KILE – Lerneinheit und Methoden zu Künstlicher Intelligenz für die ausbildungsorientierte Politische Jugendbildung

Bilder generiert von ChatGPT (DALL-E 3)

Wir haben eine Künstliche Intelligenz (KI) gebeten, Bilder von Auszubildenden in Berlin und in Bayern zu erstellen. Die Bilder sind sehr klischeehaft geworden, obwohl sich der Prompt nur in einem Wort (dem Bundesland) unterschied. Wieso reproduzieren KI-Systeme Vorurteile und was bedeutet das für den Einsatz von KI im Arbeitsleben? – Diese Fragen stehen im Fokus von KILE, einer Lerneinheit mit interaktiven Methoden zur Verdeutlichung der Entscheidungsprozesse KI-basierter Software am Beispiel des Recruitings. Bewerbungsprozesse durchlaufen alle Menschen irgendwann einmal. Deswegen haben wir uns bei der Erarbeitung von Methoden für die ausbildungsbezogene Politische Jugendbildung zu KI für diesen Anwendungsfall entschieden. Entwickelt wurden die beiden Module für Arbeit und Leben von der Hochschule für Technik und Wirtschaft Berlin.

Methoden für die Arbeit mit jungen Erwachsenen zum Thema Künstliche Intelligenz in der Arbeitswelt

Entstanden sind zwei Module, die in Seminaren und Workshops flexibel eingesetzt werden können. Im ersten Modul lernen die Teilnehmenden die grundsätzliche Anwendungsweise von maschinellem Lernen, einem Teilgebiet der Künstlichen Intelligenz (KI), kennen. Sie verstehen die Bedeutung von Daten für KI-Systeme und trainieren selbst eine KI auf Basis von Daten. Dabei erkennen Sie die Bedeutung von Datenqualität und von Diversität in den Trainingsdaten für die Funktionsweise des Modells. Im zweiten Modul nehmen die Teilnehmenden die Rolle der Personalabteilung ein und wählen mit Hilfe einer Simulation eines KI-Systems Bewerber*innen für einen Ausbildungsplatz aus. Dabei hinterfragen sie die Wirkungsweise des Black-Box-Systems und reflektieren Vor- und Nachteile der Anwendung von Künstlicher Intelligenz im Personalwesen.

1. Maschinelles Lernen (Bilderkennung)

Zielgruppe: junge Menschen ab 10 Jahren, mind. 3, max. 20 Teilnehmende

Voraussetzungen: Computerraum oder Laptops/Tablets für je zwei Teilnehmende, auf denen im Vorfeld die Webanwendungen und Daten vorbereitet werden.

Zeitbedarf: mind. 90 Minuten, idealerweise 180 Minuten

In diesem Modul wird die Plattform machinelearningforkids.co.uk (ML4Kids9 verwendet. Mit dieser benutzungsfreundlichen Webanwendung können Machine-Learning-basierte Klassifikatoren (sog. Modelle) erstellt werden. Bildklassifikatoren können in Unternehmen im Qualitätsmanagement, bei der Gebäudezugangskontrolle oder für autonome Fahrzeuge verwendet werden. Die Anwendung erlaubt dabei die Verwendung von Bildern, Texten und Zahlen. ML4Kids bietet die Möglichkeit, Trainingsdaten zusammenzustellen und in zu erkennende Kategorien (Klassen) zu gliedern. Anhand dieser Trainingsdaten kann mit nur einem Klick ein Klassifikator – ein sogenanntes Modell – trainiert werden. Dieses Modell ist in der Lage, ein beliebiges Objekt (z. B. ein Bild) in die vorgegebenen Klassen einzusortieren. Die Genauigkeit des Modells kann auf vielfältige Weise getestet werden: mit Bildern aus dem Internet, durch das Zeichnen eigener Bilder oder durch Fotografien, die mit der Webcam aufgenommen wurden. Durch diese praktische Übung werden die Lernenden an das Thema „maschinelles Lernen“ herangeführt, ohne dass sie selbst programmieren können müssen.

2. KI im Personalwesen

Zielgruppe: junge Menschen ab 14 Jahren, mind. 3, max. 20 Teilnehmende

Voraussetzungen: Computerraum oder Laptops/Tablets für je zwei Teilnehmende, auf denen im Vorfeld die Webanwendungen und Daten vorbereitet werden.

Zeitbedarf: mind. 90 Minuten, idealerweise 180 Minuten

Die Teilnehmenden wenden eine fiktive KI-Anwendung zur Vorauswahl von Bewerbungen auf einen Ausbildungsplatz an, in welcher sie die Rollen von Bewerber*innen und Personaler*innen einnehmen. Dadurch erfahren sie, wie KI-Systeme Bewerbungen basierend auf festgelegten Kriterien in ein Ranking einordnen. Zugleich gewinnen sie ein Verständnis für die Bedeutung von Vorurteilen in automatisierten Bewertungssystemen und reflektieren über ethische Aspekte wie Fairness und die subjektive Natur von Bewertungen.

Manuelles Ranking:

Bevor die Teilnehmenden die KI-Anwendung einsetzen, sollen sie die fiktiven Bewerbungen nach eigenen Kriterien in eine Rangfolge bringen und die Frage beantworten, wen sie zum Vorstellungsgespräch einladen würden.

KI-basiertes Ranking:

Die Teilnehmenden schauen sich an, wie das simulierte KI-System die Bewerbungen einschätzt. Verschiedene Rankings werden angezeigt. Die Teilnehmenden diskutieren, welche Kriterien das System gelernt hat und, ob diese gerechtfertigt sind.

Die Module und Materialien stehen als Open Educational Resources (OER) in einer Creative-Commons-Lizenz zur Verfügung.

CC BY-NC 4.0

Impressum