Tauche ein in die faszinierende Welt des maschinellen Lernens! Mit diesem Material entdecken deine Schüler*innen, wie Entscheidungsbäume funktionieren – ganz ohne Computer. Sie schlüpfen in die Rolle von Datenanalyst*innen für ein Filmmagazin und lernen spielerisch die Grundlagen der Künstlichen Intelligenz kennen.

Was deine Schüler*innen mit diesem Material lernen und tun werden:

• Sie verstehen, was ein Entscheidungsbaum ist und wie er aufgebaut ist (Knoten, Äste, Blätter). Sie wenden dieses Wissen direkt an, um eigene Bäume zu erstellen.
• Sie unterscheiden wichtige Begriffe wie Trainingsdaten, Merkmale (Features) und Klassen. Anhand eines konkreten Beispiels ordnen sie diese Begriffe richtig zu.
• Sie lesen und interpretieren bestehende Entscheidungsbäume. So können sie neue Daten klassifizieren und Vorhersagen treffen.
• Sie erstellen selbst einfache Entscheidungsbäume. Dafür nutzen sie reale Datentabellen und entwickeln eigene Regeln.
• Sie reflektieren kritisch die Grenzen von Modellen. Sie diskutieren über Fehlerquoten, Overfitting und die Abhängigkeit von Trainingsdaten.

Dieses Material ist ideal für die Klassen 7 bis 11 und dauert etwa 45–90 Minuten. Deine Schüler*innen arbeiten dabei in Gruppen (3–4 Personen) zusammen. Vorkenntnisse sind keine nötig – perfekt für den Einstieg!

Mit diesem Material entwickeln deine Schüler*innen wichtige Kompetenzen für die digitale Welt:

• Algorithmisches Denken: Sie lernen, Entscheidungsregeln als strukturierte Prozesse zu formulieren und anzuwenden.
• Modellierungskompetenz: Sie üben, reale Daten in ein verständliches Baummodell zu überführen und dessen Qualität zu bewerten.
• Datenkompetenz: Sie verbessern ihre Fähigkeit, Tabellen zu lesen, Merkmale zu analysieren und Muster in Daten zu erkennen.
• KI-Kompetenz: Sie verstehen die Grundprinzipien des maschinellen Lernens (Training, Test, Klassifikation) – ganz ohne komplizierte Software.
• Reflexionskompetenz: Sie setzen sich kritisch mit den Chancen und Risiken von KI-Modellen auseinander. Dabei diskutieren sie Themen wie Bias, Fehler und gesellschaftliche Auswirkungen.