=MOOC erstellen </inputbox> |