LehrerInnen Web

Seien es auf KI-Technologie basierende Textmaschinen wie ChatGPT oder diverse Bildgeneratoren, die immer bessere Ergebnisse abliefern: Künstliche Intelligenz, deren Einsatz und Auswirkungen auf die Gesellschaft - und damit auch den Schulunterricht - wurden zuletzt verstärkt in einer breiteren Öffentlichkeit diskutiert. Bevor wir uns in einem größeren Schwerpunkt in den nächsten Wochen auch verschiedenen Einzelphänomenen bzw. -programmen widmen wollen, stellen wir aber zuerst einmal die Frage: Was ist Künstliche Intelligenz eigentlich?

Eine allgemeingültige und kurze Definition ist fürs Erste schwer zu geben, da alleine der deutsche Begriff “Intelligenz” sehr vielschichtig verstanden werden kann. Daher hier vorerst einmal eine Annäherung, wie sie auf der Webseite des Europäischen Parlaments zu finden ist: “Künstliche Intelligenz ist die Fähigkeit einer Maschine, menschliche Fähigkeiten wie logisches Denken, Lernen, Planen und Kreativität zu imitieren. KI ermöglicht es technischen Systemen, ihre Umwelt wahrzunehmen, mit dem Wahrgenommenen umzugehen und Probleme zu lösen, um ein bestimmtes Ziel zu erreichen. Der Computer empfängt Daten (die bereits über eigene Sensoren, z.B. eine Kamera, vorbereitet oder gesammelt wurden), verarbeitet sie und reagiert.”

In der Fachdiskussion wird zudem auch zwischen “schwacher KI” und “starker KI” unterschieden, wobei nur erstere bisher auch technisch umsetzbar ist. “Schwache KI” kann anhand vorgegebener, sehr komplexer Algorithmen eigenständige Lösungswege für sehr spezielle Fragen finden. Gute Beispiele hierfür sind bereits jetzt in unserem Alltag auftretende Künstliche Intelligenzen: Das bereits oben erwähnte ChatGPT, das nach Aufforderung und mit dem “Hintergrundwissen” von zahlreichen Textdatenbanken eigenständig Texte formulieren kann. Navigationssysteme in Fahrzeugen, die unter Berücksichtigung von Verkehrs- und Wetterinformationen die besten Routen berechnen. Oder auch Smart-Home-Systeme, die sich ganz den Bedürfnissen der Bewohner:innen anpassen können (siehe dazu auch unten Beispiele für Künstliche Intelligenz).

Von “Starker KI” würde man hingegen erst dann sprechen, wenn eine Maschine von sich aus Fragen genereller Art behandeln, dafür Lösungswege finden könnte und damit de facto nicht mehr von einem Menschen unterscheidbar wäre. Damit entspricht diese Form also eher den Vorstellungen von Künstlicher Intelligenz, die gemeinhin in Science-Fiction-Filmen oder -büchern transportiert wird (wie etwa: der Killermaschine Terminator, dem Androiden Data aus Star Trek usw.). Die Verwirklichung derart fortgeschrittener Technologie wird aus heutiger Sicht für die nächsten Jahrzehnte allerdings ein Wunschtraum (bzw. im Fall von Killermaschinen eher Albtraum) bleiben, viele Wissenschaftler:innen halten sie für überhaupt nicht umsetzbar. In weiterer Folge wird daher mit dem Begriff “KI” immer “schwache KI” gemeint sein.

Der ehemalige Mathematiker und Informatiker Alan Turing entwickelte 1950 mit dem später nach ihm benannten Test eine - nicht unumstrittene - Anordnung, mit der herausgefunden werden soll, ob eine Künstliche Intelligenz über ein dem Menschen gleichwertiges Denkvermögen verfügt. Dabei stellen sich ein Mensch und ein Computer abgeschirmt der intensiven Befragung durch eine/n menschliche/n Fragesteller:in. Erst wenn nach dieser nicht mehr unterschieden werden kann, wer Mensch und wer Computer ist, hätte man nach Turing erstmals eine dem Menschen ebenbürtige Intelligenz geschaffen.

1991 lobte der US-Soziologe Hugh G. Loebner einen dreigliedrigen Preis über 100.000 Dollar (für Gold) für jenes Computerprogramm aus, das einen Turing-Test besteht. Bisher wurden bei diesem Bewerb nur Bronze-Medaillen über 4.000 US-Dollar vergeben, die jenes Programm erhält, das sich als “menschenähnlichst” erweist (die Liste der vollständigen Preisträger:innen und die genauen Einteilungen der Kategorien finden Sie auch hier unter diesem Link). 2014 wurde kurz berichtet, dass die russische KI “Eugene Goostman” den Test bestanden habe, die Versuchsanordnung wurde allerdings stark in Zweifel gezogen.

Nun aber wieder zurück zum eigentlichen Thema: Wie imitiert eine Künstliche Intelligenz menschliche Fähigkeiten? Grundbausteine dafür sind Algorithmen, mit denen eine Maschine dazu befähigt wird, nach einer gewissen Trainingsphase in ganz bestimmten Teilbereichen selbstständig zu lernen und Lösungswege zu finden. Damit unterscheidet sie sich auch fundamental von einem noch so komplex programmierten Computerprogramm, das letztlich stur einen Code ausführt. Im Gegensatz zu diesen sogenannten regelbasierten Systemen kann eine Künstliche Intelligenz bestimmte Parameter ihres Codes selbst verändern und somit Muster in ihr vorgelegten Daten erkennen.

Das oben bereits erwähnte Training einer Künstlichen Intelligenz kann auf verschiedene Arten und Weisen passieren, eine davon ist maschinelles Lernen. Hier wird die Maschine zuerst mit sogenannten strukturierten Daten “gefüttert”, aus denen sie Muster erkennt und diese dann im nächsten Schritt auf für sie unbekannte Datensätze anwendet, um zu einem Ergebnis zu kommen. Bestes Beispiel dafür sind etwa Spam-Filter in Mailprogrammen, die “erlernen” nicht erwünschte Nachrichten gleich gar nicht in den Posteingang kommen zu lassen. Eine vom maschinellen Lernen ausgehende, aber vertiefende Trainingsmethode ist Deep Learning, mit der das menschliche Gehirn und seine neuronalen Netze nachgeahmt werden, um große Datenmengen zu analysieren. Hierbei werden die Daten zunächst extrahiert, dann analysiert und anschließend eine Schlussfolgerung daraus gezogen.

Erschwerend in der Diskussion über Künstliche Intelligenz ist meist, dass der Begriff synonym mit den Trainingsmethoden für Maschinen, wie etwa maschinellem Lernen, verwendet wird. Dies liegt vor allem auch daran, dass die Begriffe in der praktischen Auswirkung oft schwer zu unterscheiden sind. Eine halbwegs übersichtliche Beschreibung über Trainingsmethoden von Künstlicher Intelligenz finden Sie in dem Artikel unter diesem Link.

Um einzelne Aspekte von Künstlicher Intelligenz im Unterricht zu behandeln, empfehlen wir unsere beiden neuen Praxis-Ideen "Muster erkennen" (PS) und "Maschinenlernen" (Sek I, Sek II). Auch die Praxis-Idee "Deep Fakes - Täuschend echt?!" (Sek I, Sek II) beschäftigt sich mit diesem Thema.

Die Anwendungsbeispiele für Künstliche Intelligenz sind mittlerweile mannigfaltig und begegnen uns de facto in allen Lebensbereichen. Für 2030 wird für KI-Technologien mit einer globalen Wertschöpfung von rund 1,6 Billionen US-Dollar ausgegangen (dies entspricht dem jährlichen Haushaltsbudget der USA, Anm. - mehr dazu unter diesem Link). So überprüft etwa eine KI alle auf YouTube hochgeladenen Videos auf verbotene und gestohlene Inhalte. Dazu auch ein praktisches Beispiel: Würde diese Aufgabe von Menschen übernommen werden, so wären bei der momentan pro Tag hochgeladenen Videomenge dafür 90.000 Mitarbeiter:innen nötig, die acht Stunden pausenlos Material sichten (mehr Infos dazu auch unter diesem Link).

Weitere Beispiele sind aber auch Sprachassistent:innen wie Alexa und Siri, Gesichtserkennungsprogramme in Sozialen Medien, auf Endgeräten oder an Überwachungssystem gekoppelt sowie lernfähige Navigationssysteme und erste Schritte in Richtung autonomes Fahren bei Fahrzeugen. Einen guten Überblick über die Anwendungsmöglichkeiten von KI-Systemen finden Sie zudem auch unter diesem Link. Zum Abschluss zudem auch noch ein kurzes Video über einen, von einer KI vollautomatisch betriebenen Bauernhof: