Weiterbildungsreihe Künstliche Intelligenz

Die Weiterbildung richtet sich an Lehrkräfte mit Fakultas Informatik, Informationstechnologie bzw. Wirtschaftsinformatik. Mit dem Schuljahr 2023/24 bzw. 2024/25 wird das Themengebiet Künstliche Intelligenz in den Lehrplänen für Informatik und Wirtschaftsinformatik am Gymnasium bzw. Informationstechnologie an der Realschule eingeführt. Im Rahmen dieser Weiterbildungsreihe wird das Themengebiet der künstlichen Intelligenz aufbereitet und über die Lehrplaninhalte hinausgehend fachlich vertieft, sodass ein fundiertes Unterrichten ermöglicht wird.

Die Weiterbildungsreihe umfasst einen Onlinekurs bestehend aus drei Modulen sowie vier Präsenzeinheiten zur Vertiefung und praktischen Umsetzung der im Onlinekurs gelernten Inhalte.

Ablauf und Aufbau

Die Weiterbildungsreihe setzt sich jeweils aus den vier Präsenztagen sowie dem Onlinekurs zusammen und wird durch die Lehr-/Lernplattform der FAU (studon.fau.de) unterstützt. Die Zugangsdaten für den Onlinekurs erhalten Sie bei der Teilnahme am ersten Präsenztag.

Modulbezeichnung	Inhalt passend für den Lehrplan Informatik (Gym)	Inhalte passend für den Lehrplan Informationstechnologie (RS)	Inhalte passend für den Lehrplan Wirtschaftsinformatik (WWG)
Präsenztag 1 (Halbtag)	Einführung in das Themengebiet „Künstliche Intelligenz“ FIBS 30.04.2025	Einführung in das Themengebiet „Künstliche Intelligenz“ FIBS 30.04.2025	Einführung in das Themengebiet „Künstliche Intelligenz“ FIBS 30.04.2025
Onlinekurs Modul 1	Künstliche Intelligenz: Verstehen, Ergründen, Unterrichten (Modul 1) Wissensbasierte KI (Teil 1): Problemlöse- und Suchstrategien Maschinelles Lernen (Teil 1): Entscheidungsbäume und k-nächster-Nachbar Algorithmus als Einstieg in maschinelles Lernen (überwachtes Lernen)	Künstliche Intelligenz: Verstehen, Ergründen, Unterrichten (Modul 1) Wissensbasierte KI (Teil 1): Problemlöse- und Suchstrategien Maschinelles Lernen (Teil 1): Entscheidungsbäume und k-nächster-Nachbar Algorithmus als Einstieg in maschinelles Lernen (überwachtes Lernen)	Künstliche Intelligenz: Verstehen, Ergründen, Unterrichten (Modul 1) Wissensbasierte KI (Teil 1): Problemlöse- und Suchstrategien Maschinelles Lernen (Teil 1): Entscheidungsbäume und k-nächster-Nachbar Algorithmus als Einstieg in maschinelles Lernen (überwachtes Lernen)
Präsenztag 2	Einführung Maschinelles Lernen und Regelbasierte Programmierung im Unterricht (Modul 2) Beispiele zum Entscheidungsbaum und k-nächste-Nachbarn Algorithmus Einführung in verschiedene Tools (z.B. Orange, Python-basierte Frameworks) Einführung in PROLOG als regelbasierte Programmiersprache FIBS 15.05.2025	Einführung Maschinelles Lernen und Regelbasierte Programmierung im Unterricht (Modul 2) Beispiele zum Entscheidungsbaum und k-nächste-Nachbarn Algorithmus Einführung in verschiedene Tools (z.B. Orange) Exploration von unplugged Unterrichtsmaterial zu wissensbasierten und datenbasierten KI-Systemen FIBS 15.05.2025	Einführung Maschinelles Lernen und Regelbasierte Programmierung im Unterricht (Modul 2) Beispiele zum Entscheidungsbaum und k-nächste-Nachbarn Algorithmus Einführung in verschiedene Tools (z.B. Orange) Exploration von unplugged Unterrichtsmaterial zu wissensbasierten und datenbasierten KI-Systemen FIBS 15.05.2025
Onlinekurs Modul 2	Künstliche Intelligenz: Verstehen, Ergründen, Unterrichten (Modul 2) Wissensbasierte KI (Teil 2): Semantische Netze, Regelbasiertes Handeln, Logik Maschinelles Lernen (Teil 2): Vertiefung überwachtes Lernen, Verstärkendes Lernen, Unüberwachtes Lernen, künstliches Neuron	Künstliche Intelligenz: Verstehen, Ergründen, Unterrichten (Modul 2) Wissensbasierte KI (Teil 2): Semantische Netze, Regelbasiertes Handeln, Logik Maschinelles Lernen (Teil 2): Vertiefung überwachtes Lernen, Verstärkendes Lernen, künstliches Neuron (Perzeptron)	Künstliche Intelligenz: Verstehen, Ergründen, Unterrichten (Modul 2) Wissensbasierte KI (Teil 2): Semantische Netze, Regelbasiertes Handeln, Logik Maschinelles Lernen (Teil 2): Vertiefung überwachtes Lernen, Verstärkendes Lernen, künstliches Neuron (Perzeptron)
Präsenztag 3	Vertiefung Maschinelles Lernen und Regelbasierte Programmierung im Unterricht (Modul 3) Unplugged Aktivität zum Perzeptron Implementierung eines Perzeptrons Vertiefung in PROLOG Datenvor- und -aufbereitung für den Unterricht Praktische Umsetzung in Orange bzw. mit Python-basierte Frameworks FIBS 27.06.2025	Vertiefung Maschinelles Lernen im Unterricht (Modul 3) Unplugged Aktivität zum Perzeptron Simulation eines Perzeptrons verschiedene Unterrichtsaktivitäten, u.a. zu Sprachmodellen FIBS 27.06.2025	Vertiefung Maschinelles Lernen im Unterricht (Modul 3) Unplugged Aktivität zum Perzeptron Simulation eines Perzeptrons verschiedene Unterrichtsaktivitäten, u.a. zu Sprachmodellen, Bilderkennung FIBS 27.06.2025
Onlinekurs Modul 3	Künstliche Intelligenz: Verstehen, Ergründen, Unterrichten (Modul 3) Maschinelles Lernen (Teil 3): verstärkendes Lernen, unüberwachtes Lernen, Neuronale Netze, Forward Propagation, Back Propagation Ethische und gesellschaftliche Fragestellungen zum Einsatz neuronaler Netze und künstlicher Intelligenz	Künstliche Intelligenz: Verstehen, Ergründen, Unterrichten (Modul 3) Maschinelles Lernen (Teil 3): verstärkendes Lernen, unüberwachtes Lernen, Neuronale Netze Ethische und gesellschaftliche Fragestellungen zum Einsatz neuronaler Netze und künstlicher Intelligenz	Künstliche Intelligenz: Verstehen, Ergründen, Unterrichten (Modul 3) Maschinelles Lernen (Teil 3): verstärkendes Lernen, unüberwachtes Lernen, Neuronale Netze Ethische und gesellschaftliche Fragestellungen zum Einsatz neuronaler Netze und künstlicher Intelligenz
Präsenztag 4	Neuronale Netze im Unterricht (Modul 4) Umsetzung von neuronalen Netzen im Unterricht Didaktische Überlegungn Chancen und Risiken von Künstlicher Intelligenz Ethik und Gesellschaft FIBS 30.01.2025 FIBS 17.07.2025	Ethik und Gesellschaft, Unterrichtsintegration (Modul 4) Umsetzung des Moduls im Unterricht, Lehrplan Chancen und Risiken von Künstlicher Intelligenz Ethik und Gesellschaft FIBS 30.01.2025 FIBS 17.07.2025	Ethik, Wirtschaft, Recht und Gesellschaft, Unterrichtsintegration (Modul 4) Umsetzung des Moduls im Unterricht, Lehrplan Chancen und Risiken von Künstlicher Intelligenz ethische und gesellschaftliche Aspekte wirtschaftliche und rechtliche Aspekte FIBS 30.01.2025 FIBS 17.07.2025

Hinweise zur Fahrtkostenübernahme

Dienstbefreiung ist durch KMS vom 25.07.1974 Nr. II/9 – 8/111 914 geregelt. Fahrtkostenerstattung (bargeldlos) für auswärtige eingeladene Teilnehmer von staatlichen mittelfränkischen, oberfränkischen und oberpfälzischen Gymnasien erfolgt nach Art. 24 BayRKG (GVbl. Nr. 8/2001 v. 24.03.2001). Bei Fahrten mit der Deutschen Bahn (2.Klasse, ohne Zuschläge) ist der Großkundenrabatt des Freistaats Bayern zu nutzen, Kunden.Nr. 7102302 bei Vorlage der Einladung. Bei Bildung von Fahrgemeinschaften können „triftige Gründe“ für Nutzung des eigenen PKWs anerkannt werden.

Bitte beachten Sie: Fahrtkosten aus Mitteln der RLFB Gymnasium Mittelfranken, Oberfranken und Oberpfalz werden im üblichen Rahmen nur Lehrkräften staatlicher Gymnasien in diesen Regierungsbezirken auf Antrag erstattet. Die Vergütung von Fortbildungsreisen erfolgt nur, wenn der Wohn- oder Dienstort vom Fortbildungsort abweicht und der Antrag innerhalb eines halben Jahres bei der zuständigen Reisekostenstelle vorgelegt wird. Dem Reiskostenantrag ist unbedingt die Teilnahmebestätigung zu dieser Veranstaltung beizulegen.

Teilnehmende von nicht staatlichen Gymnasien oder von Gymnasien in privater / kirchlicher Trägerschaft machen Ihre Reisekosten bitte beim zuständigen Aufwandsträger geltend.

Für Teilnehmende von anderer Schularten kann (noch) keine Aussage zur Fahrtkostenerstattung getroffen werden.

Ansprechpartner

Annabel Lindner, Patrick Löffler, Michaela Müller-Unterweger

ddi-wb-ki@fau.de