Liebe Monika,

wir hatten uns vor einiger Zeit mit der Frage beschäftigt, wie Künstliche Intelligenz den Unterricht verändert – und was das für deine Arbeit als Lehrerin bedeutet.
Genau deshalb ist dieses Handbuch entstanden 🙂 und vielleicht ist ja was Neues dabei und du kannst es als Unterstützung für dich und deinen Unterrichtsalltag verwenden.

Ich habe dafür Inhalte aus verschiedenen Quellen zusammengetragen – aus Workshops, Vorträgen und Webseiten – und sie zusammengefasst. Dabei habe ich versucht theoretisches Hintergrundwissen als auch konkrete Unterrichtseinheiten zu verbinden.

Die Beispiele habe ich dir bewusst kompakt gehalten (1–3 Stunden) und fächerübergreifend aufgebaut – mit Impulsen für Deutsch, Englisch, Ethik, Geschichte, Informatik und Wirtschaft. Sie zeigen, wie KI als Werkzeug, Thema oder Unterstützung im Unterricht eingesetzt werden kann.

Wenn dir das gefällt, können wir hier gerne noch mehr draus machen – z. B. weitere Module oder Materialien für deinen Fachbereich.

Viel Spaß beim Ausprobieren!

1. Grundlagen der Künstlichen Intelligenz im Bildungskontext

1.1 Was ist Künstliche Intelligenz? Eine verständliche Einführung

Künstliche Intelligenz (KI) bezeichnet Systeme, die menschenähnliche kognitive Fähigkeiten wie Lernen, Problemlösen und Sprachverständnis aufweisen. Im Bildungskontext umfasst KI verschiedene Technologien, die Lehr- und Lernprozesse unterstützen, ergänzen oder teilweise automatisieren können.

Wichtige Grundbegriffe:

  • Maschinelles Lernen: Algorithmen, die aus Daten lernen und Muster erkennen
  • Deep Learning: Komplexe neuronale Netzwerke, die mehrschichtig arbeiten
  • Natural Language Processing (NLP): Verarbeitung und Generierung natürlicher Sprache
  • Generative KI: Systeme, die neue Inhalte (Texte, Bilder, etc.) erzeugen können
  • Large Language Models (LLMs): Sprachmodelle wie ChatGPT, die auf enormen Textmengen trainiert wurden

1.2 Aktuelle KI-Technologien und ihre Funktionsweisen

Die Integration von KI in Bildungsprozesse hat sich in mehreren Phasen entwickelt:

  1. Frühe computergestützte Lernprogramme (1960er-1980er): Einfache, regelbasierte Systeme
  2. Intelligente Tutoringsysteme (1980er-2000er): Adaptive Lernsysteme mit ersten KI-Komponenten
  3. Datengetriebene Bildungsanalysen (2000er-2010er): Learning Analytics und Educational Data Mining
  4. Generative KI und LLMs (ab 2020): Durchbruch mit ChatGPT und ähnlichen Systemen, die natürlichsprachliche Interaktion ermöglichen


1.3 Sieben KI-Technologiegruppen für den Schulkontext

Basierend auf dem Leitfaden der Telekom-Stiftung lassen sich sieben zentrale KI-Technologiegruppen für den Schulkontext identifizieren:

1. Textgenerierende und -übersetzende Systeme

  • Funktionsweise: Erkennen von Mustern in Texten, Generierung wahrscheinlicher Textfolgen
  • Beispiele: ChatGPT, DeepL, Google Translate
  • Schulischer Einsatz: Textproduktion, Übersetzungen, Sprachübungen

2. Material- und bildgenerierende Systeme

  • Funktionsweise: Erzeugung von Bildern, Videos oder Unterrichtsmaterialien basierend auf Textanweisungen
  • Beispiele: DALL-E, Midjourney, Canva mit KI-Funktionen
  • Schulischer Einsatz: Erstellung von Visualisierungen, Arbeitsblättern, kreativen Projekten

3. Text-to-Speech- und Speech-to-Text-Systeme

  • Funktionsweise: Umwandlung von geschriebenem Text in gesprochene Sprache und umgekehrt
  • Beispiele: Google Speech-to-Text, Microsoft Azure Speech Services
  • Schulischer Einsatz: Barrierefreiheit, Sprachtraining, Protokollierung

4. Intelligente Tutoring- und Empfehlungssysteme

  • Funktionsweise: Adaptive Lernpfade basierend auf individuellem Lernverhalten
  • Beispiele: Bettermarks, Quizlet, Duolingo
  • Schulischer Einsatz: Differenzierung, individuelles Feedback, Lernstandsdiagnose

5. Prüfungsunterstützende Systeme

  • Funktionsweise: Automatisierte Bewertung und Feedback zu Schülerarbeiten
  • Beispiele: Gradescope, Turnitin
  • Schulischer Einsatz: Bewertung von Aufgaben, Plagiatsprüfung, Feedback

6. Learning Analytics und Educational Data Mining

  • Funktionsweise: Analyse von Lerndaten zur Optimierung von Lernprozessen
  • Beispiele: Schulinformationssysteme mit Analysefunktionen
  • Schulischer Einsatz: Lernfortschrittskontrolle, Früherkennung von Förderbedarf

7. Bildungs- und unterrichtsorganisierende Systeme

  • Funktionsweise: KI-gestützte Organisation von Schulabläufen
  • Beispiele: Stundenplanungssoftware, Ressourcenmanagement
  • Schulischer Einsatz: Verwaltung, Planung, Ressourcenoptimierung

1.4 Chancen und Herausforderungen von KI im Unterricht

Chancen:

  • Individualisierung und Differenzierung des Lernens
  • Entlastung von Lehrkräften bei Routineaufgaben
  • Neue Formen der Wissenserschließung und -konstruktion
  • Förderung von Medienkompetenz und kritischem Denken
  • Vorbereitung auf eine zunehmend von KI geprägte Arbeitswelt

Herausforderungen:

  • Gefahr der Abhängigkeit und des Verlusts grundlegender Fähigkeiten
  • Umgang mit Plagiaten und KI-generierten Schülerarbeiten
  • Datenschutz und Privatsphäre
  • Technische Infrastruktur und Zugangsgerechtigkeit
  • Notwendige Anpassung von Unterrichts- und Prüfungsformaten

1.5 Rechtliche und ethische Rahmenbedingungen

Rechtliche Aspekte:

  • Datenschutzgrundverordnung (DSGVO) und schulrechtliche Bestimmungen
  • Urheberrecht bei KI-generierten Inhalten
  • Verantwortlichkeit für KI-gestützte Entscheidungen
  • Altersfreigaben und Nutzungsbedingungen kommerzieller KI-Dienste

Ethische Aspekte:

  • Fairness und Vermeidung von Diskriminierung
  • Transparenz und Erklärbarkeit von KI-Systemen
  • Autonomie und Selbstbestimmung der Lernenden
  • Menschliche Aufsicht und Kontrolle über KI-Systeme
  • Bildungsgerechtigkeit und Zugang zu KI-Technologien

2. Pädagogisch-didaktische Grundlagen für KI im Unterricht

2.1 Lerntheoretische Einordnung

Die Integration von KI in den Unterricht lässt sich aus verschiedenen lerntheoretischen Perspektiven betrachten:

  • Konstruktivistische Perspektive: KI als Werkzeug zur aktiven Wissenskonstruktion durch Lernende
  • Konnektivistische Perspektive: Vernetztes Lernen mit KI als Teil des Wissensnetzwerks
  • Soziokulturelle Perspektive: KI als kulturelles Werkzeug, das Lernprozesse vermittelt


2.2 Mediendidaktische Konzepte

Für den Einsatz von KI im Unterricht sind folgende mediendidaktische Konzepte relevant:

SAMR-Modell

(Substitution, Augmentation, Modification, Redefinition)

  • Ersetzung: KI ersetzt analoge Werkzeuge ohne funktionale Änderung
  • Erweiterung: KI bietet funktionale Verbesserungen
  • Änderung: KI ermöglicht neue Aufgabengestaltung
  • Neudefinition: KI ermöglicht vorher undenkbare Aufgaben und Lernprozesse

TPACK-Modell

(Technological Pedagogical Content Knowledge)

  • Technologisches Wissen: Kenntnis der KI-Tools und ihrer Funktionen
  • Pädagogisches Wissen: Verständnis von Lehr-Lern-Prozessen
  • Inhaltliches Wissen: Fachliche Expertise
  • Integration aller drei Bereiche für erfolgreichen KI-Einsatz

2.3 Kompetenzen im Umgang mit KI

Für Lehrkräfte und Schüler:innen sind folgende Kompetenzbereiche zentral:

  • KI-Literacy: Grundverständnis von KI-Funktionsweisen und -Anwendungen
  • Kritische Medienkompetenz: Bewertung von KI-generierten Inhalten
  • Prompt Engineering: Formulierung effektiver Anweisungen an KI-Systeme
  • Ethische Reflexionskompetenz: Beurteilung ethischer Implikationen von KI
  • Kollaborative Kompetenz: Zusammenarbeit mit KI als „Denkpartner“

3. Ethische und rechtliche Rahmenbedingungen

Der Einsatz von KI im Bildungskontext wirft fundamentale ethische Fragen auf:

  • Autonomie vs. Abhängigkeit: Förderung selbstständigen Denkens vs. Abhängigkeit von KI-Systemen
  • Fairness und Bias: Umgang mit Verzerrungen in KI-Systemen
  • Transparenz: Nachvollziehbarkeit von KI-Entscheidungen
  • Verantwortung: Wer trägt Verantwortung für KI-generierte Inhalte?
  • Menschenbild: Welches Verständnis von Bildung und menschlicher Intelligenz liegt zugrunde?


3.2 Datenschutz und Rechtliche Aspekte

Beim Einsatz von KI im Unterricht müssen folgende rechtliche Aspekte beachtet werden:

  • DSGVO-Konformität: Umgang mit personenbezogenen Daten
  • Urheberrecht: Rechtliche Einordnung KI-generierter Inhalte
  • Schulrecht: Landesspezifische Regelungen zum Einsatz digitaler Medien
  • Nutzungsbedingungen: Beachtung der AGB kommerzieller KI-Anbieter
  • Altersfreigaben: Berücksichtigung von Altersbeschränkungen bei KI-Tools


3.3 Schulische Richtlinien

Für eine verantwortungsvolle Integration von KI empfehlen sich:

  • KI-Nutzungsrichtlinien: Klare Regeln für den Einsatz von KI im Unterricht
  • Transparenzprinzip: Offenlegung der KI-Nutzung bei Schülerarbeiten
  • Bewertungskriterien: Anpassung von Bewertungsmaßstäben für KI-unterstützte Arbeiten
  • Fortbildungskonzepte: Systematische Kompetenzentwicklung im Kollegium
  • Elterninformation: Transparente Kommunikation mit Erziehungsberechtigten

4. Didaktische Konzepte für den KI-Einsatz

4.1 KI als Lerngegenstand

KI kann selbst zum Unterrichtsthema werden:

  • Funktionsweise verstehen: Grundprinzipien von KI erklären
  • Gesellschaftliche Auswirkungen reflektieren: Chancen und Risiken diskutieren
  • Historische Entwicklung nachvollziehen: Technologiegeschichte erkunden
  • Ethische Fragen erörtern: Wertediskussionen führen

4.2 KI als Lernwerkzeug

KI kann als Werkzeug im Lernprozess dienen:

  • Recherche-Assistent: Informationsbeschaffung und -strukturierung
  • Schreibunterstützung: Textplanung, -erstellung und -überarbeitung
  • Übungshilfe: Individuelles Feedback und adaptive Übungen
  • Kreativitätspartner: Ideengenerierung und Perspektiverweiterung
  • Lernbegleiter: Individuelle Erklärungen und Hilfestellungen

4.3 KI als Lehrassistenz

KI kann Lehrkräfte in verschiedenen Bereichen unterstützen:

  • Unterrichtsvorbereitung: Materialerstellung, Ideengenerierung
  • Differenzierung: Erstellung niveaudifferenzierter Aufgaben
  • Bewertung: Unterstützung bei Korrektur und Feedback
  • Administration: Vereinfachung organisatorischer Aufgaben
  • Professionelle Entwicklung: Selbstreflexion und Fortbildung

4.4 Methodische Ansätze

Für die Integration von KI eignen sich besonders:

  • Projektbasiertes Lernen: KI als Werkzeug in komplexen Projekten
  • Flipped Classroom: KI-unterstützte Selbstlernphasen
  • Forschendes Lernen: KI als Forschungswerkzeug
  • Kollaboratives Lernen: Gemeinsame Nutzung und Reflexion von KI
  • Gamification: Spielerische KI-Anwendungen im Lernkontext

5. Herausforderungen und Lösungsansätze

5.1 Umgang mit ChatGPT und ähnlichen Tools

Herausforderungen:

  • Plagiate und Täuschungsversuche
  • Unkritische Übernahme von KI-Inhalten
  • Verlust von Lernprozessen durch Automatisierung

Lösungsansätze:

  • Prozessorientierte Aufgabenstellungen
  • Reflexion über KI-Nutzung einfordern
  • Klare Regeln für erlaubte KI-Nutzung
  • Authentische, nicht-standardisierte Aufgaben

5.2 Technische und organisatorische Herausforderungen

Herausforderungen:

  • Ungleicher Zugang zu KI-Tools
  • Technische Infrastruktur an Schulen
  • Datenschutzkonformität
  • Zeitaufwand für Einarbeitung

Lösungsansätze:

  • Schulweite KI-Strategie entwickeln
  • Datenschutzkonforme Tools auswählen
  • Schrittweise Implementation
  • Kollegiale Unterstützungssysteme

5.3 Pädagogische Herausforderungen

Herausforderungen:

  • Balance zwischen KI-Nutzung und eigenständigem Denken
  • Anpassung von Bewertungskriterien
  • Überforderung durch technologischen Wandel
  • Veränderung der Lehrerrolle

Lösungsansätze:

  • Reflexive Praxis fördern
  • Bewertungskonzepte anpassen
  • Fortbildungen und Austausch
  • Neues Rollenverständnis entwickeln

6.1 Deutsch: Kreatives Schreiben mit KI-Unterstützung

Klassenstufe: 9-10 (Sekundarstufe I)

Zeitbedarf: 2 Unterrichtsstunden (90 Minuten)

KI-Tool: ChatGPT oder ähnliche textgenerierende KI

Lernziele

  • Die Schülerinnen und Schüler können KI-Tools gezielt für den kreativen Schreibprozess einsetzen
  • Sie reflektieren kritisch die Möglichkeiten und Grenzen KI-generierter Texte
  • Sie verbessern ihre eigenen Texte durch den gezielten Einsatz von KI als Werkzeug
  • Sie entwickeln Kriterien für die Qualität literarischer Texte

Ablauf

Phase 1: Einführung (15 Minuten)
  1. Kurze Einführung in das Thema „Kreatives Schreiben mit KI“
  2. Demonstration von ChatGPT anhand eines einfachen Beispiels
  3. Vorstellen der Aufgabenstellung: Schreiben einer Kurzgeschichte zu einem vorgegebenen Thema
Phase 2: Analyse von Beispieltexten (20 Minuten)
  1. Schülerinnen und Schüler erhalten zwei Kurzgeschichten – eine von einem Menschen geschrieben, eine KI-generiert (ohne zu wissen, welche welche ist)
  2. Arbeitsauftrag: Texte lesen und analysieren
    • Welcher Text gefällt besser und warum?
    • Welche sprachlichen und stilistischen Merkmale fallen auf?
    • Vermutung: Welcher Text stammt von einem Menschen, welcher von einer KI?
  3. Gemeinsame Besprechung der Ergebnisse und Auflösung
  4. Erarbeitung von Kriterien für gelungene kreative Texte
Phase 3: Eigenes Schreiben mit KI-Unterstützung (30 Minuten)
  1. Schülerinnen und Schüler wählen eines der folgenden Szenarien für ihre Kurzgeschichte:
    • „Ein unerwarteter Fund im Keller“
    • „Der Tag, an dem die Technik versagte“
    • „Eine Begegnung, die alles veränderte“
  2. Dreistufiger Schreibprozess:
    • Ideenfindung: Schülerinnen und Schüler nutzen ChatGPT, um Ideen für ihre Geschichte zu generieren
    • Schreiben: Eigenständiges Verfassen der Geschichte basierend auf den generierten Ideen
    • Überarbeitung: Nutzung von ChatGPT für Feedback und Verbesserungsvorschläge
Phase 4: Reflexion und Präsentation (25 Minuten)
  1. Ausgewählte Schülerinnen und Schüler präsentieren ihre Geschichten
  2. Gemeinsame Reflexion:
    • Wie hat die KI den Schreibprozess unterstützt?
    • Wo waren die Grenzen der KI-Unterstützung?
    • Wie hat sich der eigene Schreibprozess durch die KI verändert?
  3. Abschlussdiskussion: Chancen und Herausforderungen von KI im kreativen Schreibprozess

Differenzierungsmöglichkeiten

  • Für leistungsstärkere Schülerinnen und Schüler: Komplexere Schreibaufgaben, Experimentieren mit verschiedenen Prompts
  • Für leistungsschwächere Schülerinnen und Schüler: Strukturiertere Vorgaben für die KI-Nutzung, vereinfachte Schreibaufgaben

Bewertungsmöglichkeiten

  • Prozessorientierte Bewertung: Dokumentation des Schreibprozesses mit Reflexion der KI-Nutzung
  • Produktorientierte Bewertung: Qualität des Endprodukts nach gemeinsam erarbeiteten Kriterien
  • Wichtig: Transparenz bezüglich der KI-Nutzung muss gewährleistet sein

6.2 Englisch: Using AI to Improve Narrative Writing

Klassenstufe: 10-11 (Sekundarstufe I/II)

Zeitbedarf: 2 Unterrichtsstunden (90 Minuten)

KI-Tool: ChatGPT oder ähnliche textgenerierende KI

Lernziele

  • Die Schülerinnen und Schüler können KI-Tools gezielt zur Verbesserung ihrer narrativen Texte einsetzen
  • Sie identifizieren generische Merkmale narrativer Texte anhand von KI-generierten Beispielen
  • Sie verbessern ihre eigenen Texte durch gezieltes Feedback von KI
  • Sie reflektieren kritisch die Stärken und Schwächen KI-generierter Texte

Ablauf

Phase 1: Introduction to AI-assisted writing (15 Minuten)
  1. Kurze Einführung zum Thema „AI in language learning“
  2. Demonstration von ChatGPT anhand eines einfachen Beispiels
  3. Diskussion: „How can AI help us improve our writing skills?“
Phase 2: Analyzing narrative text features (25 Minuten)
  1. Schülerinnen und Schüler erhalten eine von ChatGPT generierte „adventure story“ (ca. 200 Wörter)
  2. Arbeitsauftrag: „Analyze the text structure and identify typical features of an adventure story“
    • Setting and characters
    • Plot development and conflict
    • Time and tension markers
    • Language features (descriptive language, dialogue, etc.)
  3. Gemeinsame Erarbeitung der typischen Merkmale narrativer Texte
  4. Reflexion: „What makes a good adventure story? What is missing in the AI-generated text?“
Phase 3: Writing and improving with AI assistance (35 Minuten)
  1. Schreibaufgabe: „Write your own adventure story (150-200 words) based on one of these prompts:“
    • „A mysterious discovery in an ancient temple“
    • „Lost in a strange city“
    • „An unexpected encounter with a famous person“
  2. Dreistufiger Schreibprozess:
    • Planning: Schülerinnen und Schüler planen ihre Geschichte (Setting, Characters, Plot)
    • Writing: Eigenständiges Verfassen der Geschichte (ca. 15-20 Minuten)
    • Improving: Nutzung von ChatGPT für gezieltes Feedback und Verbesserung
Phase 4: Reflection and sharing (15 Minuten)
  1. Ausgewählte Schülerinnen und Schüler präsentieren ihre verbesserten Geschichten
  2. Gemeinsame Reflexion:
    • „How did AI help you improve your story?“
    • „What aspects of writing can AI support well, and what aspects require human creativity?“
    • „How can we use AI as a tool without becoming dependent on it?“

Differenzierungsmöglichkeiten

  • Für leistungsstärkere Schülerinnen und Schüler: Komplexere Geschichten, Experimentieren mit verschiedenen Genres, Analyse der Unterschiede zwischen menschlichen und KI-generierten Texten
  • Für leistungsschwächere Schülerinnen und Schüler: Strukturiertere Vorgaben, Fokus auf spezifische Aspekte (z.B. nur Verbesserung des Vokabulars)

6.3 Ethik: Ethische Fragen zu Künstlicher Intelligenz

Klassenstufe: 10-12 (Sekundarstufe I/II)

Zeitbedarf: 3 Unterrichtsstunden (135 Minuten)

KI-Tool: ChatGPT oder ähnliche textgenerierende KI

Lernziele

  • Die Schülerinnen und Schüler können grundlegende ethische Fragen im Zusammenhang mit KI identifizieren
  • Sie entwickeln und begründen eigene ethische Positionen zu KI-Anwendungen
  • Sie reflektieren die gesellschaftlichen Auswirkungen von KI kritisch
  • Sie führen einen strukturierten ethischen Diskurs mit und über KI

Ablauf

Phase 1: Einführung in KI und ethische Grundfragen (45 Minuten)
  1. Einstieg: Kurzes Video zu KI-Anwendungen im Alltag
  2. Kurze Einführung in die Funktionsweise von KI (Grundprinzipien)
  3. Sammlung von Vorerfahrungen der Schülerinnen und Schüler mit KI
  4. Gemeinsame Erarbeitung ethischer Grundfragen zu KI:
    • Autonomie: Wer trifft Entscheidungen – Mensch oder Maschine?
    • Verantwortung: Wer trägt Verantwortung für KI-Handlungen?
    • Gerechtigkeit: Wie können wir faire KI-Systeme gestalten?
    • Transparenz: Wie nachvollziehbar sollten KI-Entscheidungen sein?
    • Menschenwürde: Welche Grenzen sollten für KI gelten?
Phase 2: Ethische Fallbeispiele analysieren (45 Minuten)
  1. Gruppenarbeit: Jede Gruppe erhält ein ethisches Fallbeispiel zu KI:
    • Fallbeispiel 1: Autonomes Fahren und Dilemma-Situationen
    • Fallbeispiel 2: KI in der Medizin (Diagnose und Behandlungsempfehlungen)
    • Fallbeispiel 3: KI in Bewerbungsverfahren und mögliche Diskriminierung
    • Fallbeispiel 4: Überwachung und Privatsphäre durch KI-Systeme
  2. Arbeitsauftrag für jede Gruppe:
    • Identifikation der ethischen Kernfragen im Fallbeispiel
    • Sammlung von Pro- und Contra-Argumenten
    • Entwicklung einer begründeten Position
    • Vorbereitung einer kurzen Präsentation
  3. Präsentation der Gruppenergebnisse und Diskussion im Plenum
Phase 3: Ethischer Dialog mit KI (45 Minuten)
  1. Einführung in die Methode des „KI-Dialogs“:
    • Schülerinnen und Schüler formulieren ethische Fragen an ChatGPT
    • Sie analysieren und bewerten die Antworten kritisch
    • Sie entwickeln Gegenargumente und führen den Dialog weiter
  2. Durchführung des KI-Dialogs in Partnerarbeit:
    • Jedes Paar wählt eine ethische Frage zu KI (z.B. „Sollten KI-Systeme Rechte haben?“)
    • Formulierung eines ersten Prompts an ChatGPT
    • Analyse der Antwort und Formulierung von Rückfragen oder Gegenargumenten
    • Dokumentation des Dialogs und der eigenen Reflexion
  3. Gemeinsame Reflexion:
    • Vorstellung ausgewählter Dialoge
    • Diskussion der Stärken und Schwächen der KI-Argumentation
    • Reflexion über die ethischen Positionen der KI
    • Entwicklung eigener, begründeter Standpunkte

Differenzierungsmöglichkeiten

  • Für leistungsstärkere Schülerinnen und Schüler: Komplexere ethische Fragestellungen, Einbeziehung philosophischer Grundpositionen (Utilitarismus, Deontologie, etc.)
  • Für leistungsschwächere Schülerinnen und Schüler: Strukturiertere Arbeitsaufträge, vereinfachte Fallbeispiele, mehr Hilfestellungen bei der Argumentation

6.4 Geschichte: Historische Quellen analysieren mit KI-Unterstützung

Klassenstufe: 10-12 (Sekundarstufe I/II)

Zeitbedarf: 2 Unterrichtsstunden (90 Minuten)

KI-Tool: ChatGPT oder ähnliche textgenerierende KI

Lernziele

  • Die Schülerinnen und Schüler können KI-Tools zur Unterstützung bei der Analyse historischer Quellen einsetzen
  • Sie reflektieren kritisch die Möglichkeiten und Grenzen von KI bei der historischen Arbeit
  • Sie verbessern ihre Fähigkeiten zur Quelleninterpretation durch gezielte KI-Unterstützung
  • Sie entwickeln ein Bewusstsein für die Bedeutung historischer Kontextualisierung

Ablauf

Phase 1: Einführung (20 Minuten)
  1. Kurze Wiederholung der Methodik der Quellenanalyse
    • Formale Analyse (Art der Quelle, Verfasser, Entstehungszeit, etc.)
    • Inhaltliche Analyse (Hauptaussagen, Argumentationsstruktur)
    • Historische Kontextualisierung
    • Kritische Bewertung
  2. Vorstellung des Themas und der ausgewählten Quellen
  3. Einführung in die Möglichkeiten und Grenzen von KI bei der Quellenanalyse
  4. Demonstration eines Beispiels mit ChatGPT
Phase 2: Quellenanalyse mit KI-Unterstützung (35 Minuten)
  1. Schülerinnen und Schüler arbeiten in Kleingruppen an verschiedenen historischen Quellen
  2. Jede Gruppe erhält eine historische Quelle (z.B. Zeitungsartikel, Rede, Brief aus der Weimarer Republik)
  3. Arbeitsauftrag:
    • Eigenständige erste Analyse der Quelle nach dem bekannten Schema
    • Formulierung gezielter Prompts an ChatGPT zur Unterstützung bei:
      • Klärung unbekannter Begriffe oder Personen
      • Einordnung in den historischen Kontext
      • Identifikation von Argumentationsstrukturen
      • Vorschläge für Interpretationsansätze
    • Kritische Prüfung der KI-Antworten und Vergleich mit eigener Analyse
    • Dokumentation des Prozesses und der Ergebnisse
Phase 3: Präsentation und Reflexion (35 Minuten)
  1. Vorstellung der Analyseergebnisse durch die Gruppen
    • Kurze Präsentation der Quelle und der wichtigsten Erkenntnisse
    • Erläuterung, wie KI den Analyseprozess unterstützt hat
    • Kritische Reflexion der KI-Antworten
  2. Gemeinsame Diskussion:
    • Welche Aspekte der Quellenanalyse kann KI gut unterstützen?
    • Wo sind die Grenzen der KI-Unterstützung?
    • Welche Fehler oder Missverständnisse sind aufgetreten?
    • Wie verändert KI die historische Arbeit?

Differenzierungsmöglichkeiten

  • Für leistungsstärkere Schülerinnen und Schüler: Komplexere Quellen, Vergleich mehrerer Quellen, Entwicklung eigener Kriterien zur Bewertung von KI-Antworten
  • Für leistungsschwächere Schülerinnen und Schüler: Einfachere Quellen, strukturiertere Prompts, mehr Hilfestellungen bei der Analyse

6.5 Informatik: Einführung in Prompt Engineering

Klassenstufe: 9-12 (Sekundarstufe I/II)

Zeitbedarf: 2 Unterrichtsstunden (90 Minuten)

KI-Tool: ChatGPT oder ähnliche textgenerierende KI

Lernziele

  • Die Schülerinnen und Schüler können die Grundprinzipien des Prompt Engineering erklären
  • Sie entwickeln effektive Prompts für verschiedene Anwendungsfälle
  • Sie analysieren und optimieren bestehende Prompts
  • Sie reflektieren die Bedeutung von Prompt Engineering für die Interaktion mit KI-Systemen

Ablauf

Phase 1: Einführung in Prompt Engineering (25 Minuten)
  1. Einstieg: Demonstration von Beispielen für gute und schlechte Prompts
    • Zeigen Sie die unterschiedlichen Ergebnisse bei verschiedenen Prompt-Formulierungen
    • Diskussion: Warum führen unterschiedliche Prompts zu unterschiedlichen Ergebnissen?
  2. Theoretische Grundlagen des Prompt Engineering:
    • Was ist ein Prompt? (Anweisung/Frage an ein KI-System)
    • Wie verarbeiten KI-Systeme Prompts? (Grundprinzipien von LLMs)
    • Warum ist Prompt Engineering wichtig? (Qualität der Ergebnisse, Effizienz)
  3. Grundprinzipien für effektive Prompts:
    • Klarheit und Präzision
    • Kontext und Hintergrundinformationen
    • Strukturierung und Formatierung
    • Rollenanweisungen und Perspektiven
    • Beispiele und Demonstrationen
Phase 2: Analyse und Optimierung von Prompts (30 Minuten)
  1. Gemeinsame Analyse von Beispiel-Prompts:
    • Vorstellen verschiedener Prompts für die gleiche Aufgabe
    • Gemeinsame Bewertung nach den erarbeiteten Kriterien
    • Identifikation von Verbesserungsmöglichkeiten
  2. Partnerarbeit: Optimierung von Prompts
    • Jedes Paar erhält mehrere suboptimale Prompts
    • Aufgabe: Analyse der Schwächen und Neuformulierung
    • Testen der optimierten Prompts mit ChatGPT
    • Dokumentation der Verbesserungen
  3. Kurze Präsentation ausgewählter Optimierungen im Plenum
Phase 3: Entwicklung eigener Prompts für spezifische Anwendungsfälle (35 Minuten)
  1. Einführung verschiedener Anwendungsfälle:
    • Informationsrecherche
    • Textanalyse
    • Kreatives Schreiben
    • Problemlösung
    • Erklärung komplexer Konzepte
  2. Gruppenarbeit: Entwicklung von Prompts
    • Jede Gruppe wählt einen Anwendungsfall
    • Entwicklung von mindestens drei verschiedenen Prompts
    • Testen der Prompts und Vergleich der Ergebnisse
    • Dokumentation der Erkenntnisse
  3. Präsentation und Diskussion:
    • Jede Gruppe stellt ihre besten Prompts vor
    • Gemeinsame Diskussion der Stärken und Schwächen
    • Sammlung von Best Practices für verschiedene Anwendungsfälle

Differenzierungsmöglichkeiten

  • Für leistungsstärkere Schülerinnen und Schüler: Komplexere Anwendungsfälle, Entwicklung von Prompt-Ketten, Experimentieren mit fortgeschrittenen Techniken
  • Für leistungsschwächere Schülerinnen und Schüler: Strukturiertere Vorgaben, einfachere Anwendungsfälle, mehr Beispiele

6.6 Wirtschaft/WiB: KI in der Arbeitswelt von morgen

Klassenstufe: 9-12 (Sekundarstufe I/II)

Zeitbedarf: 3 Unterrichtsstunden (135 Minuten)

KI-Tool: ChatGPT oder ähnliche textgenerierende KI

Lernziele

  • Die Schülerinnen und Schüler können Auswirkungen von KI auf verschiedene Berufsfelder analysieren
  • Sie reflektieren Chancen und Risiken von KI für die Arbeitswelt
  • Sie entwickeln Zukunftsszenarien für ausgewählte Berufsfelder
  • Sie erkennen die Bedeutung von KI-Kompetenzen für ihre berufliche Zukunft

Ablauf

Phase 1: Einführung in KI und Arbeitswelt (45 Minuten)
  1. Einstieg: Kurzes Video zu KI in der Arbeitswelt
  2. Brainstorming: „Welche Berufe werden durch KI verändert oder ersetzt?“
  3. Input: Grundlegende Informationen zu KI-Technologien und deren Potenzial
    • Automatisierung von Routineaufgaben
    • Unterstützung bei komplexen Entscheidungen
    • Neue Formen der Mensch-Maschine-Zusammenarbeit
  4. Gemeinsame Erarbeitung von Analysekategorien:
    • Automatisierungspotenzial (Welche Tätigkeiten können von KI übernommen werden?)
    • Augmentierungspotenzial (Wie kann KI menschliche Arbeit unterstützen?)
    • Neue Berufsfelder (Welche neuen Tätigkeiten entstehen durch KI?)
    • Erforderliche Kompetenzen (Welche Fähigkeiten werden wichtiger?)
Phase 2: Analyse von Berufsfeldern mit KI-Unterstützung (45 Minuten)
  1. Gruppenarbeit: Jede Gruppe analysiert ein Berufsfeld
    • Gruppe 1: Gesundheitswesen (Ärzte, Pflegekräfte)
    • Gruppe 2: Bildung (Lehrkräfte, Trainer)
    • Gruppe 3: Verwaltung und Büro (Sachbearbeiter, Assistenzen)
    • Gruppe 4: Handwerk und Produktion (Handwerker, Facharbeiter)
    • Gruppe 5: Kreative Berufe (Designer, Autoren)
  2. Arbeitsauftrag für jede Gruppe:
    • Recherche zu aktuellen KI-Anwendungen im gewählten Berufsfeld
    • Nutzung von ChatGPT zur Analyse von Zukunftstrends
    • Entwicklung von Szenarien für die nächsten 5-10 Jahre
    • Erstellung einer Präsentation mit:
      • Aktueller Stand der KI-Nutzung im Berufsfeld
      • Prognose für Veränderungen
      • Chancen und Risiken
      • Empfehlungen für zukünftige Kompetenzen
  3. Während der Gruppenarbeit: Lehrkraft unterstützt bei der Formulierung effektiver Prompts für ChatGPT
Phase 3: Präsentation und Diskussion (45 Minuten)
  1. Präsentation der Gruppenergebnisse (je 5 Minuten)
  2. Nach jeder Präsentation: Kurze Diskussion und Ergänzungen
  3. Abschließende Diskussion:
    • Übergreifende Trends und Muster
    • Unterschiede zwischen Berufsfeldern
    • Konsequenzen für die eigene Berufswahl und -vorbereitung
  4. Reflexion:
    • Wie hat KI die Analyse unterstützt?
    • Welche Grenzen hat die KI-Unterstützung?
    • Welche KI-Kompetenzen werden in Zukunft wichtig sein?

Differenzierungsmöglichkeiten

  • Für leistungsstärkere Schülerinnen und Schüler: Komplexere Berufsfelder, tiefergehende wirtschaftliche Analyse, Entwicklung detaillierterer Zukunftsszenarien
  • Für leistungsschwächere Schülerinnen und Schüler: Strukturiertere Arbeitsaufträge, konkretere Berufsbilder, mehr Hilfestellungen bei der Analyse

7. Zukunftsperspektiven

7.1 Trends in der KI-Entwicklung

Absehbare Entwicklungen:

  • Multimodale KI-Systeme (Text, Bild, Audio, Video)
  • Personalisierte KI-Assistenten für Lernende
  • Verbesserte Erklärbarkeit von KI-Entscheidungen
  • Integration von KI in Lernmanagementsysteme
  • Erweiterte und virtuelle Realität mit KI-Komponenten


7.2 Bildung im KI-Zeitalter

Langfristige Perspektiven:

  • Neubestimmung von Bildungszielen und -inhalten
  • Fokus auf „uniquely human skills“
  • Lebenslanges Lernen als Normalfall
  • Hybride Mensch-KI-Kollaboration
  • Ethische Bildung als Kernkompetenz


7.3 Handlungsempfehlungen für Lehrkräfte

Konkrete nächste Schritte:

Eigene KI-Kompetenz entwickeln

Experimentieren Sie selbst mit KI-Tools und bleiben Sie über aktuelle Entwicklungen informiert.

Experimentieren und reflektieren

Testen Sie KI-Anwendungen im Unterricht und reflektieren Sie die Ergebnisse systematisch.

Kollegialen Austausch suchen

Teilen Sie Erfahrungen und Best Practices mit Kolleginnen und Kollegen.

Schüler:innen aktiv einbeziehen

Nutzen Sie das Vorwissen und die Erfahrungen Ihrer Schülerinnen und Schüler mit KI.

Balance finden

Integrieren Sie KI sinnvoll, ohne bewährte pädagogische Prinzipien aufzugeben.

8.Glossar: Wichtige Begriffe rund um KI

Algorithmus
Eine eindeutige Handlungsvorschrift zur Lösung eines Problems oder einer Klasse von Problemen.

Bias
Verzerrungen in KI-Systemen, die zu unfairen oder diskriminierenden Ergebnissen führen können.

ChatGPT
Ein von OpenAI entwickeltes Large Language Model, das auf natürlichsprachliche Eingaben reagieren kann.

Deep Learning
Eine Teilmenge des maschinellen Lernens, die auf künstlichen neuronalen Netzen mit mehreren Schichten basiert.

Generative KI
KI-Systeme, die neue Inhalte wie Texte, Bilder oder Musik erzeugen können.

Large Language Model (LLM)
Sprachmodelle wie GPT-4, die auf enormen Textmengen trainiert wurden und komplexe sprachliche Aufgaben bewältigen können.

Maschinelles Lernen
Ein Teilgebiet der KI, bei dem Algorithmen aus Daten lernen und Muster erkennen, ohne explizit programmiert zu werden.

Natural Language Processing (NLP)
Verarbeitung und Generierung natürlicher Sprache durch KI-Systeme.

Prompt
Eine Anweisung oder Frage an ein KI-System, die dessen Ausgabe steuert.

Prompt Engineering
Die Kunst, effektive Prompts zu formulieren, um optimale Ergebnisse von KI-Systemen zu erhalten.

Ressourcenliste: Tools, Plattformen und Materialien

KI-Tools für den Unterricht

Bildungsplattformen mit KI-Ressourcen


Informationsquellen zu KI und Bildung

Literaturverzeichnis und weiterführende Quellen

Grundlagenliteratur

  • Döbeli Honegger, B. (2023). KI in der Bildung: Chancen und Herausforderungen. Bern: hep Verlag.
  • Kerres, M. (2023). Bildung in der digitalen Transformation. Wiesbaden: Springer VS.
  • Stalder, F. (2016). Kultur der Digitalität. Berlin: Suhrkamp.

Praxisorientierte Literatur

  • Beyer, D. (2023). Künstliche Intelligenz im Englischunterricht. Frankfurt: Friedrich Verlag.
  • Lohmüller, P. (2024). Die besten KI-Tools für den Englischunterricht. Augsburg: Auer Verlag.
  • Nuxoll, F. (2023). Mit KI-Tools das Schreiben narrativer Texte fördern. Frankfurt: Friedrich Verlag.

Studien und Berichte

  • Deutsche Telekom Stiftung (2023). KI-Systeme kennen und in der Schule nutzen. Bonn.
  • Kultusministerkonferenz (2023). Lehren und Lernen in der digitalen Welt: Die ergänzende Empfehlung zur Strategie „Bildung in der digitalen Welt“. Berlin.
  • OECD (2023). Artificial Intelligence in Education: Challenges and Opportunities for Policy. Paris.

Online-Ressourcen

glancers

Agentur für digitale Kommunikation

Nicole & Wolfgang Jank
Zugspitzstr. 45
85540 Haar

info@glancers.de