Alle Lektionen

Kurs

KI in der 6. Klasse: KI und informatisches Denken

Lern Algorithmen und Daten, und sieh, wie Modelle des maschinellen Lernens trainiert und getestet werden.

Mach die Lektionen der Reihe nach. Am Ende kannst du KI, maschinelles Lernen und generative KI auseinanderhalten und Eingabe, Modell und Ausgabe einer echten KI-App nennen. Du kannst Algorithmen mit Schleifen und Bedingungen schreiben und einen Entscheidungsbaum bauen. Du kannst erklären, wie Pixel und Text als Zahlen gespeichert werden, einen Punkt nach seinen nächsten Beispielen einordnen und die Genauigkeit aus den Testergebnissen berechnen. Du kannst erklären, wie ein Neuron Eingaben mit Gewichten kombiniert, einen Satz in Tokens teilen, eine KI-App nach Genauigkeit, Fairness und Privatsphäre benoten, und einen Pflanzen-Klassifikator vorstellen und seine Fehler erklären.

So benutzt du diese Lektionen

  • Fang bei der Lektion an, auf der Mach das steht. Geh weiter, wenn du die Zeile unter dem Titel allein machen kannst.
  • Spiel zuerst die Spiele. Dann mach das Quiz. 8 von 10 richtig zum Bestehen. Die Arbeitsblätter sind auf Papier. Die Antworten sind unten.
  • Jede Lektion baut auf der davor auf. Wenn eine Lektion schwer ist, geh eine zurück.
  • Nutze nur die KI-Werkzeuge, die deine Lehrkraft erlaubt. Füge nie private Informationen in einen Chatbot ein. Prüfe jede KI-Antwort und sag, bei welchen Teilen deiner Arbeit KI geholfen hat.

Jede Lektion hat Spiele, Quiz und Arbeitsblätter.

0 von 36

KI verstehen

  1. 1KI, maschinelles Lernen und generative KIHalte KI, maschinelles Lernen und generative KI auseinander.
    • Definiere KI, maschinelles Lernen und generative KI.
    • Zeichne, wie sie ineinander stecken.
    • Sortiere 10 Apps in die drei Gruppen.
  2. 2Eine kurze Geschichte der KISetze wichtige Momente der Geschichte der KI auf einen Zeitstrahl.
    • Setze Schachcomputer, Sprachhelfer und Chatbots auf einen Zeitstrahl.
    • Sag, was sich geändert hat, damit jeder möglich wurde.
    • Nenn eine Vorhersage, die falsch war.
  3. 3Enge und allgemeine KIErklär, warum die KI von heute bei engen Aufgaben am besten ist.
    • Vergleich ein Schachprogramm und einen Menschen.
    • Liste Aufgaben, die KI gut kann, und Aufgaben, die ihr schwerfallen.
    • Erklär, was eine allgemeine KI bräuchte.
  4. 4Analysiere ein KI-SystemAnalysiere eine echte KI-App und nenn Eingabe, Modell und Ausgabe.
    • Wähl eine App, wie eine Fotosuche oder einen Übersetzer.
    • Zeichne ihre Eingabe, ihr Modell und ihre Ausgabe.
    • Sag, mit welchen Daten sie wahrscheinlich trainiert wurde.

Algorithmen

  1. 5FolgenSchreib einen Algorithmus als Folge von Schritten.
    • Definiere einen Algorithmus.
    • Schreib Schritte, um ein Sandwich zu machen.
    • Finde Schritte, die für einen Computer unklar sind.
  2. 6SchleifenNutze eine Schleife, um Schritte zu wiederholen.
    • Ersetze wiederholte Schritte durch eine Schleife.
    • Nutze eine Schleife, die zählt.
    • Nutze eine Schleife, die läuft, bis eine Bedingung stimmt.
  3. 7BedingungenNutze Bedingungen, um einen Weg zu wählen.
    • Schreib if, else if und else.
    • Kombiniere Bedingungen mit und, oder und nicht.
    • Geh einen Algorithmus von Hand durch.
  4. 8EntscheidungsbäumeBau einen Entscheidungsbaum, der Tiere sortiert.
    • Stell an jedem Ast Ja-oder-Nein-Fragen.
    • Sortiere 10 Tiere mit deinem Baum.
    • Finde den kürzesten Baum, der noch funktioniert.

Datendarstellung

  1. 9Zahlen und KategorienUnterscheide Zahlendaten von Kategorien.
    • Sortiere Merkmale in Zahlen und Kategorien.
    • Mach aus einer Kategorie Zahlen.
    • Sag, warum ein Computer Zahlen braucht.
  2. 10Bilder als ZahlenErklär, wie Pixel ein Bild als Zahlen speichern.
    • Zeichne ein Bild auf ein Gitter aus 0 und 1.
    • Misch Werte für Rot, Grün und Blau.
    • Zähl die Zahlen in einem kleinen Foto.
  3. 11Text als ZahlenErklär, wie Text als Zahlen gespeichert werden kann.
    • Mach aus Buchstaben Codes.
    • Gib jedem Wort in einer Liste eine Zahl.
    • Zähl, wie oft jedes Wort vorkommt.
  4. 12DatentabellenOrdne Daten in Tabellen aus Zeilen, Spalten und Merkmalen.
    • Bau eine Tabelle in einer Tabellenkalkulation.
    • Nenn die Merkmale und die Beschriftung.
    • Sortiere und filtere die Tabelle.

Klassifikation

  1. 13Merkmale und BeschriftungenWähl nützliche Merkmale für eine Beschriftung.
    • Sag, was ein Merkmal und eine Beschriftung sind.
    • Ordne Merkmale vom nützlichsten zum wenigsten nützlichen.
    • Nimm ein Merkmal weg, das nicht hilft.
  2. 14Nächster NachbarOrdne einen Punkt nach seinem nächsten Nachbarn ein, nach seinen nächsten Beispielen.
    • Trag Beispiele in ein Diagramm mit zwei Merkmalen ein.
    • Finde das nächste Beispiel zu einem neuen Punkt.
    • Nutze die 3 nächsten und lass sie abstimmen.
  3. 15Grenzen zeichnenZeichne eine Grenze: eine Linie, die zwei Gruppen trennt.
    • Zeichne eine Linie zwischen zwei Gruppen von Punkten.
    • Ordne neue Punkte nach ihrer Seite der Linie ein.
    • Finde Daten, die keine gerade Linie trennen kann.
  4. 16Bau einen KlassifikatorBau einen einfachen Klassifikator mit einem Werkzeug ohne Code.
    • Lade einen kleinen Datensatz.
    • Trainiere einen Klassifikator.
    • Ordne 5 neue Beispiele ein.

Modell trainieren

  1. 17TrainingsdatenErklär, was ein Modell aus Trainingsdaten lernt.
    • Sag, dass ein Modell Muster lernt, nicht Regeln, die du schreibst.
    • Zeig, wie andere Daten das Modell ändern.
    • Finde ein Muster, das ein Modell aus Versehen gelernt hat.
  2. 18TestdatenErklär, warum Testdaten getrennt bleiben müssen.
    • Teile Daten in Trainings- und Testmengen.
    • Vergleich die Punkte der beiden Mengen.
    • Erklär, was „auswendig lernen“ für ein Modell bedeutet.
  3. 19GenauigkeitBerechne die Genauigkeit aus den Testergebnissen.
    • Zähl richtige Vorhersagen.
    • Schreib die Genauigkeit als Prozent.
    • Erklär, warum 90% trotzdem schlecht sein kann.
  4. 20Verbessere ein ModellÄnder die Daten und vergleich die Genauigkeit, um ein Modell zu verbessern.
    • Füge mehr Beispiele hinzu.
    • Entferne falsche Beschriftungen.
    • Schreib die Genauigkeit nach jeder Änderung auf.

Ideen zu neuronalen Netzen

  1. 21Künstliche NeuronenErklär, wie ein Neuron Eingaben mit Gewichten kombiniert.
    • Multipliziere jede Eingabe mit ihrem Gewicht.
    • Addiere sie und vergleich sie mit einer Schwelle.
    • Änder ein Gewicht und sieh, wie sich die Ausgabe ändert.
  2. 22SchichtenErklär, wie Schichten Signale nach vorn weitergeben.
    • Zeichne Eingabe-, versteckte und Ausgabeschicht.
    • Schick Zahlen durch ein kleines Netz.
    • Sag, warum mehr Schichten schwerere Muster finden können.
  3. 23Gewichte lernenErklär, dass Gewichte lernen heißt: das Training ändert die Gewichte.
    • Rate Gewichte und prüfe den Fehler.
    • Schieb die Gewichte, damit der Fehler kleiner wird.
    • Sag, dass das Training das viele Male wiederholt.
  4. 24Menschliches neuronales NetzSpiel ein kleines menschliches neuronales Netz mit deinen Mitschülern.
    • Jede Person spielt ein Neuron.
    • Gib Signale von der Eingabe zur Ausgabe weiter.
    • Änder Gewichte, um eine falsche Antwort zu reparieren.

Generative KI

  1. 25Wie Text erzeugt wirdErklär, dass ein Sprachmodell Text erzeugt, indem es das nächste Token vorhersagt.
    • Sag das nächste Wort in Sätzen voraus.
    • Bau aus einer Geschichte einen kleinen Vorhersager für das nächste Wort.
    • Sag, warum das Modell richtig klingen und trotzdem falsch sein kann.
  2. 26TokensTeile einen Satz in Tokens.
    • Sieh, wie ein Tokenizer Wörter teilt.
    • Zähl die Tokens in einem Satz.
    • Sag, warum lange Wörter zu mehreren Tokens werden.
  3. 27Prompt-ExperimenteÄnder einen Teil eines Prompts und vergleich die Ergebnisse.
    • Änder immer nur eine Sache.
    • Schreib jeden Prompt und jedes Ergebnis auf.
    • Schreib, was jede Änderung gemacht hat.
  4. 28Grenzen der ErzeugungErklär die Grenzen der Erzeugung: warum ein Sprachmodell Dinge erfinden kann.
    • Finde eine erfundene Tatsache in einer KI-Antwort.
    • Erklär, warum Vorhersagen sie erzeugen können.
    • Liste Wege, um KI-Text zu prüfen.

KI-Ethik

  1. 29VoreingenommenheitFinde Voreingenommenheit in einem Datensatz oder in einem Ergebnis.
    • Definiere Voreingenommenheit in der KI.
    • Finde eine Gruppe, die zu wenig vertreten ist.
    • Erklär, wie das die Ergebnisse ändert.
  2. 30Genauigkeit und VertrauenEntscheide mit der Genauigkeit, wann eine KI-Antwort sicher zum Vertrauen ist.
    • Vergleich Nutzungen mit kleinem und mit großem Risiko.
    • Entscheide, wann ein Mensch prüfen muss.
    • Schreib eine Liste zum Vertrauen.
  3. 31PrivatsphäreErklär die Privatsphäre: welche Daten eine KI-App sammelt.
    • Lies die Privatsphäre-Kurzinfo einer App.
    • Liste die Daten, die sie sammelt.
    • Sag, was du nicht teilen würdest.
  4. 32Bewerte ein KI-SystemBewerte eine KI-App und benote sie nach Genauigkeit, Fairness und Privatsphäre.
    • Mach eine Bewertungskarte mit drei Teilen.
    • Teste die App und füll sie aus.
    • Schlag eine Verbesserung vor.

KI-Entdeckungsprojekt

  1. 33Plane das ProjektSchreib eine Frage und plane den Datensatz.
    • Schreib die Frage: „Von welcher Pflanze ist dieses Blatt?“
    • Wähl 3 oder 4 Pflanzengruppen.
    • Plane die Trainings- und Testmengen.
  2. 34Pflanzen-Daten vorbereitenBereite Pflanzen-Daten vor: sortiere Blattfotos und beschrifte sie.
    • Nutze einen vorbereiteten Blatt-Datensatz.
    • Prüfe die Beschriftungen.
    • Halt eine Testmenge getrennt.
  3. 35Trainieren und testenTrainiere und teste einen Pflanzen-Klassifikator und schreib die Ergebnisse auf.
    • Trainiere den Klassifikator.
    • Berechne die Genauigkeit auf der Testmenge.
    • Sammle die falschen Vorhersagen.
  4. 36KI-PflanzendetektivStell einen Pflanzen-Klassifikator vor und erklär seine Fehler.
    • Zeig richtige und falsche Vorhersagen.
    • Erklär, warum die Fehler passiert sind.
    • Sag, welche Extra-Beispiele helfen würden.