09. 09. 2025
Verfasst von: Axel Schaffland, Julius Schöning

Die (be)greifbare künstliche Intelligenz

Das mechanische neuronale Netzwerk besteht aus einem Holzgestell und verschieden farbigen Kunststoffhebeln. Einige Hebel sind mit Lebensraum, Körpergröße und Tierart beschriftet. Die Hebel sind durch Seile miteinander verbunden und fungieren als künstliche Neuronen. Davor befinden sich Tiermodelle von Wal, Hai, Dackel und Elefant. — Wie funktionieren künstliche neuronale Netze? Das erlernen und begreifen Schülerinnen und Schüler anhand eines mechanischen Modells: Links stellen sie den Lebensraum und die Körpergröße von Tieren ein, rechts erfahren sie die zugehörige Tierart.

Heutzutage ist es wichtiger denn je, dass wir uns mit künstlicher Intelligenz auseinandersetzen. Doch wie lässt sich diese komplexe Technologie Menschen ohne Informatik- oder Programmierkenntnissen verständlich erklären? Zu diesem Zweck hat ein Forschungsteam der Hochschule Osnabrück ein innovatives Lehrmittel entwickelt: Das Mechanische Neuronale Netzwerk erleichtert es, die Prinzipien eines künstlichen neuronalen Netzwerks zu (be)greifen und zu verstehen.

Mechanisches neuronales Netz als innovatives Lehrmittel

Schülerinnen und Schülern ohne Vorkenntnisse in Informatik oder Programmierung fällt es oft schwer, sich mit den komplexen Themen der KI auseinanderzusetzen. Um ihnen den Zugang zu erleichtern, hat Dr. Axel Schaffland von der Hochschule Osnabrück das Mechanische Neuronale Netzwerk (MNN) entwickelt. Das physische Modell funktioniert genauso wie die programmierten künstlichen neuronalen Netzwerke (KNNs) der heutigen KI und veranschaulicht die Strukturen und Funktionen mithilfe mechanischer Bauteile. Hebel fungieren als künstliche Neuronen und sind durch Seile miteinander verbunden. „Dieses einzigartige Design des mechanischen Modells ermöglicht es den Lernenden, die Aktivierung und Gewichtung der Neuronen manuell zu steuern“, erläutert der Kognitionswissenschaftler. „Es bietet so eine direkte, intuitive Verbindung zu den theoretischen Grundlagen der KI.“

Neuronale Netzwerke (be)greifen und verstehen

Praktische Anwendungsgebiete für das MNN sind logische Probleme und Klassifikationsaufgaben. Zum Beispiel soll das Netzwerk Tierarten anhand spezifischer Merkmale klassifizieren. Hierfür erfassen Lernende einfache Merkmale wie Größe und Form von Tierfiguren und überbrücken somit die Lücke zwischen theoretischen Konzepten der KI und Praxis. In Kombination mit einer interaktiven Tablet-App, die Lernmaterialien und Visualisierungen bietet, können die Schülerinnen und Schüler ihr Wissen angeleitet und selbstgesteuert erweitern. Tests zeigen, dass der MNN-Ansatz effektiv ist. „Die Lernenden machen nicht nur schnellere Fortschritte, sondern sind auch zufriedener mit ihren Lernerfahrungen als bei traditionellen Lehrmethoden“, sagt Axel Schaffland. Dieser flexible Ansatz erlaubt es, KI-Inhalte auf verschiedenen Komplexitäts- und Schwierigkeitsleveln zu vermitteln und sie anschließend zu vertiefen sowie am Computer zu programmieren und umzusetzen.

Das Modell in Nahaufnahme zeigt einen Hebel, der einer Wippe ähnelt und mit Werten von -1,0 bis 1,0 beschriftet ist. Der Hebel lässt sich von einem Wert zum anderen Wert kippen. Im Hebel läuft ein an einem Seil befestigter Kunststoffreiter mit. — Die Prinzipien eines KI-Modells verstehen: Die farblich codierte, additiv gefertigte Version des mechanischen neuronalen Netzes ermöglicht es, die Neuronen und Gewichte eindeutig zu identifizieren und den Verlauf der Informationen im Netz zu verfolgen.

Lernen fördern, Begeisterung wecken

Auch im universitären Kontext zeigen die Usability-Tests bereits vielversprechende Ergebnisse. „Die Lernerfahrung von Studierenden und die objektiven Lernerfolge sprechen eindeutig für den Einsatz des Mechanischen Neuronalen Netzwerks als attraktives Lehrmittel, um die KI-Kompetenz zu fördern“, fasst Axel Schaffland zusammen. „Es fördert das Lernen und weckt Neugier und Begeisterung für dieses zukunftsträchtige Thema.“ Das Forschungsteam ist an Praxispartnern interessiert, um das innovative Lehrmittel weiterzuentwickeln und in die Praxis zu überführen.