Material

• Computer oder Tablets mit Internetzugang (Einzel- oder Partnerarbeit)
• Beamer

Webtool:

• https://teachablemachine.withgoogle.com/ 

Fachbereich

• Digital Sciences
• Vie et société – Mensch, Natur und Technik

Medienkompetenzen

1.4 Informationen und Daten: Daten, Informationen und digitale Inhalte verarbeiten
2.1 Kommunikation und Zusammenarbeit: Mit anderen zusammenarbeiten
3.1 Erstellen von Inhalten: Digitale Inhalte erstellen
5.2 Digitale Welt: Kritisch-reflektiert mit digitalen Medien interagieren

Bezug zum Alltag

Künstliche Intelligenz ist längst Teil des Alltags vieler Lernender – oft, ohne dass sie es bewusst wahrnehmen. Sprachassistenten, automatische Vorschläge auf Streaming-Plattformen, Gesichtserkennung beim Entsperren des Smartphones oder Filter in sozialen Medien sind Beispiele für KI-Anwendungen, die Jugendliche täglich nutzen. Durch die Arbeit mit der Teachable Machine erleben die Lernenden auf anschauliche Weise, wie eine solche künstliche Intelligenz funktioniert: Sie erkennen, dass eine Maschine nicht „weiß“, was sie sieht, sondern Muster auf Basis von Trainingsdaten erkennt und daraus Entscheidungen ableitet. Dieser konkrete Bezug hilft den Lernenden, grundlegende Funktionsweisen von KI zu verstehen und kritisch zu reflektieren, wie solche Technologien in ihrem eigenen Alltag wirken.

Ablauf

Die Lehrperson fragt zum Einstieg die Lernenden, wie sie glauben, dass ein Computer erkennt, was man ihm zeigt. Anschließend wird gemeinsam das kurze Einführungsvideo zur Teachable Machine auf der Startseite angesehen, um eine erste Vorstellung davon zu geben, wie maschinelles Lernen funktioniert. Dabei wird betont, dass eine künstliche Intelligenz durch Beispiele lernt – ähnlich wie ein Mensch beim Wiedererkennen von Mustern.

In der Erarbeitungsphase öffnen die Lernenden in Einzel- oder Partnerarbeit die Webseite https://teachablemachine.withgoogle.com. Dort wählen sie ein neues „Image Project“ aus. Anschließend erstellen sie zwei bis drei Klassen („Class“), etwa „Hand oben“, „Hand unten“ oder „Gesicht nah“, „Gesicht weit“. Zu jeder Klasse nehmen sie mithilfe der Webcam rund 30 Bilder auf. Wenn alle Klassen mit ausreichend Beispielbildern gefüllt sind, klicken sie auf „Train Model“. Nach kurzer Wartezeit können sie die trainierte KI testen, indem sie der Kamera wieder Bilder zeigen. Sie beobachten, wie gut die KI die richtige Klasse erkennt, und variieren dabei ihre Positionen, Gesichtsausdrücke oder Gegenstände.

In der Reflexionsphase werden die Ergebnisse gemeinsam besprochen. Die Lernenden berichten, wie gut ihr Modell funktioniert hat, was es gut erkannt hat und wo es Schwierigkeiten gab. In einem kurzen Unterrichtsgespräch wird gemeinsam überlegt, warum viele Beispiele notwendig sind, wo die Grenzen des Systems liegen und ob die KI wirklich „intelligent“ ist oder eher auf Wiederholung und Mustererkennung basiert.

Tipps & Tricks

Da keine Anmeldung erforderlich ist und alle Daten lokal verarbeitet werden, ist das Tool aus datenschutzrechtlicher Sicht relativ unbedenklich – dennoch sollte darauf geachtet werden, dass keine persönlichen Fotos gespeichert oder geteilt werden. Für eine erfolgreiche Durchführung empfiehlt es sich, die Zahl der Klassen pro Projekt auf zwei oder drei zu begrenzen, da das Modell bei zu vielen Kategorien ungenauer wird und das Training länger dauert.

Weiterführende Ideen

Nachdem die Lernenden Bildmaterial verarbeitet haben, können sie Audiomaterial („Audio Project“) in das System einspeisen.
Die Seite https://machinelearningforkids.co.uk bietet mehr Tiefe und Möglichkeiten für fortgeschrittene Nutzerinnen und Nutzer.