April 2026

Erdbeobachtungssatelliten liefern täglich enorme Mengen an Bilddaten. Doch wie erkennt man automatisch, ob ein Pixel Vegetation, eine Straße oder eine Siedlung zeigt? In diesem Video erklären wir anhand eines einfachen Beispiels, wie künstliche neuronale Netzwerke (Artificial Neural Networks, ANN) funktionieren. Wir bauen Schritt für Schritt ein kleines „künstliches Gehirn“, das anhand der RGB-Farbwerte eines Pixels entscheidet, ob es sich eher um Vegetation oder eine versiegelte Fläche handelt. Dabei lernen wir die wichtigsten Bausteine eines neuronalen Netzes kennen: Input Layer, Hidden Layer, Weights, Bias, Aktivierungsfunktionen sowie Training und Backpropagation.

Neuronale Netzwerke

Wie lernt KI?
Neuronale Netze verstehen mit Satellitenbildern

Wie_lernt_KI_Materialien Download

Künstliche Intelligenz nimmt in unserem Alltag – und auch im Leben von Schüler:innen – einen immer größeren Raum ein. Bildbasierte KI-Systeme werden heute unter anderem in der Navigation, der Umweltüberwachung, im Katastrophenschutz, in der Landwirtschaft, in der Stadtplanung sowie in sozialen Medien eingesetzt. Daher ist es wichtig, dass Schüler:innen diese Informatiksysteme nicht nur anwenden, sondern auch verstehen, analysieren und kritisch bewerten können.

Ziele

Die Schüler:innen sollen …

erklären, wie Bilddaten für KI-Systeme aufbereitet und kategorisiert werden,
den Zusammenhang zwischen Trainingsdaten, Modell und Ergebnisqualität verstehen,
den Aufbau und die Funktionsweise eines einfachen neuronalen Netzes beschreiben,
Veränderungen im neuronalen Netzwerk mit dem Trainingsprozess in Beziehung setzen,
die Funktionsweise bildbasierter Klassifikationssysteme erläutern,
typische Fehler, Verzerrungen und Grenzen von KI-Systemen erkennen,
gesellschaftliche Einsatzmöglichkeiten sowie mögliche Risiken reflektiert beurteilen.