Computational Thinking 2.0: Wie der Paradigmenwechsel vom Determinismus zur datengestützten Wahrscheinlichkeit unsere Systeme prägt

Vortragender: Daniel Hoherz
Institution:Graf-Stauffenberg-Gymnasium Osnabrück
Datum: 16.09.2026
Dauer: 10:45 ‑ 11:30 Uhr
Plätze:noch 30 Plätze frei
Beitrags-Nr.VI 04
 
Die Informatik durchläuft einen fundamentalen Paradigmenwechsel: den Übergang von der klassischen, deterministischen Programmierung hin zu probabilistischen, datengetriebenen Systemen des Maschinellen Lernens. Während der traditionelle Informatikunterricht oft noch von klaren, regelbasierten Logiken (Computational Thinking 1.0) geprägt ist, lernen moderne KI-Systeme ihre Regeln heute eigenständig aus riesigen Datensätzen. Dieser Vortrag plädiert dafür, dass ein „Computational Thinking 2.0“ dringend in den Informatikunterricht integriert werden muss, um Schülerinnen und Schüler auf die Realität automatisierter Entscheidungssysteme vorzubereiten.
Anhand eines konkreten Unterrichtskonzepts wird aufgezeigt, warum sich der didaktische Fokus vom reinen Code-Schreiben auf das „Data Engineering“ verschieben muss. Reale Fallbeispiele (von Predictive Policing bis zur medizinischen Diagnostik) verdeutlichen, dass historische Daten selten neutral sind, sondern oft menschliche Voreingenommenheit (Bias) reproduzieren. Wenn Lernende selbst erproben, wie Algorithmen zur Datenbereinigung oder zum Clustering funktionieren, erkennen sie, dass scheinbar objektive Mathematik (etwa die Wahl von Distanzmaßen) rasch zur systematischen Benachteiligung unterrepräsentierter Gruppen führen kann. Themen wie Proxy-Variablen oder problematische Feedback-Schleifen müssen daher zwingend im Unterricht behandelt werden.
Ein zentrales Anliegen des Vortrags ist es aufzuzeigen, wie Ethik im Unterricht nicht als abstrakter „Soft Skill“, sondern als harter technischer Bestandteil vermittelt werden kann. Durch die Arbeit mit der Konfusionsmatrix lernen Jugendliche beispielsweise, die gesellschaftlichen Schäden durch algorithmische Fehlentscheidungen (z. B. bei der automatisierten Betrugserkennung) in technische Metriken wie Precision und Recall zu übersetzen und kritisch abzuwägen.