KI lernt aus Beispielen — Muster finden und raten

AI Learns from Examples — Finding Patterns and Guessing

Informatik Klasse 4 13 Aufgaben
InformatikKIDigitale Kompetenz

Eine KI wird nicht schlau geliefert: Sie bekommt viele beschriftete Beispiele (Trainingsdaten), findet darin ein Muster und rät damit bei einem neuen Fall, den sie nie gesehen hat. Die Kinder spielen das selbst durch — sortieren Bildkarten nach einem Merkmal und sagen voraus, was die „Maschine“ zu einer neuen Karte sagt. Das ist die Big Idea „Learning“ bei Touretzky et al. 2019 (AI4K12). Gegen die bei Mertala & Fagerlund 2024 häufigste Fehlvorstellung, die KI habe ihr Wissen fest eingebaut, und gegen die Annahme, ein einziges Beispiel genüge. Trägt „KI macht Fehler“ und das überwachte Lernen mit Trainings- und Testdaten ab Klasse 5.

Ermöglicht (1)

KI macht Fehler — schiefe Beispiele, sichere falsche Antworten
Klasse 4
›
Leicht
Multiple Choice #1 18s â–¶ Testen

Eine App soll Ă„pfel und Birnen auseinanderhalten. Womit lernt sie am besten?

  • â—Ź Mit 200 Fotos von Ă„pfeln und Birnen, jedes mit dem richtigen Namen
  • â—‹ Mit einem einzigen Foto von einem Apfel
  • â—‹ Mit 200 Fotos von Ă„pfeln, ohne Birnen
Eine KI braucht viele Beispiele von beiden Sorten, und jedes muss den richtigen Namen tragen. Aus einem Foto oder nur aus Ă„pfeln kann sie den Unterschied nicht lernen.
Wahr / Falsch #2 12s â–¶ Testen

Eine neue Sprach-App versteht schon Wörter, bevor sie ein einziges gesprochenes Beispiel gehört hat.

âś“ Falsch
Das Wissen ist nicht fest eingebaut. Die App muss vorher sehr viele Aufnahmen gesprochener Wörter hören, um daraus zu lernen.
LĂĽckentext #3 12s â–¶ Testen

Die vielen Beispiele, aus denen eine KI lernt, heiĂźen ___daten.

âś“ Antwort: Trainings
Trainingsdaten sind die Beispiele, mit denen eine KI übt — so wie du mit Übungsaufgaben übst.
Wahr / Falsch #4 12s â–¶ Testen

Eine KI wird mit 500 Fotos von Hunden und Katzen trainiert. Danach erkennt sie auch Pferde.

âś“ Falsch
Eine KI rät nur mit den Namen, die in ihren Beispielen vorkamen. Ohne Pferdefotos kennt sie keine Pferde — sie würde ein Pferd „Hund“ oder „Katze“ nennen.
LĂĽckentext #5 12s â–¶ Testen

Eine KI findet in vielen Beispielen ein ___ und rät damit bei neuen Fällen.

âś“ Antwort: Muster
Beispiele — Muster — Raten. Das Muster ist das, was viele Beispiele gemeinsam haben.
Wahr / Falsch #6 10s â–¶ Testen

Wenn eine App viel mehr Fotos von Vögeln bekommt, kann sie Vögel danach meistens besser erkennen.

âś“ Wahr
Mehr und verschiedenere Beispiele machen das Muster genauer. Darum ĂĽben KIs mit sehr vielen Beispielen.
Mittel
Multiple Choice #1 15s â–¶ Testen

Eine KI hat gelernt: Alle Tiere mit Federn heißen „Vogel“. Jetzt sieht sie eine Ente, die sie nie gesehen hat. Was sagt sie?

  • â—Ź Vogel
  • â—‹ Ente
  • â—‹ Ich kenne dieses Tier nicht
Die KI kennt nur die Namen aus ihren Beispielen. Sie rät nach dem Muster „Federn, also Vogel“. Das Wort „Ente“ hat ihr niemand beigebracht.
Multiple Choice #2 15s â–¶ Testen

Eine Maschine hat gelernt: Alles, was im Wasser schwimmt, heißt „Fisch“. Jetzt sieht sie ein Foto von einem schwimmenden Hund. Was sagt sie?

  • â—Ź Fisch
  • â—‹ Hund
  • â—‹ Ente
Die Maschine wendet ihr Muster an — auch wenn es hier nicht passt. Sie weiß nicht, was ein Hund ist; sie sieht nur „schwimmt im Wasser“.
Wahr / Falsch #3 12s â–¶ Testen

Eine KI sieht ein Hundefoto, das sie nie gesehen hat, und sagt „Hund“. Sie hat das Foto nicht auswendig gelernt, sondern nach einem Muster geraten.

âś“ Wahr
Genau das ist Lernen aus Beispielen. Die KI erkennt im neuen Foto das Muster wieder, das sie aus vielen anderen Hundefotos kennt.
Multiple Choice #4 18s â–¶ Testen

Ein Spiel soll Kritzeleien von Katzen erkennen. Welche Beispiele helfen ihm am meisten?

  • â—Ź 1 000 Katzenkritzeleien von vielen verschiedenen Kindern
  • â—‹ 1 000 Mal dieselbe Katzenkritzelei
  • â—‹ 1 000 Kritzeleien von Häusern
Verschiedene Beispiele zeigen, was alle Katzen gemeinsam haben. Dieselbe Zeichnung tausendmal bringt nichts Neues, und Häuser zeigen keine Katze.
Multiple Choice #5 15s â–¶ Testen

Ein Sortierroboter hat gelernt: rund — „Ball“, eckig — „Würfel“. Jetzt bekommt er eine Orange. Was sagt er?

  • â—Ź Ball
  • â—‹ WĂĽrfel
  • â—‹ Orange
Die Orange ist rund, also passt sie zum Muster „rund — Ball“. Der Roboter kennt das Wort „Orange“ nicht, weil es in keinem Beispiel vorkam.
Multiple Choice #6 18s â–¶ Testen

Eine App soll lernen, ob eine Pflanze Wasser braucht. Welches Beispiel ist richtig beschriftet?

  • â—Ź Foto einer Pflanze mit hängenden Blättern — „braucht Wasser“
  • â—‹ Foto einer Pflanze mit hängenden Blättern — „hat genug Wasser“
  • â—‹ Foto einer Pflanze mit hängenden Blättern — ohne Beschriftung
Die App lernt aus Bild und Name zusammen. Ein falscher Name bringt ihr etwas Falsches bei, ein fehlender Name gar nichts.
Wahr / Falsch #7 12s â–¶ Testen

Eine KI hat aus vielen Wetterdaten gelernt. Sie sagt: „Morgen regnet es wahrscheinlich.“ Sie weiß das sicher.

âś“ Falsch
Die KI rät aus dem Muster vieler früherer Tage. Ein guter Rat ist oft richtig, aber nie sicher.