Methodenguide Mathematik & Logik Für Lehrkräfte

Mathematisches Modellieren – mit und ohne KI

Methodenguide für Lehrkräfte: Wie lässt sich mathematisches Modellieren im Unterricht so gestalten, dass KI-Werkzeuge sinnvoll eingebunden werden, ohne den Lernprozess zu unterlaufen?

Vorschau der ersten PDF-Seite von „Mathematisches Modellieren – mit und ohne KI“
PDF herunterladen

Druckfertig · A4 · 2 Seiten · 49 KB

Überblick für Lehrkräfte

Dieser Methodenguide hilft Ihnen, mathematisches Modellieren so zu unterrichten, dass die Kernkompetenz – die Übersetzung realer Situationen in Mathematik – auch im KI-Zeitalter erhalten bleibt.

Das Problem

Wenn Schülerinnen und Schüler eine Modellierungsaufgabe direkt in ChatGPT eingeben, erhalten sie oft ein fertiges mathematisches Modell. Der eigentliche Lernprozess – Annahmen treffen, vereinfachen, mathematisch formulieren – wird übersprungen.

Die Lösung: Prozessorientierte Aufgabenstellung

Statt die Lösung abzufragen, legen Sie den Fokus auf den Weg zur Lösung:

Phase 1: Situation verstehen (ohne KI)

  • Schüler beschreiben die reale Situation in eigenen Worten
  • Sie identifizieren relevante Größen und Zusammenhänge
  • Sie formulieren eigene Annahmen und Vereinfachungen

Phase 2: Modell aufstellen (ohne KI)

  • Übersetzen der verbalen Beschreibung in mathematische Notation
  • Dokumentation jeder Entscheidung: „Warum habe ich diese Variable gewählt?”
  • Skizzen und Diagramme als Brücke zwischen Realität und Modell

Phase 3: Modell prüfen (mit KI erlaubt)

  • KI-Tool darf zur Verifikation eingesetzt werden
  • Vergleich des eigenen Modells mit dem KI-Vorschlag
  • Kritische Reflexion: Wo unterscheiden sich die Ansätze? Warum?

Phase 4: Reflexion (ohne KI)

  • Was hat mein Modell gut abgebildet?
  • Welche Annahmen waren problematisch?
  • Wie unterschied sich mein Modellierungsprozess von dem der KI?

Beispielaufgaben im Guide

  1. Warteschlange an der Mensa – Lineare vs. exponentielle Modellierung
  2. Temperaturverlauf im Klassenzimmer – Funktionsanpassung an Messdaten
  3. Wasserverbrauch der Schule – Statistisches Modellieren mit realen Daten

Bewertungskriterien

Der Guide enthält ein Bewertungsraster, das den Prozess stärker gewichtet als das Ergebnis:

KriteriumGewichtung
Qualität der Annahmen25%
Dokumentation des Modellierungsprozesses30%
Mathematische Korrektheit20%
Reflexion und Vergleich mit KI25%

Weitere Materialien