Material

• Arbeitsblatt
• evtl. Karteikarten

Medienkompetenzen

1.2 Daten, Informationen und digitale Inhalte analysieren und bewerten
1.3 Daten, Informationen und digitale Inhalte speichern und verwalten und bewerten
1.4 Daten, Informationen und digitale Inhalte speichern und verarbeiten
5.2 Kritisch-reflektiert mit digitalen Medien interagieren

Lernziele

Die Lernenden…

• erkennen, wie persönliche Vorlieben in Daten übersetzt werden können
• erfahren, wie KI-basierte Systeme Inhalte clustern und Empfehlungen aussprechen
• reflektieren, wie Empfehlungsalgorithmen unser Medienverhalten beeinflussen
• stärken ihre Datenkompetenz und digitale Mündigkeit im Umgang mit personalisierten Medienangeboten

Bezug zum Alltag

Ob Spotify, TikTok oder YouTube – viele nutzen täglich personalisierte Musik- und Medienplattformen. Dabei berücksichtigen Algorithmen persönliche Vorlieben und schlagen auf Basis von Nutzungsdaten neue Inhalte vor. Was vielen nicht bewusst ist: Diese Empfehlungen basieren auf gesammelten Daten, automatisierter Klassifizierung und sogenannten Clustering- und Empfehlungsverfahren. Die Einheit macht diesen Prozess anhand der eigenen Musik-Playlists erfahrbar.

Ablauf

Phase 1 – Meine Playlist als Datensatz

Die Lernenden erstellen ihre persönliche Top-5-Playlist und ergänzen Metadaten zu jedem Song:

Dies kann auf Papier oder digital (z. B.z.B in Excel) erfolgen. Die gesammelten Daten dienen als Grundlage für spätere Clustering-Aufgaben.

Phase 2 – Unplugged Clustering mit Entscheidungsbaum

In Gruppen entwickeln die Lernenden Entscheidungsbäume, um die Songs zu clustern (z. B. nach Genre, Tempo oder Stimmung). Dabei lernen sie, wie Maschinen Inhalte systematisch klassifizieren – eine Methode, die auch in KI-basierten Systemen zum Einsatz kommt.
Anschließend werden die erstellten Entscheidungsbäume verglichen und diskutiert.

Beispiel eines Entscheidungsbaumes:

Phase 3 – Empfehlungslogik verstehen & simulieren

Im Partneraustausch analysieren die Lernenden Überschneidungen in ihren Playlists und geben gezielte Song-Empfehlungen basierend auf den erstellten Entscheidungsbäumen und gemeinsamen Metadaten. Dabei wird sichtbar, wie Systeme wie Spotify oder YouTube auf Basis gemeinsamer Präferenzen Empfehlungen generieren.

Zum Abschluss der Einheit reflektieren die Lernenden ihr eigenes Medienverhalten und hinterfragen die Rolle von Algorithmen in ihrem Alltag. Dabei stehen Fragen im Mittelpunkt wie:

• Welche Rolle spielen Algorithmen für meinen Musikgeschmack?
• Inwiefern entscheide ich selbst, was ich höre – und wann folgt mein Verhalten unbewusst Empfehlungen?
• Was geschieht, wenn Algorithmen meine Vorlieben falsch einschätzen oder mich auf eine bestimmte Richtung festlegen?

Diese Reflexion soll ein kritisches Bewusstsein für die Auswirkungen personalisierter Medienangebote fördern und die Lernenden ermutigen, auch bei scheinbar harmlosen Empfehlungen selbstbestimmt zu handeln.

Tipps & Tricks

Alternativ kann die Phase 1 ausgelassen und mit der Phase 2 begonnen werden. Die Lernenden erhalten dann Karteikarten oder Playlists mit Metadaten.

Weiterführende Ideen

Die Lernenden erstellen anhand mithilfe der in Excel eingetragenen Daten Diagramme (z. B. Balken- oder Kreisdiagramme) zu Genres, Stimmung oder Tempo und interpretieren diese.
Die Lernenden gestalten basierend auf den gesammelten Metadaten ein Plakat, ein digitales Moodboard oder ein kurzes Video, das ihren Musikstil visuell darstellt – basierend auf den gesammelten Metadaten.

Arbeitsblatt – Meine Playlist als Datensatz
In dieser Aufgabe wirst du deine persönliche Lieblingsmusik in Form eines Datensatzes darstellen. Du sammelst Informationen zu 5 Songs und trägst sie in die untenstehende Tabelle ein. Anschließend wirst du diese Daten verwenden, um Songs in Gruppen zu sortieren und Empfehlungen zu geben – genau wie es Algorithmen tun!

Songtitel
Interpret:in
Genre
Tempo (langsam / mittel / schnell)
Stimmung (happy / sad / chill)
Bekanntheit (1–10)

Folgeaufgabe – Clustering mit Entscheidungsbaum
Nutze die Daten deiner Tabelle, um deine Songs zu gruppieren. Entwickle dazu mit deiner Gruppe einen Entscheidungsbaum.
Beispiel: Ist das Genre Pop? → Ja → Ist das Tempo schnell? → Ja → Gruppe: Party

Skizziere Skizziert euren Entscheidungsbaum auf einem separaten Blatt.

Partnerarbeit – Empfehlung aussprechen
Tauscht eure Playlist untereinander aus. Suche in der Playlist Gemeinsamkeiten (z. B. Genre oder Stimmung).
Finde mindestens 2 neue Songs, die zu der Playlist passen könnten. Begründe deine Empfehlung.