Künstliche Intelligenz für Lehrkräfte

Einführung.- Teil 1 Grundlegende Konzepte der KI: Suche im Problemraum.- Lernen aus Daten.- Schließen aus Wissen.- Teil 2 Maschinelles Lernen: Lernen von Entscheidungsbäumen.- Lernen mit neuronalen Netzen.- Analytisches vs. konnektionistisches Paradigma.- Verstärkendes Lernen.- Tiefes Lernen.- Erklärbarkeit.- Generative KI.- Teil 3 Schließen und Planen: Logistikbasierte Wissensverarbeitung.- Schließen im Alltag und unter Unsicherheit.- Teil 4 Spezielle und vertiefende Themen: Robotik.- Teil 5 Reflexion: Natürliche und künstliche Intelligenz.- Wechselwirkungen von KI mit anderen Schulfächern.- Verantwortung.- Glossar.

Ulrich Furbach ist Professor im Ruhestand für künstliche Intelligenz an der Universität Koblenz. Seine Forschungsgebiete umfassen automatisches Schließen, Agenten und Kognition. Er ist an der TU München habilitiert, hat an der Universität der Bundeswehr promoviert und ist Gründer und Gesellschafter des KI-Unternehmens wizAI solutions GmbH. Emanuel Kitzelmann ist Professor für Angewandte Künstliche Intelligenz an der TH Brandenburg. Nach seiner Promotion hat er mehrere Jahre als Lehrer für Informatik, Softwareentwicklung und Mathematik am Berufskolleg Ratingen gearbeitet und dort das das Berufliche Gymnasium für Informatik geleitet. Sein Forschungsschwerpunkt ist im Bereich Induktive Programmsynthese - ein Gebiet im Schnittbereich von maschinellem Lernen und Programmierung. Tilman Michaeli ist Professor für Didaktik der Informatik an der TU München. Ziel seiner Arbeit ist es, Informatik nicht nur zu erklären, sondern jede und jeden zu befähigen, diedigitale Welt aktiv und kreativ mitzugestalten. Forschungsschwerpunkte sind Data und AI Literacy, Debugging im Unterricht, digitale Bildung sowie Quantencomputing als Thema informatischer Bildung. Ute Schmid ist Professorin für Kognitive Systeme an der Otto-Friedrich-Universität Bamberg. Seit mehr als zwanzig Jahren lehrt und forscht sie im Bereich Künstliche Intelligenz. Forschungsschwerpunkte sind intepretierbares und erklärbares Maschinelles Lernen sowie KI und Bildung. Seit vielen Jahren bietet sie Workshops zum Thema KI für Kinder und Jugendliche an und engagiert sich in der Lehrkräftefortbildung. Sie leitet den AK KI und Schule des Fachbereichs KI der Gesellschaft für Informatik.

Einführung.- Teil 1 Grundlegende Konzepte der KI: Suche im Problemraum.- Lernen aus Daten.- Schließen aus Wissen.- Teil 2 Maschinelles Lernen: Lernen von Entscheidungsbäumen.- Lernen mit neuronalen Netzen.- Analytisches vs. konnektionistisches Paradigma.- Verstärkendes Lernen.- Tiefes Lernen.- Erklärbarkeit.- Generative KI.- Teil 3 Schließen und Planen: Logistikbasierte Wissensverarbeitung.- Schließen im Alltag und unter Unsicherheit.- Teil 4 Spezielle und vertiefende Themen: Robotik.- Teil 5 Reflexion: Natürliche und künstliche Intelligenz.- Wechselwirkungen von KI mit anderen Schulfächern.- Verantwortung.- Glossar.