Unterrichtseinheit zur künstlichen Intelligenz & Entwicklung einer Ziffernerkennung
Diese Unterrichtseinheit führt Schüler:innen der 12. Klasse in Künstliche Intelligenz ein und lässt sie eine Ziffernerkennung mit neuronalen Netzen in Python entwickeln. Sie umfasst über 8 Wochen Themen von Grundlagen bis Ethik und nutzt praktische Programmierung mit TensorFlow.
Idee
Stellen Sie sich vor, Ihre Schüler:innen entwickeln selbst eine KI, die handgeschriebene Ziffern erkennt – ein spannendes Einstiegsprojekt in Machine Learning, das Theorie und Praxis verbindet und den Mehrwert von KI greifbar macht. Es fördert Programmierfähigkeiten, kritisches Denken und ethische Reflexion in einem zukunftsrelevanten Kontext.
Voraussetzungen
Schüler:innen benötigen Python-Kenntnisse (inkl. OOP, Debugger), Verständnis von Algorithmen, Daten sowie UML/ER-Modelle. Technisch: Informatikraum (max. 2-3 SuS pro Platz), Programmierumgebung wie Spyder/PyCharm/Thonny, TensorFlow, NumPy, MNIST-Datensatz; Git-Zugriff auf https://github.com/Schupax/KI-OCR-Schulprojekt.
Ablauf
Woche 1-2: Einführung in KI, Neuronale Netze, ML/DL; Woche 3: UML-Modellierung; Wochen 3-5: OOP-Implementierung des Modells; Woche 6: Evaluation/Overfitting; Woche 7: Bildcodierung/Algorithmen; Woche 8: Ethik-Diskussion. Gesamt: 25/40 Stunden mit Planungsmatrizen und optionalen LK-Erweiterungen.
Hinweise
Achten Sie auf Datenschutz bei Trainingsdaten (MNIST ist anonym); fördern Sie Teamarbeit in kleinen Gruppen; passen Sie für LK an (z.B. erweiterte Modelle). Nutzen Sie IO-Stick-Werkzeuge wie Dia/Structorizer; reflektieren Sie KI-Risiken wie Bias.