Künstliche Intelligenz (KI) entwickelt sich zu einer Schlüsseltechnologie unserer Zeit. Um Schülerinnen und Schüler auf die digitale Zukunft vorzubereiten, ist ein grundelegendes Verständnis von KI notwendig.
Der Calliope mini bietet fantastische Möglichkeiten, praktisch in das Thema Machine Learning und KI einzutauchen.
KI-Analog
Wie treffen Maschinen Entscheidungen?
Anhand des Freche-Figur-Nicht Freche-Figur-Spiel werden Klassifikation mit Entscheidungsbäumen erfahrbar. Lernende schlüpfen selbst in die Rollen von Daten, Algorithmen oder Maschinen. So entsteht ein praktisches Verständnis von KI, das Diskussion über Chancen und Grenzen der Technologie anregt.
Schritt-für-Schritt Anleitung und Quelle:
AI Unplugged von Annabel Lindner und Stefan Seegerer
Huskylens
Die HuskyLens ist eine intelligente Kamera.
Unterschiedliche Modi ermögliche Projekte zu Objekterkennung, Gesichtserkennung, Linien- oder Farberkennung. Über die integrierten Tasten und das Display können Nutzer Muster „anlernen“ und sofort ausprobieren. Verbunden wird sie mit dem Calliope mini über den Grove-Anschluss und eignet sich so ideal für kreative Projekte in Robotik und KI-Einstieg.

ML-Machine
War das jetzt eine richtige Liegestütze oder war das geschummelt?
Mit einfachen Übungen und Projekten im Bereich des maschinellen Lernens werden Bewegungsmuster aufgezeichnet, eigene Modelle trainiert und in Prototypen angewandt. Der Calliope mini ermöglicht eine sichtbare Kontrolle und aktivierende Möglichkeit, Daten zu verarbeiten und haptisch erlebbar zu machen.

Teachable Machine
Anwendungen mit KI-Funktionen ergänzen
Teachable Calliope ist eine Web-App (Desktop- und Mobilgeräten), die es ermöglicht, ein in Teachable Machine trainiertes Machine-Learning-Modell mit einem Calliope mini zu verbinden und so Anwendungen grundlegende KI-Fähigkeiten hinzuzufügen.


Robotik
Gesichtserkennung
Die Face Tracking App ermöglicht es dir, jeden Calliope mini Roboter mit deiner Gesichtsposition, -drehung oder sogar dem Öffnen deines Mundes zu steuern.
Die App ist als Web-App verfügbar, die im Browser läuft und über Bluetooth mit deinem Calliope mini kommuniziert.


Apps mit KI-Tools entwickeln
Mit nur einem Browser, einem HTML-Editor (z.B. Visual Studio Code, CodePen) und einem LLM (z.B. ChatGPT, Claude, Mistral) kannst du echte, funktionsfähige Apps erstellen, die mit dem Calliope mini interagieren - ob Dashboards, smarte Schalter oder Steuerungssysteme.

Wir bieten regelmäßige kostenlose Online-Sessions mit verschiedenen Schwerpunkten an.
Die 1-stündigen Online-Veranstaltungen richten sich an Lehrende und bieten einen Raum für Austausch sowie individuelle Fragen. Einfach anmelden und mitmachen.
Glossar
Systeme, die Aufgaben bearbeiten, für die man sonst menschliche Intelligenz bräuchte.
eindeutige Schritt-für-Schritt-Anleitung zur Lösung eines Problems.
Das in Daten „gelernte“ Abbild eines Zusammenhangs, das Vorhersagen/Entscheidungen trifft.
Informationen, mit denen Modelle trainiert oder getestet werden.
Geordnete Sammlung von Daten für Training/Tests.
Messbare Eigenschaft eines Datenobjekts (z. B. Pixelwert, Wort).
Richtige Zuordnung in Trainingsdaten (z. B. „Katze“/„Hund“).
Teilbereich der KI, bei dem Modelle aus Beispielen lernen.
Lernen mit gelabelten Beispielen.
Finden von Mustern ohne Labels (z. B. Clustering).
Lernen durch Belohnung/Bestrafung für Aktionen.-->
Aus „Neuronen“ (Knoten) und Schichten (Layern) aufgebautes Modell.
Neuronales Netz mit vielen Schichten (tiefe Netze).
Phase, in der das Modell aus Daten lernt.
Überprüfen, wie gut das Modell auf neuen Daten funktioniert.
Modell lernt Training auswendig, scheitert bei neuen Daten.
Modell überträgt Gelerntes auf unbekannte Beispiele.
Zuordnung zu Kategorien.
Vorhersage eines Zahlenwerts.
Anwenden eines trainierten Modells auf neue Eingaben.
Eingabeaufforderung/Anweisung an ein Sprach- oder Bildmodell.
(Large Language Model) KI, die Texte verarbeitet/erstellt (z. B. Chatbots).
Erkennen von Objektkategorien in Bildern.
Umwandlung von gesprochener Sprache in Text.
KI, die neue Daten erzeugt (Text, Bild, Audio).
Systematischer Fehler durch unausgewogene Daten und/oder Methoden.
Erklärbarkeit von Entscheidungen eines Modells.
Vermeidung ungerechter Bevorzugung/Benachteiligung durch KI.
Schutz personenbezogener Daten (z. B. DSGVO).
Recht am Werk; relevant bei Training/Nutzung generierter Inhalte.
Stabilität gegen Störungen/Angriffe.
Plausibel klingende, aber falsche Ausgabe.
Verantwortungsvoller, sicherer Einsatz von KI in der Gesellschaft.
Bereich, in dem KI eingesetzt wird (z. B. Medizin, Verkehr, Schule).
Rückkopplung: Ergebnisse beeinflussen zukünftige Daten/Entscheidungen.
Umfang an Text/Information, den ein LLM auf einmal berücksichtigt.
Texteinheit, mit der LLMs rechnen (Wortteil/Wort).
Nachtraining eines Modells auf spezielle Aufgaben/Daten.
Regeln/Leitplanken, die den KI-Einsatz begrenzen.
*Die Definitionen wurden mit Hilfe von ChatGPT generiert