Kursthemen

  • Allgemeines

    Seminarthema: Unterrichtseinheit zur künstlichen Intelligenz & Entwicklung einer Ziffernerkennung

    Ersteller: Florian D'Uva, Marcel Hahn, Finn Ohlrogge, Paul Schulze

    Kontakt: finn.ohlrogge@uni-rostock.de 

    Betreuer: Dr. rer. nat. Lutz Hellmig

    Zeitaufwand: 25/40 Stunden (8 Wochen)

    Jahrgangsstufe: 12

    Kursangebot: Grundkurs & optionale Hinweise für den Leistungskurs

    Voraussetzungen (SuS):

    • Programmiersprache: Python (Debugger nutzen & Syntaxfehler korrigieren) (OOP)
    • Struktogramm/ER-Modell/ UML-Diagramme (OOM)
    • Begriffe: Algorithmus, Daten
    • Sinnvolle Kommentierung/Dokumentation

    Systemvoraussetzungen (für Lehrkraft):

    • Werkzeuge vom IO-Stick
      • Dia - Werkzeug zur Erstellung von UML-Diagrammen und ERM-Modellen
      • Structorizer - Werkzeug zur Erstellung von Struktogrammen
    • Informatikraum (max. 2-3 SuS/Lernplatz)
    • Programmierumgebung (Spyder, PyCharm, THONNY o. ä.)
    • TensorFlow, numpy, MNIST-Datensätze jeweils als Import

    GIT-Verzeichnis für Python-Dateien usw.: https://github.com/Schupax/KI-OCR-Schulprojekt

    Eine Erklärung was Git ist und wofür und wie es benutzt wird, befindet sich im Glossar oder unter dem folgenden Link.

  • 1. Einführungsveranstaltung: KI im Alltag

    Zeitaufwand: 1. Woche (90 min)

    Ziele:

    Die Schülerinnen und Schüler sind nach der Unterrichtseinheit in der Lage

    • können (alltägliche) Anwendungen von KI-Systemen nennen
    • den Unterschied zwischen schwacher und starker KI in Bezug auf Vorgehen, Schwächen und Beispielen zu erklären
    • die Möglichkeiten und Grenzen von Künstlicher Intelligenz zu erläutern. 
    • die Bestandteile eines neuronalen Netzes (NN), wie Neuron sowie Input-, Hidden-, und Output-Layer zu nennen
    • anhand eines Beispiels zu erklären, wie ein NN trainiert werden kann
    • die Wichtigkeit der Trainingsdaten von einem KI-System zu erläutern

  • 2.1 Das maschinelle Lernen

    Zeitaufwand: 2. Woche (45 min) – Erste Unterrichtshälfte

    Ziele:

    Die Schülerinnen und Schüler sind nach der Unterrichtseinheit in der Lage

    • die Grundlagen zu ML und DL zu erläutern
    • die Begriffe Maschinelles Lernen (ML) und Deep Learning (DL) in den Kontext KI einzuordnen (-> Fachsprache)
    • Beispiele für die Arten des ML zu nennen
    • Arten von ML (unüberwachtes, überwachtes, verstärkendes Lernen) vergleichend beschreiben
    • die Unterschiede zwischen ML und DL zu nennen

  • 2.2 Entwicklung eines UML-Diagramms

    Zeitaufwand: 2. Woche (45 min) – Zweite Unterrichtshälfte

    Ziele:

    Die Schülerinnen und Schüler sind nach der Unterrichtseinheit in der Lage

    • Klassen durch Klassennamen, Attribute und Methoden zu beschreiben
    • ein Klassendiagramm hinsichtlich der Klassen, der Beziehungstypen, Assoziationen, Kompositionen und Vererbung zu interpretieren
    • ein objektorientiertes Modell im Kontext der Künstlichen Intelligenz entwickeln und mit einem Klassendiagramm darstellen
    • ein UML-Klassendiagramm in ein äquivalentes Entity-Relationship-Modell zu überführen
    • Planungsmatrix Verzeichnis

      Dieses Verzeichnis enthält die Planungsmatrix als Übersicht für die Unterrichtsstunde "Entwicklung eines UML-Diagramms".

      Die Planungsmatrix bietet einen Übersicht über den Unterrichtsablauf für den Grundkurs mit optionalen Hinweis für den Leistungskurs.

  • 3.-5. Implementierung des neuronalen Netzes

    Zeitaufwand: 3-5. Woche (180-270 min)

    Der Erwartungshorizont für die die Programmieraufgaben befindet sich zusammen mit den Vorlagen im Git: https://github.com/Schupax/KI-OCR-Schulprojekt

    Ziele:

    Die Schülerinnen und Schüler sind nach der Unterrichtseinheit in der Lage

    • Modelle in einer objektorientierten Programmiersprache (hier Python) zu analysieren und zu implementieren
    • Klassendefinitionen zu interpretieren und implementieren
    • Modelle in einer objektorientierten Programmiersprache erweitern und entwickeln
    • die Funktionalität von Methoden zu interpretieren und implementieren

  • 6. Auswertung der Implementierung

    Zeitaufwand: 6. Woche (90 min)

    Ziele:

    Die Schülerinnen und Schüler sind nach der Unterrichtseinheit in der Lage

    • die eigene Implementation zu reflektieren und zu beurteilen.
    • Funktionalität, Leistungsfähigkeit, Zuverlässigkeit und Grenzen ihrer KI zu bewerten.
    • das Problem des Overfittings und Underfittings erklären.

  • 7.1 Grafik - Didaktische Reserve

    Zeitaufwand: 7. Woche (45 min) – Zweite Unterrichtshälfte

    Ziele:

    Die Schülerinnen und Schüler sind nach der Unterrichtseinheit in der Lage

    • die Größe einer Rastergrafik durch die Angabe der Anzahl der Pixel in Breite und Höhe zu beschreiben und die Auswirkungen auf die Detailtreue zu erklären.
    • das Prinzip der Codierung exemplarisch anhand der Darstellung eines Pixels im RGB-Farbraum zu erklären.
    • den Speicherbedarf einer Rastergrafik anhand der Auflösung und Farbtiefe zu bestimmen.
    • das Prinzip der Komprimierung anschaulich an einem Beispiel erläutern.

  • 7.2 Algorithmus und KI

    Zeitaufwand: 7.2 Woche (45 min)

    Ziele:

    Die Schülerinnen und Schüler sind nach dieser Unterrichtseinheit in der Lage

    • den Begriff "Algorithmus" und seine Eigenschaften in den Kontext "Künstliche Intelligenz" einordnen.
    • die Eigenschaften eines Algorithmus erklären.

    Motivation: Haben die Schüler mit der Programmierung dieser KI einen Algorithmus erschaffen?

  • 8. Ethik und gesellschaftliche Verantwortung

    Zeitaufwand: 8. Woche (90 min) – „Puffer“ (optionale Stunde / Didaktische Reserve)

    Ziele:

    Die Schülerinnen und Schüler sind nach der Unterrichtseinheit in der Lage

    • den Einsatz des Informatiksystems KI unter fachlichen und darüber hinaus unter ethischen, sozialen, ökologischen, medizinischen, ökonomischen oder rechtlichen Aspekten bewerten
    • entwickeln im gemeinsamen Dialog ein Bild, wie Technik gestaltet sein sollte, um dem Menschen dienlich zu sein und ein gutes gesellschaftliches Zusammenleben zu fördern

    Folgende Quelle wurde für diesen Teil der Unterrichtseinheit genutzt und im wesentlichen genauso umgesetzt. https://www.medien-in-die-schule.de/unterrichtseinheiten/machine-learning-intelligente-maschinen/modul-1-innovation-und-machine-learning- motivation-und-gesellschaftliche-verantwortung/ue1c-ethik-und-gesellschaftliche-verantwortung/

    Freiwillige Selbstkontrolle Multimedia-Diensteanbieter e.V. (FSM)
    Geschäftsstelle
    Beuthstr. 6
    10117 Berlin
     - Freie Verwendung und Bearbeitung durch freie Lizenzen (CC-BY-SA) und offene Dokumente (OER) -

    • Planungsmatrix Verzeichnis

      Dieses Verzeichnis enthält die Planungsmatrix als Übersicht für die Unterrichtsstunde "Ethik und gesellschaftliche Verantwortung".

      Die Planungsmatrix bietet einen Übersicht über den Unterrichtsablauf für den Grundkurs mit optionalen Hinweis für den Leistungskurs.