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

Mensch-KI-Interaktion verstehen

Einleitung

Mensch-KI-Interaktion verstehen bedeutet mehr, als einer KI eine Frage zu stellen. Sobald Du mit einem KI-System arbeitest, entsteht eine Wechselwirkung: Du setzt ein Ziel, gibst Informationen ein, erhältst eine Ausgabe, prüfst sie, veränderst Deine Anfrage und triffst schließlich eine Entscheidung. Genau diese Schleife zwischen Mensch und Maschine steht im Mittelpunkt dieses Lernkurses.

Der Kurs richtet sich besonders an Klasse 7 und ist für etwa 60 bis 90 Minuten ausgelegt. Du lernst nicht nur, was KI kann, sondern vor allem, wie Du ihre Ergebnisse selbstständig beurteilst. Dabei verbindest Du Informatik, Deutsch, Mathematik, Geschichte, Kunst, Ethik, Gemeinschaftskunde und Medienbildung.

Die zentrale KI-Kompetenz dieses Kurses lautet: Steuern – Prüfen – Entscheiden – Begründen.

Eine KI kann Dir Vorschläge machen. Sie nimmt Dir aber nicht automatisch die Aufgabe ab, Ziele zu setzen, Quellen zu prüfen, Risiken zu erkennen und eine begründete Entscheidung zu treffen. Diese Fähigkeit wird häufig mit dem Gedanken der Human Agency verbunden: Menschen sollen Technik bewusst einsetzen, statt Entscheidungen unbemerkt an Technik abzugeben.

Lernziele

Am Ende des Kurses kannst Du:

Mensch-KI-Interaktion: erklären, warum die Arbeit mit KI als Rückkopplung zwischen Mensch und System verstanden werden kann.
Generative Künstliche Intelligenz: beschreiben, warum ein Sprachmodell wahrscheinliche Textfortsetzungen erzeugt und nicht automatisch überprüfte Wahrheit ausgibt.
Quellenkritik: KI-Aussagen in überprüfbare Behauptungen zerlegen und mit geeigneten Quellen gegenprüfen.
Bias: erklären, wie Verzerrungen durch Daten, Beschriftungen, Ziele oder Anwendungssituationen entstehen können.
Medienanalyse: KI-generierte oder KI-bearbeitete Inhalte kritisch auf Ursprung, Kontext und Belege prüfen.
Human Agency: in einer neuen Situation selbst entscheiden, welche Aufgabe Du an KI delegierst und welche Entscheidung beim Menschen bleiben sollte.
Datenschutz: erkennen, welche persönlichen oder vertraulichen Informationen nicht unbedacht in ein KI-System eingegeben werden sollten.
Argumentation: eine Entscheidung zum KI-Einsatz nachvollziehbar begründen und typische Fehlvorstellungen korrigieren.

Ablauf für 1–2 Unterrichtsstunden

Phase	Kernkurs	Vertiefung
Aktivierung und Diagnose	5–10 Minuten	Eigene Beispiele aus Schule und Alltag vergleichen
Verständliche Einführung	15 Minuten	Technischer Blick auf Sprachmodelle und neuronale Netze
Quellen-, Bias- und Medienanalyse	15 Minuten	Mathematische Fehleranalyse und Fairnessvergleich
Anwendungssituation	15–20 Minuten	Gruppenentscheidung mit Begründung
Selbstkontrolle und Reflexion	10 Minuten	Transfer auf ein neues Beispiel

Aktivierung und Diagnose

Was glaubst Du über KI?

Bewerte jede Aussage zunächst mit stimmt, unsicher oder stimmt nicht. Begründe Deine Wahl in einem Satz. Am Ende des Kurses kommst Du zu diesen Aussagen zurück.

Aussage	Deine erste Einschätzung
Wenn eine KI sehr sicher klingt, ist ihre Antwort wahrscheinlich richtig.
Eine KI kann eine glaubwürdig klingende Quelle nennen, die gar nicht existiert.
Mehr Trainingsdaten machen ein KI-System automatisch fair.
Wenn ein KI-Bild keine auffälligen Fehler an Händen zeigt, muss es echt sein.
Wer eine KI benutzt, sollte wichtige Ergebnisse selbst prüfen und begründen können.

Mensch und KI als Interaktionssystem

Von der Bedienung zur Zusammenarbeit

Bei klassischer Mensch-Computer-Interaktion gibt ein Mensch beispielsweise einen Befehl ein und ein Programm reagiert nach festgelegten Regeln. Bei vielen modernen KI-Systemen ist die Ausgabe weniger vorhersehbar. Das System verarbeitet Eingaben mithilfe eines trainierten Modells und erzeugt daraus eine Einschätzung, Klassifikation, Empfehlung, ein Bild oder einen Text.

Eine hilfreiche Vorstellung ist eine Interaktionsschleife:

Schritt	Leitfrage	Aufgabe des Menschen
Ziel setzen	Was möchte ich erreichen?	Aufgabe, Zweck und Grenzen bestimmen
Eingabe gestalten	Welche Informationen braucht das System?	Prompt, Beispiel oder Daten sorgfältig auswählen
Ausgabe lesen	Was schlägt die KI vor?	Ergebnis zunächst als Vorschlag behandeln
Prüfen	Welche Aussagen sind überprüfbar?	Fakten, Quellen, Logik, Bias und Risiken untersuchen
Verbessern	Was fehlt oder ist missverständlich?	Rückfrage stellen, Eingabe präzisieren oder andere Quellen nutzen
Entscheiden	Was übernehme ich?	Entscheidung selbst treffen und begründen

Merksatz: Die Qualität einer Mensch-KI-Interaktion hängt nicht nur vom Modell ab. Sie hängt auch davon ab, welches Ziel gesetzt wird, welche Daten eingegeben werden, wie die Ausgabe geprüft wird und wer am Ende Verantwortung übernimmt.

Drei typische Rollen von KI

KI-Systeme können sehr unterschiedliche Aufgaben übernehmen. Es ist wichtig, diese nicht zu verwechseln.

Rolle	Beispiel	Typisches Risiko
Klassifizieren	Ein Bild einer Kategorie zuordnen	Falsche Zuordnung
Empfehlen	Passende Lernmaterialien vorschlagen	Einseitige oder verzerrte Auswahl
Generieren	Text, Bild oder Audio erzeugen	Erfundene oder unbelegte Inhalte

Eine KI-Ausgabe ist daher nicht automatisch eine Tatsache. Sie kann eine Prognose, eine Zuordnung, eine Empfehlung oder eine generierte Fortsetzung sein.

Wie erzeugt eine KI eine Antwort?

Maschinelles Lernen in vereinfachter Form

Beim maschinellen Lernen werden Modelle nicht für jede einzelne Situation mit einer festen Regel programmiert. Stattdessen werden viele Parameter so angepasst, dass das Modell in Trainingsbeispielen bestimmte Muster besser erkennt.

Das Bild erinnert an einen oft übersehenen Punkt: Hinter Trainingsdaten steckt häufig menschliche Arbeit. Menschen wählen Daten aus, beschriften Beispiele, formulieren Regeln für Bewertungen oder überprüfen Ergebnisse. Dadurch können menschliche Entscheidungen und gesellschaftliche Muster in Datensätze einfließen.

Neuronale Netze als vereinfachtes Modell

Viele moderne KI-Systeme nutzen neuronale Netze. Dabei werden Zahlenwerte durch mehrere Verarbeitungsschichten weitergegeben. Verbindungen besitzen anpassbare Gewichte. Beim Training werden diese Gewichte verändert, damit das Modell bei vielen Beispielen geringere Fehler macht.

Für Klasse 7 reicht zunächst diese Vorstellung:

Eingabe → viele gewichtete Rechenschritte → Ausgabe

Ein neuronales Netz ist kein kleines menschliches Gehirn im Computer. Der Begriff ist historisch von biologischen Nervensystemen angeregt, doch künstliche neuronale Netze sind mathematische Modelle.

Technik-Plus: Wie ein Sprachmodell Text erzeugt

Ein modernes Sprachmodell zerlegt Text in kleine Einheiten, sogenannte Tokens. Ein Token kann ein ganzes Wort, ein Wortteil oder ein Zeichen sein. Das Modell verarbeitet den bisherigen Kontext und berechnet für mögliche nächste Tokens Wahrscheinlichkeiten. Anschließend wird ein Token ausgewählt, der Kontext erweitert und der Vorgang wiederholt.

Vereinfacht:

Schritt	Beispielidee
Eingabe	„Der Rhein fließt durch …“
Tokenisierung	Text wird in maschinenlesbare Einheiten zerlegt
Musterverarbeitung	Das Modell nutzt gelernte Zusammenhänge und den aktuellen Kontext
Wahrscheinlichkeiten	Mehrere mögliche Fortsetzungen erhalten unterschiedliche Werte
Auswahl	Ein nächstes Token wird gewählt
Wiederholung	Der neue Text wird erneut als Kontext verarbeitet

Wichtig: Ein hoher Wahrscheinlichkeitswert bedeutet nicht automatisch, dass eine Aussage wahr ist. Sprachmodelle sind sehr gut darin, sprachlich passende Fortsetzungen zu erzeugen. Wahrheit muss jedoch durch geeignete Belege geprüft werden.

Ein KI-Assistent kann zusätzlich Suchfunktionen, Datenbanken oder andere Werkzeuge verwenden. Ob solche Werkzeuge eingesetzt wurden und welche Quellen tatsächlich genutzt wurden, muss aber erkennbar sein. Ein flüssiger Text allein ist kein Quellenbeleg.

Was ist eine Halluzination?

Als Halluzination bezeichnet man im KI-Kontext eine Ausgabe, die plausibel klingen kann, aber sachlich falsch, unbelegt oder erfunden ist. Ein Sprachmodell „lügt“ dabei nicht im menschlichen Sinn, weil dafür eine bewusste Täuschungsabsicht nötig wäre. Das Problem entsteht vielmehr daraus, dass sprachliche Plausibilität und Wahrheit nicht dasselbe sind.

Typische Warnzeichen sind erfundene Buchtitel, nicht auffindbare Webseiten, falsche Jahreszahlen, scheinbar genaue Zitate ohne Beleg oder widersprüchliche Erklärungen.

Quellenkritik und Medienanalyse

Die Vier-Schritte-Prüfung

Wenn eine KI etwas behauptet, kannst Du nach diesem Schema vorgehen:

Prüfschritt	Frage
Stoppen	Muss ich diese Aussage überhaupt sofort glauben oder weitergeben?
Ursprung suchen	Woher stammt die Information ursprünglich?
Gegencheck	Bestätigt eine unabhängige, geeignete Quelle die Behauptung?
Beleg bewerten	Ist die Quelle aktuell, fachlich passend, transparent und nachvollziehbar?

Bei einer wichtigen Behauptung reicht es nicht, die KI selbst zu fragen, ob sie sicher ist. Eine zweite Formulierung desselben Modells ist keine unabhängige Quelle. Suche nach einer externen Quelle, die für die Frage geeignet ist.

Quellen sind nicht alle gleich geeignet

Für eine historische Behauptung kann eine wissenschaftlich betreute Darstellung, ein Museum oder ein Archiv hilfreicher sein als ein beliebiger Social-Media-Post. Für aktuelle Regeln einer Schule ist die offizielle Schulordnung geeigneter als ein alter Forenbeitrag. Für eine wissenschaftliche Zahl solltest Du möglichst die ursprüngliche Studie oder eine fachlich seriöse Zusammenfassung prüfen.

Eine gute Quellenprüfung fragt also nicht nur „Gibt es eine Quelle?“, sondern auch „Passt diese Quelle zu meiner Behauptung?“

KI-Bilder und KI-Videos prüfen

Frühere KI-Bilder verrieten sich oft durch auffällige Hände, Schrift oder verzerrte Gegenstände. Solche Bildfehler sind heute kein zuverlässiger Test mehr. Ein realistisches Bild kann künstlich erzeugt sein, und ein echtes Foto kann ungewöhnlich aussehen.

Bei einer Medienprüfung untersuchst Du deshalb:

Ebene	Prüffrage
Bildinhalt	Sind Perspektive, Licht, Text und Details plausibel?
Quelle	Wer hat das Bild zuerst veröffentlicht?
Kontext	Passt Ort, Zeit und Ereignis zur Behauptung?
Gegencheck	Gibt es dieselbe Information bei unabhängigen seriösen Quellen?
Herkunft	Lässt sich ein früherer Upload oder das Original finden?

Medienkompetenz bedeutet deshalb nicht, KI-Inhalte nur am Aussehen zu erraten. Entscheidend ist die Überprüfung von Herkunft und Kontext.

Bias, Fairness und Verantwortung

Wie Bias entstehen kann

Bias bedeutet in diesem Zusammenhang eine systematische Verzerrung. Sie kann an mehreren Stellen entstehen.

Entstehungsort	Beispiel
Datenauswahl	Bestimmte Situationen kommen in den Trainingsdaten viel häufiger vor als andere
Beschriftung	Menschen bewerten ähnliche Fälle unterschiedlich
Zielsetzung	Das System wird nur auf Schnelligkeit optimiert, obwohl Fairness ebenfalls wichtig wäre
Messung	Eine scheinbar einfache Kennzahl bildet die eigentliche Qualität nicht vollständig ab
Anwendung	Ein Modell wird in einer Situation eingesetzt, für die es nicht ausreichend geprüft wurde

Mehr Daten lösen Bias daher nicht automatisch. Entscheidend ist auch, welche Daten fehlen, wie sie entstanden sind und ob das System in der tatsächlichen Anwendung für unterschiedliche Fälle zuverlässig funktioniert.

Beispiel: Empfehlungssystem in der Schulbibliothek

Stell Dir vor, eine Schulbibliothek nutzt ein KI-System, um Bücher zu empfehlen. Das System lernt aus früheren Ausleihen. Wenn bestimmte Bucharten in der Vergangenheit nur einer kleinen Gruppe vorgeschlagen oder von ihr ausgeliehen wurden, kann das System diese alten Muster verstärken.

Die faire Frage lautet nicht nur: „Empfiehlt das System häufig Bücher, die ausgeliehen werden?“ Zusätzlich musst Du fragen: „Erhalten unterschiedliche Lernende vergleichbar gute und vielfältige Chancen, interessante Bücher zu entdecken?“

Das Beispiel zeigt: Eine technisch erfolgreiche Empfehlung kann gesellschaftlich trotzdem problematisch sein.

Mathematik-Plus: Fehler sichtbar machen

Bei Klassifikationen kann man richtige und falsche Entscheidungen zählen. Eine Konfusionsmatrix stellt gegenüber, was tatsächlich zutraf und was das Modell vorhergesagt hat.

Nehmen wir ein vereinfachtes Beispiel: Ein System soll erkennen, ob kurze Audioaufnahmen ein bestimmtes Signal enthalten. In Testgruppe A werden 18 von 20 Fällen richtig erkannt, in Testgruppe B nur 12 von 20.

Testgruppe	Richtige Ergebnisse	Fehler	Trefferquote
A	18	2	90 %
B	12	8	60 %

Die Gesamtzahl allein reicht hier nicht für ein gutes Urteil. Du musst untersuchen, wo die Fehler auftreten und ob bestimmte Bedingungen systematisch schlechter funktionieren.

Sicherheit, Datenschutz und Transparenz

Was sollte nicht unbedacht in ein KI-System?

Gib in unbekannte oder nicht ausdrücklich für die Aufgabe freigegebene KI-Dienste keine vertraulichen oder unnötigen personenbezogenen Daten ein. Dazu können vollständige Namen, private Adressen, Passwörter, Zugangsdaten, persönliche Fotos, Gesundheitsinformationen oder vertrauliche Schulunterlagen gehören.

Vor einer Eingabe kannst Du fragen:

Sicherheitsfrage	Sinnvolle Handlung
Braucht die KI diese Information wirklich?	Daten weglassen oder anonymisieren
Weiß ich, wie die Daten verarbeitet werden?	Datenschutzinformationen und schulische Regeln prüfen
Könnte jemand durch die Eingabe identifiziert werden?	Persönliche Details entfernen
Ist das Ergebnis wichtig oder folgenreich?	Menschliche Prüfung und geeignete Fachquelle einbeziehen

Transparenz bedeutet außerdem, offen zu machen, wenn KI wesentlich an einer schulischen Arbeit beteiligt war, sofern die Regeln Deiner Schule oder Aufgabe dies verlangen. Entscheidend ist, dass nachvollziehbar bleibt, welche Leistung von Dir stammt, was die KI beigetragen hat und was Du selbst überprüft hast.

Typische Fehlvorstellungen korrigieren

Fehlvorstellung	Bessere Erklärung
„Die KI versteht alles wie ein Mensch.“	Ein KI-Modell verarbeitet Muster mathematisch. Sprachlich überzeugendes Verhalten ist nicht dasselbe wie menschliches Verstehen.
„Eine sichere Formulierung bedeutet Wahrheit.“	Sprachliche Sicherheit kann auch bei falschen Aussagen auftreten.
„Viele Daten machen ein System automatisch neutral.“	Daten können Lücken, historische Ungleichheiten oder einseitige Beispiele enthalten.
„KI-Bilder erkennt man immer an komischen Händen.“	Solche Fehler können auftreten, sind aber kein verlässlicher Nachweis.
„Wenn ich die KI zweimal frage, habe ich zwei Quellen.“	Zwei Antworten desselben Systems sind keine unabhängigen Quellen.
„Ein guter Prompt macht eine Antwort automatisch korrekt.“	Ein guter Prompt kann die Aufgabe klarer machen, ersetzt aber keine Prüfung.
„Human in the Loop heißt, dass ein Mensch kurz auf OK klickt.“	Sinnvolle menschliche Kontrolle verlangt Verständnis, Prüfmöglichkeit und echte Entscheidungsmacht.

Anwendungssituation: Das Geschichtsreferat

Du bereitest mit Deiner Gruppe ein Referat zur Geschichte des Buchdrucks vor. Ihr nutzt eine generative KI als Lernhilfe. Das System erzeugt folgende Aussage:

Absichtlich fehlerhafte Beispielausgabe für die Analyse: „Johannes Gutenberg erfand 1440 in Berlin den modernen Buchdruck und veröffentlichte dort kurz danach die erste gedruckte Bibel Europas.“

Die Formulierung klingt flüssig, enthält aber mehrere überprüfbare Behauptungen. Deine Aufgabe ist nicht, den Satz nur umzuschreiben. Du sollst entscheiden, was davon belegt ist.

Arbeitsauftrag

Quellenkritik: Markiere jede einzelne Tatsachenbehauptung, zum Beispiel Person, Ort, Zeit und behauptete Einzigartigkeit.
Geschichte: Prüfe die Behauptungen mit mindestens zwei voneinander unabhängigen geeigneten Quellen.
Halluzination: Erkläre, welche Teile falsch, zu ungenau oder unbelegt sind.
Deutsch: Formuliere anschließend einen sachlichen Absatz, in dem nur überprüfte Aussagen stehen.
Transparenz: Notiere, welche Rolle die KI hatte und welche Prüfleistung Du selbst durchgeführt hast.
Urteilskompetenz: Entscheide, ob die ursprüngliche KI-Ausgabe in einer Präsentation verwendet werden darf, und begründe Deine Entscheidung.

Ziel: Nicht die KI soll das Referat „fertig machen“. Die KI dient als Ausgangspunkt für Fragen, Vergleiche und Prüfungen.

Fächerübergreifende Bezüge

Fach	Verbindung zur Mensch-KI-Interaktion	Mögliche Leitfrage
Informatik	Modelle, Trainingsdaten, Tokens, neuronale Netze, Klassifikation	Wie wird aus Eingabe eine Ausgabe?
Deutsch	präzise Fragen, Textqualität, Argumentation, sprachliche Wirkung	Klingt der Text nur überzeugend oder ist er auch belegt?
Mathematik	Wahrscheinlichkeiten, Trefferquoten, Fehlerverteilung	Was sagt eine Prozentzahl aus und was verschweigt sie?
Geschichte	Quellenkritik, Ursprung, Kontext, Überlieferung	Woher wissen wir, dass eine historische Behauptung stimmt?
Kunst	Bildgenerierung, Stil, Urheberschaft, Bildanalyse	Wie verändert KI die Herstellung und Bewertung von Bildern?
Ethik	Verantwortung, Fairness, Selbstbestimmung, Folgen	Welche Entscheidung sollte ein Mensch nicht einfach abgeben?
Gemeinschaftskunde	algorithmische Auswahl, Öffentlichkeit, Teilhabe	Wie können Empfehlungssysteme beeinflussen, was Menschen wahrnehmen?
Medienbildung	Desinformation, Herkunftsprüfung, Datenschutz, Transparenz	Wie prüfe ich Inhalte, bevor ich sie weitergebe?

Selbstkontrolle vor dem Quiz

Prüfe Dich mit vier Fragen. Wenn Du eine Frage nicht beantworten kannst, gehe zum entsprechenden Abschnitt zurück.

Ich kann ...	Ja	Noch nicht
erklären, warum eine KI-Antwort kein automatischer Wahrheitsbeweis ist
eine wichtige KI-Aussage mit einer unabhängigen Quelle überprüfen
mindestens zwei Entstehungsorte von Bias erklären
eine Entscheidung zum KI-Einsatz selbst begründen

Interaktive Aufgaben

Quiz: Teste Dein Wissen

Eine KI gibt Dir eine überzeugend formulierte historische Zahl. Was ist der beste nächste Schritt? (Die Zahl mit einer geeigneten unabhängigen Quelle prüfen) (!Die Zahl übernehmen, weil sie präzise klingt) (!Die KI bitten, dieselbe Zahl noch einmal zu nennen) (!Nur prüfen, ob der Satz grammatisch richtig ist)

Was beschreibt Human Agency bei der Nutzung von KI am besten? (Der Mensch setzt Ziele, prüft Ergebnisse und trifft begründete Entscheidungen) (!Die KI entscheidet und der Mensch bestätigt automatisch) (!Der Mensch vermeidet jede Form digitaler Technik) (!Die KI darf nur sehr kurze Antworten geben)

Warum kann ein Sprachmodell eine falsche Antwort erzeugen? (Weil sprachlich wahrscheinliche Fortsetzungen nicht automatisch wahr sein müssen) (!Weil jedes Sprachmodell absichtlich täuschen will) (!Weil Computer keine Zahlen verarbeiten können) (!Weil nur sehr kurze Texte trainiert werden können)

Welche Handlung ist echte Quellenkritik? (Eine konkrete Behauptung bis zu einer geeigneten unabhängigen Quelle zurückverfolgen) (!Die gleiche Frage dreimal an dasselbe System stellen) (!Nur auf die Länge der Antwort achten) (!Eine Aussage glauben, wenn viele Fachwörter vorkommen)

Was kann zu Bias in einem KI-System beitragen? (Einseitige Trainingsdaten und ungeeignete Zielgrößen) (!Nur die Bildschirmgröße des Geräts) (!Ausschließlich die Tippgeschwindigkeit des Nutzers) (!Nur die Farbe der Benutzeroberfläche)

Was bedeutet eine Trefferquote von 90 Prozent? (Bei den betrachteten Testfällen waren 90 Prozent der Entscheidungen richtig) (!Jede zukünftige Entscheidung ist zu 90 Prozent wahr) (!Das System ist automatisch fair) (!Das System macht keine wichtigen Fehler)

Warum sind auffällige Hände kein sicherer Test für KI-Bilder? (Weil moderne KI-Bilder auch ohne solche sichtbaren Fehler erzeugt werden können) (!Weil echte Fotos niemals Hände zeigen) (!Weil nur Zeichnungen manipuliert werden können) (!Weil Bildquellen grundsätzlich unwichtig sind)

Welche Eingabe ist bei einem unbekannten KI-Dienst am sichersten? (Eine anonymisierte Aufgabenbeschreibung ohne unnötige persönliche Daten) (!Das eigene Passwort zur besseren Personalisierung) (!Die vollständige private Adresse) (!Ein vertrauliches Dokument mit allen Namen)

Welche Aussage über einen guten Prompt ist richtig? (Ein klarer Prompt kann die Ausgabe verbessern, ersetzt aber keine Überprüfung) (!Ein guter Prompt garantiert immer eine wahre Antwort) (!Ein guter Prompt macht Quellen überflüssig) (!Ein guter Prompt verhindert automatisch jeden Bias)

Was zeigt eine sinnvolle Mensch-KI-Schleife? (Ziel setzen, Ausgabe prüfen, verbessern, entscheiden und begründen) (!Frage stellen, Antwort kopieren und sofort abgeben) (!Nur die erste Ausgabe betrachten) (!Jede Entscheidung vollständig automatisieren)

Memory

Human Agency	Menschen behalten Zielsetzung und Entscheidungsmacht
Halluzination	Plausibel klingende, aber falsche oder unbelegte KI-Ausgabe
Bias	Systematische Verzerrung
Token	Kleine Verarbeitungseinheit eines Sprachmodells
Trainingsdaten	Beispiele, aus denen ein Modell Muster lernt
Quellenkritik	Zuverlässigkeit und Eignung einer Informationsquelle prüfen
Prompt	Eingabe oder Arbeitsauftrag an ein KI-System
Transparenz	KI-Beitrag und Prüfweg nachvollziehbar machen

Drag and Drop

Ordne die richtigen Begriffe zu.	Mensch-KI-Interaktion
Ziel setzen	Zweck und Grenzen der Aufgabe bestimmen
Prompt gestalten	Relevanten Kontext und klare Kriterien angeben
Ausgabe prüfen	Behauptungen, Logik und Unsicherheiten untersuchen
Quelle gegenchecken	Eine unabhängige geeignete Informationsquelle suchen
Entscheidung begründen	Erklären, warum ein Ergebnis übernommen, verändert oder verworfen wird

Kreuzworträtsel

Prompt	Wie heißt die Eingabe oder Arbeitsanweisung an ein KI-System?
Bias	Wie nennt man eine systematische Verzerrung in Daten oder Ergebnissen?
Halluzination	Wie heißt eine plausibel klingende, aber falsche oder unbelegte KI-Ausgabe?
Datensatz	Wie heißt eine geordnete Sammlung von Daten für Training oder Prüfung?
Quelle	Was musst Du prüfen, wenn Du eine Tatsachenbehauptung absichern möchtest?
Verantwortung	Was bleibt bei wichtigen Entscheidungen wesentlich beim Menschen?

LearningApps

Lückentext

Bei einer bewussten Mensch-KI-Interaktion setzt der Mensch zunächst ein

.

Ein Sprachmodell erzeugt Text aus gelernten

.

Die kleinen Verarbeitungseinheiten eines Sprachmodells heißen

.

Eine überzeugend klingende, aber falsche KI-Aussage kann eine

sein.

Eine systematische Verzerrung wird als

bezeichnet.

Wichtige Tatsachenbehauptungen sollten mit einer unabhängigen

geprüft werden.

Persönliche Informationen solltest Du möglichst

.

Ein guter Prompt ersetzt niemals die kritische

.

Die abschließende Entscheidung sollte der Mensch nachvollziehbar

.

Reflexion und Transfer

Abschlussdiagnose

Kehre zu den fünf Aussagen vom Anfang zurück. Entscheide erneut und ergänze diesmal eine fachliche Begründung. Besonders wichtig ist, ob Du eine frühere Einschätzung verändert hast und erklären kannst, warum.

Reflexionsfrage	Deine Antwort
Welche Aufgabe kann KI beim Lernen sinnvoll unterstützen?
Welche Aufgabe möchtest Du nicht vollständig an KI abgeben?
Woran erkennst Du, dass Du noch eine Quelle brauchst?
Wie würdest Du einem jüngeren Kind erklären, warum „klingt sicher“ nicht „ist wahr“ bedeutet?

Transfer: Ein neues Beispiel

Eine KI empfiehlt Dir für ein Referat drei Webseiten und fasst deren angebliche Inhalte zusammen. Eine der Webseiten lässt sich nicht finden. Übertrage die zentrale Idee des Kurses auf diese Situation:

Prüfen: Zerlege die KI-Ausgabe in überprüfbare Aussagen.
Recherchieren: Suche die angegebenen Quellen selbst.
Vergleichen: Finde mindestens eine unabhängige geeignete Quelle.
Entscheiden: Verwirf nicht belegte Angaben oder kennzeichne Unsicherheit.
Begründen: Erkläre, warum Deine überarbeitete Version zuverlässiger ist.

Wenn Du diese Schritte auf ein völlig neues Beispiel übertragen kannst, hast Du die Grundidee der Mensch-KI-Interaktion verstanden.

Offene Aufgaben

Leicht

Prompt: Formuliere eine unklare Frage an eine KI in eine präzise Lernfrage um. Begründe zwei Änderungen.
Quellenkritik: Nimm eine kurze KI-Antwort und markiere drei Aussagen, die Du extern überprüfen würdest.
Bias: Beschreibe ein Alltagsbeispiel, in dem ein Empfehlungssystem einseitige Vorschläge machen könnte.
Medienanalyse: Suche ein frei verwendbares Bild und dokumentiere, wie Du Urheber, Lizenz, Kontext und ursprüngliche Quelle überprüft hast.

Standard

Neuronales Netz: Gestalte ein Lernplakat, das Eingabe, Verarbeitungsschichten, Gewichte und Ausgabe in eigenen Worten erklärt.
Halluzination: Stelle einer KI drei überprüfbare Fragen zu einem Unterrichtsthema und dokumentiere für jede Antwort, welche Behauptungen Du unabhängig geprüft hast.
Fairness: Untersuche das Beispiel eines Empfehlungssystems für eine Schulbibliothek. Entwickle drei Kriterien, mit denen Du neben Genauigkeit auch Fairness prüfen würdest.
Geschichte: Vergleiche eine KI-Zusammenfassung zu einem historischen Thema mit Schulbuch, Museum oder seriöser Fachquelle. Erstelle eine Tabelle aus Übereinstimmungen, Abweichungen und offenen Fragen.

Schwer

Human in the Loop: Entwirf einen Entscheidungsablauf für den Einsatz von KI bei einem schulischen Projekt. Lege fest, an welchen Stellen Menschen prüfen oder entscheiden müssen.
Konfusionsmatrix: Erfinde 20 Testfälle für eine einfache Klassifikationsaufgabe, werte richtige und falsche Entscheidungen aus und erkläre, warum eine Gesamtquote allein nicht immer genügt.
KI-Ethik: Entwickle mit Deiner Gruppe fünf Regeln für einen verantwortlichen KI-Einsatz in der Klasse. Begründe jede Regel mit einem konkreten Risiko oder Lernziel.
Medienkompetenz: Produziere ein zweiminütiges Erklärvideo mit dem Titel „Klingt richtig – ist aber noch nicht geprüft“. Zeige darin einen KI-Fehler, eine Quellenprüfung und eine begründete Entscheidung.

Lernkontrolle

Transferaufgabe Mensch-KI-Schleife: Eine KI erstellt Dir einen Lernplan, der jeden Tag drei Stunden zusätzliche Arbeit vorsieht. Erkläre, an welchen Stellen Du Ziel, Rahmenbedingungen und Ergebnis verändern würdest und warum.
Transferaufgabe Quellenkritik: Eine KI nennt Dir eine angebliche Studie als Beleg für eine Behauptung. Entwickle einen Prüfweg, mit dem Du feststellst, ob Studie, Autor, Inhalt und Schlussfolgerung tatsächlich zusammenpassen.
Transferaufgabe Fairness: Zwei Gruppen erhalten bei einem KI-System deutlich unterschiedliche Fehlerraten. Erkläre, welche zusätzlichen Informationen Du brauchst, bevor Du ein Fairnessurteil fällst.
Transferaufgabe Medienanalyse: Ein spektakuläres Bild verbreitet sich im Klassenchat. Beschreibe einen Prüfplan, der nicht nur sichtbare Bildfehler untersucht, sondern auch Ursprung, Kontext und Gegenquellen.
Transferaufgabe Human Agency: Eine Gruppe möchte die komplette Gliederung, Recherche, Formulierung und Bewertung eines Referats an KI abgeben. Entscheide, welche Teile Du sinnvoll unterstützen lassen würdest und welche beim Menschen bleiben sollten. Begründe.
Transferaufgabe Fehlvorstellung: Jemand sagt: „Wenn eine KI zu 95 Prozent sicher ist, stimmt die Antwort zu 95 Prozent.“ Erkläre, warum diese Aussage zu einfach ist und formuliere eine bessere Erklärung.

Lernnachweis

Für einen Lernnachweis zu diesem Thema ist wichtig, dass Du nicht nur Begriffe auswendig kennst, sondern Dein Vorgehen an einem neuen Beispiel zeigen kannst.

Du kannst die Mensch-KI-Interaktion als Schleife aus Zielsetzung, Eingabe, Ausgabe, Prüfung, Verbesserung und Entscheidung erklären.
Du kannst zwischen sprachlicher Plausibilität und überprüfter Wahrheit unterscheiden.
Du kannst erklären, wie Trainingsdaten, Beschriftungen, Ziele und Anwendungskontexte Bias verursachen können.
Du kannst eine KI-Aussage in überprüfbare Behauptungen zerlegen und geeignete unabhängige Quellen heranziehen.
Du kannst einfache Trefferquoten und Fehlerverteilungen interpretieren und Grenzen einer einzelnen Kennzahl benennen.
Du kannst begründen, welche Daten aus Datenschutz- und Sicherheitsgründen nicht unbedacht eingegeben werden sollten.
Du kannst den Beitrag einer KI transparent beschreiben und Deine eigene Prüfleistung sichtbar machen.
Du kannst typische Fehlvorstellungen zur KI erkennen, korrigieren und die Korrektur an einem neuen Beispiel erklären.
Du kannst eine begründete Entscheidung treffen, wann KI sinnvoll unterstützt und wann menschliche Kontrolle unverzichtbar ist.

OERs zum Thema

Die folgenden frei zugänglichen bzw. offen nutzbaren Informationsangebote eignen sich zur Vertiefung. Bei Wikimedia-Commons-Dateien findest Du die jeweilige Lizenz direkt auf der Dateiseite.

Weitere Lern- und Quellenangebote

Planet Schule: Künstliche Intelligenz – schulische Filme, Lernspiele und Unterrichtsmaterialien.
klicksafe: Einfluss von Algorithmen im Lebensalltag – Hintergrund zu algorithmischer Auswahl und Medienkompetenz.
Wikimedia Commons: Basic model of HCI – frei lizenzierte Grafik zur Mensch-Computer-Interaktion.
Wikimedia Commons: Neural Network – frei nutzbare Darstellung eines neuronalen Netzes.
Wikimedia Commons: Algorithmic bias – frei nutzbare Visualisierung zum Thema Bias.
Wikimedia Commons: Protection from misinformation/disinformation – frei nutzbares Symbol zur Informationsprüfung.

Verknüpfte Lernbereiche

Mensch-KI-Interaktion 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