2.3.3 Grundlegende Konzepte der künstlichen Intelligenz erklären
Unterrichtsmaterial zum Lernziel: Die Maturandinnen und Maturanden können grundlegende Konzepte der künstlichen Intelligenz erklären.
Künstliche Intelligenz und maschinelles Lernen - Unterrichtsmaterial
Umfassendes Unterrichtsmaterial zur künstlichen Intelligenz, das von grundlegenden Konzepten wie Entscheidungsbäumen und neuronalen Netzen bis hin zu praktischen Python-Programmierungen mit Jupyter-Notebooks reicht. Es beleuchtet zudem ethische Aspekte, Data-Science-Projekte und die Geschichte der KI.
Der Unterschied zwischen GPT und ChatGPT
Dieses Unterrichtsmaterial erklärt anschaulich den Unterschied zwischen einem reinen Sprachmodell (GPT) und einer vollständigen Anwendung mit Zusatzkomponenten (ChatGPT). Anhand von Beispielen wie Wetterabfragen, Rechenaufgaben und Sicherheitsmechanismen wird die Funktionsweise moderner KI-Assistenten vermittelt.
Von Deep Learning zu Large Language Models
Dieses Unterrichtsmaterial führt anschaulich und vereinfacht in die Funktionsweise von neuronalen Netzen, Deep Learning und Large Language Models (LLMs) ein. Es behandelt Themen wie Tokens, Tokenisierung, Vorhersage des nächsten Tokens, Transformer-Architekturen sowie die Abgrenzung von künstlicher und menschlicher Intelligenz.
Einführung in künstliche neuronale Netzwerke
Dieses Unterrichtsmaterial erklärt anschaulich die Grundlagen künstlicher neuronaler Netze, den Aufbau aus Schichten und den Unterschied zwischen klassischer Programmierung und dem Lernen aus Beispielen anhand von Bilderkennung.
Einführung in künstliche neuronale Netze und künstliche Neuronen
Dieses Unterrichtsmaterial führt in die Grundlagen künstlicher neuronaler Netze ein, indem es vom biologischen Vorbild der Nervenzelle zu dessen mathematischer Abstraktion als künstliches Neuron übergeht. Es erklärt zentrale Konzepte wie Gewichte, Bias, Aktivierungsfunktionen und Sigmoid-Funktionen anhand von Beispielen und integriert kleine Aufgaben.
Einführung in die Erstellung eines Spamfilters als KI
Dieses Unterrichtsmaterial führt schrittweise in die Grundlagen der künstlichen Intelligenz ein, indem die Lernenden die Erstellung eines Spamfilters konzipieren. Dabei werden zentrale Phasen wie Problemdefinition, Datenaufbereitung, Modellauswahl, Training, Validierung sowie ethische Aspekte und Bias thematisiert.
Aufgaben und Fazit zum Spamfilter mit Naive Bayes
Das Material enthält praxisnahe Aufgaben zu einem textbasierten Spamfilter, der mit dem Naiven Bayes Klassifikator realisiert wurde. Es thematisiert unter anderem Modell-Bias durch unzureichende Trainingsdaten, Anwendungsbereiche und ethische Fragestellungen.
Naive Bayes Spamfilter im Unterricht
Dieses Unterrichtsmaterial behandelt die Funktionsweise und Validierung eines Spamfilters mittels Naive-Bayes-Klassifikation und Excel-Tabellen. Anhand konkreter Beispiele wird die Berechnung von Wahrscheinlichkeiten, die Bestimmung der Genauigkeit und die Wichtigkeit der Datenqualität demonstriert.
Training eines Spam-Erkennungsmodells mit Microsoft Excel
Dieses Unterrichtsmaterial führt Lernende anhand eines konkreten Beispiels in das Training von Modellen ein. Ohne komplexe Programmierung wird ein bestehendes Spam-Erkennungsmodell mit Excel-Tabellen und einem synthetischen Datensatz trainiert, um die Grundlagen des maschinellen Lernens zu verstehen.
Der naive Bayes-Klassifikator als Spamfilter
Dieses Unterrichtsmaterial führt anhand eines einfachen Spamfilter-Beispiels in die Funktionsweise des Naiven Bayes-Klassifikators und grundlegende Konzepte der künstlichen Intelligenz ein. Es enthält eine anschauliche Herleitung der Wahrscheinlichkeiten sowie konkrete Aufgaben zur Vertiefung.
Was ist eine Künstliche Intelligenz? Grundlagen und Funktionsweise
Dieser Text vermittelt die theoretischen Grundlagen der Künstlichen Intelligenz, vergleicht klassische Algorithmen mit KI-Algorithmen und erläutert die Funktionsweise von generativen KI-Modellen sowie Begriffen wie maschinelles Lernen und Halluzinationen.
Grundlagen des agentenbasierten Programmierens mit KI
Der Text erklärt grundlegende Konzepte der Arbeit mit KI-gestützten Programmierassistenten und agentenbasierter Programmierung. Dabei werden zentrale Begriffe wie LLMs (Modelle), Token, das Kontextfenster, Prompt-Engineering, der Agentenzyklus, Halluzinationen und Datenschutz verständlich erläutert.
Grundkonzepte der KI-gestützten Programmierung und Agenten
Der Text erklärt verständlich die grundlegenden Konzepte hinter modernen KI-Programmierwerkzeugen und Agenten. Dabei werden Themen wie Sprachmodelle (LLMs), Tokens, Kontextfenster, Prompt-Engineering, den Agenten-Loop sowie Grenzen wie Alucinationen und Datenschutz beleuchtet.
Fundamentos da Programação com Agentes de IA
Este texto introdutório explica os conceitos fundamentais por trás do uso de ferramentas de programação assistidas por IA, incluindo modelos de linguagem (LLMs), tokens, janelas de contexto, engenharia de prompts, o ciclo de execução dos agentes e a gestão de alucinações e privacidade.
I concetti fondamentali del coding agentico
Questo materiale introduce i concetti chiave legati all'uso di strumenti di programmazione basati su intelligenza artificiale (agenti di coding). Vengono spiegati in modo chiaro il funzionamento dei modelli di linguaggio (LLM), i token, la finestra di contesto, la stesura dei prompt, il ciclo agentico, il fenomeno delle allucinazioni e gli aspetti legati alla privacy.
Grundlagen der agentischen Programmierung und KI-Modelle
Der Text vermittelt praxisnahe Grundlagen zu agentischen Programmierwerkzeugen und grossen Sprachmodellen (LLMs). Dabei werden zentrale Konzepte wie Modelle, Token, Kontextfenster, Prompt-Engineering, die agentische Schleife, Halluzinationen und Datenschutz verständlich erklärt.
Fondamentaux de la programmation agentique et des LLM
Ce document présente les concepts fondamentaux liés à l'utilisation des modèles de langage et de la programmation agentique, incluant les modèles, les tokens, la fenêtre de contexte, les prompts, la boucle agentique et les hallucinations. Il fournit aux élèves des repères théoriques essentiels pour travailler efficacement avec des assistants de code basés sur l'IA.
Conceptos fundamentales de la programación agéntica e inteligencia artificial
Este material explica los conceptos teóricos esenciales detrás de la programación agéntica y los modelos de lenguaje (LLM). Aborda temas como modelos, tokens, ventanas de contexto, bucles agénticos y alucinaciones, ofreciendo una base conceptual sólida para trabajar con herramientas de inteligencia artificial.
Fundamentos de la programación agéntica y modelos de lenguaje
Este material explica los conceptos fundamentales detrás de las herramientas de programación agéntica y los modelos de lenguaje grande (LLMs). Cubre temas esenciales como modelos, tokens, ventanas de contexto, prompts, bucles agénticos, alucinaciones y privacidad de datos.
Grundlagen des Agentic Coding und von LLMs
Der Text führt verständlich in die theoretischen und praktischen Grundlagen von KI-gestützten Programmuss-Werkzeugen ein. Er erklärt Kernkonzepte wie LLMs, Tokens, Kontextfenster, Prompts, den Agenten-Betriebskreislauf und den Umgang mit Halluzinationen.
Einführung in das agentenbasierte Programmieren mit KI
Der Artikel führt in die Welt des agentenbasierten Programmierens ein, bei dem KI-Agenten eigenständig Code lesen, schreiben und testen können. Er zeigt auf, wie Lernende diese Werkzeuge sinnvoll als unterstützende Tutoren einsetzen können, ohne den eigenen Lernprozess zu umgehen.
Language Models programmieren mit PyTamaro
Dieses Unterrichtsmaterial vom LuCE Research Lab führt Lernende durch das Programmieren einfacher Sprachmodelle. Dabei werden grundlegende Konzepte der generativen Künstlichen Intelligenz wie Modelltraining, Inferenz und Prompting praxisnah vermittelt.
Warum man trotz KI noch programmieren lernen muss
Der Artikel argumentiert, dass man im Zeitalter von leistungsstarken Sprachmodellen wie Claude zwar weniger syntaktisches Programmieren selbst können muss, aber das Lesen von Code und ein tiefes Verständnis von Software-Entwicklung unerlässlich bleiben, um KI-Fehler und destruktive Aktionen zu erkennen.
Warum wir auch 2026 noch programmieren lernen müssen
Der Artikel beleuchtet die Rolle des Programmierens im Zeitalter fortgeschrittener KI-Modelle wie Claude. Er argumentiert, dass man zwar weniger selbst programmieren muss, aber umso besser Code lesen und verstehen können muss, um die Fehler und blinden Flecken von KI-Systemen zu erkennen.
Warum man trotz KI noch coden lernen muss
Ein erfahrener Entwickler argumentiert im Jahr 2026, dass man zwar dank Large Language Models wie Claude kein Programmierer mehr sein muss, um Code zu generieren, aber zwingend Code lesen und verstehen können muss, um die oft subtilen und destruktiven Fehler der KI zu erkennen. Das Material eignet sich hervorragend für den Informatikunterricht an Gymnasien, um über die Rolle der künstlichen Intelligenz, Programmierkompetenzen und aktuelle gesellschaftliche Herausforderungen der Digitalisierung zu diskutieren.
Warum man im Zeitalter von KI trotzdem noch programmieren lernen muss
Der Blogbeitrag diskutiert die Rolle des Programmierens im Jahr 2026 angesichts mächtiger KI-Werkzeuge wie Claude. Er argumentiert, dass man zwar nicht mehr zwingend selbst Code schreiben muss, aber fähig sein muss, Code zu lesen und kritisch zu prüfen, da KI-Modelle subtile Fehler machen und keine echten Konsequenzen überblicken.
Rock Paper Scissors AI Tutorial
Dieses Projekt-Tutorial zeigt, wie man eine künstliche Intelligenz für das Spiel Schere, Stein, Papier entwickelt. Dabei wird ein Markov-Modell verwendet, um das Verhalten des Spielers zu beobachten und vorauszuberechnen.
Reinforcement Learning: Tame the Dog
Dieses Projektmaterial führt fortgeschrittene Lernende in das Konzept des Reinforcement Learning ein. Anhand eines anschaulichen Beispiels lernen sie, wie durch Feedback-Zyklen mit Belohnungen und Bestrafungen Lernprozesse emuliert werden können.
GenAI: Historical Character Advisor App
Dieses Tutorial zeigt Lernenden, wie sie eine auf generativer KI basierende App entwickeln können, um Fragen an historische Persönlichkeiten zu stellen. Das Projekt verbindet Informatik mit historischen Perspektiven und praktischer KI-Anwendung.
Hour of Code: StoryGPT
In diesem Tutorial erstellen Schülerinnen und Schüler eine App, bei der sie Schlüsselwörter und Emojis eingeben, um mithilfe eines Chatbots eine Kurzgeschichte generieren zu lassen. Das Material verbindet kreatives Schreiben mit ersten praktischen Erfahrungen im Umgang mit generativer künstlicher Intelligenz.
Voice Calculator Tutorial
In diesem Tutorial erstellen die Lernenden ihre erste eigene Sprachbenutzeroberfläche (VUI), indem sie einen sprachgesteuerten Taschenrechner für grundlegende arithmetische Operationen programmieren. Dabei erhalten sie Einblicke in die Funktionsweise von konversationeller KI und Sprachassistenten.
Introduction to Machine Learning: Image Classification
Diese Unterrichtseinheit führt Schülerinnen und Schüler in die Grundlagen des maschinellen Lernens und der Bildklassifikation ein. Mithilfe von Tools wie Teachable Machine und MIT App Inventor erstellen Lernende eine eigene App, testen diese praktisch und diskutieren Anwendungen sowie Grenzen der Technologie.
Fake Voices: The Ethics of Deepfakes
In dieser Unterrichtseinheit erstellen Schülerinnen und Schüler eine Smartphone-App, um synthetische Stimmen und Sprache zu manipulieren. Ausserdem diskutieren sie in Gruppen über die ethischen Implikationen und gesellschaftlichen Auswirkungen von Deepfakes.
Warum brauchen wir eine feministische KI? - Interview mit Dr. Eva Gengler
Dieses Interview mit der KI-Expertin Dr. Eva Gengler beleuchtet den Ansatz der feministischen KI und diskutiert Diskriminierung, Vorurteile sowie Machtstrukturen in algorithmischen Systemen. Zudem bietet es Lehrkräften konkrete Anregungen und Praxis-Tipps für die Behandlung des Themas im Unterricht.
MIT App Inventor Sammlung und Tutorials zur künstlichen Intelligenz
Eine umfangreiche Sammlung von Tutorials und Unterrichtsmaterialien rund um MIT App Inventor, die den Bau von Apps mit integrierten KI-Funktionen wie ChatGPT, Bilderkennung und Sprachassistenten für den Einsatz an Gymnasien ermöglichen.
AI with MIT App Inventor
Eine umfangreiche Sammlung von Tutorials und Projektideen vom MIT, bei denen Schülerinnen und Schüler mithilfe von MIT App Inventor eigene Smartphone-Apps mit künstlicher Intelligenz und maschinellem Lernen entwickeln. Die Einheiten decken Themen wie Bilderkennung, generative KI, Chatbots und Sprachverarbeitung ab.
Personal Image Classifier: PICaboo
In diesem zweiteiligen Tutorial lernen Schülerinnen und Schüler die Grundlagen des maschinellen Lernens und der Bildklassifikation kennen. Sie erstellen ein interaktives Spiel, bei dem ein KI-Modell Gesichter erkennt und entsprechend reagiert.
Problemdefinition am Beispiel eines Spamfilters
Dieses Material erklärt am praxisnahen Beispiel eines Spamfilters, wie wichtig eine klare und präzise Problemdefinition für maschinelles Lernen ist. Es werden konkrete Eingrenzungen und messbare Erfolgskriterien wie Genauigkeit, False Positives und False Negatives erarbeitet.
Leitfaden zum Umgang mit Künstlicher Intelligenz in der Schule
Dieser Leitfaden vermittelt Schülerinnen und Schülern grundlegende Kompetenzen im Umgang mit generativer KI. Er behandelt kritische Aspekte wie Bias und Datenschutz, den lernfördernden Einsatz von Chatbots sowie Techniken des Prompt Engineerings.
Konzepte des agentenbasierten Programmierens mit LLMs
Der Text erklärt die grundlegenden Konzepte hinter modernen agentenbasierten Programmierwerkzeugen und Large Language Models. Er behandelt Themen wie Modelle, Token, Kontextfenster, Prompt-Design, die Funktionsweise der agentischen Schleife, Halluzinationen und Datenschutz.
Introduction au codage agentique
Dieses Material bietet eine verständliche Einführung in das Konzept des agentischen Programmierens (agentic coding) mit Künstlicher Intelligenz. Es beleuchtet, wie moderne KI-Agenten eigenständig Code lesen, modifizieren und testen können, und gibt Lernenden Tipps für den sinnvollen Einsatz beim Programmierenlernen.
Einführung in das Agentic Coding
Dieser Artikel führt in das Konzept des Agentic Coding ein, erklärt die Funktionsweise von KI-Agenten in der Softwareentwicklung und gibt Tipps, wie Lernende diese Werkzeuge sinnvoll zum Erlernen von Programmierkonzepten nutzen können, ohne dabei den eigenen Lernprozess zu umgehen.
LLMs und Schach: Grenzen von FEN und Raku-Integration
Der Artikel untersucht die Herausforderungen von Large Language Models (LLMs) beim Verstehen und Generieren von Schachpartien in der Forsyth-Edwards-Notation (FEN). Anhand von Beispielen mit der Programmiersprache Raku wird gezeigt, wie LLMs an der aggregierenden Natur von FEN scheitern und warum strukturierte Zwischenschritte oder alternative Repräsentationen nötig sind.
Kombination von Grammatik-basierten Parsern und LLMs zur Übersetzung natürlicher Sprache in Programmcode
Das Dokument untersucht architektonische Strategien zur Kombination von Grammatik-basierten Parsern und Large Language Models (LLMs), um robuste Übersetzer für domänenspezifische Sprachen und Machine-Learning-Workflows zu entwickeln. Es werden konkrete Implementierungen wie parallele Ausführung mit LLM-Richtern sowie Fallback-Mechanismen vorgestellt und in der Programmiersprache Raku demonstriert.
In the Black Mirror: What Artificial Intelligence Means for Race, Art and the Apocalypse
Dieses Material enthält eine dynamische Interviewreihe zwischen Jugendlichen und KI-Experten, die die Auswirkungen künstlicher Intelligenz auf Kunst, Gesellschaft und Ethik beleuchtet. Es regt dazu an, die Potenziale und Gefahren von KI kritisch zu hinterfragen und die Rolle als zukünftige Gestalter zu reflektieren.
ImageBot App Tutorial
In diesem Tutorial erstellen die Lernenden mit dem MIT App Inventor eine App, die sich mit der OpenAI DALL-E API verbindet, um generatives KI-Bildmaterial basierend auf Benutzereingaben zu erzeugen. Das Material führt praktisch in die Erstellung einer Anwendung mit KI-Anbindung ein.
Simple ImageBot App
Dieses Tutorial zeigt, wie man mit MIT App Inventor eine einfache Anwendung erstellt, die sich mit der DALL-E API von OpenAI verbindet, um generatives KI-Bildmaterial basierend auf Benutzereingaben zu erzeugen.
Interview zur Nachhaltigkeit von Künstlicher Intelligenz mit AlgorithmWatch
Das Interview mit Dr. Anne Mollen von AlgorithmWatch beleuchtet die ökologischen und sozialen Auswirkungen von Künstlicher Intelligenz. Es diskutiert den Begriff der nachhaltigen KI, das Projekt SustAIn und gibt Lehrkräften Einblicke sowie Anregungen für den Unterricht.
MENACE: Tic-Tac-Toe mit einem Zündholzschachtel-Computer
Das Material beschreibt einen spielerischen Einstieg in maschinelles Lernen anhand von MENACE, einem aus Zündholzschachteln gebauten Computer, der Tic-Tac-Toe lernt. Die Lernenden können das Prinzip künstlicher Intelligenz und neuronaler Netze greifbar und ohne Vorkenntnisse nachvollziehen.
SoekiaGPT: Funktionsweise grosser Sprachmodelle wie ChatGPT
Das Material stellt eine webbasierte Simulation eines Textgenerators vor, mit der Schülerinnen und Schüler die Grundprinzipien von Sprachmodellen wie ChatGPT spielerisch und vereinfacht kennenlernen können. Es erklärt die mathematisch-statistische Textfortführung basierend auf Trainingsdaten und bietet Erklärvideos sowie Hinweise für den Einsatz im Unterricht.