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

Personalisierung und Perspektiven analysieren

Einleitung

Personalisierung und Perspektiven analysieren ist ein kompakter aiMOOC für die Klasse 8 und für etwa 1–2 Unterrichtsstunden. Du untersuchst, warum digitale Angebote verschiedenen Menschen unterschiedliche Inhalte zeigen, welche Daten und Geschäftsinteressen dabei eine Rolle spielen und wie Du trotz personalisierter Auswahl selbstbestimmt zu einem begründeten Urteil kommst. Im Mittelpunkt stehen nicht einzelne Marken, sondern übertragbare Prinzipien von Personalisierung, Empfehlungssystemen, Algorithmen, Medienkompetenz, Datenschutz, Werbung und Meinungsbildung.

Die Leitfrage lautet: Wie kann ich personalisierte Empfehlungen nutzen, ohne meine Perspektivenvielfalt, meine Datenhoheit und mein eigenes Urteil aus der Hand zu geben?

Der Kurs verbindet Informatik, Deutsch, Mathematik, Technik, Geschichte, Kunst, Ethik, Gemeinschaftskunde und Wirtschaft. Du arbeitest mit anschaulichen Modellen, überprüfbaren Belegen, einem kleinen Rechenmodell, einer realistischen Entscheidungssituation und einem Kriterienraster. Generative KI darf dabei als Werkzeug für Ideen, Gegenargumente oder Zusammenfassungen dienen, aber nicht als Ersatz für Quellenprüfung, Rechenweg oder eigenes Urteil.

Lernziele

Nach dem Kurs kannst Du erklären, wie Personalisierung und Empfehlungssysteme Inhalte auswählen, zwischen Daten, Signalen, Zielen und Ausgaben eines Systems unterscheiden und mögliche Rückkopplungen erkennen. Du kannst Geschäftsmodelle und Aufmerksamkeitsziele mit der Gestaltung von Feeds in Beziehung setzen. Du kannst Chancen und Risiken von Personalisierung abwägen, ohne vorschnell anzunehmen, dass jede Person automatisch in einer abgeschlossenen Filterblase lebt. Du kannst Perspektivenvielfalt gezielt erhöhen, Quellen und Belege prüfen, einfache Ranking-Modelle vergleichen und ein begründetes Urteil mit transparenten Kriterien formulieren.

Unterrichtsrahmen

Baustein	Kurzfassung
Zielgruppe	Schwerpunkt Klasse 8, anpassbar für Klassen 7–10
Zeit	45 Minuten als Kurzfassung oder 90 Minuten als vertiefte Doppelstunde
Sozialformen	Einzelarbeit, Partnerarbeit, Kleingruppe, Plenum
Produkt	Begründetes Urteil zu einem personalisierten Schul-Feed mit Kriterien und Belegen
Grundprinzip	Erst beobachten, dann modellieren, danach prüfen, vergleichen und urteilen

Aktivierung und Diagnose

Stell Dir vor, zwei Jugendliche öffnen gleichzeitig einen Video- oder Nachrichtenfeed. Person A sieht Sport, Technik und ein politisches Erklärvideo. Person B sieht Mode, Musik und einen Kommentar zum selben politischen Thema. Warum unterscheiden sich die Feeds? Notiere zunächst drei Vermutungen. Markiere anschließend jede Vermutung mit D für Daten, Z für Ziel des Systems oder U für eigenes Nutzerverhalten.

Wichtig: Unterschiedliche Anzeigen sind noch kein Beweis für Personalisierung. Auch Zeitpunkt, Sprache, Standort auf grober Ebene, Abos, aktuelle Trends, Zufallstests oder redaktionelle Auswahl können Ergebnisse verändern. Eine gute Analyse trennt deshalb Beobachtung und Erklärung.

Mini-Diagnose: Entscheide spontan, welcher Aussage Du eher zustimmst: „Mein Feed zeigt mir, was mich interessiert“ oder „Mein Feed beeinflusst, was mich interessiert“. Halte Deine Begründung fest. Am Ende des Kurses prüfst Du, ob Du Dein Urteil ändern oder genauer formulieren möchtest.

Verständliche Einführung

Personalisierung und Empfehlung

Personalisierung bedeutet, dass ein digitales Angebot Inhalte, Funktionen oder Reihenfolgen an vermutete Interessen, Bedürfnisse oder Eigenschaften einer Person oder Gruppe anpasst. Ein Empfehlungssystem versucht aus einer großen Menge von Inhalten diejenigen auszuwählen oder zu ordnen, die für eine Person wahrscheinlich besonders relevant sind.

Typische Signale können ausdrücklich gegeben werden, etwa ein Like, ein Abo oder eine Themenauswahl. Andere Signale entstehen durch Nutzung, etwa Klicks, Suchanfragen, Betrachtungsdauer, Überspringen oder wiederholtes Aufrufen. Ein Signal ist zunächst nur eine beobachtbare Information. Erst ein Modell deutet es, zum Beispiel als Hinweis auf vermutetes Interesse.

Ein vereinfachter Ablauf sieht so aus:

Inhalte → Kandidatenauswahl → Bewertung nach Signalen und Zielen → Rangfolge → Feed → Reaktion der Person → neue Signale

Die Grafik zeigt vereinfacht, dass aus vielen möglichen Inhalten zunächst Kandidaten ausgewählt und anschließend bewertet werden können. Ein echtes Empfehlungssystem ist meist deutlich komplexer. Außerdem ist entscheidend, welches Ziel optimiert wird: Klickwahrscheinlichkeit, Zufriedenheit, Wiedergabezeit, Kaufwahrscheinlichkeit, Aktualität, Qualität, Sicherheit, Vielfalt oder eine Kombination daraus.

Rückkopplung: Wenn Empfehlungen neue Daten erzeugen

Empfehlungssysteme können Rückkopplungen bilden. Ein System zeigt Dir etwas, Du reagierst darauf, Deine Reaktion wird wieder zum Signal und beeinflusst möglicherweise spätere Empfehlungen. Dadurch entsteht kein unabänderliches Schicksal, aber eine Wechselwirkung zwischen System und Nutzerverhalten.

Ein Beispiel: Du schaust mehrere kurze Videos über Fahrradtricks besonders lange. Das System kann daraus vermuten, dass Dich ähnliche Inhalte interessieren. Werden Dir mehr solcher Videos gezeigt, steigt die Chance, dass Du erneut darauf reagierst. Gleichzeitig kannst Du die Schleife aktiv verändern, etwa durch neue Suchanfragen, bewusst andere Quellen, Feedbackoptionen, das Zurücksetzen von Verlauf oder die Wahl eines nicht personalisierten beziehungsweise chronologischen Modus, sofern verfügbar.

Aufmerksamkeit, Dateninteressen und Geschäftsmodelle

Digitale Angebote verfolgen unterschiedliche Ziele. Deshalb ist es zu einfach zu sagen: „Kostenlos bedeutet immer, dass nur mit Daten bezahlt wird.“ Es gibt verschiedene Geschäftsmodelle, oft auch Mischformen.

Geschäftsmodell	Mögliche Einnahmequelle	Warum Personalisierung interessant sein kann	Prüffrage
Werbung	Anzeigen werden verkauft	Passende Inhalte können Nutzung und Werbekontakte erhöhen; personalisierte Werbung kann Zielgruppen genauer ansprechen	Welche Daten werden für Empfehlungen und Werbung genutzt?
Abonnement	Regelmäßige Beiträge der Nutzenden	Gute Empfehlungen können Zufriedenheit und Bindung erhöhen	Optimiert das System auf langfristigen Nutzen oder nur auf Nutzungshäufigkeit?
Marktplatz	Gebühren oder Provisionen bei Käufen	Empfehlungen können Produkte sichtbarer machen	Sind bezahlte Platzierungen und organische Empfehlungen klar getrennt?
Freemium	Basisangebot kostenlos, Zusatzfunktionen kostenpflichtig	Personalisierung kann den Nutzen erhöhen und auf Premiumfunktionen hinweisen	Ist erkennbar, welche Empfehlung redaktionell, algorithmisch oder kommerziell geprägt ist?

Aufmerksamkeit ist eine knappe Ressource. Oberflächen können deshalb so gestaltet sein, dass Du lange dabeibleibst, etwa durch endloses Scrollen, automatische Wiedergabe oder häufige Benachrichtigungen. Das bedeutet nicht, dass jede Empfehlung manipulativ ist. Entscheidend ist, ob Ziel, Gestaltung und Datennutzung transparent, verhältnismäßig und mit Deiner selbstbestimmten Nutzung vereinbar sind.

Perspektiven, Filterblase und Echokammer

Der Begriff Filterblase beschreibt die Befürchtung, dass personalisierte Auswahl Menschen vor allem Inhalte zeigt, die zu bisherigen Interessen oder Ansichten passen. Eine Echokammer betont zusätzlich soziale Gruppen, in denen ähnliche Positionen zirkulieren und sich gegenseitig verstärken.

Wissenschaftlich wichtig ist eine differenzierte Sicht: Personalisierte Auswahl kann Perspektiven verengen, aber sie führt nicht automatisch dazu, dass jede Person vollständig von anderen Sichtweisen abgeschnitten ist. Menschen wählen selbst Quellen aus, wechseln zwischen Medien, sprechen offline miteinander und können online auch auf unerwartete Inhalte treffen. Deshalb solltest Du nicht nur fragen: „Was macht der Algorithmus mit mir?“, sondern auch: „Welche Auswahl treffe ich selbst, welche Quellen fehlen und wie kann ich meine Informationsumgebung aktiv erweitern?“

Perspektivenvielfalt praktisch erhöhen

Perspektivenvielfalt bedeutet nicht, jede Behauptung als gleich wahr zu behandeln. Eine belegte wissenschaftliche Aussage und eine unbelegte Behauptung sind nicht automatisch zwei gleichwertige „Seiten“. Ziel ist vielmehr, bei strittigen Fragen relevante, begründete und nachvollziehbare Perspektiven zu berücksichtigen.

Nutze die 3-Perspektiven-Regel: Suche zu einer wichtigen Frage mindestens eine sachliche Grundinformation, eine begründete Gegen- oder Alternativperspektive und eine Quelle, die Daten, Originaldokumente oder überprüfbare Belege liefert. Prüfe dabei Autor, Datum, Zweck, Belege und mögliche Interessen.

Für Nachrichten oder gesellschaftliche Fragen kannst Du zusätzlich einen Feed-Wechsel einbauen: Nutze einmal bewusst Suche statt Startseite, öffne Quellen direkt, vergleiche redaktionelle Angebote und prüfe, ob es einen chronologischen oder nicht profilierten Modus gibt.

Transparenz, Fairness, Sicherheit und Rechte

In der Europäischen Union verlangt der Digital Services Act mehr Transparenz bei Empfehlungssystemen. Sehr große Online-Plattformen und Suchmaschinen müssen mindestens eine Empfehlungsoption anbieten, die nicht auf Profiling beruht. Außerdem ist auf Online-Plattformen gezielte Werbung für Minderjährige auf Grundlage von Profiling untersagt. Solche Regeln ersetzen Deine Medienkompetenz nicht, stärken aber Wahlmöglichkeiten und Nachvollziehbarkeit.

Für Dich gilt als Sicherheitsregel: Teile für Unterrichtsanalysen keine echten privaten Chats, Kontaktdaten, Standortverläufe oder persönlichen Feed-Screenshots mit fremden KI-Diensten. Arbeite lieber mit anonymisierten oder künstlich erzeugten Beispieldaten.

Das KRAFT-Kriterienraster

Mit KRAFT kannst Du personalisierte Angebote systematisch beurteilen:

Buchstabe	Kriterium	Leitfrage
K	Kontrolle	Kann ich Empfehlungen beeinflussen, ausschalten, zurücksetzen oder eine andere Sortierung wählen?
R	Relevanz und Ziel	Welches Ziel verfolgt die Empfehlung und passt dieses Ziel zu meinem eigenen Zweck?
A	Angemessenheit der Daten	Sind die genutzten Daten für den Zweck nötig und verhältnismäßig?
F	Fairness und Vielfalt	Werden bestimmte Gruppen, Quellen oder Perspektiven systematisch bevorzugt oder übersehen?
T	Transparenz und Nachprüfbarkeit	Kann ich nachvollziehen, warum etwas empfohlen wird und welche Belege meine Bewertung stützen?

Ein gutes Urteil besteht nicht aus „gut“ oder „schlecht“, sondern aus einer begründeten Abwägung: Kriterium + Beobachtung + Beleg + Gegenargument + Schlussfolgerung.

Systematische Werkzeugwahl und Mensch-KI-Arbeitsteilung

Wähle Werkzeuge danach aus, welche Teilaufgabe Du lösen musst. Nutze nicht automatisch KI für alles.

Teilaufgabe	Geeignetes Werkzeug	Aufgabe des Menschen	Sinnvolle KI-Rolle	Prüfschritt
Begriffe klären	Schulbuch, Lexikon, seriöse Quelle	Definition verstehen und in eigene Worte fassen	schwierige Formulierung vereinfachen	mit Originalquelle abgleichen
Quellen finden	Suchmaschine, Bibliothek, Fachportal	Suchbegriffe wählen und Quelle beurteilen	alternative Suchbegriffe vorschlagen	Autor, Datum, Zweck und Belege prüfen
Ranking berechnen	Papier, Taschenrechner, Tabellenkalkulation	Formel verstehen und Rechenweg dokumentieren	Rechenweg kontrollieren	Ergebnis unabhängig nachrechnen
Gegenargumente sammeln	Partnergespräch, Quellen, optional KI	relevante Gegenposition auswählen	Gegenargumente oder blinde Flecken vorschlagen	nur belegbare Punkte übernehmen
Endurteil schreiben	eigener Text	Kriterien gewichten, Belege auswählen, Verantwortung übernehmen	Entwurf auf Logiklücken prüfen lassen	Endfassung selbst entscheiden und Quellen nennen

Merksatz: KI kann Dir helfen, Fragen zu erzeugen. Sie darf Dir aber nicht die Verantwortung für Wahrheit, Quellenwahl und Urteil abnehmen.

Projektsteuerung für 45 oder 90 Minuten

Phase	45-Minuten-Variante	90-Minuten-Variante	Ergebnis
Aktivierung	5 Min.	10 Min.	Vermutungen zu zwei unterschiedlichen Feeds
Einführung	10 Min.	20 Min.	Personalisierung, Signale, Ziele, Rückkopplung
Anwendung	15 Min.	30 Min.	CampusFeed-Daten auswerten und Modelle vergleichen
Urteil	10 Min.	20 Min.	KRAFT-Raster mit Belegen anwenden
Reflexion	5 Min.	10 Min.	persönlicher Transfer und Selbstkontrolle

Arbeite in der Gruppe mit klaren Rollen: Datenprüfer kontrolliert Rechenwege, Quellenprüfer sucht Belege, Perspektivenwächter fragt nach fehlenden Sichtweisen und Urteilsredaktion formuliert die gemeinsame Entscheidung. Nach der Hälfte der Arbeitszeit führt Ihr einen kurzen Zwischencheck durch: Was wissen wir sicher? Was ist nur Vermutung? Welcher Beleg fehlt noch?

PISA-nahe Anwendungssituation: CampusFeed

Die fiktive Schule Campus Nord möchte auf ihrer Lernplattform einen Startseiten-Feed einführen. Dort sollen Hinweise auf Projekte, Nachrichten, Lernvideos und freiwillige Angebote erscheinen. Ein Team schlägt starke Personalisierung vor, damit Lernende „nur Relevantes“ sehen. Ein anderes Team fordert mehr Vielfalt, Datensparsamkeit und eine nicht personalisierte Alternative.

Du bist Mitglied des Schülermedienrats. Deine Aufgabe: Empfiehl eine Gestaltung für CampusFeed und begründe sie mit Daten, Kriterien und Belegen.

Datensatz

Die folgenden Werte sind bewusst vereinfacht. Sie bilden keinen echten Plattformalgorithmus ab. Alle Merkmale werden von 0 bis 3 bewertet.

Beitrag	Vermutetes Interesse	Erwartete Verweildauer	Aktualität	Perspektivenvielfalt	Kommerzielles Interesse
A: Fahrradtricks für den Schulweg	3	3	2	0	0
B: Kommentar zum Klimaschutz an Schulen	2	2	3	1	0
C: Gegenposition zur Verkehrsplanung vor der Schule	1	1	3	3	0
D: Anzeige für neue Sneaker	3	3	2	0	3

Zwei mögliche Ranking-Ziele

Modell Aufmerksamkeit: Score = 3 × Interesse + 2 × Verweildauer + 1 × Aktualität

Modell Vielfalt: Score = 2 × Interesse + 1 × Verweildauer + 2 × Perspektivenvielfalt + 1 × Aktualität

Berechne für beide Modelle die Scores. Vergleiche anschließend die Rangfolge. Beschreibe, welcher Beitrag durch das zusätzliche Vielfaltskriterium gewinnt und welche Zielentscheidung dahintersteht.

Erwartbarer Rechenweg zur Selbstkontrolle nach eigener Bearbeitung: Im Aufmerksamkeitsmodell erreichen A und D jeweils 17 Punkte, B 13 und C 8. Im Vielfaltsmodell erreicht C 12 Punkte, A 11, B 11 und D 11. Das Beispiel zeigt: Nicht nur Daten, sondern auch die gewählten Ziele und Gewichtungen verändern, was sichtbar wird.

Belegkarten

Nutze mindestens zwei der folgenden Belegkarten für Dein Urteil:

EU-Nutzerrechte: Sehr große Plattformen müssen zentrale Parameter von Empfehlungssystemen erläutern und mindestens eine Option anbieten, die nicht auf Profiling beruht. Gezielte Werbung für Minderjährige auf Grundlage von Profiling ist untersagt.
Forschung zur Filterblase: Personalisierung kann Informationsvielfalt beeinflussen, aber die Vorstellung einer vollständig geschlossenen Blase ist nicht automatisch auf jede Nutzung übertragbar. Eigenes Auswahlverhalten und verschiedene Medienquellen spielen ebenfalls eine Rolle.
Geschäftsmodell: Personalisierte Werbung kann durch Tracking und Profilbildung wirtschaftlich interessant sein. Deshalb sollte geprüft werden, ob Empfehlungsziel und Werbeziel miteinander verbunden sind.
Rückkopplung: Interaktionen wie Klicks oder Betrachtungsdauer können neue Signale liefern und dadurch spätere Empfehlungen beeinflussen.

Entscheidungsauftrag

Formuliere eine Empfehlung für CampusFeed in fünf Schritten: Nenne zuerst den Zweck des Feeds. Wähle danach mindestens drei KRAFT-Kriterien. Belege Deine Bewertung mit dem Datensatz und mindestens zwei Belegkarten. Nenne ein ernst zu nehmendes Gegenargument. Schließe mit einer Entscheidung, die Kontrolle, Daten, Perspektivenvielfalt und praktische Nutzbarkeit berücksichtigt.

Eine starke Lösung könnte zum Beispiel fordern, dass Lernende zwischen personalisierter und chronologischer Ansicht wählen können, Werbung im Schulfeed entfällt, nur wenige notwendige Nutzungsdaten verwendet werden, Empfehlungen erklärt werden und ein Vielfaltskriterium verhindert, dass immer nur bereits bekannte Themen sichtbar werden. Entscheidend ist jedoch Deine eigene nachvollziehbare Begründung.

Fächerübergreifende Bezüge

Fach	Bezug	Mögliche Frage
Informatik	Daten, Signale, Ranking, Rückkopplung, Modellziele	Welche Eingaben und Regeln bestimmen die Ausgabe?
Deutsch	Argumentieren, Quellenkritik, Framing, Gegenargumente	Ist mein Urteil belegt oder nur behauptet?
Mathematik	Gewichtete Scores, Tabellen, Vergleich von Modellen	Wie verändert eine andere Gewichtung die Rangfolge?
Technik	Systemgestaltung, Zielkonflikte, Bedienoptionen	Welche Stellschrauben geben Nutzenden Kontrolle?
Geschichte	Wandel von Gatekeeping und Öffentlichkeit	Wie unterscheidet sich redaktionelle Vorauswahl in Zeitung oder Rundfunk von personalisierten Feeds?
Kunst	visuelle Aufmerksamkeit, Interfacegestaltung, Bildwirkung	Welche Gestaltung lenkt meinen Blick zuerst?
Ethik	Autonomie, Fairness, Verantwortung, Schutz Minderjähriger	Wann wird hilfreiche Personalisierung zu problematischer Beeinflussung?
Gemeinschaftskunde	Meinungsbildung, Pluralismus, demokratische Öffentlichkeit	Welche Perspektiven braucht eine informierte Entscheidung?
Wirtschaft	Werbung, Abo, Freemium, Marktplatz, Dateninteressen	Wer profitiert wovon und welche Anreize entstehen?

Medienanalyse: Gestaltung lenkt Aufmerksamkeit

Analysiere die folgende Darstellung als Kunst- und Technikaufgabe: Welche Elemente eines digitalen Feeds können Aufmerksamkeit erhöhen? Denke an Größe, Kontrast, Bewegung, Position, Benachrichtigungen oder automatische Fortsetzung. Trenne dabei Beschreibung von Wirkungsannahme. Ein auffälliges Element kann Aufmerksamkeit wahrscheinlicher machen, beweist aber noch nicht, wie jede einzelne Person reagiert.

Nutze das satirische Video optional im Deutsch- oder Kunstunterricht: Welche Übertreibungen werden eingesetzt? Welche Aussage ist sachlich überprüfbar, welche ist satirische Zuspitzung? Formuliere danach dieselbe Kritik in einer nüchternen, belegbaren Sprache.

Reflexion und Transfer

Beantworte am Ende drei Sätze schriftlich: Mein Feed steuert …, Ich selbst steuere … und Für mehr Perspektivenvielfalt werde ich …. Vergleiche anschließend Deine Antwort mit der Mini-Diagnose vom Anfang.

Ein selbstbestimmter Umgang bedeutet nicht, alle Empfehlungen abzulehnen. Er bedeutet, die eigenen Ziele zu kennen, wichtige Einstellungen zu prüfen, sensible Daten zu schützen, Quellen bewusst zu wechseln, Empfehlung und Werbung auseinanderzuhalten und bei bedeutsamen Entscheidungen nicht nur auf den bequemsten Feed zu vertrauen.

Quellen und Belege

Europäische Kommission: Nutzerrechte nach dem Digital Services Act – Transparenz von Empfehlungssystemen, nicht profilierte Empfehlungsoptionen bei sehr großen Plattformen und Werbeschutz.
Europäische Kommission: Fragen und Antworten zum Digital Services Act – Schutz Minderjähriger und Verbot profilbasierter gezielter Werbung für Minderjährige.
Bundeszentrale für politische Bildung: Mythos Filterblase – differenzierte Einordnung von algorithmischer Auswahl und eigenem Medienverhalten.
Verbraucherzentrale: Datenschutzbegriffe – Zusammenhang zwischen Datensparsamkeit, Tracking und personalisierter Werbung.
NDR: Wie wirken Algorithmen? – schulisches Unterrichtsmaterial zu Algorithmen und sozialen Medien.
Landesanstalt für Kommunikation Baden-Württemberg: THE FEED – Serious Game zu Daten, Algorithmen und Meinungsbildung.
Die eingebundenen Wikimedia-Commons-Grafiken sind frei lizenzierte beziehungsweise gemeinfreie Lernmedien; die jeweilige Lizenz ist auf der Dateiseite dokumentiert.

Interaktive Aufgaben

Quiz: Teste Dein Wissen

Ein Schulfeed zeigt Dir immer mehr Beiträge zu einem Thema, nachdem Du ähnliche Beiträge lange angesehen hast. Welche Erklärung ist am besten? (Deine Betrachtungsdauer kann als Signal in eine Rückkopplung eingehen) (!Der Feed kennt deshalb sicher Deine echte Meinung) (!Jede lange Betrachtung bedeutet automatisch Zustimmung) (!Personalisierung funktioniert immer nur über den Namen)

Zwei Lernende sehen unterschiedliche Rangfolgen. Welche Schlussfolgerung ist methodisch am stärksten? (Man sollte zuerst prüfen, welche Daten, Ziele und Kontextfaktoren die Auswahl beeinflussen) (!Die Plattform manipuliert sicher eine der beiden Personen) (!Eine Person hat mit Sicherheit falsche Interessen) (!Unterschiedliche Rangfolgen beweisen immer eine Filterblase)

Ein Empfehlungssystem soll statt Klicks stärker Perspektivenvielfalt berücksichtigen. Was ändert sich dadurch zuerst? (Das Optimierungsziel und damit möglicherweise die Rangfolge) (!Die vorhandenen Quellen werden automatisch wahr) (!Alle Nutzungsdaten werden automatisch gelöscht) (!Jede Person erhält zwingend dieselben Inhalte)

Eine kostenlose App finanziert sich hauptsächlich durch Werbung. Welche Prüffrage passt am besten? (Welche Daten werden für Empfehlungen und Werbeansprache genutzt) (!Wie viele Farben hat das Logo) (!Ist jede Werbung automatisch verboten) (!Kann ein Algorithmus überhaupt rechnen)

Du willst Deine Perspektivenvielfalt erhöhen. Welche Strategie ist am sinnvollsten? (Du suchst gezielt zusätzliche seriöse Quellen und begründete Gegenperspektiven) (!Du klickst nur noch auf Beiträge, die Deine Meinung bestätigen) (!Du überlässt die Auswahl vollständig dem Startseitenfeed) (!Du behandelst jede Behauptung als gleich glaubwürdig)

Was zeigt das KRAFT-Kriterium Angemessenheit der Daten? (Ob die genutzten Daten für den Zweck nötig und verhältnismäßig sind) (!Ob ein Beitrag möglichst emotional formuliert ist) (!Ob ein Feed besonders viele Videos enthält) (!Ob die Schriftgröße technisch einheitlich ist)

Ein KI-Tool schlägt Dir drei Gegenargumente für Dein Urteil vor. Was ist der nächste sinnvolle Schritt? (Du prüfst, welche Gegenargumente durch verlässliche Quellen gestützt werden) (!Du übernimmst alle drei, weil KI neutral ist) (!Du löschst Deine eigenen Kriterien) (!Du lässt die KI allein die Endentscheidung treffen)

Warum ist die Aussage Alle personalisierten Feeds erzeugen eine vollständig geschlossene Filterblase zu stark? (Weil algorithmische Auswahl, eigenes Verhalten und weitere Informationsquellen zusammenwirken) (!Weil Personalisierung niemals Inhalte sortiert) (!Weil Menschen online immer dieselben Quellen sehen) (!Weil Empfehlungssysteme keine Nutzungsdaten verarbeiten können)

Welche Gestaltung stärkt bei CampusFeed die Selbstbestimmung am meisten? (Eine verständliche Erklärung der Empfehlung plus wählbare alternative Sortierung) (!Eine geheime Rangfolge ohne Einstellungsmöglichkeiten) (!Mehr Benachrichtigungen ohne Abschaltmöglichkeit) (!Personalisierte Werbung ohne Kennzeichnung)

Welches Urteil ist am besten begründet? (Das Urteil nennt Kriterien, Belege, ein Gegenargument und eine nachvollziehbare Schlussfolgerung) (!Das Urteil wiederholt nur die eigene Anfangsmeinung) (!Das Urteil besteht nur aus einem KI-generierten Satz) (!Das Urteil bewertet die Plattform nur nach Beliebtheit)

Memory

Personalisierung	Anpassung an vermutete Interessen oder Bedürfnisse
Signal	beobachtbare Information aus Auswahl oder Nutzung
Empfehlungssystem	Auswahl und Rangfolge aus vielen möglichen Inhalten
Profiling	Zuordnung von Merkmalen zu einem Nutzungsprofil
Perspektivenvielfalt	mehrere relevante und begründete Sichtweisen
Datensparsamkeit	nur notwendige Daten für einen Zweck verwenden

Drag and Drop

Ordne die richtigen Begriffe zu.	Thema
Kontrolle	alternative Sortierung oder Abschaltmöglichkeit prüfen
Relevanz	Ziel der Empfehlung benennen
Datensparsamkeit	nur erforderliche Informationen verwenden
Fairness	fehlende Gruppen und Perspektiven untersuchen
Transparenz	Gründe für eine Empfehlung nachvollziehen

Kreuzworträtsel

Algorithmus	Welcher Begriff bezeichnet eine eindeutige Folge von Verarbeitungsschritten?
Profiling	Wie heißt das Erstellen oder Nutzen eines Merkmalsprofils für Vorhersagen?
Vielfalt	Welcher Begriff steht hier für unterschiedliche relevante Perspektiven?
Transparenz	Wie heißt das Kriterium, wenn Entscheidungen nachvollziehbar erklärt werden?
Aufmerksamkeit	Welche knappe Ressource versuchen viele digitale Angebote zu gewinnen?
Datensparsamkeit	Welches Prinzip fordert, nur notwendige Daten zu verarbeiten?

LearningApps

Lückentext

Ein Empfehlungssystem ordnet Inhalte nach geschätzter

. Ein Klick oder eine lange Betrachtungsdauer kann als

verarbeitet werden. Wenn Reaktionen spätere Empfehlungen beeinflussen, entsteht eine

. Die Auswahl hängt nicht nur von Daten, sondern auch vom gewählten

ab. Personalisierte Werbung kann Teil eines digitalen

sein. Bei wichtigen Fragen erhöht der bewusste Wechsel von Quellen die

. Für Minderjährige ist profilbasierte gezielte Werbung auf Online-Plattformen in der EU

. Das abschließende Urteil soll Kriterien, Belege und ein ernst zu nehmendes

enthalten.

Offene Aufgaben

Leicht

Feed-Tagebuch: Beobachte zehn Minuten lang einen fiktiven oder anonymisierten Feed. Notiere, welche Themen häufig auftauchen, ohne private Kontodaten festzuhalten. Trenne Beobachtung und Vermutung.
Daten-Spuren: Erstelle eine Tabelle mit fünf möglichen Signalen eines Empfehlungssystems und erkläre jeweils, warum das Signal mehrdeutig sein kann.
Perspektiven-Karte: Wähle ein harmloses Schulthema und sammle drei verschiedene, seriös begründbare Perspektiven dazu.
Aufmerksamkeitsdesign: Zeichne einen neutralen und einen stark aufmerksamkeitslenkenden Feed. Markiere die Gestaltungsmittel und erläutere ihre mögliche Wirkung.

Standard

Ranking-Modell: Erfinde vier Beiträge mit Werten von 0 bis 3 und entwickle zwei unterschiedliche Score-Formeln. Vergleiche, wie sich die Rangfolge verändert.
Quellen-Dreieck: Prüfe zu einer Sachfrage eine Grundinformation, eine alternative Perspektive und eine Quelle mit Originaldaten oder Dokumenten. Dokumentiere Unterschiede.
Mensch-KI-Check: Lass eine KI mögliche Gegenargumente zu Deinem CampusFeed-Urteil vorschlagen. Prüfe jedes Gegenargument an einer verlässlichen Quelle und kennzeichne, was Du verwirfst.
Geschäftsmodell-Analyse: Vergleiche Werbung, Abo und Marktplatz. Erkläre, welche Anreize zur Personalisierung jeweils entstehen können und welche Interessen für Nutzende erkennbar sein sollten.

Schwer

CampusFeed-Rat: Entwerft in Gruppen eine Schulregel für personalisierte Empfehlungen. Legt Zweck, Datengrenzen, Wahlmöglichkeiten, Transparenz und Beschwerdeweg fest.
Algorithmus-Audit: Entwickle ein Prüfverfahren mit mindestens fünf Fragen, mit dem ein unbekannter Feed auf Kontrolle, Relevanz, Datenangemessenheit, Fairness und Transparenz untersucht werden kann.
KI-Gegenrede: Formuliere zunächst selbst ein begründetes Urteil. Bitte danach eine KI um die stärkste Gegenposition. Überarbeite Dein Urteil nur dort, wo der Einwand durch Belege trägt.
Medienverfassung: Schreibe sechs Regeln für eine selbstbestimmte Informationsnutzung in einer demokratischen Schulgemeinschaft und begründe jede Regel mit einem möglichen Risiko oder Nutzen.

Lernkontrolle

Ranking und Zielkonflikt: Erkläre am CampusFeed-Datensatz, warum dieselben Ausgangsdaten bei zwei Zielsetzungen zu unterschiedlichen Rangfolgen führen können. Beziehe Dich auf mindestens zwei konkrete Scores.
Geschäftsmodell und Daten: Vergleiche einen werbefinanzierten und einen abonnementsfinanzierten Dienst. Leite ab, welche unterschiedlichen Anreize für Datensammlung und Personalisierung entstehen können, ohne zu behaupten, dass jedes Angebot gleich funktioniert.
Quellenkritik: Du findest online die Aussage „Algorithmen sperren jeden Menschen in eine Filterblase“. Entwickle drei Prüfschritte und formuliere danach eine vorsichtigere, belegbare Aussage.
Perspektiven-Design: Entwirf für CampusFeed eine Funktion, die neue Perspektiven sichtbar macht, ohne jede Position als gleich glaubwürdig zu behandeln. Begründe Deine Auswahlregeln.
Human Agency: Beschreibe an einem Beispiel, welche Entscheidung Du einer KI überlassen würdest, welche nur mit menschlicher Kontrolle erfolgen sollte und welche Du selbst treffen musst.
Begründetes Urteil: Entscheide, ob CampusFeed personalisieren soll. Nutze mindestens drei KRAFT-Kriterien, zwei Belege, ein Gegenargument und eine klare Schlussfolgerung.

Lernnachweis

Für einen überzeugenden Lernnachweis ist wichtig:

Du erklärst Personalisierung als Zusammenspiel von Daten, Signalen, Modell und Ziel.
Du kannst eine Rückkopplung zwischen Empfehlung und Nutzerverhalten an einem Beispiel darstellen.
Du rechnest ein vereinfachtes Ranking nachvollziehbar und interpretierst nicht nur das Ergebnis.
Du unterscheidest Beobachtung, Vermutung und belegte Aussage.
Du analysierst mindestens ein mögliches Geschäftsinteresse und seine Anreize.
Du bewertest Datenangemessenheit, Transparenz, Fairness und Wahlmöglichkeiten.
Du beziehst mindestens eine relevante Gegenperspektive ein.
Du dokumentierst Quellen so, dass andere Deine Belege prüfen können.
Du kennzeichnest einen möglichen KI-Einsatz und zeigst, wie Du dessen Ergebnis überprüft hast.
Du formulierst ein eigenständiges, begründetes Schlussurteil.

OERs zum Thema

Ergänzend eignen sich die Wikipedia-Artikel Filterblase, Empfehlungsdienst, Algorithmus, Datenschutz und Medienkompetenz als Ausgangspunkte für weitere Recherche. Prüfe bei vertiefter Arbeit jeweils die angegebenen Einzelnachweise.

Verknüpfte Lernbereiche

Personalisierung und Perspektiven analysieren

aiMOOC-Projekte

Inhalte werden geladen ...

Mediathek wird aus dem Wiki geladen ...

Frag mich zum aktuellen Lerninhalt oder wähle eine kurze Hilfe.

Textmodus bereit

Sprache