Material

weitere Informationen

• https://www.medien-in-die-schule.de/wp-content/uploads/Medien_in_die_Schule_MachineLearning.pdf 
• https://www.educoding.lu/wp-content/uploads/2020/05/HeftUnplugged.pdf 

Medienkompetenzen

1.2 Daten, Informationen und digitale Inhalte analysieren und bewerten

5.2 Kritisch-reflektiert mit Medien interagieren

Bezug zum Lehrplan

Langues: Compréhension écrite
Langues: Production orale
Vie et société: Mensch, Natur und Technik

Bezug zum Alltag

Im Alltag begegnen uns viele Anwendungen Künstlicher Intelligenz, oft ohne dass wir es bewusst merken – zum Beispiel, wenn das Smartphone Gesichter in Fotos erkennt oder automatisch Emotionen vorschlägt. Diese Funktionen basieren auf KI-Systemen, die gelernt haben, Muster in Bildern zu erkennen und zu deuten. Anders als der Mensch „versteht“ der Computer ein Gesicht aber nicht intuitiv, sondern muss es durch viele Trainingsdaten und Algorithmen Schritt für Schritt erlernen. Die Lernenden erkennen, dass KI zwar ähnliche Aufgaben wie der Mensch übernehmen kann, dabei aber völlig anders „wahrnimmt“ und arbeitet. Dadurch wird deutlich, wie maschinelle Wahrnehmung unseren Alltag beeinflusst – etwa bei Gesichtserkennung, Filter-Apps oder automatischer Bildsortierung – und wo ihre Chancen und Grenzen liegen.

Ablauf

Zu Beginn der Unterrichtseinheit werden die Lernenden aufgefordert zu beschreiben, woran sie bei einem Menschen erkennen, ob dieser glücklich oder traurig ist. Das Ziel ist es, ihnen bewusst zu machen, dass emotionale Zustände über bestimmte Merkmale im Gesicht abgelesen werden – etwa an der Mimik von Augen und Mund. Dabei handelt es sich nicht um ein rein passives „Sehen“, sondern um einen aktiven Deutungsprozess, bei dem visuelle Reize mit bereits vorhandenem Wissen und Erfahrungen verknüpft werden. Dieser Vorgang wird als Wahrnehmung bezeichnet.
Im Anschluss wird die Frage aufgeworfen, inwiefern dieser Prozess auf Computersysteme übertragbar ist. Die Lernenden erkennen, dass ein Computer durch das bloße Aufnehmen eines Fotos noch nicht „versteht“, was auf dem Bild dargestellt ist. Ein digitales Bild besteht für das System lediglich aus einer Vielzahl von Pixeln mit bestimmten Farbwerten. Damit ein Computer etwa einen Gesichtsausdruck als „glücklich“ oder „traurig“ klassifizieren kann, muss er lernen, diese visuellen Muster zu erkennen und zu interpretieren. Erst durch maschinelles Lernen wird aus bloßer Bildverarbeitung ein Ansatz von computergestützter Wahrnehmung im Sinne künstlicher Intelligenz.

Tipps und Tricks

Im weiteren Verlauf der Unterrichtsaktivität erhalten die Lernenden die Möglichkeit, mithilfe digitaler Geräte (z. B. Smartphones oder Tablets) Fotos der Mitglieder der Lerngruppe aufzunehmen. Dabei stellen sie fest, dass die Kamera automatisch Gesichter erkennt und diese visuell – etwa durch Rechtecke oder Rahmen – markiert.
Diese Beobachtung bietet einen geeigneten Anlass, um die Unterscheidung zwischen reinem „Sehen“ und aktiver „Wahrnehmung“ erneut aufzugreifen: Die Kamera registriert zwar visuelle Reize und reagiert mit einer automatischen Markierung, doch stellt sich die Frage, ob dies bereits als Wahrnehmen im menschlichen Sinn verstanden werden kann. Die Lernenden setzen sich infolgedessen mit der Frage auseinander, inwiefern ein technisches System die Umwelt nicht nur erfasst, sondern auch inhaltlich deutet – und wo die Grenzen dieser maschinellen Interpretation liegen.

Weiterführende Aktivitäten

1. Die Lernenden erstellen ein Bilder-Tabu-Spiel, für das sie selbst Fotos aufnehmen.
2. Eine andere Variante besteht darin, aus dem Bilder-Tabu-Spiel ein Memory-Spiel zu erstellen. Bei dem Memory-Spiel müssen die Spielenden jeweils das Foto und den entsprechenden Text als Paar aufdecken.
3. Um den Lernenden zu veranschaulichen, wie Kameras die Fotos als Pixel abspeichern, eignet sich die Aktivität Pixel aus dem Heft „Logesch! Oder?“.