cbe

Herausgeber et al (Hrsg) INFOS 2019Lecture Notes in Informatics (LNI) Gesellschaft fuumlr Informatik Bonn 2019 1

AI Unplugged ndash Wir ziehen Kuumlnstlicher Intelligenz denStecker

Stefan Seegerer1 Annabel Lindner1 Ralf Romeike2

Abstract Aufgrund seiner groszligen Bedeutung in Medien StartUp-Welt und der Digitalstrategie derBundesregierung wird das Thema Kuumlnstliche Intelligenz (KI) auch fuumlr die Schule zunehmend relevantBisher sind Ansaumltze die KI abseits von Programmierung fuumlr Schuumllerinnen und Schuumller erlebbarmachen rar Um dem zu begegnen wurde eine Sammlung verschiedener Unplugged Aktivitaumlten rundum KI entwickelt die das Thema greifbar macht und auch als Unterrichtssequenz verwendet werdenkann Unplugged stellt Aktivitaumlten bereit die Ideen und Konzepte der Informatik ohne Computerergruumlnden Die Aktivitaumlten beleuchten wichtige Konzepte des Themas KI und ermoumlglichen derKuumlnstlichen Intelligenz zugrunde liegende Ideen zielgruppengerecht zu vermitteln Zudem bietensie Ansatzpunkte um gesellschaftliche Fragen der KI zu diskutieren Dieser Beitrag beschreibt dieAktivitaumlten und deren theoretische Hintergruumlnde skizziert einen moumlglichen Unterrichtsverlauf undschildert konkrete Praxiserfahrungen von AI Unplugged

Keywords Kuumlnstliche Intelligenz CS Unplugged Maschinelles Lernen Unterrichtsaktivitaumlten

1 Einleitung

Vermutlich bestimmt kein anderes informatisches Thema die aktuelle Berichterstattungso stark wie die Kuumlnstliche Intelligenz (KI engl AI) KI findet in vielen BereichenAnwendung Wir sprechen mit Kuumlnstlichen Intelligenzen in Form von Siri Cortana oderAlexa erhalten bdquointelligenteldquo Produktempfehlungen beim Online-Shopping oder lesencomputergenerierte Texte Immer mehr Softwareprodukte werden als KI-gestuumltzt beworbenAuch die Bundesregierung widmet sich in einem aktuellen Strategiepapier dem Thema KI[Bu18] Diese gesellschaftliche Bedeutung macht das Thema zukuumlnftig auch fuumlr die Schulerelevant gerade vor dem Hintergrund dass laut einer aktuellen Umfrage 50 der Deutschenkeine genaue Vorstellung von KI haben [Pr18] Aufgrund der Komplexitaumlt des Themas istein werkzeugbasierter Zugang jedoch erst wenn uumlberhaupt fuumlr houmlhere Altersstufen geeignetUnplugged Aktivitaumlten koumlnnen die Beschaumlftigung mit dem Thema Kuumlnstliche Intelligenzerleichtern und von Lehrerinnen und Lehrern ebenso wie von Schuumllerinnen und Schuumllernauch bei geringerem Alter der Lernenden als Einstieg in die Thematik verwendet werden1 Friedrich-Alexander-Universitaumlt Erlangen-Nuumlrnberg Didaktik der Informatik Martensstraszlige 3 91058 Erlangen

stefanseegererfaude annabellindnerfaude2 Freie Universitaumlt Berlin Didaktik der Informatik Koumlnigin-Luise-Str 24-26 14195 Berlin ralfromeikefu-

berlinde

2 Stefan Seegerer Annabel Lindner Ralf Romeike

2 Kuumlnstliche Intelligenz

Kuumlnstliche Intelligenz existiert als Teilgebiet der Informatik bereits seit 1956 [Mc06]praktische Relevanz hat das Thema jedoch erst durch die Verfuumlgbarkeit entsprechenderRechenkapazitaumlten bekommen Der Begriff Kuumlnstliche Intelligenz stellt vor allem eineSammelbezeichnung fuumlr verschiedene Technologien und Verfahren dar wobei hier klas-sische Themen der KI und bdquoneuereldquo Ansaumltze unterschieden werden koumlnnen Zwischendiesen beiden Richtungen steht insbesondere im Teilbereich des Maschinellen Lernens ein(Paradigmen)Wechsel von symbolischer Repraumlsentation wie sie in Regelbasierten Systemenzur Anwendung kommt hin zu sub-symbolischer Wissensdarstellung wie sie NeuronaleNetze nutzen und welche keine explizite Darstellung der erlernten Loumlsung erlaubt [La11]

Der Begriff des Maschinellen Lernens steht dabei fast schon synonym fuumlr diese bdquoneuerenldquoAnsaumltze Er beschreibt die Faumlhigkeit kuumlnstlicher Systeme aus groszligen Datenmengen Musterund zugrundeliegende Regeln abzuleiten Ergebnis dieses Lernprozesses ist dann ein Modelldas fuumlr die erfolgreiche Bearbeitung unbekannter Daten oder Probleme eingesetzt werdenkann Eine Technologie die derartige Lernprozesse erlaubt sind kuumlnstliche neuronale NetzeHierbei handelt es sich um Netzwerke aus kuumlnstlichen Neuronen die in ihrer Funktion denbiologischen Neuronen des menschlichen Gehirns nachempfunden sind Die kuumlnstlichenNeuronen sind innerhalb des Netzwerks miteinander uumlber Kanten verbunden Sie nehmenInformation auf verarbeiten diese und geben sie anschlieszligend innerhalb des Netzes weiter

In Bezug auf den Lernprozess kuumlnstlicher Systeme lassen sich drei grundlegende Typen desLernens unterscheiden die zum Trainieren eines Modells eingesetzt werden Einerseits dasUumlberwachte Lernen (Supervised Learning) bei dem bereits bekannt ist welches Ergebnisvon einem Computer auf eine bestimmte Eingabe hin erwartet wird Die tatsaumlchlicheAusgabe des Computers wird mit dieser Erwartung verglichen und es werden Ruumlckschluumlssegezogen wie das Modell modifiziert werden muss um Erwartung und Ausgabe anzugleichenIm Gegensatz dazu steht Unuumlberwachtes Lernen (Unsupervised Learning) bei dem sichdas Modell basierend auf der Aumlhnlichkeit von Eingaben selbstaumlndig veraumlndert Diese Artdes Lernens kommt insbesondere dann zum Einsatz wenn keine bereits klassifiziertenDaten die zum Training des KI-Systems verwendet werden koumlnnen vorhanden sind DasVerstaumlrkende Lernen (Reinforcement Learning) stellt den dritten grundlegenden Lerntypdar Hierbei werden die Reaktionen eines lernenden Agenten auf bestimmte Eingabedatenbewertet Basierend auf der erhaltenen Bewertung passt das System seine Reaktionen anIn modernen KI-Systemen nutzen diese Ansaumltze haumlufig eine sub-symbolische Abbildungvon Wissen d h dass das vom System erworbene Wissen nur implizit repraumlsentiert wirdz B durch unterschiedliche Kantengewichte in einem Neuronalen Netz und konkreteLoumlsungsmuster nicht ersichtlich sind Demgegenuumlber steht die symbolische KI mit einerexpliziten Darstellung des Wissens und der Anwendung von Logik als zentralem PrinzipTypische Themenbereiche dieser klassischen KI sind beispielsweise Suchverfahren PlanenWissensrepraumlsentation (u a mit Entscheidungsbaumlumen) und Inferenz unter der Verwendungvon Logik [Er13]

AI Unplugged 3

3 Kuumlnstliche Intelligenz als Thema informatischer Bildung

Mit der steigenden gesellschaftlichen Relevanz des Themas Kuumlnstliche Intelligenz welchevor allem mit groszligen Fortschritten im Bereich Maschinelles Lernen zusammenhaumlngt wird KInun auch vermehrt in Bildungskontexten diskutiert und thematisiert etwa in CS4All Kursenan Hochschulen [SR18] Zunehmend gewinnt das Thema aber auch bei der Gestaltungvon Schulcurricula an Bedeutung (zB [CS17] oder [In18]) so hat beispielsweise ChinaKI landesweit zum Unterrichtsinhalt in allgemeinbildenden Schulen gemacht [YC18] Umeine Vereinheitlichung der curricularen Inhalte zu erreichen wurden zudem in Anlehnungan die Big Ideas of K12 Computing [Be18] bereits Vorschlaumlge fuumlr bdquoBig Ideasldquo derKuumlnstlichen Intelligenz gemacht [To19] Auch ein Konzept von Kandlhofer et al dasmit der Vermittlung von KI Grundlagen bereits im Kindergarten beginnt zielt auf diezugrundeliegenden Konzepte und eine AI Literacy ab [Ka16]

Gerade zu Themen der klassischen KI existiert bereits eine Reihe von Lernmaterialienbeispielsweise bietet Informatik im Kontext (IniK) eine Unterrichtsreihe zum ThemaChatbots welche mit Weizenbaums ELIZA arbeitet [WH08] Aber auch sub-symbolischenAnsaumltze werden in verschiedenen Projekten fuumlr den Unterricht aufbereitet Kahn et alpraumlsentieren z B ein Konzept das es Schuumllerinnen und Schuumllern erlaubt verschiedeneKI-Dienste in der Programmierumgebung Snap zu verwenden [Ka18] und Google stellteine Sammlung von Experimenten bereit mit denen Lernende KI ausprobieren koumlnnen3Auch Machine Learning for Kids bietet Online-Demos in denen Schuumllerinnen und SchuumllerKlassifikationsmodelle trainieren und diese im Anschluss in Scratch verwenden koumlnnen4Daneben existieren Ansaumltze die Roboter zur Vermittlung von KI-Themen einsetzen5

Derartige Angebote decken haumlufig jedoch nicht das ganze Feld der Kuumlnstlichen Intelligenzab sondern fokussieren einzelne Teilbereiche sodass es bisher nur wenige Ansaumltze gibtwie das Feld der Kuumlnstlichen Intelligenz in seiner Breite und mit einem umfassendenUnterrichtskonzept schuumllernah vermittelt werden kann Zudem wird in vielen Projekten vorallem eine anwendungsorientierte Perspektive eingenommen insbesondere wenn moderneAnsaumltze wie Neuronale Netze thematisiert werden Die zugrundeliegenden Konzepteder Kuumlnstlichen Intelligenz sind in der reinen Anwendungssituation allerdings schwer zuerfassen sodass KI-Systeme bei derartigen Vermittlungskonzepten eine Blackbox bleibenUm auch die technologische und gesellschaftlich-kulturelle Perspektive einzunehmen istein Blick auf zugrundeliegende Ideen und Konzepte notwendig (vgl [Br16])

Die entwickelten Unplugged Aktivitaumlten zielen aus diesem Grund darauf ab die derKuumlnstlichen Intelligenz zugrundeliegenden Konzepte zugaumlnglich zu machen ohne dabeidie Breite des Feldes zu vernachlaumlssigen Gleichzeitig wird auf eine stark formalisiertemathematische Darstellung verzichtet welche den Zugang fuumlr Schuumllerinnen und Schuumllermaszliggeblich erschweren wuumlrde

3 httpsexperimentswithgooglecom

4 httpsmachinelearningforkidscouk

5 zB Cozmo Link (httpswwwankicomde-decozmo)

AI Unplugged 3

3 Kuumlnstliche Intelligenz als Thema informatischer Bildung

Mit der steigenden gesellschaftlichen Relevanz des Themas Kuumlnstliche Intelligenz welchevor allem mit groszligen Fortschritten im Bereich Maschinelles Lernen zusammenhaumlngt wird KInun auch vermehrt in Bildungskontexten diskutiert und thematisiert etwa in CS4All Kursenan Hochschulen [SR18] Zunehmend gewinnt das Thema aber auch bei der Gestaltungvon Schulcurricula an Bedeutung (zB [CS17] oder [In18]) so hat beispielsweise ChinaKI landesweit zum Unterrichtsinhalt in allgemeinbildenden Schulen gemacht [YC18] Umeine Vereinheitlichung der curricularen Inhalte zu erreichen wurden zudem in Anlehnungan die Big Ideas of K12 Computing [Be18] bereits Vorschlaumlge fuumlr bdquoBig Ideasldquo derKuumlnstlichen Intelligenz gemacht [To19] Auch ein Konzept von Kandlhofer et al dasmit der Vermittlung von KI Grundlagen bereits im Kindergarten beginnt zielt auf diezugrundeliegenden Konzepte und eine AI Literacy ab [Ka16]

Gerade zu Themen der klassischen KI existiert bereits eine Reihe von Lernmaterialienbeispielsweise bietet Informatik im Kontext (IniK) eine Unterrichtsreihe zum ThemaChatbots welche mit Weizenbaums ELIZA arbeitet [WH08] Aber auch sub-symbolischenAnsaumltze werden in verschiedenen Projekten fuumlr den Unterricht aufbereitet Kahn et alpraumlsentieren z B ein Konzept das es Schuumllerinnen und Schuumllern erlaubt verschiedeneKI-Dienste in der Programmierumgebung Snap zu verwenden [Ka18] und Google stellteine Sammlung von Experimenten bereit mit denen Lernende KI ausprobieren koumlnnen3Auch Machine Learning for Kids bietet Online-Demos in denen Schuumllerinnen und SchuumllerKlassifikationsmodelle trainieren und diese im Anschluss in Scratch verwenden koumlnnen4Daneben existieren Ansaumltze die Roboter zur Vermittlung von KI-Themen einsetzen5

Derartige Angebote decken haumlufig jedoch nicht das ganze Feld der Kuumlnstlichen Intelligenzab sondern fokussieren einzelne Teilbereiche sodass es bisher nur wenige Ansaumltze gibtwie das Feld der Kuumlnstlichen Intelligenz in seiner Breite und mit einem umfassendenUnterrichtskonzept schuumllernah vermittelt werden kann Zudem wird in vielen Projekten vorallem eine anwendungsorientierte Perspektive eingenommen insbesondere wenn moderneAnsaumltze wie Neuronale Netze thematisiert werden Die zugrundeliegenden Konzepteder Kuumlnstlichen Intelligenz sind in der reinen Anwendungssituation allerdings schwer zuerfassen sodass KI-Systeme bei derartigen Vermittlungskonzepten eine Blackbox bleibenUm auch die technologische und gesellschaftlich-kulturelle Perspektive einzunehmen istein Blick auf zugrundeliegende Ideen und Konzepte notwendig (vgl [Br16])

Die entwickelten Unplugged Aktivitaumlten zielen aus diesem Grund darauf ab die derKuumlnstlichen Intelligenz zugrundeliegenden Konzepte zugaumlnglich zu machen ohne dabeidie Breite des Feldes zu vernachlaumlssigen Gleichzeitig wird auf eine stark formalisiertemathematische Darstellung verzichtet welche den Zugang fuumlr Schuumllerinnen und Schuumllermaszliggeblich erschweren wuumlrde

3 httpsexperimentswithgooglecom

4 httpsmachinelearningforkidscouk

5 zB Cozmo Link (httpswwwankicomde-decozmo)

4 Stefan Seegerer Annabel Lindner Ralf Romeike

4 AI Unplugged Aktivitaumlten

CS Unplugged stellt verschiedene Aktivitaumlten bereit die Lernenden jeden Alters Ideen undKonzepte der Informatik naumlher bringen Es geht darum Konzepte der Informatik enaktiv zubegreifen CS Unplugged Aktivitaumlten werden seit mittlerweile gut 30 Jahren im Kontextinformatischer Bildung verwendet [BRC12] der erfolgreiche Einsatz von Unplugged-Aktivitaumlten ist dabei in allen Altersstufen moumlglich So werden entsprechende Aktivitaumltenetwa in einer Sequenz fuumlr die Einfuumlhrung in die Programmierung in der Grundschule[GFH17] in auszligerschulischen Lernlaboren [GGH15] oder in der Erwachsenenbildungeingesetzt [GHS12] Im Bereich KI gibt es dazu bisher wenig Material obwohl sichUnplugged Aktivitaumlten fuumlr diesen Bereich aufgrund seiner Komplexitaumlt und Vielseitigkeitgut eignen Im Folgenden werden Ablauf und theoretischer Hintergrund von fuumlnf AIUnplugged Aktivitaumlten vorgestellt welche verschiedene elementare Konzepte hinter KI-Systemen verdeutlichen und sich an den Kriterien von Nishida et al [Ni09] orientieren

Abb 1 Beispiel einer Aktivitaumlt zur Veranschaulichung von Klassifikationstrategien

Aktivitaumlt 1 Klassifikation mit Entscheidungsbaumlumen ndash Das Gute-Aumlffchen-Boumlse-Aumlffchen-Spiel Wie trifft ein Computer selbststaumlndig Entscheidungen Wie entscheidetein Computer ob eine Person sportlich ist einen Kredit erhalten sollte usw Solche Klassi-fikationen sind eine haumlufige Anwendung von KI In dieser Aktivitaumlt haben Schuumllerinnenund Schuumller die Moumlglichkeit selbst ein Klassifikationsmodell mithilfe eines Entscheidungs-baumes zu erstellen (siehe Abb 1) Die Schuumllerinnen und Schuumller untersuchen wie dieZugehoumlrigkeit von Beispielelementen zu einer Kategorie zustande gekommen ist Dazuentwickeln Sie in Paaren Kriterien mit denen neue Elemente klassifiziert werden koumlnnenIm Anschluss werden die entstandenen Modelle mit neuen Beispielen getestet und dieGenauigkeit der Vorhersage bestimmt Aus den verschiedenen Modellen wird dann dasbeste Modell ausgewaumlhlt

Aktivitaumlt 2 deeplearning ndash Erkennen von Bildern mit Neuronalen Netzen Wiekann ein Computer eigentlich Dinge erkennen Wie entscheidet ein Computer ob aufeinem Foto ein Hund eine Katze oder eine Maus abgebildet ist Wie kann er Gebaumlude vonMenschen unterscheiden Gegenstaumlnde oder Objekte anhand ihrer Form bzw ihres Aumluszligeren

AI Unplugged 5

zu erkennen ist fuumlr Menschen sehr leicht Fuumlr den Computer der beispielsweise in einemselbstfahrenden Auto die Objekte in seiner Umgebung erkennen muss stellt dies jedoch einekomplexe Aufgabe dar In dieser Aktivitaumlt haben Kinder und Jugendliche die Moumlglichkeitselbst nachzuvollziehen wie Computer den Inhalt von Bildern erkennen Zudem wird derBegriff Deep Learning der den Einsatz von vielschichtigen komplexen Neuronalen Netzenin KI-Systemen bezeichnet aufgegriffen

Aktivitaumlt 3 Reinforcement Learning ndash Schlag das Krokodil Computer die Schachspielen und auch Menschen schlagen koumlnnen sind mittlerweile bekannt Das chinesischeBrettspiel Go galt hingegen lange Zeit als so komplex dass nur Menschen es meistern koumlnnenndash so lange bis Google mit AlphaGo menschliche Profi-Spieler das Fuumlrchten lehrte In dieserAktivitaumlt wird beleuchtet wie Computer selbst Strategien fuumlr Spiele entwickeln obwohl sienur die Spielregeln und somit nur die Liste moumlglicher Zuumlge kennen Je zwei Schuumllerinnenbzw Schuumller spielen eine Partie ldquoMini-Schachrdquo gegeneinander Dabei uumlbernimmt eineSchuumllerin bzw ein Schuumller die Rolle eines ldquoPapierrdquo-Computers Der Computer waumlhlt seineZuumlge zunaumlchst zufaumlllig lernt aber nach und nach mit einem Token-System welche Zuumlgeihm zum Sieg verhelfen und welche in einer Niederlage enden Mit Hilfe der Strategie diesich auf diese Weise entwickelt wird der Computer mit der Zeit immer besser

Aktivitaumlt 4 Back to the Roots ndash Krokodil-Schach und klassische KI Die bisherigenUumlbungen beschaumlftigen sich intensiv mit lernenden KI-Systemen Das ist jedoch noch nichtalles was die KI zu bieten hat Die Urspruumlnge der KI liegen in der Logik und der IdeeWissen mathematisch zu formalisieren und es auf diese Weise fuumlr Maschinen zugaumlnglichzu machen Welche Unterschiede es zwischen lernender KI und klassischen Ansaumltzen gibtund wo die Grenzen der Systeme liegen wird in dieser Aktivitaumlt aufgezeigt Dazu wird dievorangehende Reinforcement Learning Aktivitaumlt mit einem Expertensystem umgesetzt undso die stark unterschiedlichen Herangehensweisen verdeutlicht Wie in Aktivitaumlt 3 spielen jezwei Schuumllerinnen bzw Schuumller eine Partie ldquoMini-Schachrdquo gegeneinander Dabei uumlbernimmteine Schuumllerin bzw ein Schuumller die Rolle eines ldquoPapierrdquo-Computers Im Gegensatz zurvorherigen Aktivitaumlt lernt der Computer hier sein Verhalten jedoch nicht sondern arbeitetnach Regeln der Logik Wird die Aktivitaumlt direkt mit der vorangehenden ReinforcementLearning-Version kombiniert bietet es sich an dass ein Rollentausch stattfindet

Aktivitaumlt 5 ldquoAch wie gut dass niemand weiszlig dass ich ein Computer binrdquo - DerTuring-Test Welches Verhalten muss eine Maschine zeigen um als intelligent zu geltenWas bedeutet Kuumlnstliche Intelligenz genau Diese Fragen beschaumlftigen Forscher seit denAnfaumlngen der Kuumlnstlichen Intelligenz Alan Turing hat 1950 mit dem Turing-Test einVerfahren entwickelt wie man feststellen koumlnnte ob eine Maschine intelligent ist DieseAktivitaumlt entlehnt aus den urspruumlnglichen Unplugged Materialien [BWF98] stellt mitSchuumllerinnen und Schuumllern den Turing-Test nach und soll zur Diskussion anregen ob

6 Stefan Seegerer Annabel Lindner Ralf Romeike

Computer tatsaumlchlich so etwas wie Intelligenz zeigen koumlnnen Zudem wird deutlich wieleicht man durch sorgfaumlltig gewaumlhlte Beispiele von ldquoIntelligenzrdquo von einer Maschine in dieIrre gefuumlhrt werden kann

5 Einbindung in den Unterricht

Ziel des Unterrichts ist das Entdecken und Ergruumlnden der zugrundeliegenden Konzepte imBereich Kuumlnstlicher Intelligenz Dabei explorieren die Schuumllerinnen und Schuumller spielerischverschiedene Phaumlnomene rund um das Thema Denkbar ist sowohl die Integration mehrererAktivitaumlten in eine Einheit als auch einzelne Unterrichtsstunden zu ausgewaumlhlten AspektenIm Folgenden wird ein moumlglicher Ablauf der Sequenz grob skizziert anschlieszligend eineStunde beispielhaft genauer ausgefuumlhrt Zielgruppe sind insbesondere Schuumllerinnen undSchuumller der Sekundarstufe 1 und 2 obwohl einige Aktivitaumlten auch (eventuell angepasst) inanderen Lernszenarien eingesetzt werden koumlnnen

51 Unterrichtssequenz

Die im Folgenden beschriebene Sequenz adressiert mehrere Kompetenzbereiche insbeson-dere aus den Inhaltsbereichen Informatiksysteme und Informatik Mensch und Gesellschaftsowie den Prozessbereichen Begruumlnden und Bewerten und Modellieren und Implementierenallerdings kommen auch die anderen Inhalts- und Prozessbereich der BildungsstandardsInformatik in der Sequenz in Ansaumltzen zum Tragen [Pu08] Die in Tabelle 1 uumlberblicksartigdargestellte Sequenz verdeutlicht dass Kuumlnstliche Intelligenz vielfaumlltige Formen annehmenkann und aktuelle KI-Systeme auf stark spezialisierte Anwendungen begrenzt sind Zudemwerden gesellschaftlich-soziale Auswirkungen von KI-Systemen thematisiert und illustriertdass Kuumlnstliche Intelligenz weniger bdquomagischldquo ist als man vielleicht zunaumlchst annehmenwuumlrde

Zu Beginn der Sequenz wird das Thema KI anhand der Klassifikation von Objekteneingefuumlhrt welche etwa bei selbstfahrenden Autos von Bedeutung ist Nach dem Einstiegdient die Bilderkennung als Kontext fuumlr Maschinelles Lernen mit neuronalen Netzen ehediese bisher thematisierten neueren Ansaumltze klassischen Ansaumltzen gegenuumlbergestellt werdenDazu wird anhand eines Spiels der Unterschied zwischen Lernverfahren und RegelbasiertenSystemen herausgestellt und die Breite des Themenfeldes Kuumlnstliche Intelligenz angedeutetZum Abschluss wird das Thema reflektiert und die Frage in den Mittelpunkt gestelltinwieweit Computer wirklich intelligent sein koumlnnen

52 Unterrichtsstunde

Exemplarisch wird die erste Stunde der Sequenz (45 Minuten) geschildert diese kann aucheigenstaumlndig zum Einsatz kommen Die Aktivitaumlt Klassifikation mit Entscheidungsbaumlumen

AI Unplugged 7

Stunde Stundenthema Beschreibung AI Unplugged

1 Einstieg in denThemenbereichKI

Die Schuumllerinnen und Schuumller explorieren dasKonzept Maschinellen Lernens und beispiel-hafte Auswirkungen auf die Gesellschaft

Aktivitaumlt 1

2-3 Neuronale Net-ze und DeepLearning

Anhand der Bildklassifizierung mit Neurona-len Netzen ergruumlnden die Schuumllerinnen undSchuumller ein weiteres bekanntes Gebiet der KIund analysieren die Funktionsweise NeuronalerNetze Sie lernen auszligerdem was hinter demBegriff Deep Learning steckt

Aktivitaumlt 2

4-5 MaschinellesLernen undklassische KI

Anhand von zwei Strategien fuumlr dasselbeSpiel vergleichen die Schuumllerinnen und Schuumllerbdquoneueldquo und klassische Ansaumltze der KI

Aktivitaumlt 3 und 4

6 Was ist kuumlnstli-che Intelligenz

Mithilfe des Turing-Tests gehen Schuumllerinnenund Schuumller der Frage nach ob Computer wirk-lich Intelligenz zeigen koumlnnen und reflektierenethische Aspekte des Themas KI

Aktivitaumlt 5

Tab 1 Exemplarischer Unterrichtsverlauf

Das Gute-Aumlffchen-Boumlse-Aumlffchen Spiel die in dieser Stunde zum Einsatz kommt erlaubtdas Erstellen von Klassifikationsmodellen unterschiedlicher Komplexitaumlt Schuumllerinnenund Schuumller koumlnnen nach dieser Stunde zum einen erklaumlren wie ein Computer anhandeiner bereits klassifizierten Beispielmenge lernt Elemente erfolgreich zu klassifizierenzum anderen koumlnnen sie den Trainingsvorgang eines Klassifikationssystems beschreibenund die Bedeutung von Trainings- und Testdaten herausstellen Des Weiteren koumlnnen realeSituationen beschrieben werden in welchen Entscheidungen von Kuumlnstlicher Intelligenzproblematisch sein koumlnnen Die Stunde stellt grundlegende Aspekte Maschinellen Lernensvor und beleuchtet gleichzeitig gesellschaftliche Problemstellungen die aus der Verwendungvon KI-Systemen fuumlr Klassifikationsaufgaben entstehen koumlnnen Folgende Gliederung derUnterrichtsstunde ist dabei moumlglich

bull Zum Einstieg spielen die Schuumllerinnen und Schuumller zunaumlchst eine einfache Versiondes Aumlffchen-Spiels um das Spielprinzip zu verdeutlichen

bull Die Ergebnisse des ersten Durchgangs werden ausgewertet und das beste Klassifikati-onsmodell ausgewaumlhlt

bull In einer weiteren Spielrunde kommt nun eine komplexere Spielversion zum Einsatz

bull Auch dieser Durchgang wird ausgewertet und das beste Klassifikationsmodell be-stimmt

bull Mithilfe einer Lernaufgabe die den Abstraktionsprozess vom konkreten Spiel hin

8 Stefan Seegerer Annabel Lindner Ralf Romeike

zum allgemeinen maschinellen Lernprozess ermoumlglicht wird die Aktivitaumlt dekontex-tualisiert

bull Abschlieszligend werden die Ergebnisse der Lernaufgabe diskutiert und auf das Beispielder Teachable Machine6 uumlbertragen

Ebenso wie diese Aktivitaumlt eignen sich auch die anderen Aktivitaumlten der Sequenz etwaReinforcement Learning Schlag das Krokodil und Back to the roots Krokodil-Schach undklassische KI fuumlr den isolierten Einsatz in einzelnen Unterrichtsstunden

6 Resuumlmee und Ausblick

AI Unplugged wurde in einem Schulversuch mit einer neunten und einer zehnten Klasse derRealschule erprobt Obgleich die Schuumllerinnen und Schuumller eine rudimentaumlre Vorstellungdes Begriffs Kuumlnstliche Intelligenz hatten verfuumlgten sie doch uumlber keine inhaltlichenVorkenntnisse in diesem Themenbereich So verbinden viele Schuumllerinnen und Schuumller denBegriff vor allem mit selbststaumlndig agierenden lernfaumlhigen Robotern

Bei der Durchfuumlhrung erfassten die Schuumllerinnen und Schuumller die Funktionsprinzipien derAktivitaumlten schnell und umfassend bei der Arbeit in Teams waren die Schuumllerinnen undSchuumller konzentriert und mit Spaszlig bei der Sache Als es beispielsweise galt Regeln fuumlrdie Klassifikation von Aumlffchen aufzustellen (Aktivitaumlt 1) entwickelte sich ein Wettbewerbdarum das beste Klassifikationsmodell zu erstellen Zudem wurde rege diskutiert wie fairein derartiges Klassifikationsmodell sein kann Bei Fragen und Problemen besprachen sichdie Schuumllerinnen und Schuumller mit ihren Mitschuumllerinnen und Mitschuumllern und erarbeitetenLoumlsungen im Team ohne die Hilfe der Lehrkraft zu beanspruchen Auch Schuumllerinnen undSchuumller die dem Konzept bdquoInformatik ohne Computerldquo am Anfang skeptisch gegenuumlberstanden konnten durch die Aktivitaumlten sehr gut motiviert werden und zeigten anschlieszligendgroszliges Interesse am Thema

Im Rahmen der anschlieszligenden Dekontextualisierung war bei den Schuumllerinnen undSchuumllern ein deutlicher Erkenntniszuwachs feststellbar Nach der Durchfuumlhrung von AIUnplugged Aktivitaumlten waren die Schuumllerinnen und Schuumller in der Lage den Begriff desMaschinellen Lernens zu erlaumlutern und konnten auf dieser Basis zudem gesellschaftlicheImplikationen Kuumlnstlicher Intelligenz diskutieren Sie erkannten die Zusammenhaumlngezwischen individuellen Aktivitaumlten und den zugrundeliegenden Konzepten der KuumlnstlichenIntelligenz sehr schnell und konnten Parallelen zu Phaumlnomenen die sie aus dem Alltagkannten (z B Captchas Google Bildersuche etc) ziehen Dies sorgte fuumlr Aha-Effekteteilweise sogar schon waumlhrend der Aktivitaumlten und ermoumlglichte den Schuumllerinnen undSchuumllern die Grenzen solcher Systeme zu erkennen

6 httpsteachablemachinewithgooglecom

AI Unplugged 5

zu erkennen ist fuumlr Menschen sehr leicht Fuumlr den Computer der beispielsweise in einemselbstfahrenden Auto die Objekte in seiner Umgebung erkennen muss stellt dies jedoch einekomplexe Aufgabe dar In dieser Aktivitaumlt haben Kinder und Jugendliche die Moumlglichkeitselbst nachzuvollziehen wie Computer den Inhalt von Bildern erkennen Zudem wird derBegriff Deep Learning der den Einsatz von vielschichtigen komplexen Neuronalen Netzenin KI-Systemen bezeichnet aufgegriffen

Aktivitaumlt 3 Reinforcement Learning ndash Schlag das Krokodil Computer die Schachspielen und auch Menschen schlagen koumlnnen sind mittlerweile bekannt Das chinesischeBrettspiel Go galt hingegen lange Zeit als so komplex dass nur Menschen es meistern koumlnnenndash so lange bis Google mit AlphaGo menschliche Profi-Spieler das Fuumlrchten lehrte In dieserAktivitaumlt wird beleuchtet wie Computer selbst Strategien fuumlr Spiele entwickeln obwohl sienur die Spielregeln und somit nur die Liste moumlglicher Zuumlge kennen Je zwei Schuumllerinnenbzw Schuumller spielen eine Partie ldquoMini-Schachrdquo gegeneinander Dabei uumlbernimmt eineSchuumllerin bzw ein Schuumller die Rolle eines ldquoPapierrdquo-Computers Der Computer waumlhlt seineZuumlge zunaumlchst zufaumlllig lernt aber nach und nach mit einem Token-System welche Zuumlgeihm zum Sieg verhelfen und welche in einer Niederlage enden Mit Hilfe der Strategie diesich auf diese Weise entwickelt wird der Computer mit der Zeit immer besser

Aktivitaumlt 4 Back to the Roots ndash Krokodil-Schach und klassische KI Die bisherigenUumlbungen beschaumlftigen sich intensiv mit lernenden KI-Systemen Das ist jedoch noch nichtalles was die KI zu bieten hat Die Urspruumlnge der KI liegen in der Logik und der IdeeWissen mathematisch zu formalisieren und es auf diese Weise fuumlr Maschinen zugaumlnglichzu machen Welche Unterschiede es zwischen lernender KI und klassischen Ansaumltzen gibtund wo die Grenzen der Systeme liegen wird in dieser Aktivitaumlt aufgezeigt Dazu wird dievorangehende Reinforcement Learning Aktivitaumlt mit einem Expertensystem umgesetzt undso die stark unterschiedlichen Herangehensweisen verdeutlicht Wie in Aktivitaumlt 3 spielen jezwei Schuumllerinnen bzw Schuumller eine Partie ldquoMini-Schachrdquo gegeneinander Dabei uumlbernimmteine Schuumllerin bzw ein Schuumller die Rolle eines ldquoPapierrdquo-Computers Im Gegensatz zurvorherigen Aktivitaumlt lernt der Computer hier sein Verhalten jedoch nicht sondern arbeitetnach Regeln der Logik Wird die Aktivitaumlt direkt mit der vorangehenden ReinforcementLearning-Version kombiniert bietet es sich an dass ein Rollentausch stattfindet

Aktivitaumlt 5 ldquoAch wie gut dass niemand weiszlig dass ich ein Computer binrdquo - DerTuring-Test Welches Verhalten muss eine Maschine zeigen um als intelligent zu geltenWas bedeutet Kuumlnstliche Intelligenz genau Diese Fragen beschaumlftigen Forscher seit denAnfaumlngen der Kuumlnstlichen Intelligenz Alan Turing hat 1950 mit dem Turing-Test einVerfahren entwickelt wie man feststellen koumlnnte ob eine Maschine intelligent ist DieseAktivitaumlt entlehnt aus den urspruumlnglichen Unplugged Materialien [BWF98] stellt mitSchuumllerinnen und Schuumllern den Turing-Test nach und soll zur Diskussion anregen ob

6 Stefan Seegerer Annabel Lindner Ralf Romeike

Computer tatsaumlchlich so etwas wie Intelligenz zeigen koumlnnen Zudem wird deutlich wieleicht man durch sorgfaumlltig gewaumlhlte Beispiele von ldquoIntelligenzrdquo von einer Maschine in dieIrre gefuumlhrt werden kann

5 Einbindung in den Unterricht

Ziel des Unterrichts ist das Entdecken und Ergruumlnden der zugrundeliegenden Konzepte imBereich Kuumlnstlicher Intelligenz Dabei explorieren die Schuumllerinnen und Schuumller spielerischverschiedene Phaumlnomene rund um das Thema Denkbar ist sowohl die Integration mehrererAktivitaumlten in eine Einheit als auch einzelne Unterrichtsstunden zu ausgewaumlhlten AspektenIm Folgenden wird ein moumlglicher Ablauf der Sequenz grob skizziert anschlieszligend eineStunde beispielhaft genauer ausgefuumlhrt Zielgruppe sind insbesondere Schuumllerinnen undSchuumller der Sekundarstufe 1 und 2 obwohl einige Aktivitaumlten auch (eventuell angepasst) inanderen Lernszenarien eingesetzt werden koumlnnen

51 Unterrichtssequenz

Die im Folgenden beschriebene Sequenz adressiert mehrere Kompetenzbereiche insbeson-dere aus den Inhaltsbereichen Informatiksysteme und Informatik Mensch und Gesellschaftsowie den Prozessbereichen Begruumlnden und Bewerten und Modellieren und Implementierenallerdings kommen auch die anderen Inhalts- und Prozessbereich der BildungsstandardsInformatik in der Sequenz in Ansaumltzen zum Tragen [Pu08] Die in Tabelle 1 uumlberblicksartigdargestellte Sequenz verdeutlicht dass Kuumlnstliche Intelligenz vielfaumlltige Formen annehmenkann und aktuelle KI-Systeme auf stark spezialisierte Anwendungen begrenzt sind Zudemwerden gesellschaftlich-soziale Auswirkungen von KI-Systemen thematisiert und illustriertdass Kuumlnstliche Intelligenz weniger bdquomagischldquo ist als man vielleicht zunaumlchst annehmenwuumlrde

Zu Beginn der Sequenz wird das Thema KI anhand der Klassifikation von Objekteneingefuumlhrt welche etwa bei selbstfahrenden Autos von Bedeutung ist Nach dem Einstiegdient die Bilderkennung als Kontext fuumlr Maschinelles Lernen mit neuronalen Netzen ehediese bisher thematisierten neueren Ansaumltze klassischen Ansaumltzen gegenuumlbergestellt werdenDazu wird anhand eines Spiels der Unterschied zwischen Lernverfahren und RegelbasiertenSystemen herausgestellt und die Breite des Themenfeldes Kuumlnstliche Intelligenz angedeutetZum Abschluss wird das Thema reflektiert und die Frage in den Mittelpunkt gestelltinwieweit Computer wirklich intelligent sein koumlnnen

52 Unterrichtsstunde

Exemplarisch wird die erste Stunde der Sequenz (45 Minuten) geschildert diese kann aucheigenstaumlndig zum Einsatz kommen Die Aktivitaumlt Klassifikation mit Entscheidungsbaumlumen

AI Unplugged 7

Stunde Stundenthema Beschreibung AI Unplugged

1 Einstieg in denThemenbereichKI

Die Schuumllerinnen und Schuumller explorieren dasKonzept Maschinellen Lernens und beispiel-hafte Auswirkungen auf die Gesellschaft

Aktivitaumlt 1

2-3 Neuronale Net-ze und DeepLearning

Anhand der Bildklassifizierung mit Neurona-len Netzen ergruumlnden die Schuumllerinnen undSchuumller ein weiteres bekanntes Gebiet der KIund analysieren die Funktionsweise NeuronalerNetze Sie lernen auszligerdem was hinter demBegriff Deep Learning steckt

Aktivitaumlt 2

4-5 MaschinellesLernen undklassische KI

Anhand von zwei Strategien fuumlr dasselbeSpiel vergleichen die Schuumllerinnen und Schuumllerbdquoneueldquo und klassische Ansaumltze der KI

Aktivitaumlt 3 und 4

6 Was ist kuumlnstli-che Intelligenz

Mithilfe des Turing-Tests gehen Schuumllerinnenund Schuumller der Frage nach ob Computer wirk-lich Intelligenz zeigen koumlnnen und reflektierenethische Aspekte des Themas KI

Aktivitaumlt 5

Tab 1 Exemplarischer Unterrichtsverlauf

Das Gute-Aumlffchen-Boumlse-Aumlffchen Spiel die in dieser Stunde zum Einsatz kommt erlaubtdas Erstellen von Klassifikationsmodellen unterschiedlicher Komplexitaumlt Schuumllerinnenund Schuumller koumlnnen nach dieser Stunde zum einen erklaumlren wie ein Computer anhandeiner bereits klassifizierten Beispielmenge lernt Elemente erfolgreich zu klassifizierenzum anderen koumlnnen sie den Trainingsvorgang eines Klassifikationssystems beschreibenund die Bedeutung von Trainings- und Testdaten herausstellen Des Weiteren koumlnnen realeSituationen beschrieben werden in welchen Entscheidungen von Kuumlnstlicher Intelligenzproblematisch sein koumlnnen Die Stunde stellt grundlegende Aspekte Maschinellen Lernensvor und beleuchtet gleichzeitig gesellschaftliche Problemstellungen die aus der Verwendungvon KI-Systemen fuumlr Klassifikationsaufgaben entstehen koumlnnen Folgende Gliederung derUnterrichtsstunde ist dabei moumlglich

bull Zum Einstieg spielen die Schuumllerinnen und Schuumller zunaumlchst eine einfache Versiondes Aumlffchen-Spiels um das Spielprinzip zu verdeutlichen

bull Die Ergebnisse des ersten Durchgangs werden ausgewertet und das beste Klassifikati-onsmodell ausgewaumlhlt

bull In einer weiteren Spielrunde kommt nun eine komplexere Spielversion zum Einsatz

bull Auch dieser Durchgang wird ausgewertet und das beste Klassifikationsmodell be-stimmt

bull Mithilfe einer Lernaufgabe die den Abstraktionsprozess vom konkreten Spiel hin

8 Stefan Seegerer Annabel Lindner Ralf Romeike

zum allgemeinen maschinellen Lernprozess ermoumlglicht wird die Aktivitaumlt dekontex-tualisiert

bull Abschlieszligend werden die Ergebnisse der Lernaufgabe diskutiert und auf das Beispielder Teachable Machine6 uumlbertragen

Ebenso wie diese Aktivitaumlt eignen sich auch die anderen Aktivitaumlten der Sequenz etwaReinforcement Learning Schlag das Krokodil und Back to the roots Krokodil-Schach undklassische KI fuumlr den isolierten Einsatz in einzelnen Unterrichtsstunden

6 Resuumlmee und Ausblick

AI Unplugged wurde in einem Schulversuch mit einer neunten und einer zehnten Klasse derRealschule erprobt Obgleich die Schuumllerinnen und Schuumller eine rudimentaumlre Vorstellungdes Begriffs Kuumlnstliche Intelligenz hatten verfuumlgten sie doch uumlber keine inhaltlichenVorkenntnisse in diesem Themenbereich So verbinden viele Schuumllerinnen und Schuumller denBegriff vor allem mit selbststaumlndig agierenden lernfaumlhigen Robotern

Bei der Durchfuumlhrung erfassten die Schuumllerinnen und Schuumller die Funktionsprinzipien derAktivitaumlten schnell und umfassend bei der Arbeit in Teams waren die Schuumllerinnen undSchuumller konzentriert und mit Spaszlig bei der Sache Als es beispielsweise galt Regeln fuumlrdie Klassifikation von Aumlffchen aufzustellen (Aktivitaumlt 1) entwickelte sich ein Wettbewerbdarum das beste Klassifikationsmodell zu erstellen Zudem wurde rege diskutiert wie fairein derartiges Klassifikationsmodell sein kann Bei Fragen und Problemen besprachen sichdie Schuumllerinnen und Schuumller mit ihren Mitschuumllerinnen und Mitschuumllern und erarbeitetenLoumlsungen im Team ohne die Hilfe der Lehrkraft zu beanspruchen Auch Schuumllerinnen undSchuumller die dem Konzept bdquoInformatik ohne Computerldquo am Anfang skeptisch gegenuumlberstanden konnten durch die Aktivitaumlten sehr gut motiviert werden und zeigten anschlieszligendgroszliges Interesse am Thema

Im Rahmen der anschlieszligenden Dekontextualisierung war bei den Schuumllerinnen undSchuumllern ein deutlicher Erkenntniszuwachs feststellbar Nach der Durchfuumlhrung von AIUnplugged Aktivitaumlten waren die Schuumllerinnen und Schuumller in der Lage den Begriff desMaschinellen Lernens zu erlaumlutern und konnten auf dieser Basis zudem gesellschaftlicheImplikationen Kuumlnstlicher Intelligenz diskutieren Sie erkannten die Zusammenhaumlngezwischen individuellen Aktivitaumlten und den zugrundeliegenden Konzepten der KuumlnstlichenIntelligenz sehr schnell und konnten Parallelen zu Phaumlnomenen die sie aus dem Alltagkannten (z B Captchas Google Bildersuche etc) ziehen Dies sorgte fuumlr Aha-Effekteteilweise sogar schon waumlhrend der Aktivitaumlten und ermoumlglichte den Schuumllerinnen undSchuumllern die Grenzen solcher Systeme zu erkennen

6 httpsteachablemachinewithgooglecom

6 Stefan Seegerer Annabel Lindner Ralf Romeike

Computer tatsaumlchlich so etwas wie Intelligenz zeigen koumlnnen Zudem wird deutlich wieleicht man durch sorgfaumlltig gewaumlhlte Beispiele von ldquoIntelligenzrdquo von einer Maschine in dieIrre gefuumlhrt werden kann

5 Einbindung in den Unterricht

Ziel des Unterrichts ist das Entdecken und Ergruumlnden der zugrundeliegenden Konzepte imBereich Kuumlnstlicher Intelligenz Dabei explorieren die Schuumllerinnen und Schuumller spielerischverschiedene Phaumlnomene rund um das Thema Denkbar ist sowohl die Integration mehrererAktivitaumlten in eine Einheit als auch einzelne Unterrichtsstunden zu ausgewaumlhlten AspektenIm Folgenden wird ein moumlglicher Ablauf der Sequenz grob skizziert anschlieszligend eineStunde beispielhaft genauer ausgefuumlhrt Zielgruppe sind insbesondere Schuumllerinnen undSchuumller der Sekundarstufe 1 und 2 obwohl einige Aktivitaumlten auch (eventuell angepasst) inanderen Lernszenarien eingesetzt werden koumlnnen

51 Unterrichtssequenz

Die im Folgenden beschriebene Sequenz adressiert mehrere Kompetenzbereiche insbeson-dere aus den Inhaltsbereichen Informatiksysteme und Informatik Mensch und Gesellschaftsowie den Prozessbereichen Begruumlnden und Bewerten und Modellieren und Implementierenallerdings kommen auch die anderen Inhalts- und Prozessbereich der BildungsstandardsInformatik in der Sequenz in Ansaumltzen zum Tragen [Pu08] Die in Tabelle 1 uumlberblicksartigdargestellte Sequenz verdeutlicht dass Kuumlnstliche Intelligenz vielfaumlltige Formen annehmenkann und aktuelle KI-Systeme auf stark spezialisierte Anwendungen begrenzt sind Zudemwerden gesellschaftlich-soziale Auswirkungen von KI-Systemen thematisiert und illustriertdass Kuumlnstliche Intelligenz weniger bdquomagischldquo ist als man vielleicht zunaumlchst annehmenwuumlrde

Zu Beginn der Sequenz wird das Thema KI anhand der Klassifikation von Objekteneingefuumlhrt welche etwa bei selbstfahrenden Autos von Bedeutung ist Nach dem Einstiegdient die Bilderkennung als Kontext fuumlr Maschinelles Lernen mit neuronalen Netzen ehediese bisher thematisierten neueren Ansaumltze klassischen Ansaumltzen gegenuumlbergestellt werdenDazu wird anhand eines Spiels der Unterschied zwischen Lernverfahren und RegelbasiertenSystemen herausgestellt und die Breite des Themenfeldes Kuumlnstliche Intelligenz angedeutetZum Abschluss wird das Thema reflektiert und die Frage in den Mittelpunkt gestelltinwieweit Computer wirklich intelligent sein koumlnnen

52 Unterrichtsstunde

Exemplarisch wird die erste Stunde der Sequenz (45 Minuten) geschildert diese kann aucheigenstaumlndig zum Einsatz kommen Die Aktivitaumlt Klassifikation mit Entscheidungsbaumlumen

AI Unplugged 7

Stunde Stundenthema Beschreibung AI Unplugged

1 Einstieg in denThemenbereichKI

Die Schuumllerinnen und Schuumller explorieren dasKonzept Maschinellen Lernens und beispiel-hafte Auswirkungen auf die Gesellschaft

Aktivitaumlt 1

2-3 Neuronale Net-ze und DeepLearning

Anhand der Bildklassifizierung mit Neurona-len Netzen ergruumlnden die Schuumllerinnen undSchuumller ein weiteres bekanntes Gebiet der KIund analysieren die Funktionsweise NeuronalerNetze Sie lernen auszligerdem was hinter demBegriff Deep Learning steckt

Aktivitaumlt 2

4-5 MaschinellesLernen undklassische KI

Anhand von zwei Strategien fuumlr dasselbeSpiel vergleichen die Schuumllerinnen und Schuumllerbdquoneueldquo und klassische Ansaumltze der KI

Aktivitaumlt 3 und 4

6 Was ist kuumlnstli-che Intelligenz

Mithilfe des Turing-Tests gehen Schuumllerinnenund Schuumller der Frage nach ob Computer wirk-lich Intelligenz zeigen koumlnnen und reflektierenethische Aspekte des Themas KI

Aktivitaumlt 5

Tab 1 Exemplarischer Unterrichtsverlauf

Das Gute-Aumlffchen-Boumlse-Aumlffchen Spiel die in dieser Stunde zum Einsatz kommt erlaubtdas Erstellen von Klassifikationsmodellen unterschiedlicher Komplexitaumlt Schuumllerinnenund Schuumller koumlnnen nach dieser Stunde zum einen erklaumlren wie ein Computer anhandeiner bereits klassifizierten Beispielmenge lernt Elemente erfolgreich zu klassifizierenzum anderen koumlnnen sie den Trainingsvorgang eines Klassifikationssystems beschreibenund die Bedeutung von Trainings- und Testdaten herausstellen Des Weiteren koumlnnen realeSituationen beschrieben werden in welchen Entscheidungen von Kuumlnstlicher Intelligenzproblematisch sein koumlnnen Die Stunde stellt grundlegende Aspekte Maschinellen Lernensvor und beleuchtet gleichzeitig gesellschaftliche Problemstellungen die aus der Verwendungvon KI-Systemen fuumlr Klassifikationsaufgaben entstehen koumlnnen Folgende Gliederung derUnterrichtsstunde ist dabei moumlglich

bull Zum Einstieg spielen die Schuumllerinnen und Schuumller zunaumlchst eine einfache Versiondes Aumlffchen-Spiels um das Spielprinzip zu verdeutlichen

bull Die Ergebnisse des ersten Durchgangs werden ausgewertet und das beste Klassifikati-onsmodell ausgewaumlhlt

bull In einer weiteren Spielrunde kommt nun eine komplexere Spielversion zum Einsatz

bull Auch dieser Durchgang wird ausgewertet und das beste Klassifikationsmodell be-stimmt

bull Mithilfe einer Lernaufgabe die den Abstraktionsprozess vom konkreten Spiel hin

8 Stefan Seegerer Annabel Lindner Ralf Romeike

zum allgemeinen maschinellen Lernprozess ermoumlglicht wird die Aktivitaumlt dekontex-tualisiert

bull Abschlieszligend werden die Ergebnisse der Lernaufgabe diskutiert und auf das Beispielder Teachable Machine6 uumlbertragen

Ebenso wie diese Aktivitaumlt eignen sich auch die anderen Aktivitaumlten der Sequenz etwaReinforcement Learning Schlag das Krokodil und Back to the roots Krokodil-Schach undklassische KI fuumlr den isolierten Einsatz in einzelnen Unterrichtsstunden

6 Resuumlmee und Ausblick

AI Unplugged wurde in einem Schulversuch mit einer neunten und einer zehnten Klasse derRealschule erprobt Obgleich die Schuumllerinnen und Schuumller eine rudimentaumlre Vorstellungdes Begriffs Kuumlnstliche Intelligenz hatten verfuumlgten sie doch uumlber keine inhaltlichenVorkenntnisse in diesem Themenbereich So verbinden viele Schuumllerinnen und Schuumller denBegriff vor allem mit selbststaumlndig agierenden lernfaumlhigen Robotern

Bei der Durchfuumlhrung erfassten die Schuumllerinnen und Schuumller die Funktionsprinzipien derAktivitaumlten schnell und umfassend bei der Arbeit in Teams waren die Schuumllerinnen undSchuumller konzentriert und mit Spaszlig bei der Sache Als es beispielsweise galt Regeln fuumlrdie Klassifikation von Aumlffchen aufzustellen (Aktivitaumlt 1) entwickelte sich ein Wettbewerbdarum das beste Klassifikationsmodell zu erstellen Zudem wurde rege diskutiert wie fairein derartiges Klassifikationsmodell sein kann Bei Fragen und Problemen besprachen sichdie Schuumllerinnen und Schuumller mit ihren Mitschuumllerinnen und Mitschuumllern und erarbeitetenLoumlsungen im Team ohne die Hilfe der Lehrkraft zu beanspruchen Auch Schuumllerinnen undSchuumller die dem Konzept bdquoInformatik ohne Computerldquo am Anfang skeptisch gegenuumlberstanden konnten durch die Aktivitaumlten sehr gut motiviert werden und zeigten anschlieszligendgroszliges Interesse am Thema

Im Rahmen der anschlieszligenden Dekontextualisierung war bei den Schuumllerinnen undSchuumllern ein deutlicher Erkenntniszuwachs feststellbar Nach der Durchfuumlhrung von AIUnplugged Aktivitaumlten waren die Schuumllerinnen und Schuumller in der Lage den Begriff desMaschinellen Lernens zu erlaumlutern und konnten auf dieser Basis zudem gesellschaftlicheImplikationen Kuumlnstlicher Intelligenz diskutieren Sie erkannten die Zusammenhaumlngezwischen individuellen Aktivitaumlten und den zugrundeliegenden Konzepten der KuumlnstlichenIntelligenz sehr schnell und konnten Parallelen zu Phaumlnomenen die sie aus dem Alltagkannten (z B Captchas Google Bildersuche etc) ziehen Dies sorgte fuumlr Aha-Effekteteilweise sogar schon waumlhrend der Aktivitaumlten und ermoumlglichte den Schuumllerinnen undSchuumllern die Grenzen solcher Systeme zu erkennen

6 httpsteachablemachinewithgooglecom

AI Unplugged 7

Stunde Stundenthema Beschreibung AI Unplugged

1 Einstieg in denThemenbereichKI

Die Schuumllerinnen und Schuumller explorieren dasKonzept Maschinellen Lernens und beispiel-hafte Auswirkungen auf die Gesellschaft

Aktivitaumlt 1

2-3 Neuronale Net-ze und DeepLearning

Anhand der Bildklassifizierung mit Neurona-len Netzen ergruumlnden die Schuumllerinnen undSchuumller ein weiteres bekanntes Gebiet der KIund analysieren die Funktionsweise NeuronalerNetze Sie lernen auszligerdem was hinter demBegriff Deep Learning steckt

Aktivitaumlt 2

4-5 MaschinellesLernen undklassische KI

Anhand von zwei Strategien fuumlr dasselbeSpiel vergleichen die Schuumllerinnen und Schuumllerbdquoneueldquo und klassische Ansaumltze der KI

Aktivitaumlt 3 und 4

6 Was ist kuumlnstli-che Intelligenz

Mithilfe des Turing-Tests gehen Schuumllerinnenund Schuumller der Frage nach ob Computer wirk-lich Intelligenz zeigen koumlnnen und reflektierenethische Aspekte des Themas KI

Aktivitaumlt 5

Tab 1 Exemplarischer Unterrichtsverlauf

Das Gute-Aumlffchen-Boumlse-Aumlffchen Spiel die in dieser Stunde zum Einsatz kommt erlaubtdas Erstellen von Klassifikationsmodellen unterschiedlicher Komplexitaumlt Schuumllerinnenund Schuumller koumlnnen nach dieser Stunde zum einen erklaumlren wie ein Computer anhandeiner bereits klassifizierten Beispielmenge lernt Elemente erfolgreich zu klassifizierenzum anderen koumlnnen sie den Trainingsvorgang eines Klassifikationssystems beschreibenund die Bedeutung von Trainings- und Testdaten herausstellen Des Weiteren koumlnnen realeSituationen beschrieben werden in welchen Entscheidungen von Kuumlnstlicher Intelligenzproblematisch sein koumlnnen Die Stunde stellt grundlegende Aspekte Maschinellen Lernensvor und beleuchtet gleichzeitig gesellschaftliche Problemstellungen die aus der Verwendungvon KI-Systemen fuumlr Klassifikationsaufgaben entstehen koumlnnen Folgende Gliederung derUnterrichtsstunde ist dabei moumlglich

bull Zum Einstieg spielen die Schuumllerinnen und Schuumller zunaumlchst eine einfache Versiondes Aumlffchen-Spiels um das Spielprinzip zu verdeutlichen

bull Die Ergebnisse des ersten Durchgangs werden ausgewertet und das beste Klassifikati-onsmodell ausgewaumlhlt

bull In einer weiteren Spielrunde kommt nun eine komplexere Spielversion zum Einsatz

bull Auch dieser Durchgang wird ausgewertet und das beste Klassifikationsmodell be-stimmt

bull Mithilfe einer Lernaufgabe die den Abstraktionsprozess vom konkreten Spiel hin

8 Stefan Seegerer Annabel Lindner Ralf Romeike

zum allgemeinen maschinellen Lernprozess ermoumlglicht wird die Aktivitaumlt dekontex-tualisiert

bull Abschlieszligend werden die Ergebnisse der Lernaufgabe diskutiert und auf das Beispielder Teachable Machine6 uumlbertragen

Ebenso wie diese Aktivitaumlt eignen sich auch die anderen Aktivitaumlten der Sequenz etwaReinforcement Learning Schlag das Krokodil und Back to the roots Krokodil-Schach undklassische KI fuumlr den isolierten Einsatz in einzelnen Unterrichtsstunden

6 Resuumlmee und Ausblick

AI Unplugged wurde in einem Schulversuch mit einer neunten und einer zehnten Klasse derRealschule erprobt Obgleich die Schuumllerinnen und Schuumller eine rudimentaumlre Vorstellungdes Begriffs Kuumlnstliche Intelligenz hatten verfuumlgten sie doch uumlber keine inhaltlichenVorkenntnisse in diesem Themenbereich So verbinden viele Schuumllerinnen und Schuumller denBegriff vor allem mit selbststaumlndig agierenden lernfaumlhigen Robotern

Bei der Durchfuumlhrung erfassten die Schuumllerinnen und Schuumller die Funktionsprinzipien derAktivitaumlten schnell und umfassend bei der Arbeit in Teams waren die Schuumllerinnen undSchuumller konzentriert und mit Spaszlig bei der Sache Als es beispielsweise galt Regeln fuumlrdie Klassifikation von Aumlffchen aufzustellen (Aktivitaumlt 1) entwickelte sich ein Wettbewerbdarum das beste Klassifikationsmodell zu erstellen Zudem wurde rege diskutiert wie fairein derartiges Klassifikationsmodell sein kann Bei Fragen und Problemen besprachen sichdie Schuumllerinnen und Schuumller mit ihren Mitschuumllerinnen und Mitschuumllern und erarbeitetenLoumlsungen im Team ohne die Hilfe der Lehrkraft zu beanspruchen Auch Schuumllerinnen undSchuumller die dem Konzept bdquoInformatik ohne Computerldquo am Anfang skeptisch gegenuumlberstanden konnten durch die Aktivitaumlten sehr gut motiviert werden und zeigten anschlieszligendgroszliges Interesse am Thema

Im Rahmen der anschlieszligenden Dekontextualisierung war bei den Schuumllerinnen undSchuumllern ein deutlicher Erkenntniszuwachs feststellbar Nach der Durchfuumlhrung von AIUnplugged Aktivitaumlten waren die Schuumllerinnen und Schuumller in der Lage den Begriff desMaschinellen Lernens zu erlaumlutern und konnten auf dieser Basis zudem gesellschaftlicheImplikationen Kuumlnstlicher Intelligenz diskutieren Sie erkannten die Zusammenhaumlngezwischen individuellen Aktivitaumlten und den zugrundeliegenden Konzepten der KuumlnstlichenIntelligenz sehr schnell und konnten Parallelen zu Phaumlnomenen die sie aus dem Alltagkannten (z B Captchas Google Bildersuche etc) ziehen Dies sorgte fuumlr Aha-Effekteteilweise sogar schon waumlhrend der Aktivitaumlten und ermoumlglichte den Schuumllerinnen undSchuumllern die Grenzen solcher Systeme zu erkennen

6 httpsteachablemachinewithgooglecom

8 Stefan Seegerer Annabel Lindner Ralf Romeike

zum allgemeinen maschinellen Lernprozess ermoumlglicht wird die Aktivitaumlt dekontex-tualisiert

bull Abschlieszligend werden die Ergebnisse der Lernaufgabe diskutiert und auf das Beispielder Teachable Machine6 uumlbertragen

Ebenso wie diese Aktivitaumlt eignen sich auch die anderen Aktivitaumlten der Sequenz etwaReinforcement Learning Schlag das Krokodil und Back to the roots Krokodil-Schach undklassische KI fuumlr den isolierten Einsatz in einzelnen Unterrichtsstunden

6 Resuumlmee und Ausblick

AI Unplugged wurde in einem Schulversuch mit einer neunten und einer zehnten Klasse derRealschule erprobt Obgleich die Schuumllerinnen und Schuumller eine rudimentaumlre Vorstellungdes Begriffs Kuumlnstliche Intelligenz hatten verfuumlgten sie doch uumlber keine inhaltlichenVorkenntnisse in diesem Themenbereich So verbinden viele Schuumllerinnen und Schuumller denBegriff vor allem mit selbststaumlndig agierenden lernfaumlhigen Robotern

Bei der Durchfuumlhrung erfassten die Schuumllerinnen und Schuumller die Funktionsprinzipien derAktivitaumlten schnell und umfassend bei der Arbeit in Teams waren die Schuumllerinnen undSchuumller konzentriert und mit Spaszlig bei der Sache Als es beispielsweise galt Regeln fuumlrdie Klassifikation von Aumlffchen aufzustellen (Aktivitaumlt 1) entwickelte sich ein Wettbewerbdarum das beste Klassifikationsmodell zu erstellen Zudem wurde rege diskutiert wie fairein derartiges Klassifikationsmodell sein kann Bei Fragen und Problemen besprachen sichdie Schuumllerinnen und Schuumller mit ihren Mitschuumllerinnen und Mitschuumllern und erarbeitetenLoumlsungen im Team ohne die Hilfe der Lehrkraft zu beanspruchen Auch Schuumllerinnen undSchuumller die dem Konzept bdquoInformatik ohne Computerldquo am Anfang skeptisch gegenuumlberstanden konnten durch die Aktivitaumlten sehr gut motiviert werden und zeigten anschlieszligendgroszliges Interesse am Thema

Im Rahmen der anschlieszligenden Dekontextualisierung war bei den Schuumllerinnen undSchuumllern ein deutlicher Erkenntniszuwachs feststellbar Nach der Durchfuumlhrung von AIUnplugged Aktivitaumlten waren die Schuumllerinnen und Schuumller in der Lage den Begriff desMaschinellen Lernens zu erlaumlutern und konnten auf dieser Basis zudem gesellschaftlicheImplikationen Kuumlnstlicher Intelligenz diskutieren Sie erkannten die Zusammenhaumlngezwischen individuellen Aktivitaumlten und den zugrundeliegenden Konzepten der KuumlnstlichenIntelligenz sehr schnell und konnten Parallelen zu Phaumlnomenen die sie aus dem Alltagkannten (z B Captchas Google Bildersuche etc) ziehen Dies sorgte fuumlr Aha-Effekteteilweise sogar schon waumlhrend der Aktivitaumlten und ermoumlglichte den Schuumllerinnen undSchuumllern die Grenzen solcher Systeme zu erkennen

6 httpsteachablemachinewithgooglecom

AI Unplugged 9

Es zeigt sich dass die AI Unplugged Aktivitaumlten gut geeignet sind um das komplexe ThemaKuumlnstliche Intelligenz umfassend darzustellen Sie erlauben den handlungsorientiertenZugang zum Thema KI ohne jedoch auf einen technischen Rahmen angewiesen zusein Das Thema kann damit in reduzierter Komplexitaumlt vermittelt werden und bleibtgleichzeitig anschlussfaumlhig fuumlr weitergehende Vertiefungen die sich unterschiedlichsterSoftwarewerkzeuge bedienen koumlnnen Zudem bieten die Unplugged Aktivitaumlten auchLehrkraumlften die KI als Unterrichtsthema aufgrund der thematischen Komplexitaumlt und dertechnischen Huumlrden bei der Einrichtung von Programmbibliotheken usw bisher kritischgegenuumlber standen eine gute Moumlglichkeit das Thema in den schulischen Unterrichtzu integrieren Die Konzeption der Aktivitaumlten ermoumlglicht dabei sowohl den Einsatz alszusammenhaumlngende Unterrichtssequenz zu Kuumlnstlicher Intelligenz als auch den individuellenEinsatz bdquozwischendurchldquo oder als Ergaumlnzung zu anderen Ansaumltzen und Zugaumlngen zu KI

Die Materialien sind unter Creative Commons Lizenz online abrufbar7 Im Onlineangebotfinden sich zudem weitere Materialien und Links zum Thema die ebenfalls im Unterrichtzum Einsatz kommen koumlnnen

Literaturverzeichnis[Be18] Bell Tim Tymann Paul Yehudai Amiram et al The Big Ideas in Computer Science for

K-12 Curricula Bulletin of EATCS 1(124) 2018

[Br16] Brinda Torsten Diethelm Ira Gemulla Rainer Romeike Ralf Schoumlning Johan-nes Schulte Carsten Bildung in der digitalen vernetzten WeltndashDagstuhl-ErklaumlrungURL httpswwwgideaktuellesmeldungendetailansichtarticledagstuhl-erklaerung-bildung-in-der-digitalen-vernetzten-welthtml [1501 2019] 2016

[BRC12] Bell Tim Rosamond Frances Casey Nancy Computer Science Unplugged and RelatedProjects in Math and Computer Science Popularization In The Multivariate AlgorithmicRevolution and Beyond Springer Berlin Heidelberg S 398ndash456 2012

[Bu18] Bundesregierung Strategie Kuumlnstliche Intelligenz der Bundesregierung URL httpswwwbmbfdefilesNationale_KI-Strategiepdf[3012019] 2018

[BWF98] Bell Tim Witten Ian Fellows Mike Computer Science Unplugged Off-line activitiesand games for all ages Citeseer 1998

[CS17] CSTA About the CSTA K-12 Computer Science Standards URL httpswwwcsteachersorgpagestandards [15012019] 2017

[Er13] Ertel Wolfgang Grundkurs Kuumlnstliche Intelligenz Springer Fachmedien Wiesbaden2013

[GFH17] Geldreich Katharina Funke Alexandra Hubwieser Peter Willkommen im Program-mierzirkus - Ein Programmierkurs fuumlr Grundschulen In Informatische Bildung zumVerstehen und Gestalten der digitalen Welt Proceedings der 17 GI-Fachtagung Informatikund Schule INFOS 2017 13-15 September 2017 Oldenburg S 327ndash334 2017

7 httpsddicsfaudeschuleai-unplugged

10 Stefan Seegerer Annabel Lindner Ralf Romeike

[GGH15] Gallenbacher Jens Gose Karola Heun Dominik Gestrandet auf der Schatzinsel - Schaumltzeheben mit Informatik in der Grundschule In Informatik allgemeinbildend begreifen INFOS2015 16 GI-Fachtagung Informatik und Schule 20-23 September 2015 DarmstadtGermany S 101ndash109 2015

[GHS12] Garcia Daniel Harvey Brian Segars Luke CS principles pilot at University of CaliforniaBerkeley ACM Inroads 3(2)58ndash60 2012

[In18] International Society for Technology in Education (ISTE) Bold New Program HelpsTeachers and Students Explore the Power of AI URL httpswwwisteorgexplorearticleDetailarticleid=2229 [1501 2019] 2018

[Ka16] Kandlhofer Martin Steinbauer Gerald Hirschmugl-Gaisch Sabine Huber Petra Artificialintelligence and computer science in education From kindergarten to university In 2016IEEE Frontiers in Education Conference (FIE) IEEE S 1ndash9 2016

[Ka18] Kahn Ken Megasari Rani Piantari Erna Junaeti Enjun AI Programming by Childrenusing Snap Block Programming in a Developing Country 2018

[La11] Langley Pat The changing science of machine learning Machine Learning 82(3)275ndash279Feb 2011

[Mc06] McCarthy John Minsky Marvin Rochester Nathaniel Shannon Claude A proposalfor the dartmouth summer research project on artificial intelligence August 31 1955 AImagazine 27(4)12 2006

[Ni09] Nishida Tomohiro Kanemune Susumu Idosaka Yukio Namiki Mitaro Bell Tim KunoYasushi A CS unplugged design pattern ACM SIGCSE Bulletin 41(1)231ndash235 2009

[Pr18] Preuss Susanne Die Haumllfte der Deutschen weiszlig nicht was KI ist URLhttpswwwfaznetaktuellwirtschaftkuenstliche-intelligenzdie-haelfte-der-deutschen-weiss-nicht-was-ki-ist-15898006html [1501 2019] 2018

[Pu08] Puhlmann Hermann Brinda Torsten Fothe Michael Friedrich Steffen Koerber Bern-hard Roumlhner Gerhard Schulte Carsten Grundsaumltze und Standards fuumlr die Informatik inder Schule Bildungsstandards Informatik fuumlr die Sekundarstufe I Beilage zu LOG IN(150151) 2008

[SR18] Seegerer Stefan Romeike Ralf Was jeder uumlber Informatik lernen sollte ndash Eine Analysevon Hochschulkursen fuumlr Studierende anderer Fachrichtungen In HDI 2018 Potsdam S13ndash28 2018

[To19] Touretzky David Gardner-McCune Christina Martin Fred Seehorn Deborah Envi-sioning AI for K-12 What should every child know about AI In bdquoBlue sky talkldquo at theThirty-Third AAAI Conference on Artificial Intelligence (AAAI-19) 2019

[WH08] Witten Helmut Hornung Malte Chatbots Teil 1 Einfuumlhrung in eine Unterrichtsreihe zuInformatik im Kontext (IniK) LOG IN 28(154155)51ndash60 2008

[YC18] Yu Yanfang Chen Yuan Design and Development of High School Artificial IntelligenceTextbook Based on Computational Thinking Open Access Library Journal 5(09)1 2018