Künstliche Intelligenz (KI) und insbesondere Systeme die auf maschinellem Lernen (ML) basieren beeinflussen das Leben vieler junger Menschen - oftmals ohne deren Wissen. Sie interagieren mit diesen Systemen und spüren deren Auswirkungen, sei es bei der Nutzung von sozialen Medien, Internetsuche oder beim Schreiben ihrer Hausaufgaben. Jedoch, wie diese Systeme genau funktionieren - und warum manchmal auch nicht - wird von denen, die diese Systeme anbieten nur selten auf eine Art und Weise erklärt, wie sie Kinder oder Nicht-Expert_innen verstehen würden. Eine Technologie, die unseren Alltag prägt, nicht zu verstehen kann zwar Neugierde auslösen, im schlimmsten Fall aber auch Unbehagen und Angst.
Wege zu finden, wie man grundlegende Prinzipien einer komplexen Materie wie dem maschinellen Lernen auf ansprechende Weise vermitteln kann - insbesondere gegenüber Kindern und Nicht-Expert_innen -, kann dazu beitragen, Missverständnisse aufzulösen und KI-Kompetenz zu fördern. ”Unplugged”-Aktivitäten, also Lernaktivitäten, die nicht auf Computer angewiesen sind, sind zu diesem Zweck gut geeignet. Eine Vielfalt an Unplugged-Aktivitäten zu ML wurden in den letzten Jahren präsentiert. Viele davon gehen jedoch nicht darauf ein, wie ein ML-Modell ”aus Beispielen lernt”, also trainiert wird. Einige behandeln das Thema zwar, aber bieten dabei eine so vereinfachte Sichtweise auf das Konzept, dass Schüler_innen falsche Schlüsse darüber ziehen könnten, wie eine Maschine tatsächlich lernt. Zum Beispiel kann das Zuweisen einer speziellen und komplexen Aufgabe an ein einzelnes Neuron in einem künstlichen neuronalen Netzwerk dazu führen, dass Schüler_innen glauben, die Neuronen seien intelligenter als sie tatsächlich sind. Und, dass der Trainings-Prozess eines Netzwerks darin besteht, dass ein Mensch die Funktionsweise jedes Neurons von Hand verliest (z. B. ”ein Lächeln erkennen”). Diese Art des Vereinfachens mag hilfreich sein, um gewisse komplexe Konzepte zu vermitteln (z. B. was ein Generator und Discriminator in einem Generative Adversarial Network zu tun haben), aber sie schafft es nicht, Schüler_innen erkennen zu lassen, wie die Kombination aus einfachen Regeln und Rechenoperationen intelligent erscheinendes Verhalten hervorbringen kann.
Diese Arbeit untersucht daher, wie der Trainings-Prozess eines ML-Modells mit Hilfe einer Unplugged-Aktivität verständlich gemacht werden kann, ohne dieses Konzept so stark zu vereinfachen, dass Schüler_innen einen falschen Eindruck davon bekommen, wie eine Maschine tatsächlich aus Beispielen lernt. Dazu wurden zwei Unplugged-Aktivitäten mit geringem Abstraktionsgrad zu den Trainingsaspekten von künstlichen neuronalen Netzwerken und Entscheidungsbäumen entworfen, entwickelt und erprobt und werden in dieser Arbeit vorgestellt. Diese sollen es Lehrpersonen ermöglichen jungen Menschen einen wichtigen Einblick in eine Technologie zu geben, die ihr tägliches Leben prägt.