Station 9: Wie lernt eine KI? Maschinelles lernen mit „google teachable machine“

Autor:innen: Studierende der Europa-Universität Flensburg

Künstliche Intelligenz (kurz: KI) nimmt, auch wenn es nicht auf den ersten Blick sichtbar ist, immer mehr Platz im Alltag ein. Seien es die Sprachassistenten unserer Smartphones, die personalisierten Video-Vorschläge auf Streamingplattformen oder Navigations-Apps die uns zur gewohnten Uhrzeit die Route zur Arbeit oder zum Sport anzeigen. Diese und weitere Assistenten des Alltags basieren auf KI und lernen auf der Grundlage unserer Verhaltensweisen. Die Unterrichtseinheit soll mit Hilfe der „teachable machine“ den Lernprozess der KI bzw. das maschinelle Lernen anschaulicher machen und den Schülerinnen und Schülern (folgend: SuS) weiteren Einblick in das Thema KI geben. „Maschinelles Lernen (ML) ist ein Teilgebiet der künstlichen Intelligenz (KI) und befasst sich mit der Entwicklung lernfähiger Systeme und Algorithmen. Die Algorithmen lernen anhand von ausreichend Daten verschiedene Zusammenhänge. Das somit entstandene Modell kann anschließend auf neue, unbekannte Daten derselben Art angewendet werden“ (B. Botsch, 2023)¹.

Lernen über KI

Ziele der Station:

Die Station beinhaltete zwei wesentliche Ziele. Zum einen soll die Station ein Grundverständnis zum maschinellen Lernen schaffen. Zum anderen soll auch eine gewisse „Vertrautheit“ im Umgang mit den Endgeräten aber auch mit der KI erreicht werden.

Besonders die Erkenntnis, dass die KI Muster in Daten erkennt und darauf basierend Entscheidungen trifft sollte erlangt werden. Genauso wie die teachable machine Bilder erkennt und daraufhin Aussagen tätigen kann, kann die KI z.B. Muster in unserem „Streamingverhalten“ erkennen und darauf basierend Videoempfehlungen abgeben.

Weiterhin soll die Arbeit mit der teachable machine aufzeigen, dass die KI zum einen durch die Eingaben an sich, aber auch durch die Häufigkeit an Eingaben lernt. Eine Eingabe (z.B. ein Bild) genügt der KI noch nicht, um eine sichere Aussage treffen zu können, je mehr Eingaben die KI jedoch bekommt, desto klarer/genauer werden die Aussagen der KI.

Das praktische Arbeiten mit den Endgeräten und der KI soll allen SuS die Möglichkeit geben einen routinierten Umgang mit diesen Endgeräten/der KI zu entwickeln/erlernen. Auch wenn die SuS heutzutage in einem hoch-technisierten Jahrhundert aufwachsen existiert neben der Bildungsungleichheit ebenfalls auch eine Ungleichheit bezüglich des Zugriffes auf digitale Medien. Hierbei spricht man auch von der „digital gap“ (deutsch: digitale Kluft). „Digital gap“ „beschreibt den ungleichen Zugang verschiedener Bevölkerungsgruppen zu Informations- und Kommunikationstechnologien – im nationalen, regionalen und internationalen Vergleich“ (C. Friedland, 2005)². Dieser ungleiche Zugang zu digitalen Medien ist zu teilen auch mit dem Wohlstand der jeweiligen Personen verbunden. Das „Bayrische Forschungsinstitut für Digitale Transformation“ prüfte anhand einer Studie auf digitale Kompetenzen in verschiedenen Bevölkerungsgruppen, dabei wurde die Kompetenz mit einem Punktesystem von bis zu einhundert erreichbaren Punkten bemessen. Die Studie zeigte auf, dass Personen mit einem Haushaltseinkommen von weniger als 2.000€ netto im Monat gerade einmal 45 von 100 erreichbaren punkten erlangte, während Personen mit einem Haushaltseinkommen von 4.000€ netto und darüber hinaus 64 Punkte erreichten³ (Das bidt-SZ-Digitalbarometer, 2022). Dies zeigt, dass auch SuS im unmittelbaren Vergleich einen anderen Zugang zu digitalen Medien haben. Aus diesem Grund ist die Auseinandersetzung mit digitalen Medien in der Schule von absoluter Notwendigkeit, um die SuS auf das spätere Berufsleben aber auch auf Alltagssituationen im Umgang mit Medien vorzubereiten.

Diklusion

Das Wort Diklusion setzt sich aus Digitale Medien und Inklusion zusammen. „Diklusion bedeutet die programmatische und systematische Verknüpfung von Digitalen Medien im Einsatz für die Umsetzung der Inklusion in der Schule“ (Schulz & Reber, 2021)⁴. Demnach gelingt die Inklusion in der Schule beispielsweise durch die Nutzung digitaler Medien. Die Bandbreite an nutzbaren digitalen Medien ist nahezu unendlich groß. Die Inklusion mithilfe von Medien kann z.B. über Sprach-KI’s gelingen, welche Texte von der einen Sprache in die andere Sprache übersetzen, und vieles mehr.

Aufbau der Station:

Der grundsätzliche Ablauf der Station variiert nicht und ist nahezu unabhängig vom Alter und den Erfahrungswerten der SuS. Somit kann man für die Aktivierung gute 5 Minuten einplanen. Die Erprobungs-/Arbeitsphase erstreckt sich über ca. 20 Minuten, während die Reflexion ebenfalls bis zu 5 Minuten in Anspruch nimmt.

Je nach Kompetenzen der SuS könnte es sinnvoll sein, im Vorwege einige Erklärungen (z.B. durch die Lehrkraft) einzubringen. Zudem kann über die Aufgabenkarten gesteuert werden, wie viel der jeweilige Schüler/die jeweilige Schülerin im Erarbeitungsprozess „erlebt“. Wechselnde Aufgaben führen zu mehr „erleben“ aber auch zu mehr Umstellungen und einen höheren kognitiven Anspruch, während das klare Einteilen der Aufgaben den SuS einen einfachen Rahmen geben, in welchem jedoch weniger „erlebt“ wird. Dies gilt es auf die jeweilige Lerngruppe anzupassen.

Erstellen einer diklusiven Lernumgebung:

Mithilfe von „Text zu Sprache“-KI-Tools wurde der in der Anleitung verwendete Text vertont, sodass SuS, die noch nicht sicher lesen können, keine Probleme mit dem Verständnis der Anleitung haben sollten. Zudem werden die einzelnen Schritte auch grafisch dargestellt. Die geschriebene/vertonte Anleitung gepaart mit der grafischen/bildlichen Darstellung ermöglichen es einem Großteil der SuS der Anleitung zu folgen. Sollten weiterhin Verständnisprobleme aufgrund von sprachlichen Barrieren bestehen, können weitere KI’s hinzugezogen werden, die z.B. gesprochenen Text in eine andere Sprache übersetzen können.

Material:

Ein Laptop (Nutzung teachable machine)
Zwei iPads (Anleitung & Ergebnissicherung, Optional iPads für den Timer oder Übersetzungstools)
Vergleichskarten (Vollständige Bilder der Objekte/Tiere etc., diese sind also komplett abgebildet, rechts im folgenden Bild)
Bildkarten (4-5 Ausschnitte der Vergleichskarten, könnte bei einem Tier z.B. verschiedene Körperteile sein, links im folgenden Bild)
Aufgabenkarten/Rollenkarten

Optional:

Zusätzliche Bildkarten (für die Schnellen)
kleine Notizzettel zur Ergebnissicherung

Das Bild zeigt die Benutzeroberfläche eines trainierten Bildklassifizierungsmodells, vermutlich aus Google Teachable Machine oder einer ähnlichen Plattform. Das Modell wurde mit drei Klassen trainiert: Eichhörnchen, Hund und Elefant, wobei jeweils ein Bild als Beispiel für jede Kategorie hochgeladen wurde. Auf der linken Seite sind die drei Kategorien in separaten Feldern dargestellt, mit jeweils einem Bildbeispiel und der Möglichkeit, weitere Bilder über eine Webcam oder durch Hochladen hinzuzufügen. Das Modell ist bereits trainiert, was durch die Anzeige „Modell ist trainiert“ in der Mitte des Bildes bestätigt wird. Auf der rechten Seite befindet sich der Vorschaubereich, in dem ein Bild eines Elefanten in einer Savannenlandschaft angezeigt wird. Die Klassifikationsergebnisse sind darunter dargestellt: Eichhörnchen: 39%
Hund: 24%
Elefant: 37%
Diese Werte zeigen, dass das Modell die Wahrscheinlichkeit der Zugehörigkeit des Bildes zu jeder der drei Klassen berechnet hat. Allerdings ist die Zuordnung nicht eindeutig, da „Eichhörnchen“ mit 39% die höchste, aber dennoch unsichere Wahrscheinlichkeit aufweist, obwohl das Bild offensichtlich einen Elefanten zeigt. Dies deutet darauf hin, dass das Modell mit zu wenigen oder nicht optimalen Trainingsdaten trainiert wurde, was zu ungenauen Vorhersagen führt. Oben rechts gibt es eine Option zum Exportieren des Modells, was darauf hinweist, dass es für den weiteren Gebrauch oder die Integration in andere Anwendungen bereitgestellt werden kann.

Downloads

Anleitung für den Book Creator:

Anleitung als epub

Ergebnissicherung (Book Creator):

Ergebnisse als epub

Aufgaben/Rollenkarten:

ki-in-der-schule Herunterladen

Durchführung

Die SuS werden durch die Anleitung im Bookcreator komplett durch die Station geführt. Sie müssen also lediglich den Schritten im Bookcreator folgen, um die Station, von der Aktivierung über die Erarbeitung bis hin zur Reflexion, erfolgreich zu durchlaufen.

Aktivierung:

Zuallererst soll das Interesse der SuS geweckt werden. Dafür eignet sich z.B. die „google Lens“ Funktion mit welcher die SuS Objekte in ihrer Umgebung abfotografieren sollen und . „In Lens werden Objekte auf deinem Foto mit anderen Bildern verglichen. Diese Bilder werden dann basierend auf ihrer Ähnlichkeit mit den Objekten auf dem ursprünglichen Foto und ihrer Relevanz eingestuft. Außerdem erkennt Lens die Objekte auf deinem Bild automatisch und sucht auf dieser Basis nach anderen relevanten Ergebnissen im Web.“⁵

Somit lässt sich sagen, dass „Google Lens“ im Kern genauso funktioniert, wie „Google teachable machine“, weshalb die Nutzung von „Lens“ für die Aktivierung und Einführung in das Thema recht treffend ist. Nach einigen Versuchen sollten die SuS die Frage aufwerfen, wie die KI diese Objekte im Bild so schnell erkennen und zuordnen kann.

Erarbeitung:

Um dieser Frage auf den Grund zu gehen, werden die SuS von der Anleitung im Bookcreator durch die Funktionsweise und Nutzung der „teachable machine“ geführt. In der Oberfläche der „teachable machine“ sollen „Klassen“ zum jeweiligen Tier/Objekt angelegt werden. In der Demo-Stunde wurden z.B. Hund, Elefant und Eichhörnchen als „Klasse“ angelegt. Die Klasse dient hier als „Kategorie“ unter welcher die Bilder zum jeweiligen Tier abgelegt werden soll. So werden unter der „Klasse“ Hund Bilder/Ausschnitte von Hunden eingefügt, die über die Webcam aufgenommen werden. Dies geschieht analog zu den „Klassen“ zum Elefant und zum Eichhörnchen.

Zunächst soll zu jeder „Klasse“ lediglich ein Bild/Ausschnitt eingefügt werden. Anschliessend wird die KI darauf trainiert diese Bilder der jeweiligen „Klasse“ zuzuordnen. Hält man dann die Vergleichsbilder in die Webcam so wird die „teachable machine“ über eine Prozentzahl angeben, wie sicher es sich um die jeweilige „Klasse“ (hier um das jeweilige Tier) handelt. Bei der Eingabe von nur einem Bild wird die KI jedoch noch nicht dazu in der Lage sein mit 100%iger Sicherheit zu erkennen, welche Klasse (welches Tier) im Vergleichsbild abgebildet wird. Je mehr Bilder dann in die „Klassen“ eingefügt werden, desto sicherer wird die „teachable machine“ mit ihren Aussagen zum jeweiligen Vergleichsbild.

Die Sicherung der jeweiligen Prozentzahlen bei der Eingabe von einem, zwei, drei und vier Bildern erfolgt über ein anderes iPad, in einer anderen BookCreator-Datei (siehe oben unter dem Punkt „downloads“)

Reflexion:

Somit kommen die SuS meist schon vor dem Einpflegen aller Bilder zu der Erkenntnis, dass die KI über die Häufigkeit der Eingaben und der Bandbreite an zusammengehörigen Mustern lernt. Je mehr Eingaben zu einer „Klasse“, übertragen auf „google Lens“, je mehr gleiche Objekte gesucht/eingepflegt werden, desto sicherer kann die KI ermitteln, um welches Objekt/Tier etc. es sich handelt.

Erklärung der Tools:

Bookcreator:

Der Bookcreator bietet die Möglichkeit vielseitige E-Books zu erstellen. Besonders die intuitive Nutzbarkeit und die verschiedenen tools wie die „Sprachaufnahme“ eignen sich sehr gut dazu ein, für den diklusiven Unterricht angemessenes E-Book zu erstellen.

Google teachable machine:

Die „teachable machine“ zeigt den Prozess des maschinellen Lernens auf eine anschauliche Art und Weise.

https://teachablemachine.withgoogle.com

Erfahrungen aus der Durchführung/Reflexion:

Umfang der Station:

In Abhängigkeit der Kompetenzen bezüglich der Nutzung von Laptop/iPad sollte der Umfang an weiteren Aufgaben der Station angepasst werden. Gruppen welche insgesamt eine hohe Affinität im Bezug auf den Umgang mit Laptop und iPad hatten, fiel es wesentlich leichter die Aufgaben der Station zu bewältigen. Hier können die Aufgaben/Aufgabenkarten nach jedem Durchgang getauscht werden, ohne, dass dies die Effizienz der Gruppe beeinflussen würde. Gruppen, die nicht allzu routiniert mit der Nutzung von Laptop und iPad sind, sollten nicht mit wechselnden Aufgabenstellungen vor Herausforderungen gestellt werden. Für diese Gruppen genügt z.B. die einfache Rollenverteilung.

Fähigkeiten/Kompetenzen in der Nutzung von Laptop/iPads in Bezug auf die zeitl. Planung:

SuS, die die Endgeräte nahezu intuitiv nutzen können, werden weniger Probleme mit dem Verstehen der Anleitung haben und somit auch leichter die geforderten Arbeitsschritte bewältigen können. für diese SuS ist der Zeitrahmen von 30 Minuten passend. Bei SuS, die neben fehlenden Erfahrungen im Umgang mit Laptop/iPad, auch geringe Lesekompetenz aufweisen, sollte etwas mehr Zeit und ggf. (wenn möglich) auch eine Erklärung durch die Lehrkraft eingeplant werden.

Literatur