Künstliche Intelligenz
In dieser Selbstlerneinheit für Schüler*innen erfährst du, wie dir maschinelles Lernen bei der Mülltrennung helfen kann. Indem du ein KI-Modell in Teachable Machine oder Machine Learning for Kids trainierst, lernst du, wie ein Computer verschiedene Abfallarten wie Plastik, Papier und Restmüll erkennen und effizient sortieren kann. Mach dich bereit zu erleben, wie Technologie unser Recycling vereinfachen und der Umwelt helfen kann!
Du lernst in dieser Übung, eine KI so zu trainieren, dass sie verschiedene Abfallgegenstände voneinander unterscheiden und in die richtige Recyclingkategorie einsortieren kann. Dafür entwirfst du mit Teachable Machine oder Machine Learning for Kids ein schlaues Modell, dass anhand von Daten lernt, wie der Müll korrekt getrennt wird.
Du lernst
Digitale Kompetenzen
Informations- und Datenkompetenz
Erstellen digitaler Inhalte
Problemlösung
Weitere Kompetenzen
Hardware:
Software
Vorbereitung:
Tipp:
Stelle sicher, dass jeder Abfallgegenstand gut erkennbar ist und eindeutig zu seiner Kategorie gehört. Vermeide Gegenstände mit Mischmaterialien, wie zum Beispiel eine Plastikflasche mit einem Etikett aus Papier.
Hast du dich schon mal gefragt, warum Mülltrennung so wichtig ist? Jedes Mal, wenn wir den Müll richtig trennen, geben wir wiederverwertbaren Materialien ein zweites Leben und helfen, Mülldeponien vor einer Überfüllung zu bewahren. Wusstest du, dass derzeit weltweit nur ein kleiner Prozentsatz des Plastikmülls tatsächlich recycelt wird? Der Rest landet zum Beispiel auf Mülldeponien oder verschmutzt unsere Ozeane und schadet so der Tierwelt und unseren Ökosystemen. Durch das Trennen von Materialien wie Plastik, Papier und Glas schonen wir nicht nur Ressourcen, sondern verringern auch den Energieaufwand für die Herstellung neuer Produkte, indem wir gebrauchte Gegenstände recyclen. In dieser Übung wirst du ein KI-Modell trainieren, das dabei hilft, den Abfall schneller und genauer zu sortieren – ein kleiner, aber wichtiger Schritt hin zu einer saubereren Erde.
Maschinelles Lernen ermöglicht es Computern, aus Beispielen zu lernen und Muster zu erkennen, ohne für jede Aufgabe explizit programmiert zu werden. In dieser Übung wirst du sehen, wie ML die Mülltrennung effizienter machen kann, indem das Modell aus den von dir bereitgestellten Daten „lernt“.
Dies ist eine Form des maschinellen Lernens, bei der der Computer aus gekennzeichneten Beispielen lernt – zum Beispiel aus Bildern von Müll, die vorher als Plastik, Papier oder Glas markiert wurden.
Jetzt ist es Zeit, dein KI-Modell zu erstellen, das den Müll automatisch in die richtige Tonne bzw. Recyclingkategorie einsortiert. Du kannst zwischen zwei Programmen wählen: Teachable Machine (TM) und Machine Learning for Kids (MLfK), je nachdem, mit welchem Gerät du arbeitest.
Beide Tools folgen einem ähnlichen Ablauf: Klassen einrichten, Bilder aufnehmen, das Modell trainieren, es mit neuen Gegenständen testen und die Ergebnisse überprüfen.
Prozess zum Erstellen deines KI-Modells
Um zu verstehen, wie dein KI-Modell aufgebaut wird, schauen wir uns erstmal die einzelnen Schritte an, die für die Erstellung notwendig sind:
Warum brauchst du eine Klasse für den Hintergrund?
Eine “Hintergrund” Klasse hilft dem Modell zu verstehen, was kein Abfall ist, sondern zu der Umgebung gehört, in der du Fotos machst. So wird das Modell später nicht von anderen Dingen abgelenkt, die sich im Bild befinden.
Tipp
Wenn die KI die Gegenstände nicht gut erkennt, versuche dein Modell mit ein paar Anpassungen neu zu trainieren:
Diese Anpassungen können dir helfen, dein Modell besser und zuverlässiger zu machen.
Schritt-für-Schritt Anleitung Teachable Machine (TM):
Hier findest du die Anweisungen zum Erstellen deines Modells in TM.
Fantastisch! Du hast mithilfe des maschinellen Lernens dein eigenes KI-Modell erstellt, das bei der Sortierung von Abfall in die richtige Kategorie helfen kann. Durch die Automatisierung von Prozessen wie der Mülltrennung können wir solche Abläufe genauer und effizienter machen und gleichzeitig etwas für die Umwelt tun. Solche smarten Technologien haben das Potenzial, uns in Zukunft bei noch mehr Umweltproblemen zu unterstützen.
Wenn du Lust hast, weiter an deinem Modell zu arbeiten, kannst du folgende Dinge ausprobieren:
Experimentiere mit diesen Ideen, um dein Projekt zu verbessern und noch ansprechender zu gestalten!
