AI Literacy

KI-Kompetenz ist die Fähigkeit, künstliche Intelligenz zu verstehen, zu nutzen und kritisch zu bewerten und dabei ihre Grenzen und die damit verbundenen Verantwortlichkeiten zu erkennen. KI-kompetent zu sein bedeutet, genug zu wissen, um ein geeignetes Werkzeug auszuwählen, seine Ergebnisse zu hinterfragen, sensible Informationen zu schützen und zu entscheiden, wann menschliches Urteilsvermögen erforderlich ist. Dafür musst du kein KI-Ingenieur werden: Es geht um informierte Teilhabe, nicht darum, jeden Algorithmus zu beherrschen.

Diese Fähigkeit ist bei Chatbots, Empfehlungssystemen, Vorhersagemodellen und Computer Vision relevant, wo Bilder und Videos analysiert werden. Bei all diesen Anwendungen stellt sich dieselbe zentrale Frage: Welche Belege rechtfertigen es, sich bei dieser Aufgabe auf dieses System zu verlassen?

Zentrale Kompetenzen der KI-Kompetenz#

Ein sinnvoller Ausgangspunkt ist die Kombination aus Verständnis, Bewertung und verantwortungsvollem Einsatz, die im KI-Kompetenzrahmen von Digital Promise beschrieben wird. Diese Fähigkeiten ergänzen einander.

Zum Verständnis gehört die Erkenntnis, dass maschinelles Lernen Muster aus Daten lernt, statt nur ausdrücklich programmierten Regeln zu folgen. Ein Modell ist Software, die darauf trainiert wurde, Vorhersagen zu treffen oder Inhalte zu erzeugen. Wie Googles Einführung in maschinelles Lernen erklärt, eignen sich unterschiedliche Lernverfahren für unterschiedliche Aufgaben. Beim Training wird das Modell entwickelt; bei der Inferenz wird es auf neue Eingaben angewendet.

Bei der Bewertung wird geprüft, ob die Ergebnisse für den vorgesehenen Kontext korrekt und geeignet sind. Flüssig formulierte Texte sind kein Beweis für ihre Richtigkeit, und eine selbstsichere Vorhersage ist keine Garantie. Du solltest prüfen, ob die Evaluierungsdaten der Umgebung ähneln, in der das System eingesetzt wird.

Verantwortungsvoller Einsatz wirft außerdem Fragen zu Datenschutz, Fairness und Rechenschaftspflicht auf. Wer könnte durch einen Fehler zu Schaden kommen? Welche Informationen sollten privat bleiben? Wer überprüft Entscheidungen mit weitreichenden Folgen? Das NIST-KI-Risikomanagement-Framework bietet eine strukturierte Grundlage, um diese Risiken zu berücksichtigen.

KI-Kompetenz und verwandte Konzepte#

KI-Kompetenz überschneidet sich mit digitaler Kompetenz, die sich allgemein mit der Nutzung und Bewertung digitaler Technologien befasst. Datenkompetenz konzentriert sich stärker auf die Interpretation von Daten, Statistiken und Belegen. KI-Kompetenz verknüpft diese Fähigkeiten mit Systemen, die Vorhersagen treffen, Inhalte erzeugen oder Entscheidungen unterstützen.

Prompt Engineering – das Formulieren von Anweisungen für ein KI-Modell – ist eine praktische Fähigkeit innerhalb der KI-Kompetenz, aber kein Ersatz dafür. Jemand kann wirksame Prompts schreiben und dennoch ungenaue Antworten oder die unangemessene Weitergabe von Daten übersehen.

Ebenso untersucht KI-Ethik Grundsätze wie Fairness und Rechenschaftspflicht; KI-Kompetenz hilft Menschen, diese Grundsätze im Alltag anzuwenden. Stanfords Erläuterung der KI-Kompetenz betont, dass der Umgang mit Werkzeugen und die Bewertung ihrer ethischen Auswirkungen unterschiedliche, einander ergänzende Fähigkeiten sind.

Anwendungen in der Praxis#

Qualitätskontrolle in der Fertigung: Stell dir ein kamerabasiertes System zur Fehlererkennung vor, das Produkte auf Risse prüft. Eine KI-kompetente Bedienkraft unterscheidet falsch positive Ergebnisse – akzeptable Produkte, die als fehlerhaft eingestuft werden – von falsch negativen Ergebnissen – übersehene fehlerhafte Produkte. Erstere führen zu unnötigen Ausschussentscheidungen; Letztere lassen Fehler die Prüfung passieren. Das Verständnis von Präzision und Trefferquote hilft dem Team, beide Fehlertypen einzuschätzen: Die Präzision gibt an, wie viele der markierten Fehler tatsächlich vorliegen, während die Trefferquote angibt, wie viele der tatsächlichen Fehler gefunden werden.

Unterstützung im Unterricht: Eine Schülerin oder ein Schüler nutzt einen Chatbot, um sich ein naturwissenschaftliches Thema erklären zu lassen. Eine KI-kompetente Person betrachtet die Antwort als Ausgangspunkt, überprüft sachliche Aussagen anhand der Kursmaterialien und vermeidet es, persönliche Informationen preiszugeben. Die Lehrkraft fordert die Lernenden auf, Korrekturen zu erläutern und die Nutzung offenzulegen. So wird die Verwendung des Werkzeugs zur Übung in Überprüfung und eigenständigem Denken, ganz im Sinne des menschenzentrierten Ansatzes des KI-Kompetenzrahmens für Schülerinnen und Schüler der UNESCO.

Eine praktische Übung zu Computer Vision#

Bei einer praktischen Prüfung wird der Unterschied zwischen einer Vorhersage und der Realität greifbar. Installiere das Paket mit pip install -U ultralytics und folge der Installationsanleitung von Ultralytics.

Dieses Beispiel verwendet Ultralytics YOLO mit einem vortrainierten Erkennungsmodell YOLO26 und dem dokumentierten Ablauf für Vorhersagen:

from ultralytics import YOLO

# Lade ein vortrainiertes Objekterkennungsmodell.
model = YOLO("yolo26n.pt")

# Führe eine Inferenz mit einem öffentlichen Beispielbild aus.
results = model("https://ultralytics.com/images/bus.jpg")
result = results[0]

# Speichere die gekennzeichneten Vorhersagen zur visuellen Prüfung.
result.save(filename="ai_literacy_example.jpg")

Das gespeicherte Bild zeigt vorhergesagte Objektbezeichnungen und Begrenzungsrahmen. Vergleiche sie mit dem, was du tatsächlich sehen kannst: Werden Objekte übersehen, falsch beschriftet oder ungenau lokalisiert? Diese Übung schult die kritische Bewertung; ein erfolgreiches Ergebnis bei einem Bild belegt keine Zuverlässigkeit in anderen Umgebungen.

KI-Kompetenz aufbauen und bewerten#

Beginne mit einer vertrauten Aufgabe, bestimme, wie ein korrektes Ergebnis aussehen sollte, und entscheide, welche Fehler wichtig sind. Vergleiche die Ergebnisse mit unabhängigen Belegen und dokumentiere die Einschränkungen, bevor du den Einsatz ausweitest.

Verwende für Kinder altersgerechte Aktivitäten, bei denen Fehler erkennbar werden, ohne dass fortgeschrittene Programmierkenntnisse erforderlich sind. Die Unterrichtseinheiten zur KI-Kompetenz von Common Sense Education bieten eine Grundlage für Gespräche über Voreingenommenheit, Informationsqualität und verantwortungsvolle Teilhabe.

Bewerte KI-Kompetenz anhand des erkennbaren Urteilsvermögens, nicht allein anhand der Vertrautheit mit Werkzeugen. Kann die lernende Person die Grenzen eines Ergebnisses erklären, eine Behauptung überprüfen, private Daten schützen und begründen, wann KI nicht eingesetzt werden sollte? Diese Fähigkeiten lassen sich auf verschiedene Werkzeuge und Anwendungsbereiche übertragen.