Diesen aiMOOC als Battle spielen: Deutsch, Klasse 7-8, G-Niveau

KI-Kompetenz – PISA-Check Klasse 7

Einleitung

Künstliche Intelligenz begegnet Dir beim Suchen, Schreiben, Übersetzen, Spielen, Fotografieren, Lernen und in sozialen Medien. Doch KI-Kompetenz bedeutet mehr, als eine KI bedienen zu können. Du sollst verstehen, wie KI-Systeme ungefähr funktionieren, was sie leisten und nicht leisten, wie Daten und menschliche Entscheidungen Ergebnisse beeinflussen und wann Du einer Ausgabe vertrauen darfst. Vor allem sollst Du begründet handeln: prüfen, vergleichen, Unsicherheit erkennen, fair entscheiden und Verantwortung übernehmen.

Dieser Lernkurs ist eine kompetenzorientierte Standortbestimmung für Klasse 7 und für etwa 1–2 Unterrichtsstunden geplant. Er ist kein offizieller PISA-Test. PISA untersucht normalerweise die Kompetenzen von 15-Jährigen. Der Kurs greift aber zentrale Ideen des vorläufigen OECD-Rahmens zu PISA 2029 Media and Artificial Intelligence Literacy (MAIL) auf und übersetzt sie altersgerecht in Situationen für Klasse 7. Im Mittelpunkt stehen realitätsnahe Simulationen mit Suchergebnissen, KI-Ausgaben, Daten, Bildern und Social-Media-Inhalten.

Stand September 2026 ist der PISA-2029-MAIL-Rahmen noch in Entwicklung. Der erste Entwurf vom Januar 2026 beschreibt fünf eng verbundene Kompetenzbereiche: Zugreifen und Nutzen, Analysieren und Bewerten, Teilnehmen und Zusammenarbeiten, Erstellen sowie als Querschnitt ethisch und verantwortlich reflektieren und handeln. Der Kurs orientiert sich daran, ohne daraus eine offizielle PISA-Wertung abzuleiten.

Leitidee: Eine KI-Ausgabe ist ein Vorschlag oder Werkzeugergebnis, keine automatische Wahrheit. Die Entscheidung bleibt bei Dir und anderen Menschen. Diese menschliche Handlungsfähigkeit wird oft als Human Agency bezeichnet.

Lernziele

Nach dem Kurs kannst Du erklären, wie Daten, Training, Modell und Eingabe zusammenwirken. Du kannst eine KI-Antwort mit anderen Quellen prüfen, erkennst typische Anzeichen für schwache Belege, analysierst Bias und mögliche Benachteiligungen, gehst vorsichtig mit persönlichen Daten um und begründest, warum Du eine Information teilst, veränderst, zurückhältst oder weiter überprüfst.

Du verbindest dabei Informatik, Deutsch, Mathematik, Geschichte, Kunst, Ethik, Gemeinschaftskunde und Medienbildung.

Ablauf für 1–2 Unterrichtsstunden

Phase	Zeit	Schwerpunkt
Aktivierung und Diagnose	8–10 Minuten	Erste Einschätzung: Was würdest Du einer KI glauben, was würdest Du prüfen?
Verständliche Einführung	15–20 Minuten	Daten, Training, Modelle, generative KI, Suche, Empfehlungen
PISA-MAIL-Szenarien	25–35 Minuten	Quellenkritik, Datenanalyse, Bias, Handeln und begründete Entscheidungen
Interaktive Selbstkontrolle	15–20 Minuten	Quiz, Zuordnungen, Lückentext und Transfer
Reflexion und Ausblick	8–12 Minuten	Human Agency, Fairness, Transparenz und persönliche Prüfstrategie

Aktivierung und Diagnose

Lies die vier Situationen. Entscheide zunächst ohne Nachschlagen, wie sicher Du bist. Es geht nicht darum, schnell richtig zu liegen, sondern Deine erste Strategie sichtbar zu machen.

Situation	Deine erste Reaktion	Gute Prüfidee
Eine KI nennt eine überraschende Jahreszahl für ein Geschichtsreferat.	Glauben, zweifeln oder verwerfen?	Originalquelle oder mehrere verlässliche Geschichtsquellen suchen.
Ein Social-Media-Post behauptet, morgen falle die Schule aus.	Teilen, warten oder nachfragen?	Offizielle Schul- oder Stadtinformation prüfen und Datum beachten.
Ein KI-Bild zeigt angeblich ein aktuelles Ereignis.	Als Beweis verwenden?	Herkunft, Kontext, Metadaten, Gegenquellen und Kennzeichnung prüfen.
Ein Empfehlungssystem zeigt Dir immer ähnliche Videos.	Bedeutet das, dass diese Inhalte besonders wahr oder wichtig sind?	Überlegen, welche Signale das System nutzt und gezielt andere Quellen suchen.

Selbstdiagnose: Gib Dir für jede Aussage 0 Punkte für „noch unsicher“, 1 Punkt für „teilweise“ und 2 Punkte für „kann ich begründet“. Wiederhole die Einschätzung am Ende.

Ich kann ...	0	1	2
eine Quelle nach Autor, Zweck, Belegen, Aktualität und Unabhängigkeit beurteilen.
eine KI-Ausgabe mit mindestens zwei geeigneten Quellen gegenprüfen.
erklären, wie einseitige Daten zu einseitigen Ergebnissen beitragen können.
zwischen überzeugend klingender Formulierung und belastbarem Beleg unterscheiden.
eine faire und sichere Entscheidung begründen, auch wenn Informationen unsicher sind.

Wie KI technisch funktioniert – verständlich, aber nicht oberflächlich

Daten, Training, Modell und Inferenz

Viele heutige KI-Systeme beruhen auf maschinellem Lernen. Statt jede Regel einzeln zu programmieren, werden Muster aus Daten gelernt. Vereinfacht kannst Du Dir den Ablauf so vorstellen: Daten und Ziel → Training → Modell → neue Eingabe → Ausgabe. Beim Training werden innere Parameter so angepasst, dass das Modell bei einer Aufgabe nützliche Muster erkennt. Bei der späteren Anwendung, oft Inferenz genannt, verarbeitet das trainierte Modell neue Eingaben.

Bei einem Bilderkennungsmodell können Trainingsdaten aus vielen beschrifteten Bildern bestehen. Bei großen Sprachmodellen werden sehr große Textmengen verwendet. Ein Sprachmodell erzeugt Text schrittweise auf Grundlage statistisch gelernter Muster. Es „weiß“ deshalb nicht automatisch, ob ein Satz wahr ist. Eine glaubwürdig klingende, aber falsche Ausgabe wird oft als Halluzination bezeichnet.

Neuronale Netze als Modellidee

Viele moderne KI-Systeme nutzen künstliche neuronale Netze. Dabei werden Eingaben über viele miteinander verbundene Recheneinheiten verarbeitet. Die Verbindungen besitzen Gewichte, die beim Training verändert werden. Das Bild ist nur ein stark vereinfachtes Modell – reale Systeme können sehr viel größer sein.

Das Wichtigste für Klasse 7 ist nicht, jede Formel zu kennen, sondern den Zusammenhang zu verstehen: Welche Daten hinein gelangen, welches Ziel vorgegeben wird und wie das Modell getestet wird, beeinflusst die Ergebnisse.

Das Video „What Is Artificial Intelligence? Crash Course AI #1“ ist englischsprachig. Nutze bei Bedarf Untertitel und achte beim Ansehen besonders auf die Frage: Welche Aufgaben kann KI gut bearbeiten, und wo bleiben menschliche Entscheidungen notwendig?

Generative KI ist keine Suchmaschine

Eine Suchmaschine ordnet und zeigt Fundstellen aus dem Netz. Eine generative KI erzeugt eine neue Antwort aus gelernten Mustern und dem aktuellen Kontext. Beide Systeme können Fehler, Gewichtungen und Verzerrungen enthalten. Ein oberes Suchergebnis ist nicht automatisch die beste Quelle, und eine flüssige KI-Antwort ist nicht automatisch belegt.

Eine gute Prüfstrategie lautet: Behauptung zerlegen → geeignete Quelle suchen → Datum und Autor prüfen → mindestens eine unabhängige Gegenquelle suchen → erst dann urteilen oder teilen.

Warum Prompts wichtig sind – und warum sie nicht alles lösen

Ein Prompt ist eine Eingabe an ein generatives KI-System. Präzise Aufgaben, klare Rollen, Zielgruppe, Format und gewünschte Belege können die Nützlichkeit einer Antwort verbessern. Ein guter Prompt ersetzt aber keine Quellenkritik. Auch eine perfekt formulierte Eingabe kann eine falsche oder einseitige Antwort erzeugen.

Beispiel: „Erkläre mir drei mögliche Ursachen für das Ereignis. Trenne gesicherte Fakten von Vermutungen. Nenne überprüfbare Quellenarten, aber erfinde keine Quellen.“ Das ist besser als „Sag mir die Wahrheit über das Ereignis“, weil die Aufgabe überprüfbarer wird.

Quellenkritik und Medienanalyse

Der Fünf-Fragen-Check

Prüfe digitale Inhalte mit fünf Fragen: Wer hat den Inhalt erstellt oder verbreitet? Warum wurde er erstellt? Welche Belege werden genannt? Wie aktuell ist die Information? Welche unabhängige Quelle bestätigt oder widerspricht ihr?

Nicht jede schwache Quelle ist absichtlich falsch. Fehler können durch Eile, Missverständnisse, veraltete Daten, Werbung, automatische Übersetzung, schlechte Trainingsdaten oder gezielte Manipulation entstehen. Darum ist die wichtigste Frage nicht nur „Ist das Fake?“, sondern „Wie stark ist die Beweislage für diese Behauptung?“.

Bei Bildern und Videos gilt zusätzlich: Prüfe, ob der Inhalt aus dem behaupteten Ort und Zeitpunkt stammt, ob er bearbeitet oder synthetisch erzeugt wurde und ob vertrauenswürdige Stellen denselben Vorgang dokumentieren. Einzelne Bildfehler wie Hände oder Schatten können Hinweise sein, sind aber kein sicherer Beweis. Gute Prüfung verbindet Bildanalyse mit Herkunfts- und Quellenprüfung.

Kennzeichnungen für KI-generierte Inhalte können Transparenz verbessern. Trotzdem bleibt Prüfung nötig, denn Kennzeichnungen können fehlen, falsch verwendet werden oder im Weiterteilen verloren gehen.

Das TED-Ed-Video „How false news can spread“ zeigt, wie zirkuläres Berichten eine Behauptung scheinbar glaubwürdiger machen kann, obwohl mehrere Seiten letztlich dieselbe ursprüngliche Quelle abschreiben.

Bias, Fairness und Daten

Bias bedeutet in diesem Zusammenhang eine systematische Verzerrung. Ein KI-System kann bestimmte Gruppen, Sichtweisen oder Situationen schlechter abbilden, wenn Trainingsdaten unausgewogen sind, Merkmale ungeeignet gewählt wurden, Zielwerte problematisch sind oder Rückkopplungsschleifen frühere Entscheidungen immer wieder verstärken.

Ein einfaches Beispiel: Ein Bilderkennungsmodell wird fast nur mit Aufnahmen bei hellem Tageslicht trainiert. Dann kann es bei dunkleren Lichtbedingungen schlechter funktionieren. Das ist kein „böser Wille“ der Maschine. Es zeigt, dass Daten und Tests nicht alle Nutzungssituationen ausreichend vertreten haben.

Fairness bedeutet nicht immer, alle identisch zu behandeln. In manchen Situationen ist es fairer, unterschiedliche Bedürfnisse zu berücksichtigen. Deshalb braucht eine faire KI-Entscheidung neben Technik auch Ethik, Kontextwissen und die Möglichkeit, eine automatische Entscheidung anzufechten.

Im Video „Algorithmic Bias and Fairness: Crash Course AI #18“ werden mehrere Ursachen algorithmischer Verzerrung erläutert. Achte darauf, welche davon mit Daten zusammenhängen und welche durch menschliche Ziele oder Rückkopplungen entstehen.

PISA-MAIL-orientierte Anwendungssituation 1: Das Gerücht im Klassenchat

SIMULATION – die Schule, Personen und Meldungen in diesem Szenario sind frei erfunden.

Am Sonntagabend erscheint im Klassenchat ein Screenshot mit der Überschrift: „EILMELDUNG: Morgen bleibt die Nordpark-Schule wegen einer Sturmlage geschlossen. Bitte sofort weiterleiten!“ Unter dem Screenshot steht kein Link.

Kurz danach fragst Du eine KI: „Ist die Nordpark-Schule morgen geschlossen?“ Die KI antwortet:

KI-Ausgabe
„Ja. Aufgrund einer amtlichen Sturmwarnung bleiben am Montag alle Schulen im Stadtgebiet geschlossen. Die Entscheidung wurde am Sonntagabend bekannt gegeben.“

Du suchst weiter und erhältst folgende simulierte Treffer:

Treffer	Auszug	Hinweise
A	„Stadtportal – Aktuelle Meldungen: Schulbetrieb am Montag regulär. Außensport am Vormittag entfällt.“	Herausgeber: Stadtverwaltung; Datum: heute; vollständige Kontaktseite
B	„News-Blitz24: MEGA-STURM! Schulen wohl dicht?“	kein Autor; viele Werbeflächen; Text verweist auf „Gerüchte in Chats“
C	„Nordpark-Schule – Vertretungsplan“	zuletzt vor drei Tagen aktualisiert; keine Meldung zur Schließung
D	„Elternforum: Bei uns heißt es, morgen ist frei.“	Nutzerbeitrag; kein Beleg; fünf Minuten alt

Deine Entscheidung

Du sollst nicht nur den „richtigen Treffer“ benennen. Begründe eine Handlung: Würdest Du die Schließungsmeldung weiterleiten, löschen, kommentieren, noch eine Quelle prüfen oder eine erwachsene zuständige Person fragen?

Erst nach Deiner eigenen Entscheidung lesen: Eine starke Begründung erkennt, dass Treffer A im Szenario die höchste Quellenqualität besitzt, weil er aktuell und institutionell zuständig ist. Gleichzeitig ist die KI-Ausgabe nicht ausreichend belegt und widerspricht A. Du solltest deshalb die KI-Aussage nicht weiterverbreiten. Sinnvoll ist, die offizielle Seite direkt aufzurufen, auf Datum und genaue Formulierung zu achten und bei verbleibender Unsicherheit die Schule oder eine zuständige erwachsene Person zu kontaktieren.

PISA-MAIL-Fokus: Zugreifen und Nutzen, Analysieren und Bewerten, Teilnehmen und Zusammenarbeiten sowie ethisch und verantwortlich handeln.

PISA-MAIL-orientierte Anwendungssituation 2: Wer gewinnt den Plakatwettbewerb?

Die Schülervertretung möchte das Plakat für das Schulfest auswählen. Eine KI soll aus 40 Entwürfen „das beste Plakat“ bestimmen. Das System wurde zuvor mit Bewertungen aus den letzten drei Jahren trainiert.

Die Daten sehen vereinfacht so aus:

Merkmal der Trainingsdaten	Anteil
Bewertungen von Erwachsenen	75 %
Bewertungen von Schülerinnen und Schülern	25 %
Plakate mit Fotografie	70 %
Plakate mit Zeichnung oder Collage	30 %

Die KI vergibt einem fotografischen Plakat 94 von 100 Punkten und einer gezeichneten Collage 61 von 100 Punkten. In ihrer Erklärung schreibt sie: „Fotografische Plakate sind professioneller und sprechen die Schulgemeinschaft besser an.“

Daten- und Fairnessanalyse

Die Zahlen zeigen keinen Beweis dafür, dass Fotografie objektiv besser ist. Sie zeigen zunächst, wie die Trainingsdaten zusammengesetzt sind. Wenn frühere Bewertungen überwiegend von Erwachsenen stammen und fotografische Plakate häufiger vorkamen, kann das Modell diese Muster übernehmen. Außerdem ist „professioneller“ ein wertendes Kriterium, das erklärt werden müsste.

Eine faire Entscheidung könnte deshalb mehrere Perspektiven einbeziehen: Schülerinnen und Schüler aus verschiedenen Klassenstufen, Lehrkräfte, Kriterien wie Lesbarkeit, Barrierefreiheit, Originalität und Bezug zum Schulfest. Die KI kann Hinweise liefern, sollte aber nicht allein entscheiden.

Mathematikbezug: Prozentangaben beschreiben Verteilungen, aber keine Ursache. Kunstbezug: Gestaltung hängt von Ziel, Wirkung und Ausdruck ab. Ethikbezug: Fairness verlangt nachvollziehbare Kriterien und Beteiligung. Gemeinschaftskundebezug: Betroffene sollten an Entscheidungen beteiligt werden.

PISA-MAIL-Kompetenzraster für Klasse 7

Dieses Raster ist eine didaktische Anpassung, keine offizielle PISA-Bewertung.

Kompetenz	Einstieg	Solide	Stark
Zugreifen und Nutzen	findet eine Information	wählt passende Suchbegriffe und Quellen	plant eine Suchstrategie und passt sie bei Widersprüchen an
Analysieren und Bewerten	erkennt offensichtliche Fehler	prüft Autor, Zweck, Datum und Belege	vergleicht unabhängige Quellen und benennt Unsicherheit
Teilnehmen und Zusammenarbeiten	reagiert auf Inhalte	teilt vorsichtig und respektvoll	verhindert unnötige Weiterverbreitung und erklärt die Prüfung transparent
Erstellen	erzeugt Inhalt	passt Inhalt an Zielgruppe und Zweck an	kennzeichnet KI-Unterstützung und begründet Gestaltungsentscheidungen
Ethisch und verantwortlich handeln	kennt einzelne Risiken	schützt Daten und berücksichtigt Fairness	wägt Folgen, Betroffene, Unsicherheit und Alternativen begründet ab

Fächerübergreifende Bezüge

Fach	Verbindung zur KI-Kompetenz	Typische Leitfrage
Informatik	Daten, Algorithmen, Modelle, Training, Inferenz, Fehler	Wie entsteht eine KI-Ausgabe technisch?
Deutsch	Argumentation, Sprache, Quellen, Absicht, rhetorische Wirkung	Klingt etwas nur überzeugend oder ist es auch belegt?
Mathematik	Prozentwerte, Stichproben, Diagramme, Unsicherheit, Korrelation	Was zeigen Daten wirklich – und was nicht?
Geschichte	Quellenkritik, Perspektivität, Primär- und Sekundärquellen	Welche Quelle belegt eine historische Aussage?
Kunst	Bildwirkung, Gestaltung, Urheberschaft, KI-Bilder, Kennzeichnung	Wie verändert KI die Entstehung und Bewertung von Bildern?
Ethik	Verantwortung, Fairness, Würde, Transparenz, Folgen	Wer trägt Verantwortung, wenn eine KI-Empfehlung schadet?
Gemeinschaftskunde	Öffentlichkeit, Beteiligung, Desinformation, demokratische Urteilsbildung	Wie beeinflussen Plattformen öffentliche Entscheidungen?
Medienbildung	Recherche, Datenschutz, Kommunikation, Medienanalyse, Sicherheit	Wie handelst Du selbstbestimmt und sicher in digitalen Räumen?

Sicherheits- und Verantwortungsregeln

Gib keine sensiblen persönlichen Daten, Passwörter, privaten Gesundheitsinformationen oder nicht freigegebene Fotos anderer Personen in KI-Systeme ein. Beachte schulische Regeln und Altersvorgaben von Diensten. Nutze KI nicht, um andere zu täuschen, bloßzustellen oder ohne Einwilligung realistisch zu imitieren. Wenn eine Entscheidung Menschen betrifft, frage: Wer könnte profitieren, wer könnte benachteiligt werden, wer kann widersprechen und wer trägt Verantwortung?

Interaktive Aufgaben

Quiz: Teste Dein Wissen

Eine KI nennt Dir für ein Referat eine überraschende historische Jahreszahl. Was ist die beste nächste Handlung? (Die Angabe mit geeigneten unabhängigen Quellen überprüfen) (!Die Angabe übernehmen, weil KI schnell antwortet) (!Nur prüfen, ob der Satz grammatisch richtig ist) (!Die Angabe teilen, damit andere sie bewerten)

Welche Aussage beschreibt ein trainiertes KI-Modell am besten? (Ein Modell verarbeitet neue Eingaben anhand gelernter Muster) (!Ein Modell enthält automatisch alle wahren Informationen) (!Ein Modell entscheidet immer nach festen handgeschriebenen Regeln) (!Ein Modell kann nur mit denselben Daten arbeiten, die im Training vorkamen)

Welcher Hinweis stärkt in einem aktuellen Schulgerücht die Vertrauenswürdigkeit einer Quelle am meisten? (Eine aktuelle Meldung der zuständigen offiziellen Stelle mit nachvollziehbarem Datum) (!Viele Weiterleitungen in einem Klassenchat) (!Eine besonders dramatische Überschrift) (!Eine KI-Antwort ohne Quellenangabe)

Warum kann ein Datensatz zu Bias beitragen? (Weil bestimmte Gruppen oder Situationen darin zu wenig vertreten sein können) (!Weil Daten immer neutral und vollständig sind) (!Weil mehr Daten automatisch jeden Fehler beseitigen) (!Weil nur die Schriftart eines Datensatzes Ergebnisse verändert)

Was zeigt ein Prozentwert in einer Datentabelle zunächst? (Einen Anteil innerhalb der betrachteten Daten) (!Eine sichere Ursache für ein Ergebnis) (!Dass die größte Gruppe immer Recht hat) (!Dass alle nicht gemessenen Gruppen gleich sind)

Was ist beim Teilen eines ungeprüften Social-Media-Posts besonders verantwortungsvoll? (Erst Quelle und Kontext prüfen und bei Unsicherheit nicht weiterverbreiten) (!Sofort teilen, solange der Post neu ist) (!Nur auf die Zahl der Likes achten) (!Den Text emotionaler formulieren)

Welche Aussage zu KI-generierten Bildern ist richtig? (Auch realistisch wirkende Bilder benötigen eine Prüfung von Herkunft und Kontext) (!Fehlerhafte Hände beweisen immer sicher eine KI-Erzeugung) (!Eine hohe Auflösung beweist die Echtheit) (!Ein Bild ist zuverlässig, sobald es oft geteilt wurde)

Was verbessert Human Agency beim Einsatz von KI? (Der Mensch setzt Ziele, prüft Ergebnisse und kann Vorschläge ablehnen) (!Die KI trifft endgültige Entscheidungen ohne Widerspruch) (!Nur die schnellste Ausgabe wird verwendet) (!Verantwortung wird vollständig an das System abgegeben)

Welche Vorgehensweise ist bei einer widersprüchlichen KI-Antwort besonders sinnvoll? (Behauptungen einzeln prüfen und unabhängige Belege vergleichen) (!Die längere Antwort automatisch bevorzugen) (!Nur denselben Prompt mehrfach wiederholen) (!Die Antwort wegen sicherer Sprache für korrekt halten)

Wann ist der Einsatz einer KI bei einer schulischen Gruppenentscheidung besonders fair? (Wenn Kriterien transparent sind, Betroffene beteiligt werden und Menschen die Entscheidung prüfen) (!Wenn nur historische Daten entscheiden) (!Wenn niemand weiß, welche Kriterien genutzt wurden) (!Wenn das System immer dieselbe Personengruppe bevorzugt)

Memory

Training	Lernen von Mustern aus Daten
Inferenz	Anwendung eines trainierten Modells auf neue Eingaben
Quellenkritik	Prüfen von Autor, Zweck, Belegen und Kontext
Bias	Systematische Verzerrung
Prompt	Eingabe an ein generatives KI-System
Human Agency	Menschliche Zielsetzung und verantwortete Entscheidung

Drag and Drop

Ordne die richtigen Begriffe zu.	Thema
Offizielle Primärquelle	Zuständige Stelle veröffentlicht eine aktuelle Meldung
Unabhängige Gegenquelle	Zweite geeignete Quelle prüft dieselbe Behauptung
Trainingsdaten	Beispiele, aus denen ein Modell Muster lernt
Modellausgabe	Ergebnis für eine neue Eingabe
Transparenz	Kriterien und KI-Unterstützung nachvollziehbar machen
Datenschutz	Persönliche Informationen nur angemessen und erlaubt verarbeiten

Kreuzworträtsel

Quellenkritik	Wie heißt das systematische Prüfen von Herkunft, Zweck und Belegen einer Information?
Prompt	Wie nennt man eine Eingabe an ein generatives KI-System?
Bias	Welcher kurze Fachbegriff bezeichnet eine systematische Verzerrung?
Training	Wie heißt die Phase, in der ein Modell Muster aus Daten lernt?
Deepfake	Wie nennt man realistisch wirkende synthetische oder manipulierte Medieninhalte einer Person?
Transparenz	Wie heißt das Prinzip, Entscheidungen und KI-Nutzung nachvollziehbar zu machen?

LearningApps

Lückentext

PISA-Check: Selbstkontrolle durch begründetes Handeln

Bearbeite die folgende Mini-Situation schriftlich in drei bis fünf Sätzen:

SIMULATION: Eine KI empfiehlt Dir für ein Referat eine Webseite, die sehr professionell aussieht. Dort fehlt aber der Autor, das Veröffentlichungsdatum ist unbekannt und alle Zahlen stammen aus einem einzigen Diagramm ohne Quellenangabe. Eine zweite Seite einer wissenschaftlichen Einrichtung nennt ähnliche, aber nicht identische Zahlen und erklärt ihre Datengrundlage.

Bewerte Dich anschließend mit diesem Raster:

Kriterium	0 Punkte	1 Punkt	2 Punkte
Quellenwahl	nur eine Quelle	zweite Quelle genannt	Zuständigkeit und Unabhängigkeit begründet
Belege	keine Prüfung	einzelne Belege geprüft	Datenherkunft und Nachvollziehbarkeit geprüft
Unsicherheit	nicht erwähnt	allgemein erwähnt	konkret erklärt, was noch offen ist
Handlung	nur „glauben“ oder „nicht glauben“	Handlung genannt	Handlung mit Folgen und Alternativen begründet
Verantwortung	KI entscheidet	Mensch prüft	Mensch prüft, dokumentiert und kann KI-Vorschlag ablehnen

0–3 Punkte: Du brauchst noch mehr Prüfstrategien. 4–7 Punkte: Du prüfst bereits mehrere Aspekte. 8–10 Punkte: Du verbindest Quellenkritik, Unsicherheit und verantwortliches Handeln. Dieses Raster ist nur eine Lernhilfe und kein offizieller PISA-Wert.

Reflexion und Transfer

Beantworte für Dich oder im Partnergespräch: Wann hat Dir eine KI zuletzt Zeit gespart? Wann hätte sie Dich beinahe in die falsche Richtung geführt? Welche Art von Aufgabe möchtest Du selbst lösen, bevor Du KI hinzunimmst? Woran würdest Du merken, dass Du zu sehr von einer Empfehlung abhängig wirst?

Formuliere danach Deine persönliche Drei-Schritt-Regel für KI:

Prüfen: Welche Behauptung muss ich überprüfen?
Abwägen: Welche Folgen, Betroffenen und Unsicherheiten gibt es?
Entscheiden: Was tue ich selbst – und welche Rolle darf die KI nur unterstützend spielen?

Offene Aufgaben

Leicht

Quellenampel: Wähle drei Webseiten zu demselben schulischen Thema und begründe mit Grün, Gelb oder Rot, wie vertrauenswürdig sie für diese konkrete Frage sind.
KI-Antwort markieren: Lass Dir zu einem ungefährlichen Unterrichtsthema eine kurze KI-Erklärung geben und markiere getrennt Fakten, Wertungen, unklare Aussagen und prüfbare Behauptungen.
Bildcheck: Suche ein frei verwendbares Bild auf Wikimedia Commons und dokumentiere Urheber, Lizenz, Datum, Beschreibung und warum das Bild für Dein Thema geeignet ist.
Prompt verbessern: Formuliere einen unklaren Lernprompt so um, dass Ziel, Zielgruppe, gewünschte Belege und Unsicherheiten besser sichtbar werden.

Standard

Gerüchte-Check: Entwickle einen Entscheidungsbaum für ein Gerücht im Klassenchat, der Quelle, Datum, Gegenprüfung und die Frage „Teilen oder nicht?“ enthält.
Bias-Detektiv: Erfinde einen kleinen Trainingsdatensatz für eine harmlose Klassifikationsaufgabe und zeige, wie eine unausgewogene Verteilung zu schlechteren Ergebnissen für bestimmte Fälle führen könnte.
Datenkritik: Erstelle aus zehn bis zwanzig selbst erhobenen, nicht personenbezogenen Messwerten ein Diagramm und erkläre, welche Schlussfolgerungen erlaubt sind und welche nicht.
Medienvergleich: Gestalte zwei Überschriften zum selben fiktiven Ereignis – eine sachliche und eine emotionalisierende – und analysiere ihre Wirkung auf Leserinnen und Leser.

Schwer

KI-Regeln für die Klasse: Entwirf mit Deiner Gruppe fünf Regeln für transparenten, sicheren und fairen KI-Einsatz bei Hausaufgaben und begründet jede Regel.
Fairness-Audit: Prüfe eine fiktive automatische Auswahlentscheidung auf Kriterien, Datenverteilung, Betroffene, Einspruchsmöglichkeiten und mögliche Benachteiligung.
Geschichtscheck: Lass eine KI eine kurze Erklärung zu einem historischen Ereignis formulieren und überprüfe jede zentrale Aussage mit geeigneten historischen Quellen. Dokumentiere Abweichungen.
Mini-MAIL-Szenario: Entwickle selbst eine realistische Prüfungssituation mit mindestens drei Medienarten, zum Beispiel Suchtreffern, KI-Ausgabe und Datentabelle. Formuliere eine Aufgabe, bei der eine begründete Handlung statt reiner Wissenswiedergabe nötig ist.

Lernkontrolle

Quellenkonflikt: Zwei Webseiten und eine KI geben unterschiedliche Zahlen zum selben Thema an. Entwickle eine Prüfstrategie und begründe, in welcher Reihenfolge Du vorgehst.
Faire Entscheidung: Eine Schule möchte eine KI verwenden, um Förderangebote vorzuschlagen. Nenne mindestens drei Bedingungen, unter denen der Einsatz fairer und nachvollziehbarer wäre, und begründe sie.
Daten und Ursache: Ein Diagramm zeigt, dass zwei Werte gleichzeitig steigen. Erkläre, warum daraus noch keine Ursache folgt, und nenne eine Information, die Du zusätzlich brauchst.
Medienwirkung: Vergleiche eine sachliche Meldung mit einem emotionalen Post zum selben fiktiven Ereignis. Erkläre, wie Wortwahl, Bild und Auswahl von Informationen Deine Wahrnehmung beeinflussen können.
Human Agency: Beschreibe eine schulische Aufgabe, bei der KI sinnvoll unterstützen kann, aber ein Mensch die letzte Entscheidung treffen sollte. Begründe die Aufgabenteilung.
Transparenter KI-Einsatz: Entwickle eine kurze Erklärung, wie Du bei einem Referat KI genutzt hast, sodass Mitschülerinnen, Mitschüler und Lehrkraft nachvollziehen können, was von Dir und was von der KI stammt.

Lernnachweis

Für einen Lernnachweis zu diesem Thema ist wichtig, dass Du nicht nur Begriffe kennst, sondern Dein Vorgehen sichtbar machst. Zeige, dass Du eine Behauptung in prüfbare Teile zerlegen, passende Quellen auswählen, Widersprüche erkennen, Daten vorsichtig interpretieren, Bias und mögliche Betroffene berücksichtigen, persönliche Daten schützen und eine Entscheidung mit Gründen belegen kannst. Wichtig ist außerdem, dass Du transparent machst, wann und wofür Du KI eingesetzt hast und welche Teile Deiner Arbeit auf eigener Prüfung und eigenem Urteil beruhen.

Als geeigneter Lernnachweis gilt zum Beispiel ein kurzes Prüfprotokoll zu einer simulierten digitalen Situation mit Behauptung – Quellen – Daten – Unsicherheit – Entscheidung – Begründung – Reflexion. Bewertet wird vor allem die Qualität des Denk- und Prüfprozesses.

Quellen und weiterführende OER-Hinweise

OECD: PISA 2029 Media and Artificial Intelligence Literacy – Überblick und vorläufiger Assessment-Rahmen.
OECD und Europäische Kommission: Empowering Learners for the Age of AI – AI-Literacy-Rahmen für Primar- und Sekundarbildung, veröffentlicht 2026.
UNESCO: AI competency framework for students – internationaler Rahmen zu menschenzentrierter, ethischer und technischer KI-Kompetenz.
Europäische Kommission: AI literacy – Informationen zu KI-Kompetenz und europäischem Kontext.
Wikimedia Commons – frei lizenzierte Medien; Lizenzangaben stehen jeweils auf der Dateiseite.

OERs zum Thema

Verknüpfte Lernbereiche

KI-Kompetenz

aiMOOC-Projekte

Inhalte werden geladen ...

Mediathek wird aus dem Wiki geladen ...

Frag mich zum aktuellen Lerninhalt oder wähle eine kurze Hilfe.

Textmodus bereit

Sprache