Wir bauen ein eigenes KI-Projekt
Die Lernenden entwickeln in Projektgruppen mit dem kostenlosen Web-Tool «Teachable Machine» einen eigenen KI-Prototyp mit echtem Nutzen und durchlaufen dabei den vollständigen Entwicklungsprozess von der Problemanalyse über Datensammlung und Training bis zur ethischen Reflexion.
Kurzbeschreibung
In dieser Einheit realisieren die Schüler*innen innen in Projektgruppen einen selbst gewählten KI-Anwendungsfall, der einen echten Nutzen bringen soll. Von der Idee über die Datensammlung und das Training bis zu Fehleranalyse, Optimierung und Präsentation durchlaufen sie den gesamten Entwicklungsprozess und setzen sich dabei kritisch mit Bias, Datenschutz und Verantwortung auseinander.
Was ist Teachable Machine?
Teachable Machine ist ein kostenloses Web-Tool von Google Experiments, mit dem ein Computer ohne Programmierkenntnisse darauf trainiert werden kann, Bilder, Geräusche oder Körperhaltungen zu erkennen. Die Anwendung läuft direkt im Browser und erfordert weder Installation noch Anmeldung. Der Ablauf folgt drei einfachen Schritten. Zuerst werden Beispiele gesammelt und über Webcam, Mikrofon oder vorhandene Dateien in den Browser geladen. Danach trainiert die Künstliche Intelligenz das Modell mit einem einzigen Klick. Zum Schluss lässt sich das Ergebnis direkt im Browser testen oder exportieren. Damit wird die Funktionsweise des maschinellen Lernens für die Schüler*innen unmittelbar greifbar.
Mögliche Projektideen
Ein Computer, der Pflanzen oder Tiere im Schulgarten bestimmt, einInstrumenteerkenner, der Instrumente durch Geräusche unterscheidet, oder ein Assistent für Menschen mit Einschränkungen. Optional kann das fertige Modell als Code-Snippet exportiert und auf einer einfachen Webseite eingebunden werden.
Ablauf über mehrere Lektionen
Zum Einstieg vermittelt die Lehrperson die Grundlagen des maschinellen Lernens, zeigt eine Demo von Teachable Machine und leitet Gruppenbildung und Brainstorming an. Anschliessend erstellen die Gruppen einen Projektplan mit Problem, Zielgruppe und Kategorien. Danach sammeln sie Daten, trainieren ihr Modell und führen erste Tests durch. In der Fehleranalyse erkennen sie Overfitting und optimieren ihr Modell. Es folgt eine ethische Reflexion über Bias, Datenschutz und Verantwortung, etwa anhand von Fallbeispielen diskriminierender KI. Zum Abschluss präsentieren die Gruppen ihr Projekt und geben sich gegenseitig Feedback.
Didaktischer Hinweis
Die kritische Auseinandersetzung mit KI-Tools spielt in diesem Zyklus eine zentrale Rolle. Teachable Machine wird dabei bewusst als Prototyp-Werkzeug betrachtet, und die Lernenden sollen erkennen, dass bekannte KI-Systeme wie ChatGPT viel grössere Datenmengen und sorgfältigere Qualitätssicherungen benötigen. Dabei lassen sich Begriffe wie Trainingsdaten, Modell, Klassifikation, Bias und Overfitting einführen.
Gesprächsanlass
Wo stösst unser Prototyp an Grenzen und welche Verantwortung tragen wir, wenn ein solches Modell im echten Leben eingesetzt würde?
Material
Pro Gruppe ein Computer oder Tablet mit Webcam beziehungsweise Mikrofon und Internetzugang sowie die für den gewählten Anwendungsfall benötigten Objekte, Bilder oder Geräusche.
Datenschutzhinweis
Teachable Machine verarbeitet die Trainingsdaten laut Google lokal im Browser, doch beim Export oder beim Speichern in Google Drive können sie das Gerät verlassen. Gesichter, Stimmen oder persönliche Gegenstände sind deshalb heikel. Als Faustregel sollte nur trainiert werden, was auch öffentlich gezeigt werden dürfte. Wo möglich werden neutrale Alltagsgegenstände statt Gesichter verwendet, und vor dem Einsatz von Kamera oder Mikrofon wird die Zustimmung der Schüler*innen beziehungsweise deren Erziehungsberechtigten eingeholt. So wird der Datenschutz selbst zum Lerngegenstand.