Künstliche Intelligenz kann den Physik-Unterricht bereichern, wenn sie gezielt und strukturiert eingesetzt wird. Prof. Dr. Patrik Vogt von der Pädagogischen Hochschule Heidelberg war an der Entwicklung eines didaktischen Konzepts beteiligt, das generative KI in physikalische Lernprozesse einbettet. Gleichzeitig stärkt es die Eigenaktivität der Schüler:innen und trainiert den kritischen Umgang mit KI. Das Lernmodell AIRIS (AI-Augmented Inquiry with Responsible, Informed Self-Regulation) wurde in Zusammenarbeit mit Prof. Dr. Jochen Kuhn und Dr. Stefan Küchemann von der LMU München sowie David Rakestraw vom Lawrence Livermore National Laboratory (Kalifornien, USA) entwickelt und im Fachmagazin Physik Journal publiziert.

Generative KI im Unterricht birgt Chancen wie Herausforderungen: Kommt sie zu früh oder zu häufig ins Spiel, kann sie kritisches Denken und Gedächtnisbildung beeinträchtigen. Gezielt eingesetzt, könne sie sich jedoch positiv auf die Lernleistung auswirken, sagt Patrik Vogt, Professor für Physik und ihre Didaktik an der PHHD. Die Forscher basierten ihren Ansatz deshalb auf aktuellen Erkenntnissen der Lehr-Lern-Forschung und dem Konzept des „Forschenden Lernens“: Lernende entwickeln eigene Fragen, führen Experimente durch und reflektieren ihre Ergebnisse.

Auch bei AIRIS sind Schüler:innen gefordert, ihr Vorgehen zu planen, KI bewusst einzusetzen und kritisch zu hinterfragen, bevor sie am Ende ihre Schlussfolgerungen ziehen. Man verfolge den Ansatz einer „menschenzentrierten KI-Unterstützung“, sagt Vogt, bei der KI nicht Entscheidungen abnehme, sondern Lernprozesse transparent und nachvollziehbar unterstütze.

Experimente mit dem Smartphone

Dabei nutzen Schüler:innen die Sensoren ihrer eigenen Smartphones als mobile „Mini-Labore“, um beispielsweise physikalische Parameter zu bestimmen, akustische Signale zu messen oder Bewegungsuntersuchungen durchzuführen. Etwa in einem Fahrstuhl-Experiment im Londoner Wolkenkratzer „Shard“, bei dem während der Abwärtsfahrt von der 34. Etage per Smartphone die Beschleunigung als Funktion der Zeit aufgezeichnet wird.

In Phase 1 des AIRIS-Konzepts (kognitive Aktivierung) setzen sich die Schüler:innen zuerst damit auseinander, welche Bewegungsphasen zu erwarten sind und wie sich dies in Diagrammen darstellen lässt. In Phase 2 (Inquiry - Untersuchung) bereiten sie die KI mit entsprechenden Prompts auf das Experiment vor und lassen dann die Geschwindigkeit messen und darstellen. In Phase 3 (Reflexion) interpretieren sie schließlich die Daten: Die Ergebnisse sollen mit den eigenen Vorstellungen verglichen, auf physikalische Plausibilität überprüft und bei Bedarf präzisiert oder korrigiert werden.

Menschenzentrierte Anwendung von KI

Werde generative KI so strukturiert im Unterricht genutzt, eröffne sie didaktische Chancen, sagen die Autoren. „Schüler:innen lernen unter anderem, die Annahmen von KI-Antworten zu reflektieren und bewusst zwischen eigener Leistung und KI-Unterstützung zu unterscheiden.“ KI-Nutzung, die hingegen nur konsumiere ohne eigene Überlegungen anzustellen, könne zu kognitiver Passivität führen.

„Ein zukunftsfähiger Physikunterricht erfordert nicht nur fachspezifisches Wissen, sondern auch KI-Kompetenzen von Lernenden wie Lehrkräften“, so Vogt. Voraussetzung sei, dass Lehrkräfte mit den entsprechenden didaktischen Kompetenzen und grundlegendem Wissen über die Funktionsweise und Grenzen generativer Modelle ausgestattet seien. Unabdingbar sei auch ein Bewusstsein für Risiken im Umgang mit KI: Mögliche Fehlinformationen, algorithmische Verzerrungen und vor allem ethische Fragen, was den Datenschutz betreffe. „Wesentliches Merkmal einer menschenzentrierten Integration von KI ist, die Datensouveränität zu sichern. Gerade bei Kindern und Jugendlichen müssen Lehrkräfte wissen, welche Daten erhoben und gespeichert werden und ob es datensparsamere Alternativen gibt.“

Das Konzept wollen die Forscher nun mit empirischen Studien im Unterricht überprüfen und langfristig auch auf andere MINT-Fächer übertragen.

Text: Antje Karbe

Foto: David Rakestraw / KI-generiert