Maschinelles Lernen
Von Fotos zum KI-Modell
Weiter
Worum geht es in dieser Station?
In dieser Station beschäftigen wir uns intensiver mit dem Maschinellen Lernen: Wir verstehen, wie Bilderkennungsalgorithmen funktionieren, dürfen selbst ein kleines KI-Modell trainieren und beschäftigen und mit möglichen Problematiken. Klicke auf die entsprechenden Buttons, um dich durch die Station zu navigieren. Beantworte dabei die Fragen und erledige die kleinen Herausforderungen.
Weiter
Zurück
Maschinelles Lernen
Du hast vorher etwas zum Maschinellen Lernen gelernt. Es gehört zu den spannendsten Teilbereichen der Künstlichen Intelligenz. Dabei geht es darum, dass Computer nicht einfach nur feste Befehle befolgen, sondern selbstständig aus Daten lernen können.
Weiter
Zurück
Maschinelles Lernen
Zurück
Maschinelles Lernen
Spotify oder YouTube schlagen dir Musik oder Videos vor, die dir gefallen könnten. Das Programm hat ähnliche Vorlieben von anderen Nutzenden erkannt und Gruppen („Cluster“) gebildet – ohne dass jemand gesagt hat, was richtig oder falsch ist.
Computerspiele mit KI-Gegnern. Die Figur lernt durch Ausprobieren, wie sie am besten gewinnen kann. Sie wird für gute Züge „belohnt“ (z. B. überlebt länger) und für schlechte „bestraft“ (z. B. verliert Leben).
Eine App zum Handyschreiben-lernen schlägt dir Wörter vor. Sie hat vorher tausende Texte gesehen und gelernt, welches Wort wahrscheinlich als Nächstes kommt.
Überwachtes Lernen
In dieser Station beschäftigen wir uns jetzt tiefer mit dem überwachten Lernen (supervised learning).
Überwachtes Lernen
Überwachtes Lernen wird häufig bei KI-Modellen eingesetzt, die aus vorgegebenen Beispielen mit bekannten Antworten lernen. Ein klassisches Beispiel ist die Bilderkennung: - Ziel ist es, anhand von gelabelten Daten (z. B. Bilder von Katzen und Hunden, bei denen das richtige Tier bereits vermerkt ist) Muster zu erkennen und ein Modell zu trainieren.
- Wenn dem Modell später ein neues Bild gezeigt wird, kann es eine Vorhersage treffen und entscheiden, welches Label (z. B. „Katze“ oder „Hund“) zutrifft.
Weiter
Überwachtes Lernen
Meistens klappt das ganz gut, aber…Glaubst du, eine KI könnte einen Heidelbeermuffin und einen Chihuahua unterscheiden?
Weiter
Zurück
Was "sieht" eine KI?
Um zu verstehen, warum die Unterscheidung derartiger Bilder für eine KI manchmal schwer ist, müssen wir wissen, wie eine KI „sehen kann“. Es ist manchmal auf den ersten Blick gar nicht so einfach, Bilder richtig zuzuordnen. Während ein Mensch hier bei genauer Betrachtung vielleicht Chihuahuas und Muffins wahrnimmt, erkennt ein Bilderkennungsmodell die hellen und dunklen Bereiche und ordnet sie den Kategorien {Essen, Gebäck, Muffin usw.} oder {Hund, Chihuahua, Tier, Welpe usw.} zu.KI-Systeme verstehen das Konzept realer Erscheinungen nicht.
Weiter
Zurück
Was "sieht" eine KI?
Zurück
Was "sieht" eine KI?
Ein Mensch erkennt zum Beispiel einen „Baum“ nicht nur daran, dass er eine bestimmte Form oder Farbe hat, sondern er versteht das Konzept „Baum“: - Er weiß, dass ein Baum ein lebendes Wesen ist.
- Er kann ihn auch ohne Blätter im Winter erkennen.
- Er versteht, dass es viele Arten von Bäumen gibt, die sich trotzdem in wesentlichen Merkmalen ähneln.
- Er kann sich einen Baum vorstellen, auch ohne gerade einen zu sehen.
Weiter
Was "sieht" eine KI?
Ein lernfähiger Algorithmus, wie etwa ein Bilderkennungs-KI-System, erkennt zwar Muster in Bilddaten (z. B. „braune vertikale Formen mit grüner Struktur oben“), aber er „weiß“ nicht, dass dies ein Baum ist, was Bäume ausmacht, oder wozu sie in der Welt gehören.Er hat keine innere, konzeptuelle Bedeutung, sondern nur Wahrscheinlichkeiten für visuelle Merkmale.
Ein Konzept ist eine verallgemeinerte Vorstellung von einem Gegenstand oder einer Idee. Es verbindet typische Merkmale mit unserem Wissen, unseren Erfahrungen und dem Zusammenhang, in dem wir es kennen.
Für die KI ist ein Konzept nur ein statistisches Muster. Es hat kein echtes Bewusstsein und keine tiefere Bedeutung, sondern beruht allein auf Wahrscheinlichkeiten.
Konzept
"Konzept"
Klicke auf die Karten für mehr Informationen!
Title
Title
Use this side to give more information about a topic.
Use this side to give more information about a topic.
(menschlich)
(bei KI)
Subtitle
Subtitle
Weiter
Zurück
Was "sieht" eine KI?
Lernfähige Algorithmen zerlegen die Bilder in kleine Bestandteile und suchen nach Mustern in den Daten. Sie lernen jedoch nicht, die zugrunde liegenden Konzepte zu erkennen. Ihr Verständnis basiert auf statistischer Mustererkennung und schließt ein tieferes Bewusstsein oder Verständnis des Konzepts aus.
Was heißt denn statistisch?
Zurück
Was "sieht" eine KI?
Wissenschaftler:innen haben herausgefunden, dass Menschen etwas im Durchschnitt vier Mal sehen müssen, bis sie verstehen, was sie sehen (z.B. kann ein Kleinkind eine Katze erkennen, nachdem es vier Mal verschiedene Katzen gesehen hat). Ein Computer hingegen benötigt für vergleichbare Aufgaben Tausende bis Hunderttausende von Bilddateien, manchmal sogar Millionen. Vergleicht man diese Zahlen, könnte man zu dem Schluss kommen, dass Computer im Vergleich zum Menschen sehr ineffizient sind.
Weiter
Was "sieht" eine KI?
Zurück
Was "sieht" eine KI?
Die Stärke von Computern liegt in der Verarbeitung großer Datenmengen in sehr hoher Geschwindigkeit. So können Computer sehr schnell Muster und Zusammenhänge erkennen, was wir Menschen nicht so gut können. Wie sieht das aus? Trainieren wir gemeinsam einen Bilderkennungsalgorithmus!
Weiter
Was "sieht" eine KI?
ML for kids
Dafür nutzen wir "Machine Learning for kids". Das ist eine Webanwendung, mit der ihr maschinelle Lernmodelle im Bereich Bild- und Spracherkennung selbst erstellen könnt. Wir trainieren jetzt einen Bilderkennungsalgorithmus, der verschiedene Sachen erkennen soll. Nehmt jetzt das Tablet bzw. fragt eine Betreuungsperson, ob sie euch bitte ein Tablet gibt. Die Webseite sollte bereits geöffnet sein. Hier auf der Präsentation werdet ihr Schritt für Schritt angeleitet. Führt die Schritte auf dem Tablet aus.
Weiter
Zurück
Was "sieht" eine KI?
ML for kids
Erstellt ein neues Projekt.
Weiter
Zurück
Was "sieht" eine KI?
ML for kids
- Gebt eurem Projekt einen Namen.
- Wählt "Erkenne Bilder" als Projekttyp.
- Wählt "Im Webbrowser" als Speicherort.
- Klickt anschließend auf "Erstelle."
Weiter
Zurück
Was "sieht" eine KI?
ML for kids
Klickt nun auf euer erstelltes Projekt.
Weiter
Zurück
Was "sieht" eine KI?
ML for kids
Wählt "Trainieren".
Weiter
Zurück
Was "sieht" eine KI?
ML for kids
Wählt "Erstelle eine neue Kategorie (Label)" und gebt der Kategorie den Namen "Objekt", "Gegenstand" oder so ähnlich.
Weiter
Zurück
Was "sieht" eine KI?
ML for kids
- Klickt auf "Webcam" und nutzt die Kamera des Tablets.
- Wählt einen neutralen, möglichst einfarbigen Hintergrund.
- Macht 5 bis 10 Fotos von einem Gegenstand eurer Wahl. Verändert bei jedem Foto ein bisschen den Winkel der Kamera.
Fotografiert keine Gesichter oder andere Personen!
Weiter
Zurück
Was "sieht" eine KI?
ML for kids
Macht das gleiche für eine weitere Kategorie: "Nichts". Fotografiert dabei einfach nur einen Hintergrund aus verschiedenen Blickwinkeln. Am Ende sollte es ungefähr so bei euch aussehen:
Weiter
Zurück
Was "sieht" eine KI?
ML for kids
Klickt links oben auf "Zurück zum Projekt" und wähle "Lernen und Testen" aus.
Weiter
Zurück
Was "sieht" eine KI?
ML for kids
Klicke jetzt den Button, um dein maschinelles Lernmodell zu trainieren.
Weiter
Zurück
Was "sieht" eine KI?
Zurück
Was "sieht" eine KI?
ML for kids
Wenn das Training abgeschlossen ist, können wir dein Modell testen! Dafür brauchen wir ein neues Bild, das nicht im Training verwendet wurde. Klickt auf "Test mit Webcam"...
Weiter
Was "sieht" eine KI?
ML for kids
... und macht ein Foto entweder mit oder ohne eurem Gegenstand. Wählt dann "Testen".
Weiter
Zurück
Was "sieht" eine KI?
ML for kids
Das Modell gibt euch dann eine Rückmeldung, zu wie viel Prozent es sich sicher ist, eine eurer zwei Kategorien erkannt zu haben. In unserem Fall glaubt das Modell jetzt zu 100%, die Kategorie "Objekt" erkannt zu haben.
Weiter
Zurück
Was "sieht" eine KI?
ML for kids
Machen wir auch noch die Gegenprobe:
Weiter
Zurück
Was "sieht" eine KI?
ML for kids
Was passiert aber, wenn wir z.B. den Gegenstand nur teilweise fotografieren? Probiert es ein paar Mal aus - wie sicher ist sich euer Modell nun?
Weiter
Zurück
Was "sieht" eine KI?
ML for kids
Die "Confidence", also wie sicher sich das Modell ist, ein bestimmtes Label erkannt zu haben, schwankt nun.
Weiter
Zurück
Was "sieht" eine KI?
Unser Modell sagt mit 83% Sicherheit: "Das ist 'Objekt'."
Zurück
Was "sieht" die KI?
Die Zuverlässigkeit eines Modells hängt stark davon ab, wie es trainiert wurde. Wenn es viele und vielfältige Übungsbilder gibt, kann das Modell die typischen Merkmale von etwas besser erkennen und verallgemeinern. Auch die Qualität der Bilder spielt eine Rolle: unscharfe oder schlecht beleuchtete Fotos machen es schwieriger, Muster zu erkennen. Aber ein Objekt von nichts zu unterscheiden, ist recht einfach...
Weiter
Was "sieht" eine KI?
ML for kids
Geht zurück zur Startseite und erstellt ein neues Projekt.
Weiter
Zurück
Was "sieht" eine KI?
ML for kids
Klickt nun auf euer erstelltes Projekt und Trainieren.
Weiter
Zurück
Was "sieht" eine KI?
ML for kids
Wählt "Erstelle eine neue Kategorie (Label)" und gebt der Kategorie den Namen "High Five".
Weiter
Zurück
Was "sieht" eine KI?
ML for kids
- Klickt auf "Webcam" und nutzt die Kamera des Tablets.
- Wählt einen neutralen, möglichst einfarbigen Hintergrund.
- Macht 5 bis 10 Fotos von einer Hand, die geöffnet ist (als ob sie ein High Five machen möchte). Verändert bei jedem Foto ein bisschen den Winkel oder die Position der Hand in dem Foto.
Fotografiert keine Gesichter oder andere Personen!
Weiter
Zurück
Was "sieht" eine KI?
ML for kids
Macht das gleiche für eine weitere Kategorie: "Peace". Fotografiert dabei eine Hand vor dem gleichen Hintergrund wie bei High Five, nur, dass diese Hand jetzt nur zwei Finger hochhebt. Am Ende sollte es ungefähr so bei euch aussehen:
Weiter
Zurück
Was "sieht" eine KI?
ML for kids
Klickt wieder links oben auf "Zurück zum Projekt" und wähle "Lernen und Testen" aus.
Weiter
Zurück
Was "sieht" eine KI?
ML for kids
Klicke jetzt wieder auf den Button, um dein maschinelles Lernmodell zu trainieren.
Weiter
Zurück
Was "sieht" eine KI?
ML for kids
Wenn das Training abgeschlossen ist, klicken wir wieder auf "Test mit Webcam"...
Weiter
Zurück
Was "sieht" eine KI?
ML for kids
... und machen ein Foto entweder mit einer geöffneten Hand oder mit einer Hand, die zwei Finger hochhebt. Wählt dann "Testen".
Weiter
Zurück
Was "sieht" eine KI?
ML for kids
Das Modell gibt euch dann eine Rückmeldung, zu wie viel Prozent es sich sicher ist, eine eurer zwei Kategorien erkannt zu haben. In unserem Fall glaubt das Modell jetzt zu 76%, ein High Five erkannt zu haben. Und wie gut ist euer Modell?
Weiter
Zurück
Was "sieht" die KI?
Ladet ein neues Testbild in euer Modell hoch. Dieses Mal haltet aber drei oder nur einen Finger in die Kamera. Welche Zuverlässigkeitsaussage erhaltet ihr jetzt von eurem Modell? Diskutiert in eurer Gruppe, warum das so ist.
Weiter
Zurück
Was "sieht" die KI?
In unserem Beispiel sagt unser Modell, dass es sich zu 100% sicher ist, dass auf diesem Foto ein "Peace" zu sehen ist.
Weiter
Zurück
Was "sieht" die KI?
Zurück
Was "sieht" die KI?
Das Modell kennt nur die beiden Kategorien, die es beim Training gelernt hat: High Five oder Peace.Wenn es ein neues Bild bekommt, muss es sich trotzdem für eine der beiden entscheiden – auch wenn das Bild gar nicht passt.Dabei „schaut“ das Modell nur auf die gelernten Merkmale und rechnet aus, welches Muster am ehesten passt.Da der Daumen für das Modell vielleicht mehr Ähnlichkeiten mit den gelernten Peace-Bildern hatte (z. B. Anzahl sichtbarer Finger, Form), hat es diese Kategorie mit 100 % Sicherheit ausgewählt.
Weiter
Was "sieht" die KI?
Das bedeutet aber nicht, dass es „weiß“, dass es wirklich ein Peace-Zeichen ist (also das Konzept von "Fingern" verstanden hat) – sondern nur, dass es in seinem eingeschränkten Wissen keine andere Möglichkeit hat. Die Verantwortung dafür, was eine KI-Anwendung sieht und lernt, liegt bei den Entwickler:innen, Datensammler:innen, Ingenieur:innen und Forscher:innen, Entscheidungsträger:innen in Unternehmen und Organisationen, die das System entwerfen, trainieren und implementieren. Denn die Basis sind immer die zugrundeliegenden Daten.
Weiter
Zurück
Probleme mit Daten
Zurück
Probleme mit Daten
KI-Systeme sind nur so gut wie die Daten, mit denen sie trainiert werden! Bekannte Fälle sind eine Google-Suchmaschine, die dunkelhäutige Menschen fälschlich als Gorillas erkannte, oder ein KI-System von Amazon, das Bewerbungen mit Begriffen wie „Frauen“ automatisch aussortierte. Solche Beispiele zeigen: Wenn Trainingsdaten unvollständig oder unausgewogen sind, kann KI nicht nur Fehler machen, sondern noch weitreichendere Folgen mit sich bringen!
Weiter
Probleme mit Daten
Zurück
Probleme mit Daten
„Bias“ (sprich: "Beies") bedeutet übersetzt Voreingenommenheit oder Verzerrung. Bei KI-Modellen können z.B. Bias entstehen, wenn ein Algorithmus mit unvollständigen oder unausgewogenen Daten trainiert wird. Das führt dazu, dass das System bestimmte Muster falsch erkennt! Bias ist aber nicht nur ein technisches Problem, sondern auch ein ethisches Thema!
Weiter
Probleme mit Daten
Zurück
Probleme mit Daten
Verzerrte Daten können dazu führen, dass Vorurteile in der Gesellschaft verstärkt werden – zum Beispiel durch fehlerhafte Gesichtserkennung oder diskriminierende Entscheidungsprozesse. Deshalb ist es entscheidend, Trainingsdaten sorgfältig auszuwählen, zu prüfen und regelmäßig zu verbessern. Nur so können KI-Systeme fair und verantwortungsvoll eingesetzt werden.
Weiter
Vertrauen in KI
Zurück
Vertrauen in KI
Einer KI zu vertrauen ist oft schwierig, weil ihre Entscheidungen für Menschen nicht direkt nachvollziehbar sind. Viele KI-Systeme funktionieren wie eine „Black Box“: Man sieht das Ergebnis, aber es ist nicht klar, wie es zustande gekommen ist. Denkt an unsere Bilderkennungsmodelle: Warum wird zu 100% gesagt, dass ein "Peace"-Zeichen zu sehen ist, obwohl dem nicht so ist? Wir bekommen keine Erklärung, warum sich für dieses Label entschieden worden ist.
Weiter
Vertrauen in KI
KI-Modelle sind komplex und verarbeiten große Datenmengen mit statistischen Verfahren. Dadurch lassen sich einzelne Entscheidungen nur schwer erklären oder überprüfen. Diese fehlende Transparenz erschwert Vertrauen, besonders wenn die KI in sensiblen Bereichen eingesetzt wird.
Weiter
Zurück
Erklärbarkeit - Explainability
Eine mögliche Lösung ist: Erklärbarkeit (Explainability).
Hier ist eine sehr bekannte Geschichte:
Forscher:innen wollten ein KI-Modell trainieren, das Wölfe von Huskys unterscheiden sollte. Sie gaben dem System viele Fotos, einige mit Wölfen, andere mit Huskys. Nach dem Training schien die KI sehr erfolgreich zu sein – sie konnte fast alle Bilder „richtig“ einordnen. Nur bei einem Bild schien das Modell Probleme zu haben...
Weiter
Erklärbarkeit - Explainability
Zurück
Erklärbarkeit - Explainability
Bei genauerer Untersuchung stellte sich heraus: Die KI hatte nicht wirklich die Unterschiede zwischen Wolf und Husky gelernt. Stattdessen achtete sie auf den Hintergrund der Fotos. Auf fast allen Wolfsbildern war Schnee, während die Husky-Bilder meist ohne Schnee aufgenommen wurden. Für die KI hieß das: Schnee = Wolf. Die Forschenden nutzten ein Verfahren zur Erklärbarkeit (Explainability), bei dem farbig markiert wird, auf welche Bildbereiche das Modell besonders achtet. So konnten sie erkennen, dass die KI nicht auf die Tiere selbst, sondern fast ausschließlich auf den Schnee im Hintergrund reagierte.
Weiter
Zurück
Zusammenfassung
Ihr habt die drei grundlegenden Formen des Maschinellen Lernens kennengelernt. Beim überwachten Lernen spielen Labels eine wichtige Rolle – die KI erkennt Muster in Daten, ohne ihre tiefere Bedeutung wie ein Mensch zu verstehen. Dabei wurde auch klar, dass die Stärke von KI-Systemen in der schnellen Verarbeitung großer Datenmengen liegt, ihre Ergebnisse aber stark von der Qualität und Vielfalt der Trainingsdaten abhängen.Außerdem habt ihr erfahren, dass fehlerhafte oder unausgewogene Daten zu Bias führen können, also zu verzerrten und unfairen Entscheidungen. Das Beispiel „Wolf vs. Husky“ zeigte zusätzlich, warum Erklärbarkeit (Explainability) entscheidend ist: Nur wenn nachvollziehbar ist, wie ein Modell seine Entscheidung trifft, können Fehler oder Vorurteile erkannt und behoben werden.
Weiter
Noch Zeit?
Zurück
Noch Zeit?
Falls ihr noch etwas Zeit habt, dürft ihr gerne weiter euer Bilderkennungs-Modell testen!- Was passiert, wenn wir die Hintergründe variieren? Wenn ein High Five z. B. immer nur vor einem blauen Hintergrund und ein Peace immer nur vor einem brauen Hintergrund fotografiert wird? Tauscht dann bei dem Testbild die Hintergründe. Wie zuverlässig ist das Modell dann?
- Testet verschiedene Kamerawinkel und Lichteinstellungen. Wie gut erkennt das Modell dann beim Test die verschiedenen Labels?
Zurück
Maschinelles Lernen - KI-Thementag
MINT_Bildung
Created on August 29, 2025
Start designing with a free template
Discover more than 1500 professional designs like these:
View
Essential Business Proposal
View
Project Roadmap Timeline
View
Step-by-Step Timeline: How to Develop an Idea
View
Artificial Intelligence History Timeline
View
Mobile Phone Call
View
Momentum: Tools Tutorial
View
Momentum: Onboarding Video
Explore all templates
Transcript
Maschinelles Lernen
Von Fotos zum KI-Modell
Weiter
Worum geht es in dieser Station?
In dieser Station beschäftigen wir uns intensiver mit dem Maschinellen Lernen: Wir verstehen, wie Bilderkennungsalgorithmen funktionieren, dürfen selbst ein kleines KI-Modell trainieren und beschäftigen und mit möglichen Problematiken. Klicke auf die entsprechenden Buttons, um dich durch die Station zu navigieren. Beantworte dabei die Fragen und erledige die kleinen Herausforderungen.
Weiter
Zurück
Maschinelles Lernen
Du hast vorher etwas zum Maschinellen Lernen gelernt. Es gehört zu den spannendsten Teilbereichen der Künstlichen Intelligenz. Dabei geht es darum, dass Computer nicht einfach nur feste Befehle befolgen, sondern selbstständig aus Daten lernen können.
Weiter
Zurück
Maschinelles Lernen
Zurück
Maschinelles Lernen
Spotify oder YouTube schlagen dir Musik oder Videos vor, die dir gefallen könnten. Das Programm hat ähnliche Vorlieben von anderen Nutzenden erkannt und Gruppen („Cluster“) gebildet – ohne dass jemand gesagt hat, was richtig oder falsch ist.
Computerspiele mit KI-Gegnern. Die Figur lernt durch Ausprobieren, wie sie am besten gewinnen kann. Sie wird für gute Züge „belohnt“ (z. B. überlebt länger) und für schlechte „bestraft“ (z. B. verliert Leben).
Eine App zum Handyschreiben-lernen schlägt dir Wörter vor. Sie hat vorher tausende Texte gesehen und gelernt, welches Wort wahrscheinlich als Nächstes kommt.
Überwachtes Lernen
In dieser Station beschäftigen wir uns jetzt tiefer mit dem überwachten Lernen (supervised learning).
Überwachtes Lernen
Überwachtes Lernen wird häufig bei KI-Modellen eingesetzt, die aus vorgegebenen Beispielen mit bekannten Antworten lernen. Ein klassisches Beispiel ist die Bilderkennung:- Ziel ist es, anhand von gelabelten Daten (z. B. Bilder von Katzen und Hunden, bei denen das richtige Tier bereits vermerkt ist) Muster zu erkennen und ein Modell zu trainieren.
- Wenn dem Modell später ein neues Bild gezeigt wird, kann es eine Vorhersage treffen und entscheiden, welches Label (z. B. „Katze“ oder „Hund“) zutrifft.
Weiter
Überwachtes Lernen
Meistens klappt das ganz gut, aber…Glaubst du, eine KI könnte einen Heidelbeermuffin und einen Chihuahua unterscheiden?
Weiter
Zurück
Was "sieht" eine KI?
Um zu verstehen, warum die Unterscheidung derartiger Bilder für eine KI manchmal schwer ist, müssen wir wissen, wie eine KI „sehen kann“. Es ist manchmal auf den ersten Blick gar nicht so einfach, Bilder richtig zuzuordnen. Während ein Mensch hier bei genauer Betrachtung vielleicht Chihuahuas und Muffins wahrnimmt, erkennt ein Bilderkennungsmodell die hellen und dunklen Bereiche und ordnet sie den Kategorien {Essen, Gebäck, Muffin usw.} oder {Hund, Chihuahua, Tier, Welpe usw.} zu.KI-Systeme verstehen das Konzept realer Erscheinungen nicht.
Weiter
Zurück
Was "sieht" eine KI?
Zurück
Was "sieht" eine KI?
Ein Mensch erkennt zum Beispiel einen „Baum“ nicht nur daran, dass er eine bestimmte Form oder Farbe hat, sondern er versteht das Konzept „Baum“:- Er weiß, dass ein Baum ein lebendes Wesen ist.
- Er kann ihn auch ohne Blätter im Winter erkennen.
- Er versteht, dass es viele Arten von Bäumen gibt, die sich trotzdem in wesentlichen Merkmalen ähneln.
- Er kann sich einen Baum vorstellen, auch ohne gerade einen zu sehen.
Weiter
Was "sieht" eine KI?
Ein lernfähiger Algorithmus, wie etwa ein Bilderkennungs-KI-System, erkennt zwar Muster in Bilddaten (z. B. „braune vertikale Formen mit grüner Struktur oben“), aber er „weiß“ nicht, dass dies ein Baum ist, was Bäume ausmacht, oder wozu sie in der Welt gehören.Er hat keine innere, konzeptuelle Bedeutung, sondern nur Wahrscheinlichkeiten für visuelle Merkmale.
Ein Konzept ist eine verallgemeinerte Vorstellung von einem Gegenstand oder einer Idee. Es verbindet typische Merkmale mit unserem Wissen, unseren Erfahrungen und dem Zusammenhang, in dem wir es kennen.
Für die KI ist ein Konzept nur ein statistisches Muster. Es hat kein echtes Bewusstsein und keine tiefere Bedeutung, sondern beruht allein auf Wahrscheinlichkeiten.
Konzept
"Konzept"
Klicke auf die Karten für mehr Informationen!
Title
Title
Use this side to give more information about a topic.
Use this side to give more information about a topic.
(menschlich)
(bei KI)
Subtitle
Subtitle
Weiter
Zurück
Was "sieht" eine KI?
Lernfähige Algorithmen zerlegen die Bilder in kleine Bestandteile und suchen nach Mustern in den Daten. Sie lernen jedoch nicht, die zugrunde liegenden Konzepte zu erkennen. Ihr Verständnis basiert auf statistischer Mustererkennung und schließt ein tieferes Bewusstsein oder Verständnis des Konzepts aus.
Was heißt denn statistisch?
Zurück
Was "sieht" eine KI?
Wissenschaftler:innen haben herausgefunden, dass Menschen etwas im Durchschnitt vier Mal sehen müssen, bis sie verstehen, was sie sehen (z.B. kann ein Kleinkind eine Katze erkennen, nachdem es vier Mal verschiedene Katzen gesehen hat). Ein Computer hingegen benötigt für vergleichbare Aufgaben Tausende bis Hunderttausende von Bilddateien, manchmal sogar Millionen. Vergleicht man diese Zahlen, könnte man zu dem Schluss kommen, dass Computer im Vergleich zum Menschen sehr ineffizient sind.
Weiter
Was "sieht" eine KI?
Zurück
Was "sieht" eine KI?
Die Stärke von Computern liegt in der Verarbeitung großer Datenmengen in sehr hoher Geschwindigkeit. So können Computer sehr schnell Muster und Zusammenhänge erkennen, was wir Menschen nicht so gut können. Wie sieht das aus? Trainieren wir gemeinsam einen Bilderkennungsalgorithmus!
Weiter
Was "sieht" eine KI?
ML for kids
Dafür nutzen wir "Machine Learning for kids". Das ist eine Webanwendung, mit der ihr maschinelle Lernmodelle im Bereich Bild- und Spracherkennung selbst erstellen könnt. Wir trainieren jetzt einen Bilderkennungsalgorithmus, der verschiedene Sachen erkennen soll. Nehmt jetzt das Tablet bzw. fragt eine Betreuungsperson, ob sie euch bitte ein Tablet gibt. Die Webseite sollte bereits geöffnet sein. Hier auf der Präsentation werdet ihr Schritt für Schritt angeleitet. Führt die Schritte auf dem Tablet aus.
Weiter
Zurück
Was "sieht" eine KI?
ML for kids
Erstellt ein neues Projekt.
Weiter
Zurück
Was "sieht" eine KI?
ML for kids
Weiter
Zurück
Was "sieht" eine KI?
ML for kids
Klickt nun auf euer erstelltes Projekt.
Weiter
Zurück
Was "sieht" eine KI?
ML for kids
Wählt "Trainieren".
Weiter
Zurück
Was "sieht" eine KI?
ML for kids
Wählt "Erstelle eine neue Kategorie (Label)" und gebt der Kategorie den Namen "Objekt", "Gegenstand" oder so ähnlich.
Weiter
Zurück
Was "sieht" eine KI?
ML for kids
Fotografiert keine Gesichter oder andere Personen!
Weiter
Zurück
Was "sieht" eine KI?
ML for kids
Macht das gleiche für eine weitere Kategorie: "Nichts". Fotografiert dabei einfach nur einen Hintergrund aus verschiedenen Blickwinkeln. Am Ende sollte es ungefähr so bei euch aussehen:
Weiter
Zurück
Was "sieht" eine KI?
ML for kids
Klickt links oben auf "Zurück zum Projekt" und wähle "Lernen und Testen" aus.
Weiter
Zurück
Was "sieht" eine KI?
ML for kids
Klicke jetzt den Button, um dein maschinelles Lernmodell zu trainieren.
Weiter
Zurück
Was "sieht" eine KI?
Zurück
Was "sieht" eine KI?
ML for kids
Wenn das Training abgeschlossen ist, können wir dein Modell testen! Dafür brauchen wir ein neues Bild, das nicht im Training verwendet wurde. Klickt auf "Test mit Webcam"...
Weiter
Was "sieht" eine KI?
ML for kids
... und macht ein Foto entweder mit oder ohne eurem Gegenstand. Wählt dann "Testen".
Weiter
Zurück
Was "sieht" eine KI?
ML for kids
Das Modell gibt euch dann eine Rückmeldung, zu wie viel Prozent es sich sicher ist, eine eurer zwei Kategorien erkannt zu haben. In unserem Fall glaubt das Modell jetzt zu 100%, die Kategorie "Objekt" erkannt zu haben.
Weiter
Zurück
Was "sieht" eine KI?
ML for kids
Machen wir auch noch die Gegenprobe:
Weiter
Zurück
Was "sieht" eine KI?
ML for kids
Was passiert aber, wenn wir z.B. den Gegenstand nur teilweise fotografieren? Probiert es ein paar Mal aus - wie sicher ist sich euer Modell nun?
Weiter
Zurück
Was "sieht" eine KI?
ML for kids
Die "Confidence", also wie sicher sich das Modell ist, ein bestimmtes Label erkannt zu haben, schwankt nun.
Weiter
Zurück
Was "sieht" eine KI?
Unser Modell sagt mit 83% Sicherheit: "Das ist 'Objekt'."
Zurück
Was "sieht" die KI?
Die Zuverlässigkeit eines Modells hängt stark davon ab, wie es trainiert wurde. Wenn es viele und vielfältige Übungsbilder gibt, kann das Modell die typischen Merkmale von etwas besser erkennen und verallgemeinern. Auch die Qualität der Bilder spielt eine Rolle: unscharfe oder schlecht beleuchtete Fotos machen es schwieriger, Muster zu erkennen. Aber ein Objekt von nichts zu unterscheiden, ist recht einfach...
Weiter
Was "sieht" eine KI?
ML for kids
Geht zurück zur Startseite und erstellt ein neues Projekt.
Weiter
Zurück
Was "sieht" eine KI?
ML for kids
Klickt nun auf euer erstelltes Projekt und Trainieren.
Weiter
Zurück
Was "sieht" eine KI?
ML for kids
Wählt "Erstelle eine neue Kategorie (Label)" und gebt der Kategorie den Namen "High Five".
Weiter
Zurück
Was "sieht" eine KI?
ML for kids
Fotografiert keine Gesichter oder andere Personen!
Weiter
Zurück
Was "sieht" eine KI?
ML for kids
Macht das gleiche für eine weitere Kategorie: "Peace". Fotografiert dabei eine Hand vor dem gleichen Hintergrund wie bei High Five, nur, dass diese Hand jetzt nur zwei Finger hochhebt. Am Ende sollte es ungefähr so bei euch aussehen:
Weiter
Zurück
Was "sieht" eine KI?
ML for kids
Klickt wieder links oben auf "Zurück zum Projekt" und wähle "Lernen und Testen" aus.
Weiter
Zurück
Was "sieht" eine KI?
ML for kids
Klicke jetzt wieder auf den Button, um dein maschinelles Lernmodell zu trainieren.
Weiter
Zurück
Was "sieht" eine KI?
ML for kids
Wenn das Training abgeschlossen ist, klicken wir wieder auf "Test mit Webcam"...
Weiter
Zurück
Was "sieht" eine KI?
ML for kids
... und machen ein Foto entweder mit einer geöffneten Hand oder mit einer Hand, die zwei Finger hochhebt. Wählt dann "Testen".
Weiter
Zurück
Was "sieht" eine KI?
ML for kids
Das Modell gibt euch dann eine Rückmeldung, zu wie viel Prozent es sich sicher ist, eine eurer zwei Kategorien erkannt zu haben. In unserem Fall glaubt das Modell jetzt zu 76%, ein High Five erkannt zu haben. Und wie gut ist euer Modell?
Weiter
Zurück
Was "sieht" die KI?
Ladet ein neues Testbild in euer Modell hoch. Dieses Mal haltet aber drei oder nur einen Finger in die Kamera. Welche Zuverlässigkeitsaussage erhaltet ihr jetzt von eurem Modell? Diskutiert in eurer Gruppe, warum das so ist.
Weiter
Zurück
Was "sieht" die KI?
In unserem Beispiel sagt unser Modell, dass es sich zu 100% sicher ist, dass auf diesem Foto ein "Peace" zu sehen ist.
Weiter
Zurück
Was "sieht" die KI?
Zurück
Was "sieht" die KI?
Das Modell kennt nur die beiden Kategorien, die es beim Training gelernt hat: High Five oder Peace.Wenn es ein neues Bild bekommt, muss es sich trotzdem für eine der beiden entscheiden – auch wenn das Bild gar nicht passt.Dabei „schaut“ das Modell nur auf die gelernten Merkmale und rechnet aus, welches Muster am ehesten passt.Da der Daumen für das Modell vielleicht mehr Ähnlichkeiten mit den gelernten Peace-Bildern hatte (z. B. Anzahl sichtbarer Finger, Form), hat es diese Kategorie mit 100 % Sicherheit ausgewählt.
Weiter
Was "sieht" die KI?
Das bedeutet aber nicht, dass es „weiß“, dass es wirklich ein Peace-Zeichen ist (also das Konzept von "Fingern" verstanden hat) – sondern nur, dass es in seinem eingeschränkten Wissen keine andere Möglichkeit hat. Die Verantwortung dafür, was eine KI-Anwendung sieht und lernt, liegt bei den Entwickler:innen, Datensammler:innen, Ingenieur:innen und Forscher:innen, Entscheidungsträger:innen in Unternehmen und Organisationen, die das System entwerfen, trainieren und implementieren. Denn die Basis sind immer die zugrundeliegenden Daten.
Weiter
Zurück
Probleme mit Daten
Zurück
Probleme mit Daten
KI-Systeme sind nur so gut wie die Daten, mit denen sie trainiert werden! Bekannte Fälle sind eine Google-Suchmaschine, die dunkelhäutige Menschen fälschlich als Gorillas erkannte, oder ein KI-System von Amazon, das Bewerbungen mit Begriffen wie „Frauen“ automatisch aussortierte. Solche Beispiele zeigen: Wenn Trainingsdaten unvollständig oder unausgewogen sind, kann KI nicht nur Fehler machen, sondern noch weitreichendere Folgen mit sich bringen!
Weiter
Probleme mit Daten
Zurück
Probleme mit Daten
„Bias“ (sprich: "Beies") bedeutet übersetzt Voreingenommenheit oder Verzerrung. Bei KI-Modellen können z.B. Bias entstehen, wenn ein Algorithmus mit unvollständigen oder unausgewogenen Daten trainiert wird. Das führt dazu, dass das System bestimmte Muster falsch erkennt! Bias ist aber nicht nur ein technisches Problem, sondern auch ein ethisches Thema!
Weiter
Probleme mit Daten
Zurück
Probleme mit Daten
Verzerrte Daten können dazu führen, dass Vorurteile in der Gesellschaft verstärkt werden – zum Beispiel durch fehlerhafte Gesichtserkennung oder diskriminierende Entscheidungsprozesse. Deshalb ist es entscheidend, Trainingsdaten sorgfältig auszuwählen, zu prüfen und regelmäßig zu verbessern. Nur so können KI-Systeme fair und verantwortungsvoll eingesetzt werden.
Weiter
Vertrauen in KI
Zurück
Vertrauen in KI
Einer KI zu vertrauen ist oft schwierig, weil ihre Entscheidungen für Menschen nicht direkt nachvollziehbar sind. Viele KI-Systeme funktionieren wie eine „Black Box“: Man sieht das Ergebnis, aber es ist nicht klar, wie es zustande gekommen ist. Denkt an unsere Bilderkennungsmodelle: Warum wird zu 100% gesagt, dass ein "Peace"-Zeichen zu sehen ist, obwohl dem nicht so ist? Wir bekommen keine Erklärung, warum sich für dieses Label entschieden worden ist.
Weiter
Vertrauen in KI
KI-Modelle sind komplex und verarbeiten große Datenmengen mit statistischen Verfahren. Dadurch lassen sich einzelne Entscheidungen nur schwer erklären oder überprüfen. Diese fehlende Transparenz erschwert Vertrauen, besonders wenn die KI in sensiblen Bereichen eingesetzt wird.
Weiter
Zurück
Erklärbarkeit - Explainability
Eine mögliche Lösung ist: Erklärbarkeit (Explainability).
Hier ist eine sehr bekannte Geschichte:
Forscher:innen wollten ein KI-Modell trainieren, das Wölfe von Huskys unterscheiden sollte. Sie gaben dem System viele Fotos, einige mit Wölfen, andere mit Huskys. Nach dem Training schien die KI sehr erfolgreich zu sein – sie konnte fast alle Bilder „richtig“ einordnen. Nur bei einem Bild schien das Modell Probleme zu haben...
Weiter
Erklärbarkeit - Explainability
Zurück
Erklärbarkeit - Explainability
Bei genauerer Untersuchung stellte sich heraus: Die KI hatte nicht wirklich die Unterschiede zwischen Wolf und Husky gelernt. Stattdessen achtete sie auf den Hintergrund der Fotos. Auf fast allen Wolfsbildern war Schnee, während die Husky-Bilder meist ohne Schnee aufgenommen wurden. Für die KI hieß das: Schnee = Wolf. Die Forschenden nutzten ein Verfahren zur Erklärbarkeit (Explainability), bei dem farbig markiert wird, auf welche Bildbereiche das Modell besonders achtet. So konnten sie erkennen, dass die KI nicht auf die Tiere selbst, sondern fast ausschließlich auf den Schnee im Hintergrund reagierte.
Weiter
Zurück
Zusammenfassung
Ihr habt die drei grundlegenden Formen des Maschinellen Lernens kennengelernt. Beim überwachten Lernen spielen Labels eine wichtige Rolle – die KI erkennt Muster in Daten, ohne ihre tiefere Bedeutung wie ein Mensch zu verstehen. Dabei wurde auch klar, dass die Stärke von KI-Systemen in der schnellen Verarbeitung großer Datenmengen liegt, ihre Ergebnisse aber stark von der Qualität und Vielfalt der Trainingsdaten abhängen.Außerdem habt ihr erfahren, dass fehlerhafte oder unausgewogene Daten zu Bias führen können, also zu verzerrten und unfairen Entscheidungen. Das Beispiel „Wolf vs. Husky“ zeigte zusätzlich, warum Erklärbarkeit (Explainability) entscheidend ist: Nur wenn nachvollziehbar ist, wie ein Modell seine Entscheidung trifft, können Fehler oder Vorurteile erkannt und behoben werden.
Weiter
Noch Zeit?
Zurück
Noch Zeit?
Falls ihr noch etwas Zeit habt, dürft ihr gerne weiter euer Bilderkennungs-Modell testen!- Was passiert, wenn wir die Hintergründe variieren? Wenn ein High Five z. B. immer nur vor einem blauen Hintergrund und ein Peace immer nur vor einem brauen Hintergrund fotografiert wird? Tauscht dann bei dem Testbild die Hintergründe. Wie zuverlässig ist das Modell dann?
- Testet verschiedene Kamerawinkel und Lichteinstellungen. Wie gut erkennt das Modell dann beim Test die verschiedenen Labels?
Zurück