Innovationen tauchen nicht einfach aus dem Nichts auf, sie sind das Resultat des unerschöpflichen Erfindungsgeistes des Menschen. Vor 150.000 Jahren sind unsere Vorfahren von Afrika aus aufgebrochen und haben die Welt gestaltet, in der wir heute leben – und diese Geschichte schreibt sich beständig fort: In den letzten Jahren haben v.a. technologische Entwicklungen auf dem Gebiet des → Machine Learnings (ML), einem Teilbereich der → Künstlichen Intelligenz (KI), an Bedeutung gewonnen (eine differenzierte Begriffsbestimmung findet sich in der Einführung).
Was treibt uns Menschen dazu an, zu forschen, Ideen zu entwickeln und durch Innovationen die Welt um uns herum zu gestalten? Welche gesellschaftliche Bedeutung haben Innovationen auf dem Feld des Machine Learnings für uns? Es ist klar erkennbar, dass die Innovationsprojekte auf dem Gebiet von ML nicht länger nur in Forschungslaboren von spezialisierten Instituten stattfinden, sondern durch Anwendungen für jeden von uns ihren Weg in die reale Welt gefunden haben.
ML-basierte Maschinen werden zukünftig in vielen Bereichen zusehends Entscheidungen selbstständig treffen können. Damit gehen neue ethische und rechtliche Fragen einher. Die zentrale ethische Herausforderung ist es, die Maschinen so zu gestalten, dass sie mit unseren Gesellschafts-, Rechts- und Wertvorstellungen kompatibel sind. Diese gesellschaftliche Debatte muss jetzt beginnen.
Die Unterrichtseinheiten in Modul 1 bieten einen Einstieg in das faszinierende Feld des Machine Learnings. Der Zugang erfolgt in UE1-a über die Thematik der Innovation und der dahinterliegenden Frage des „Warum“: Worin bestehen die Motivationen für Innovationen und welche Eigenschaften und Fähigkeiten benötigt man, um Erfinder*in zu sein? Mit kurzen Essays über Erfinder*innen und ihre Kreationen wird ein erweiterter Innovationsbegriff aufgemacht, der neben technischen Errungenschaften auch soziale und gestalterische Innovationen umfasst.
Anschließend bietet die Unterrichtseinheit UE1-b einen Überblick über Innovationen im Bereich von KI und ML. Anhand der chronologischen Verortung von Begriffen findet eine Auseinandersetzung mit den jeweiligen Definitionen statt, sodass die Schüler*innen ein Verständnis über deren Bedeutung erhalten. Die zeitliche Einordnung dient dazu, die Zusammenhänge zwischen den einzelnen Begriffen im Gesamtkontext besser zu verstehen.
Die abschließende Beschäftigung (UE1-c)mit vier konkreten Anwendungsbeispielen von ML hilft zum einen, das Gelernte zu festigen und zu verankern. Zum anderen regen die begleitenden Materialien eine kritische Auseinandersetzung mit der Thematik an und ermöglichen es, einen eigenen Standpunkt einzunehmen und gemeinsam im Plenum zu reflektieren.
Für das Modul 1 sollten 4 bis 5 Unterrichtsstunden à 45 Minuten eingeplant werden. In den Unterrichtsverlaufsbeschreibungen finden Sie zudem optionale Anregungen und Methoden: Für diese sollte zusätzlich Zeit eingeplant werden.
