Ute Schmid
Künstliche Intelligenz (KI) ist aktuell ein viel diskutiertes Thema und kommt sicher auf die eine oder andere Art auch in den Kitas an. Einerseits werden Kinder mit dem Thema durch Medien oder Diskussionen in der Familie konfrontiert andererseits wird das Thema KI in der Bildung möglicherweise in den nächsten Jahren von den Schulen in die Kitas ausstrahlen. Um Kinderfragen so beantworten zu können, dass Kinder ein zwar didaktisch reduziertes, aber kein falsches Bild von KI-Technologien und KI-Anwendungen bekommen, ist ein grundlegendes Verständnis, worum es da eigentlich geht ebenso wichtig, wie um zu bewerten, welche Lehr- und Lernangebote zum Thema für die Kita sinnvoll sind und auch, ob und wenn ja, in welcher Form KI als Werkzeug zur Unterstützung der pädagogischen Arbeit sinnvoll ist.
Im Folgenden werden einige Aspekte aufgeführt, die wesentlich für das Verständnis von KI-Technologie sind: (1) KI und Digitalisierung sind nicht dasselbe: Digitalisierung bedeutet, dass eine Information, die aktuell analog vorliegt (etwa ein von einem Kind mit Wasserfarben gemaltes Bild), in ein digitales Format überführt wird (z.B. mit einer Digitalkamera fotografiert wird). Digitalisierung ermöglicht, dass die Information mithilfe von Computerprogrammen verarbeitet werden kann.
(2) Die meisten Computerprogramme enthalten keine KI-Komponenten: KI-Programme werden immer dann eingesetzt, wenn ein Problem so groß ist, dass man nicht alle Möglichkeiten durchrechnen kann, um eine Lösung zu finden – das ist zum Beispiel bei der Planung von Abläufen in der industriellen Produktion oder in der Logistik der Fall – oder wenn man die Lösung für ein Problem nicht genau beschreiben kann – das ist zum Beispiel bei der Erkennung von Objekten der Fall. Die KI-Forschung stellt Methoden bereit, wie man in solchen Fällen trotzdem Lösungen mithilfe von Computerprogrammen berechnen kann – allerdings kann man für diese Lösungen nicht garantieren, dass sie optimal oder überhaupt korrekt sind.
(3) KI ist mehr als maschinelles Lernen: Der aktuelle Erfolg von KI-Methoden basiert vor allem auf dem Einsatz von sogenannten tiefen neuronalen Netzen, die ermöglichen aus sehr vielen Daten (zum Beispiel Bildern von Tieren) Modelle zu bauen, mit denen für neue Daten Entscheidungen getroffen werden können (zum Beispiel, welches Tier auf einem Bild zu sehen ist). Das Forschungsgebiet des maschinellen Lernens ist ein wichtiger Teilbereich der KI, aber man sollte nicht vergessen, dass es weitere Methoden gibt, zum Beispiel solche, mit denen man aus vorhandenem Wissen Schlussfolgerungen ziehen kann. Fragt man ein Kind, ob ein Frosch ein Herz hat, so wird es dies ab einem bestimmten Alter bejahen und ob ein Frosch einen Motor hat, wird es verneinen. Beides hat das Kind nie direkt gelernt. Es hat aber gelernt, dass ein Frosch ein Tier ist und dass Tiere ein Herz haben. Aus diesen beiden Fakten zieht es eine Schlussfolgerung.
(4) Es bestehen (große) Unterschiede zwischen menschlichem intelligentem Verhalten und KI-Systemen: Wenn wir menschliche Intelligenz einschätzen, finden wir es oft ein Zeichen von hoher Intelligenz, wenn jemand sehr gut in Mathematik ist oder hochklassig Schach spielen kann – beides ist für KI-Programme weniger herausfordernd. Dagegen finden wir es nicht bemerkenswert, wenn jemand eine Saft-Schorle mischen kann oder wenn jemand einen Witz versteht. Beides ist für KI- Systeme eine große Herausforderung. Zudem neigen wir dazu, KI-Systemen eine ähnliche Art von Intelligenz zuzuschreiben, wie Menschen sie haben. Dies ist aber nicht der Fall. KI-Systeme können typischerweise genau eine Sache gut und sonst gar nichts. Wenn ein System sehr gut Tiere aus Bildern erkennen kann, kann es keine Fußballer oder Möbelarten erkennen, es kann keine Textaufgabe lösen und nicht erkennen, ob jemand traurig ist. Lernen funktioniert ebenfalls meist anders als beim Menschen: Menschen lernen Stückchen für Stückchen lebenslang.
Die meisten Ansätze des maschinellen Lernens benötigen sehr viele Daten auf einmal, diese müssen korrekt annotiert sein (zum Beispiel muss für jedes Bild gesagt werden, welches Tier darauf zu sehen ist). Ist ein Modell gelernt, so wird es nicht mehr verändert. Allerdings machen sowohl Menschen als auch Maschinen beim Lernen Fehler: Wir Menschen lernen die ganze Zeit aus Erfahrungen, in dem wir darüber generalisieren. Das sieht man zum Beispiel, wenn Kinder die regelmäßige Bildung der Vergangenheitsform auf alle Verben anwenden und zum Beispiel sagen „gegangt“. Daher kommen auch unsere Stereotype und Vorurteile – Jungs können nicht gut Geschichten schreiben, Mädchen können nicht gut Mathematik. Anders als gelernte KI-Modelle können wir Menschen aber Übergeneralisierungen korrigieren (die unregelmäßigen Verbformen lernen) und uns Vorurteile bewusst machen und gegensteuern. Ein KI-System hat kein Bewusstsein, es weiß nicht, was es tut.
Um Kindern ein realistisches Bild von KI-Systemen zu vermitteln, könnten zum Beispiel unplugged Materialien genutzt werden, mit denen die Kinder erfahren, wie grundlegende Ansätze des maschinellen Lernens funktionieren (entsprechende Spiele, die 2021 auf den Markt kommen, hat die Autorin zusammen mit einem Kita-Ausstatter entwickelt). Zudem könnten die aktuell vielfach angebotenen einfachen Robotersysteme genutzt werden, um Kindern zu verdeutlichen, was der Unterschied zwischen Menschen und KI ist. Der Roboter wird zum Beispiel nicht ein Objekt lieber mögen als ein anderes.