Der Schulunterricht ist ein geeigneter Ort, um die Chancen und Gefahren von generativer KI zu diskutieren. So können die Schüler*innen nicht nur lernen, KI zu nutzen, sondern sich auch kritisch mit ihr auseinandersetzen.
Im Folgenden schlagen wir Ihnen verschiedene Fragestellungen für den Unterricht vor. Diese Liste ist keinesfalls abschliessend und soll Ihnen vielmehr als Inspiration und Stossrichtung dienen. Methodisch bietet es sich an, die Fragen und Themen in kleinen Gruppen zu diskutieren und aufzubereiten. Diese können dann im Plenum mithilfe von Plakaten, Lernfilmen oder Präsentationen diskutiert werden.
Nur mit einem gezielten Prompt erreicht man das Resultat, das man von einer generativen Künstlichen Intelligenz erhalten will. Doch worauf gilt es dabei zu achten?
Einen Prompt-Guide und weitere Informationen zum Thema finden Sie hier: Prompts für die Unterrichtsvorbereitung.
Mit der rasant steigenden Qualität von KI-generierten Inhalten wird es zunehmend schwierig zu identifizieren, ob Inhalte wie Texte, Bilder oder Videos menschlichen Ursprungs sind oder nicht.
So entlarven Sie Fake News im Internet.
Deep Fakes sind hoch realistisch gefälschte Inhalte, die nach der KI-Trainingsmethode Deep Learning benannt sind. Wo gibt es Deep Fakes und was sind ihre Schattenseiten?
Deep Fakes können Menschen auf täuschend echte Weise in Situationen zeigen, die so nie stattgefunden haben. Vier mögliche Risiken von Deep Fakes sind:
Künstliche Intelligenz hat viel mit Energie zu tun, denn eine KI muss trainiert werden und nicht nur das ist mit einem grossen Rechen- und Energieaufwand verbunden. Wo braucht es diesen Aufwand und wie kann die Energie bewusst eingesetzt werden?
Viel Energie im Zusammenhang mit KI wird hier benötigt:
So kann KI helfen, Energie zu sparen:
Generative Künstliche Intelligenz kann nicht nur Texte und Bilder erstellen, sondern auch Musik. Was sind die Vor- und Nachteile bei der Musikgenerierung?
ZDF: Revolutioniert die KI die Musikindustrie? (öffnet ein neues Fenster)
KI-Textgeneratoren wie ChatGPT können komplexe Texte inhaltlich herunterbrechen und vereinfachen. Schwierige Textpassagen können so in einfache Sprache umformuliert werden. Das ist einerseits eine Chance, andererseits entstehen auch Gefahren.
Bei Texten, die mittels generativer Text-KI vereinfacht werden, besteht die Gefahr, dass Inhalte ungenau oder falsch «übersetzt» werden. Besonders bei Sachtexten gilt es aufzupassen. Es lohnt sich auch, relevante Informationen gegenzuprüfen, da eine generative Künstliche Intelligenz aufgrund ihrer Funktionsweise gerne auch halluziniert, also wahrscheinliche Dinge erfindet. Eine klare Fragestellung beim Prompten kann helfen, dieses Risiko zu minimieren.
Während einige bislang existierenden Jobs durch generative Künstliche Intelligenzen beeinflusst werden, entstehen aus der KI auch neue Berufe, die einen spezifischen Umgang mit KI fordern.
Beispiele für Jobs und Arbeitsbereiche, die dank KI zunehmend relevant werden:
KI kann Jobs und Berufe auch gefährden, Beispiele dafür sind:
Wer besitzt das Urheberrecht, wenn Text, Bild und vieles mehr von einem Sprachmodell oder einem Bildgenerierungsmodell erstellt werden? Das Unternehmen hinter der KI? Die Person, die promptet? Oder gar niemand?
Obwohl es noch keine übergreifende Regelung zum Urheberrecht gibt, wurde das Thema inzwischen weltweit von einigen Gerichten behandelt. Die USA als westliches Land mit Signalwirkung betrachtet KI-Inhalte beispielsweise als urheberrechtslos, mit der Begründung: Ein Werk benötige eine*n menschliche*n Erschaffer*in (Stand: Juni 2024).
Neue rechtliche Rahmenbedingungen werden nötig, um in einer Ära der Künstlichen Intelligenz den fairen Umgang mit dem geistigen Eigentum von einerseits den Daten, die zum Training verwendet werden, und andererseits von den generierten Inhalte zu ermöglichen.
Wikipedia: Künstliche Intelligenz und Urheberrecht(öffnet ein neues Fenster)
Unser digitales Leben basiert gänzlich auf Daten. Sie sind der Baustoff des weltweiten Webs, von digitalen Geräten, Dienstleitungen – und auch der KI. Aus Daten kann Wissen oder Erkenntnisse gewonnen werden. Doch Achtung: Daten sind nicht gleich Daten.