KI eröffnet für den naturwissenschaftlichen Unterricht neue Möglichkeiten. Was früher oft zu aufwendig war, lässt sich heute mit überschaubarem Aufwand umsetzen: eine passende Simulation oder Animation zu einem konkreten Phänomen.
Im Folgenden zeige ich an einem konkreten Beispiel, wie eine solche Simulation entstehen kann. Ausgangspunkt war eine Unterrichtsreihe zum Thema Halbleiter in einer 10. Klasse im Fach Physik.
Ausgangslage: Funktionsweise und Modelle von Dioden
Im Unterricht hatten wir die Eigenschaften von Dioden bereits ausführlich untersucht: Sperr- und Durchlassrichtung, Schwellspannung, Kennlinien und weitere Aspekte. Meist geschah dies anhand von Schülerversuchen. Ergänzend haben wir modellkritisch sowohl das Kristallgittermodell als auch ein vereinfachtes Bändermodell betrachtet.
Den Abschluss dieser kleinen Sequenz zu Dioden bildet dann die Arbeit mit einer steckbaren Diodenmatrix. Eine Übersicht über unser Experimentiermaterial ist in folgender Abbildung zu sehen.
Die Lernenden sollen mithilfe der steckbaren Dioden zum Beispiel eine einfache Ampelschaltung „programmieren“: Bei A0 leuchten zwei rote LEDs, bei A1 eine rote und eine gelbe, bei A2 nur die gelbe und bei A3 die grüne.
Außerdem können sie untersuchen, was bei falsch gepolten Dioden passiert oder welchen Effekt es hat, eine Diode durch einen Draht zu ersetzen. Zusätzlich gibt es in unserer Sammlung ein einfaches Display, das sich völlig analog ansprechen lässt. So lassen sich auch Zahlen darstellen.
Ich wusste, dass ich am Ende meines Unterrichts noch etwa 15 Minuten Zeit haben würde. Wie konnte ich diese Zeit sinnvoll nutzen? Schnell war klar: Es sollte eine Simulation mit spielerischem Charakter werden. Diese sollte direkt an den Versuch anschließen (und ihn nicht ersetzen). Doch was genau?
Vom Arbeitsblatt zum Prototyp
Ausgangspunkt für die Simulation war nicht ein leerer Chat, sondern mein vorhandenes Arbeitsblatt. Ich habe in diesem Beispiel die Pro-Version von ChatGPT genutzt. Claude und andere Modelle führen jedoch zu vergleichbaren Ergebnissen. Zunächst ließ ich die KI nicht programmieren, sondern Ideen entwickeln. Der Prompt lautete:
Dieses Arbeitsblatt hat meine Klasse in der letzten Stunde experimentell bearbeitet. Wir werden daran in dieser Stunde weiterarbeiten. Ich würde das Thema gern spielerisch vertiefen und hierzu ggf. eine kleine Webapp schreiben. Analysiere das Arbeitsblatt und mache mir zehn sinnvolle Vorschläge für eine solche Webapp.
Und dann ging das Brainstorming los: Die KI machte eine ganze Reihe (mehr oder weniger) sinnvoller Vorschläge. Ich bat ChatGPT daraufhin, mir einen einfachen Prototypen mittels HTML und JavaScript zu erstellen. Dieses erste Ergebnis war bereits brauchbar - und diente der Weiterentwicklung der Webapp.
Der Prototyp enthielt bereits eine Diodenmatrix-Anordnung, in der durch Klicken Dioden in Sperr- sowie Durchlassrichtung und Drähte angelegt werden konnten. Ganz analog zu unserem Arbeitsblatt konnten dadurch insgesamt acht LEDs angesteuert werden. Die Grundfunktion war bereits weitgehend korrekt, wie ein kurzer Test zeigte.
VS Code als Entwicklungsumgebung
Mit diesem Prototypen bin ich dann zu meiner vertrauten Entwicklungsumgebung VS Code gewechselt. Die Einrichtung ist am Beispiel von Claude Code hier beschrieben. Für ChatGPT gibt es ein ganz analog funktionierendes Plugin.
Zunächst habe ich viele Zwischenkommentare entfernt, die für den Einsatz mit einer Lerngruppe nicht notwendig waren. Wer wenig mit HTML vertraut ist, kommt hier schon mit der Suchfunktion des Editors weit. Alternativ kann auch das KI-Plugin in VS Code helfen. Danach ging es an die Überarbeitung im Detail: Ich prüfte die Grundfunktionen noch einmal systematisch und bat die KI gezielt, einzelne Fehler zu reparieren.
Im nächsten Schritt ließ ich im Chat von VS Code Vorschläge für Aufgaben zur Simulation erstellen. Nach kurzem Nachsteuern integrierte ich ein entsprechendes Gamification-Element mit mehreren Aufgaben in ansteigender Schwierigkeit. Auch bei den Lösungsvorschlägen waren erneutes Testen und Nachsteuern notwendig.
Aufwand und Nutzen
Der Zeitaufwand lag insgesamt bei etwa 20 Minuten. Allerdings waren die verwendeten Tools bei mir bereits eingerichtet. Für das Ergebnis finde ich diesen Aufwand sehr vertretbar. Im Unterricht funktionierte die Simulation reibungslos und führte zu interessanten Gesprächen mit den Lernenden über das Potenzial von KI beim Programmieren. Und das Wichtigste: Sie hatten Spaß.
Das Ergebnis zum Weiternutzen findest du hier. Über Feedback freue ich mich.
Kommentare