Login
Registragte

Werte greifbar machen: KI‑Ethik und Datenschutz mit No‑Code erleben

Heute widmen wir uns dem Unterrichten von KI‑Ethik und Datenschutz durch No‑Code‑Aktivitäten, die ohne Programmierkenntnisse funktionieren, aber großes Denken verlangen. Mit Formularen, Tabellen, visuellen Workflows und erzählerischen Übungen zeigen wir, wie Lernende Risiken erkennen, Chancen gestalten und verantwortungsbewusst entscheiden. Alles sofort einsetzbar, altersübergreifend, kollaborativ und nachhaltig wirksam, damit Kompetenzen zu Fairness, Transparenz, Einwilligung, Datenminimierung und Rechenschaft nicht abstrakt bleiben, sondern im Klassenraum ausprobiert, reflektiert und konstruktiv weiterentwickelt werden.
Jetzt starten

Einstieg ohne Programmierhürden

Der beste Anfang verbindet Neugier mit greifbaren Entscheidungen. Mit einfachen Formularen, Tabellen und visuellen Entscheidungsbäumen simulieren wir Situationen, in denen Algorithmen Menschen betreffen. Lernende spüren unmittelbar, wie Regeln, Gewichtungen und Datenqualität Resultate verändern, reflektieren Folgen für Betroffene und diskutieren, wie verantwortliches Handeln, klare Kommunikation und bewusste Datennutzung bereits in frühen Projektphasen Weichen für Wirksamkeit, Fairness und Vertrauen stellen können.

Praktisches Warm‑up: Entscheidungsspiel

Erstellen Sie mit einem Formular ein verzweigtes Entscheidungsspiel: Fragen zur Priorisierung von Genauigkeit, Fairness oder Komfort führen zu unterschiedlichen Ergebnissen. Die Klasse erlebt, wie kleine Regeländerungen große Effekte erzeugen. Danach verknüpfen Sie das Formular über einen visuellen Workflow mit einer Tabelle, die jede Entscheidung dokumentiert. So entstehen Datenspuren, die gemeinsam analysiert werden, um Zielkonflikte, Rechenschaft und Transparenz zu besprechen.

Datenspuren sichtbar machen

Ohne reale Personendaten zu sammeln, erzeugen Lernende synthetische Profile mit wenigen, harmlosen Attributen. In einer Tabelle gruppieren sie Einträge, erstellen Diagramme und beobachten Muster. Anschließend diskutieren sie, welche zusätzlichen Merkmale Rückschlüsse erlauben könnten, und wo Einwilligung, Zweckbindung sowie Datenminimierung Grenzen setzen. Die Übung vermittelt, wie schnell scheinbar harmlose Punkte ein Mosaik ergeben und warum frühzeitige Schutzmaßnahmen unverzichtbar sind.

Reflexionsrunde mit Rollen

Lassen Sie Kleingruppen Rollen übernehmen: betroffene Person, Entwicklerteam, Lehrkraft, Datenschutzbeauftragte. Jede Gruppe bewertet dasselbe Formular‑Ergebnis aus eigener Perspektive, entwickelt Änderungswünsche und legt Kriterien fest, die künftige Entscheidungen leiten sollen. Im Plenum werden Kriterien konsolidiert, Kompromisse abgewogen und Verantwortlichkeiten geklärt. So lernen alle, dass gute Lösungen nicht nur technisch funktionieren, sondern sozial akzeptabel, erklärbar und überprüfbar sein müssen.

Los geht's

Mini‑Datensatz kuratieren

Die Klasse erstellt gemeinsam einen kleinen, fiktiven Datensatz über harmlose Gegenstände, beispielsweise Bücher oder Pflanzen. Mit Filtern und Gruppierungen decken sie Überrepräsentationen auf, markieren fehlende Werte und notieren Annahmen, die beim Sammeln entstanden. Ein Reflexionsprotokoll hält fest, wie Fragestellungen die Daten formen. So verstehen Lernende, dass Objektivität nicht geschenkt ist, sondern erarbeitet, dokumentiert und fortlaufend überprüft werden muss.

Klassifikation ohne Code ausprobieren

Über eine webbasierte, visuelle Oberfläche trainieren Lernende einen einfachen Klassifikator mit selbst erzeugten, unkritischen Beispielen, etwa gezeichneten Symbolen. Danach testen sie das System mit neuen Eingaben und protokollieren Fehleinstufungen in einer Tabelle. Durch bewusst unausgewogene Trainingssätze erleben sie Leistungseinbrüche und erkennen, wie Datenauswahl, Etikettierungsqualität und Kontext das Verhalten bestimmen. Die Klasse formuliert konkrete Regeln gegen Verzerrung und schließt mit Verbesserungen.

Recht und Verantwortung verständlich gemacht

Gesetze wirken oft abstrakt, doch visuelle No‑Code‑Abläufe übersetzen sie in begreifbare Schritte. Lernende ordnen Rechte, Pflichten und Prozesse, üben klare Sprache und erleben, wie Einwilligung, Widerruf, Auskunft, Löschung und Datenübertragbarkeit praktisch aussehen. Gleichzeitig klären sie, wer Entscheidungen trifft, wie Nachweise geführt werden und warum Dokumentation, Fristen sowie Zuständigkeiten Vertrauen schaffen und Missverständnissen wirksam vorbeugen.

Privacy by Design im Unterricht

Schutz beginnt am Anfang. Lernende planen Prozesse so, dass nur notwendige Daten erhoben, zweckgebunden verarbeitet und sicher gelöscht werden. Durch No‑Code‑Prototypen testen sie, wie Anonymisierung, Pseudonymisierung, Zugriffskontrolle und Aufbewahrungsfristen praktisch wirken, und dokumentieren, welche Kompromisse zwischen Nützlichkeit, Genauigkeit und Privatsphäre verantwortbar sind, bevor reale Daten überhaupt in Berührung mit dem System kommen.

Datenminimierung spürbar machen

Geben Sie Teams einen übervollen, fiktiven Fragebogen. Auftrag: Reduzieren auf das wirklich Notwendige, dokumentieren Gründe, kennzeichnen freiwillige Felder und löschen Identifikatoren. Danach testen andere Teams, ob das Projektziel weiterhin erreichbar bleibt. Die Debatte macht deutlich, dass weniger oft mehr ist, Risiken sinken und die Qualität der Entscheidungen steigt, wenn Ziele scharf formuliert und Informationspfade bewusst gestaltet werden.

Pseudonyme und Token

Mit einer Tabellenvorlage erzeugen Lernende zufällige Kennungen, trennen Identifikatoren von Inhaltsdaten und verknüpfen beides nur über Token. Sie simulieren Anfragen, prüfen, welche Aktionen ohne Rückschluss auf Personen möglich sind, und diskutieren Rest‑Risiken der Re‑Identifikation. Ergebnis ist ein anschauliches Muster, das zeigt, wie organisatorische Regeln und einfache Strukturen Privatsphäre wirksam stärken, ohne Zusammenarbeit oder Auswertungen zu blockieren.

Aufbewahren und Löschen regeln

In einem Kalenderboard legen Teams Aufbewahrungsfristen, Prüftermine und verantwortliche Rollen fest. Eine visuelle Automatisierung erinnert an fällige Löschungen in der Testtabelle. So lernen alle, dass Datenschutz kein Einmal‑Projekt ist, sondern Pflege braucht. Die Klasse reflektiert, wie klare Routinen, knappe Checklisten und transparente Protokolle Sicherheit schaffen, Aufwand begrenzen und gleichzeitig die Qualität der Lernprodukte dauerhaft verbessern.

Transparenz, Erklärbarkeit und Dokumentation

Vertrauen entsteht, wenn Entscheidungen verständlich sind. Mit leichtgewichtigen Vorlagen dokumentieren Lernende Zweck, Datenquellen, Zielgruppen, Grenzen, Risiken und Performance ihrer Artefakte. Sie üben, Annahmen offen zu legen, Fehlfunktionen zu beschreiben und Änderungen nachvollziehbar zu protokollieren. Dadurch werden Projekte überprüfbar, übertragbar und lernfördernd, statt black‑box‑artig und schwer erklärbar zu bleiben.

Fallgeschichte Bewerbungsauswahl

Simulieren Sie ein Auswahlverfahren mit harmlosen, fiktiven Profilen. Gruppen erhalten unterschiedliche Regeln, etwa Gewichtungen für Erfahrung oder Stichwörter. Ergebnisse weichen spürbar ab. Danach berichten Betroffenen‑Rollen, wie sich Entscheidungen anfühlen. Schließlich überarbeitet die Klasse Kriterien, verbessert Begründungen und ergänzt Beschwerdewege. So wird deutlich, dass Fairness nicht nur Statistik ist, sondern gelebte Verantwortung gegenüber Menschen mit Hoffnungen, Plänen und Rechten.

Perspektivwechsel durch Interviews

Paare interviewen sich zu Erwartungen, Sorgen und Hoffnungen rund um KI im Alltag. Antworten werden anonym in einer Tabelle gesammelt, geclustert und visualisiert. Die Klasse entwirft daraus Verständlichkeits‑Leitlinien für künftige Erklärungen. So lernen Lernende, sprachliche Hürden abzubauen, Bedürfnisse ernst zu nehmen und Einladung statt Abgrenzung zu kommunizieren, damit Orientierung, Vertrauen und Teilhabe wirklich wachsen können.

Evaluation, Feedback und Weiterführung

Lernen endet nicht nach der ersten Einheit. Mit No‑Code‑Umfragen, einfachen Dashboards und kurzen Reflexionsformaten sammeln Sie Rückmeldungen, messen Verständlichkeit und entdecken Lücken. Anschließend planen Teams nächste Schritte, teilen Ressourcen und laden zur Mitarbeit ein, damit aus einzelnen Übungen dauerhafte Lernpfade entstehen, die sich an Bedürfnisse, Kontexte und neue Erkenntnisse anpassen.

Reflexionsbogen mit Skalen

Erstellen Sie eine anonyme Umfrage mit Aussagen zu Fairness, Transparenz, Einwilligung und Selbstwirksamkeit. Visualisieren Sie Ergebnisse automatisch in einem Diagramm‑Dashboard und besprechen Sie, was gut funktioniert hat und wo Klarheit fehlt. Sammeln Sie Vorschläge als To‑do‑Liste, priorisieren Sie gemeinsam und definieren Sie konkrete Experimente. So wird aus Feedback gelebte Verbesserung, die alle sichtbar mitgestalten und verantworten.

Peer‑Review der Prototypen

Teams tauschen ihre No‑Code‑Artefakte, prüfen sie mit einer gemeinsamen Bewertungsmatrix und geben konstruktives, wertschätzendes Feedback. Jede Rückmeldung verweist auf beobachtbare Effekte, schlägt Varianten vor und würdigt gelungene Entscheidungen. Die Ergebnisse fließen in eine überarbeitete Version, deren Änderungen dokumentiert werden. Dieser Kreislauf trainiert präzise Sprache, stärkt Qualität und verankert Verantwortung als selbstverständlichen Teil kreativer Arbeit.

Einladung zur Mitarbeit und Austausch

Schließen Sie mit einer offenen Einladung: Teilen Sie Ihre Erfahrungen, stellen Sie Fragen, schlagen Sie neue Aktivitäten vor und abonnieren Sie Updates für frische Materialien. Gemeinsam entsteht ein wachsender Fundus an praxisnahen Ideen, die Unterricht erleichtern, Diskussionen vertiefen und Lernende empowern. Ihre Perspektiven machen die Sammlung vielfältiger, gerechter und lebendiger. Hinterlassen Sie einen Kommentar und bringen Sie sich aktiv ein.

Los geht's 
All Rights Reserved.