Hast du Fragen? Kontaktiere uns jederzeit via E-Mail hallo@schulflix.com oder telefonisch unter +49 221 828 291 09.

a yellow circlearrow pointing to the left
zurück zur Lernhack-Übersicht
KI in der Schule

KI in der Schule: So erklärst du deinen Schüler:innen Maschinelles Lernen

Autorin: Katharina Göbel
Mit ChatGPT erobert Künstliche Intelligenz die Klassenzimmer. Denn das Sprachmodell ChatGPT von OpenAI verfasst menschenähnliche Texte und erregt mit der Qualität der Antworten Aufmerksamkeit, die seines gleichen sucht. Ebenso groß wie die Begeisterung derer ist, die direkt drauflos prompten, sind aber auch die Bedenken anderer. So reichen die Reaktionen von „Wenn Schüler:innen diese Antworten gegeben hätten, wäre das volle Punktzahl gewesen“ bis hin zu kritischen Aussagen wie „die Quellen der Aussagen sind frei erfunden“.

ChatGPT ist unter den Lehrkräften auf dem Prüfstand und das ist gut so. Denn das ist der erste Schritt, um beurteilen zu können, wie das neue Tool Schule beeinflusst. In diesem Lern-Hack soll es darum gehen zu verstehen, was da wie durch Zauberhand passiert. Du bekommst ein paar nützliche Tipps, wie du als Lehrperson deinen Schüler:innen Machine Learning erfahrbar machst und wie sie das Tool sinnvoll und durchdacht einsetzen können.

 

Warum ist das wichtig?

Nur wenn wir wissen, wie solche Systeme funktionieren, können wir uns ihre Grenzen bewusst machen und ihren Einsatz sinnvoll steuern. Schüler:innen nutzen das Tool schon und seine Bekanntheit weitet sich aus. Hinzu kommen weitere Konkurrenztools wie YouChat oder andere KI-basierte Lösungen, die künftig ihren Weg in den Massenmarkt finden werden. Man kommt nicht umhin, deren Wirkung mit den Schüler:innen zu diskutieren und den Einsatz sinnvoll zu planen. Denn letztlich müssen sich zum einen alte Gegebenheiten auf das Neue einstellen; wie neue Aufgabenstellungen, die die Nutzung von ChatGPT berücksichtigen. Aber zum anderen müssen wir auch überlegen worin wirkliche Stärken des Tools liegen, wie man es am geschicktesten nutzt, um wirklich die Potentiale zu entfalten.

ChatGPT ist gerade in einer Testversion verfügbar, die schon sehr ausgereifte Ergebnisse bringt. Dennoch werden die Ergebnisse immer mit dem Hinweis versehen, dass es zu falschen oder voreingenommenen Aussagen kommen kann und insbesondere daran auch derzeit gearbeitet wird, das System noch besser zu machen. Wie funktioniert das?

 

Große Mengen Text in einem Neuronalen Netz

Large Language Modelle wie ChatGPT werden mit sehr großen Mengen Text gefüttert, damit sie später in der Lage sind, selbstständig Texte zu verfassen. Sie werden in der Regel mit Neuronalen Netzen trainiert; eine Art von Maschinellem Lernen, das man dem Begriff „Deep Learning“ zuordnet. Ein Neuronales Netz kann man sich wie ein Netzwerk aus Neuronen vorstellen, ähnlich unserem Gehirn, die miteinander vielfältig verbunden sind. Diese Verbindungen haben unterschiedliche Gewichte, die angeben wie stark der Einfluss eines Neurons auf das mit ihm Verbundene ist.

Vereinfacht funktioniert das dann so: Ein Neuron wird aktiviert und sendet ein Signal an alle Neuronen, mit dem es verbunden ist. Je stärker die Verbindung mit dem Neuron, desto stärker das Signal, das das andere Neuron empfängt. Das empfangende Neuron wird dann seinerseits aktiviert oder inaktiviert, je nachdem, wie stark das Signal ist und wie seine aktuellen Bedingungen sind.

Treffen die Informationen mit dem festgelegten Muster also in besonderer Weise zu, gibt das Neuron die Information mit stärkerem Signal weiter. Während des Trainingsprozesses werden die Gewichte ihrer Verbindungen angepasst, um die Genauigkeit der Ausgaben des Neuronalen Netzes zu erhöhen. Dafür braucht es die großen Mengen Trainingsdaten, in denen es bestimmte Muster erkennen kann.

 

Wie erkläre ich meinen Schüler:innen Maschinelles Lernen? Teil 1
Unterschied zwischen Programmieren und Maschinellem Lernen

Zunächst kannst du mit deinen Schüler:innen den Unterschied zwischen herkömmlicher Programmierung und maschinellem Lernen besprechen. Herkömmliche Programmierung basiert zum Beispiel darauf, dass Programmierer:innen dem Computer spezifische Anweisungen geben, wie er mit Daten umgehen soll. Möchtest du zum Beispiel, dass der Computer Hundebilder aus einer Menge an Bildern erkennen kann, gibt der oder die Programmierer:in im Code die genauen Merkmale zu Ohren, Augen oder Fell an, die der Computer dann abgleicht und dementsprechend seine Antworten gibt.

Maschinelles Lernen kommt ohne diese konkreten Angaben aus. Es basiert auf Algorithmen, die es dem Computer ermöglichen durch Trainingsdaten zu lernen. Der Programmierer gibt in unserem Beispiel also eine Menge an Hundebildern vor und der Computer erkennt die bestimmten Merkmale der Bilder selbst und kann es dann auch auf neue Bilder anwenden.

Fakt am Rande: Damit kann man natürlich nicht nur solche Spielereien ausführen. Heute schon werden mit dieser Technologie beispielsweise in der Medizin Tumore erkannt.

Es gibt drei Arten von Maschinellem Lernen: überwachtes Lernen, unüberwachtes Lernen und verstärkendes Lernen, in Fachkreisen auch Reinforcement Learning genannt.

 

Wie erkläre ich meinen Schüler:innen Maschinelles Lernen? Teil 2
Was ist Reinforcement Learning?

Die Entwickler:innen haben für die Feinabstimmung von ChatGPT Supervised Learning und Reinforcement Learning verwendet. Letzteres macht ChatGPT so gut. Die spezielle Technik heißt Reinforcement Learning from Human Feedback (RLHF): Menschliches Feedback wird im Training eingesetzt, um falsche oder voreingenommene Ergebnisse zu minimieren.

Zunächst die Schwierigkeit: Wenn ein System große Mengen Text analysiert, erkennt es Muster und Wahrscheinlichkeiten von Wortfolgen. Sprich: ChatGPT wertet aus, welches Wort am wahrscheinlichsten nach dem vorhergehenden kommt. Das kennen wir zum Beispiel auch von der Google-Suchmaschine: Auch hier wird anhand von Wahrscheinlichkeit ein Folgewort vorgeschlagen, wenn wir ein Wort eingeben. Das Problem: Wir Menschen sprechen anders. Wir nutzen Sprache vielfältig und situationsabhängig, sodass das Ergebnis des Chatbots allein darauf basierend unzureichend wäre.

Das ist ein Beispiel für das sogenannte Alignment-Problem: Wenn eine KI einen sehr hohen Grad an Eigenständigkeit erlangt, wie menschenähnliche Texte zu verfassen, ist es wichtig ihr menschliche Werte beizubringen. Hierzu zählt der natürliche Sprachgebrauch und auch zum Beispiel nicht zu diskriminieren. Daher ist es nötig mit Hilfe menschlichen Feedbacks das System weiter zu verfeinern.

 

Schritt 1: Menschlich kuratierte Testdaten

Zunächst beschriften und kuratieren Menschen kleinere Mengen von Demonstrationsdaten, um damit ein sogenanntes Supervised Fine-Tuning, kurz SFT Modell zu generieren. Damit wird das System unter menschlicher Aufsicht trainiert. Nachdem das Modell mit den menschlich kuratierten Daten trainiert wurde, kann es auch bisher unbekannte Daten auswerten.

 

Schritt 2: Belohnung und Bestrafung

Das geschieht, indem das System die nun unbekannten Daten auswertet und dabei menschliches Feedback in Form von Belohnung oder Bestrafung erhält und daran weitere Entscheidungen anpasst. Diese Belohnungen und Bestrafungen werden verwendet, um dem Modell beizubringen, welche Aktionen in bestimmten Situationen am vorteilhaftesten sind. Dieses Reward-Modell kann auf verschiedene Weisen gestaltet werden, je nach Zielsetzung des KI-Systems.

 

Schritt 3: Das Policy-Modell

Das Training der KI geht so lange weiter bis das System gut genug ist für seine Aufgabe. Das heißt das Reward Modell wird benutzt, um das anfängliche SFT-Modell so zu verfeinern, bis das Ergebnis gut angepasst ist. Das bezeichnet man als Policy Modell und ist letztlich das Modell, was darüber entscheidet, welche Antwort die KI gibt.

Du kennst jetzt grundlegende Funktionsweisen von Maschinellem Lernen. Mit diesem Wissen kannst du den derzeitigen Stand der Technik beurteilen und solide Anwendungsmöglichkeiten für unser Lernen und Arbeiten ableiten. Lies zum Beispiel in diesem Lern-Hack, wie du Chancen und Grenzen von ChatGPT erarbeiten und erlebbar machen kannst.

Weitere Lern-Hacks

Schulflix: Lernhack Illustration
KI in der Schule

Diese Chancen und Grenzen von ChatGPT kannst du mit deinen Schüler:innen erarbeiten

Lern-Hack Kennenlernen
Schulflix: Lernhack Illustration
Umgang mit Unterrichtsstörungen

Interventionsleitlinien bei kleinen Störungen

Lern-Hack Kennenlernen
Schulflix: Lernhack Illustration
Die Magie des Schreibens

Expressive Writing im Schulalltag

Lern-Hack Kennenlernen
Lehrkräftefortbildung on the go
Lerne unsere Contentformate kennen