Wir bauen einen Müll-Trennungs-Roboter
Die Schüler*innen trainieren mit dem kostenlosen Web-Tool «Teachable Machine» einen eigenen Recycling-Roboter und erfahren dabei, wie maschinelles Lernen funktioniert
Kurzbeschreibung
In dieser Einheit bauen die Schüler*innen in Kleingruppen einen Müll-Trennungs-Roboter, der zwischen drei Abfallarten unterscheidet. Sie sammeln eigene Beispielbilder, trainieren damit ein Modell und testen gegenseitig, wessen Roboter am zuverlässigsten erkennt. Bei Fehlern gehen sie der Ursache auf den Grund und entdecken so ganz praktisch, wie wichtig gute und vielfältige Daten für eine Maschine sind.
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.
Ablauf
Zum Einstieg zeigt die Lehrperson ein Bild oder kurzes Video einer echten Sortieranlage und fragt, wie eine Maschine wohl wissen kann, was was ist. In der Planung wählt jede Gruppe drei Abfallarten wie PET-Flasche, Papier und Alu-Dose und überlegt, welche Objekte und Bilder sie dafür braucht. Bei der Datensammlung nehmen die Gruppen mit der Webcam pro Kategorie möglichst viele Bilder auf. Es braucht rund dreissig Stück aus verschiedenen Winkeln, am besten mit und ohne Hand im Bild. Anschliessend trainieren sie ihr Modell und prüfen es mit neuen Gegenständen, gerne auch mit den mitgebrachten Objekten der anderen Gruppen. In der Reflexion besprechen sie, welche Kategorie oft verwechselt wird, woran das liegt und wie sich die Trefferquote verbessern liesse.
Didaktischer Hinweis
Die Reflexionsphase ist in diesem Zyklus zentral, denn hier entdecken die Schüler*innen typische Probleme. Wurden etwa alle Beispielbilder mit derselben Hand aufgenommen, erkennt der Computer später die Hand und nicht den Gegenstand. Solche Beobachtungen führen zu spannenden Gesprächen über Fairness, Vorurteile und Datenqualität und bieten einen greifbaren Einstieg in die KI-Ethik.
Gesprächsanlass
Warum verwechselt der Roboter manche Gegenstände und was müssen wir an unseren Beispielen verändern, damit er zuverlässiger erkennt?
Material
Pro Gruppe ein Computer oder Tablet mit Webcam und Internetzugang sowie mitgebrachte Alltagsgegenstände für die gewählten Abfallarten. Die Gruppen arbeiten zu zweit oder zu dritt.
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.