Von Burgdorf nach Paris-Saclay: Eintauchen in KI & Robotik für deutsche Gymnasiasten

Am Freitag, den 29. August 2025, hatten wir das Vergnügen, eine Gruppe von sieben Schülern der Berufsschule BBS Burgdorf (in der Nähe von Hannover) in unseren Räumlichkeiten bei NeuroPSI und anschließend auf dem Campus Paris-Saclay in Begleitung ihrer Lehrer begrüßen zu dürfen, Herr Holger Buchmann und Pascal Ströhlein. Am Steuer auf der Seite der Learning Robots : Thomas Deneux, unser Vorsitzender und Führer des Tages.

Dieser Tag war Teil einer Erasmus-Reise nach Paris, die von Herrn Buchmann, einem begeisterten Kunden unserer Lösung in Deutschland, erdacht und durchgeführt wurde. Ziel war es, seinen Schülern eine konkrete Erfahrung mit künstlicher Intelligenz durch Robotik zu ermöglichen, unsere neuesten pädagogischen Aktivitäten zu testen und im weiteren Sinne Perspektiven für berufliche Gymnasien auf der anderen Seite des Rheins zu eröffnen.

‍

Wer sind unsere Besucher?

Die BBS Burgdorf ist eine multidisziplinäre Berufsschule. Die sieben Schülerinnen und Schüler, die sich uns angeschlossen haben, befinden sich im Äquivalent "Terminale" und vertreten mehrere Fachrichtungen: Wirtschaft, Informatik und Metallverarbeitung. Diese Vielfalt gab von Anfang an den Ton an: Querblicke, offene Fragen und unmittelbare Brückenschläge zwischen der Nutzung von KI im Management, in der IT und in der Industrie.

Das Lehrerteam, angeführt von Herrn Holger Buchmann und Pascal Ströhlein, sucht seit mehreren Jahren mit Händen und Füßen nach Ansätzen, um die Schüler an die KI heranzuführen. Ihre Überzeugung, die wir teilen, ist einfach: Man versteht Künstliche Intelligenz wirklich, wenn man sie praktiziert, wenn man sieht, wie ein Algorithmus lernt, Fehler macht und Fortschritte macht, und wenn man jede Entscheidung mit Sensoren, Daten und Einschränkungen in der realen Welt verknüpft.

‍

‍

Warum zählt dieser Besuch

Dieses Treffen ist aus mehreren Gründen wichtig:

• Eine deutsch-französische Brücke zwischen Aktivpädagogik und Berufsausbildung im Sinne von Erasmus.
• Ein wertvolles Feedback für Learning Robots: Wir beobachten, wie unsere Aktivitäten Schüler mit unterschiedlichem Hintergrund ansprechen, und messen die konkreten Auswirkungen auf ihre Vorstellungen von KI.
• Eine Herausforderung für die Kompetenzhoheit: Die KI durchdringt alle Berufe, von der Lieferkette bis zu den Informationssystemen, von der maschinellen Bearbeitung bis zur vorausschauenden Wartung. Die Ausstattung der Berufsschulen mit einfachen, erklärbaren und motivierenden Werkzeugen ist eine strategische Investition.

"KI ist keine schwarze Magie: Sie ist eine Reihe von Techniken, die man im Unterricht sichtbar, manipulierbar und diskutierbar machen kann." - Der Geist von Learning Robots

‍

Im Herzen von NeuroPSI: Wo Learning Robots entstand

Der Tag begann in unseren Räumlichkeiten, im Herzen des neurowissenschaftlichen Forschungszentrums NeuroPSI. Hier wurde Learning Robots ins Leben gerufen. Hier verbinden wir Neurowissenschaften, KI und Robotik, um "Learning by doing" zu ermöglichen. Die Schülerinnen und Schüler haben gesehen, dass unsere Roboter nicht magisch sind: Ein Sensor sendet eine Information, der Algorithmus entscheidet, der Roboter handelt. Alles ist sichtbar und konkret.

Nach einer kurzen Vorstellung unserer Mission, KI durch Praxis zu demokratisieren, gingen wir direkt in den Workshop über.

‍

‍

‍

Zweistündiger KI-Workshop: laufen, verbinden, verstehen

Wir boten unser klassisches Roboterrennen an, gefolgt von einer neuen Aktivität "2 Pixel". Zwei intensive Stunden, um von der Intuition zur Argumentation und dann zum Experimentieren überzugehen.

1) Das Roboterrennen: spielerisch, aber anspruchsvoll

Erster Höhepunkt: eine Rennbahn, Kurven, Wände und Roboter. Die Aufgabe scheint einfach: so schnell wie möglich fahren, ohne die Kanten zu berühren. Doch hinter der scheinbaren Einfachheit verbirgt sich eine echte Herausforderungfür das maschinelle Lernen.

Die Schülerinnen und Schüler richteten die Sensoren ein, wählten Kontrollstrategien, testeten Fahrstrategien und beobachteten die Auswirkungen in Echtzeit. Sehr schnell zeichneten sich die Schlüsselbegriffe ab:

• Trainingsdaten: Welche Situationen muss der Roboter erleben, um sinnvoll zu lernen?
• Verallgemeinerung: Wie kann man verhindern, dass er eine Flugbahn "auswendig lernt", anstatt die Dynamik zu verstehen?
• Feedback: Anpassen, iterieren, vergleichen.

Der sich entwickelnde wohlwollende Wettbewerb verwandelt Denken in Energie: Jedes Team will seine eigene Zeit und dann den Gruppenrekord brechen. Hier zeigt sich die Stärke der Lernrobotik: Sie vereint komplementäre Kompetenzen um ein greifbares Ziel.

2) Die "2-Pixel"-Aktivität: Die KI entblößt

Zweite Zeit und große Neuheit, die mit der Gruppe getestet wurde: unsere Aktivität "2 Pixel". Das Prinzip: ein minimalistisches neuronales Netz mit 2 Eingängen und 5 Ausgängen, das den Roboter so steuern soll, dass er sich vorwärts bewegt und dabei den Wänden ausweicht.

Schritt A - Von Hand verdrahten

Bevor sie auf "Lernen" drücken, stellen die Schülerinnen und Schüler selbst die Verbindungen her: Welche Gewichte sollen die beiden Eingänge erhalten? Wie müssen diese Signale kombiniert werden, um die Motoren (links/rechts, Vorwärtsbewegung, Korrektur) über die fünf verfügbaren Ausgänge zu steuern? Innerhalb weniger Minuten versteht man, was "synaptische Gewichte" bedeuten, denn man stellt sie ein, man spürt sie: Zu viel Gewicht auf der linken Seite, der Roboter zieht die Kante an; ein schlecht dosiertes Gleichgewicht, er fährt im Zickzack.

Dieser "manuelle" Moment ist aufschlussreich. Er bringt die durch die Praxiserklärbare KI auf den Plan: Man verknüpft eine Entscheidung mit dem Weg der Information.

Schritt B - An Übungsdaten lernen lassen

Es folgt die Lernphase: Man versorgt das Netzwerk mit Beispielen (Sensormessungen → gewünschte Befehle) und der Algorithmus passt die Gewichte an. Die Schülerinnen und Schüler vergleichen dann die menschliche Lösung mit der gelernten Lösung. Sie beobachten:

• die Entstehung einer räumlich lesbaren Entscheidungsgrenze bei 2D der Einträge ;
• wie kleine Gewichtsanpassungen ganze Flugbahnen umwandeln ;
• was ein Überlernen bewirkt (wenn der Roboter bei einem seltenen Fall "zu sicher" wird und sich beim allgemeinen Fall irrt) ;
• wie verrauschte Daten das System auf Abwege bringen können und wie wichtig die Datenqualität ist.

Diese Freilegung eines neuronalen Netzes, das auf das Wesentliche reduziert ist, wurde begeistert aufgenommen: Die Schülerinnen und Schüler fanden den Workshop "erhellend", um konkret zu verstehen, was in einer KI passiert, fernab der Black Boxes.

Was sie in 120 Minuten gelernt haben

• Eine solide Intuition des Kreislaufs von Wahrnehmung, Entscheidung und Handlung.
• Die Fähigkeit, ein Gewicht, eine Eingabe und eine Ausgabe mit einem beobachtbaren Verhalten zu verknüpfen.
• Die Unterscheidung zwischen dem Einstellen eines Systems und dem Trainieren eines Modells.
• Reflexe desData Engineering (Diversität, Rauschen, Stichprobengröße).
• Die Lust am Messen: Feststellen, vergleichen, nachzeichnen, erklären.

‍

‍

‍

‍

‍

Vom Labor zum Campus: Paris-Saclay unter dem Sturm

Nach dem Workshop ging es weiter zum Campus Paris-Saclay. Von der Bibliothek des Lumen aus genossen wir das herrliche Licht vor dem Gewitter, diesen dramatischen Himmel, der die Fassaden noch schärfer und die Bäume fast fluoreszierend erscheinen lässt. Dann, getreu Murphys Gesetz, als wir zu einem Spaziergang über den baumbestandenen Campus aufbrachen ... wurden wir reichlich ber ieselt!

Diese Wetterpause hatte einen unerwarteten Vorteil: Sie ließ die Gruppe enger zusammenrücken. In den wenigen Minuten, in denen wir geschützt waren, sprachen wir über Werdegänge, Zukunftspläne, Praktika und darüber, was eine verantwortungsvolle KI-Kultur in einer Werkstatt, einer IT-Abteilung oder einem Lager verändern kann.

‍

‍

‍

‍

‍

‍

‍

‍

Was sich dadurch für deutsche Berufsschulen ändert

Die Erfahrung des Tages bestätigte mehrere pädagogische Stützpunkte, die für Einrichtungen wie die BBS Burgdorf besonders relevant sind:

1. Learning by doing: Die Robotik konkretisiert die KI. Ein Schüler der Metallurgie versteht die Auswirkungen einer abweichenden Angabe genauso wie er einen Bearbeitungsfehler versteht: durch seine Auswirkungen. Diese Analogie ist mächtig.
2. Querschnittskompetenzen: Datensammlung und -qualität, Verständnis von Sensoren, einfache Modellierung, Leistungsmessung, kritisches Denken gegenüber Ergebnissen, gültige Grundlagen in Wirtschaft, IT, Werkstatt.
3. Erklärbare und ethische KI: Indem man die Kette von Sensoren, Algorithmen und Aktionen sichtbar macht, werden die technischen Entscheidungen und ihre Folgen (Sicherheit, Bias, Robustheit) diskutierbar. Dies ist eine Grundlage für eine verantwortungsbewusste KI.
4. Motivation: Die Dynamik des Rennens und der "Aha-Effekt" aus Aktivität 2 pixels binden die Schülerinnen und Schüler. Man lernt besser, wenn man etwas tut.
5. Zugänglichkeit: Man braucht keinen Supercomputer, um KI zu verstehen. Ein 2→5-Netzwerk reicht, wenn es gut inszeniert ist, aus, um ein nachhaltiges Fundament zu legen.

Für pädagogische Teams ist es auch ein Hebel fürInterdisziplinarität: Ein KI-Modul kann einen Wirtschaftslehrer, einen Informatiklehrer und einen Industrieausbilder zusammenbringen. Jeder bringt seine eigene Sprache ein und der Workshop wird zu einem Knotenpunkt.

‍

‍

‍

‍

AlphAI als Wasserzeichen: Einfachheit, Transparenz, Handeln

Den ganzen Tag über erfüllte AlphAI, unsere Bildungssoftware für künstliche Intelligenz, ihre Aufgabe: Lernen lesbar, manipulierbar und dokumentiert zu machen.

• Einfache Handhabung: Mit wenigen Klicks gelangt man von der Datenerfassung zum Training und dann zur Umsetzung am Roboter.
• Transparenz: Kurven, Gewichte, Ausgänge ... alles, was zählt, ist sichtbar und kann erklärt werden.
• Aktion: Die KI bleibt nicht auf dem Bildschirm; sie steuert einen Roboter. Hier verankert sich das Verständnis.

Aktivität 2 pixels bereichert dieses Triptychon: Sie treibt die Zerlegung der internen Mechanismen (Eingänge, Gewichte, Ausgänge) weiter voran, um das Auge zu fesseln und die Intuition zu verbinden. Die Blicke der Schülerinnen und Schüler täuschen nicht: Wenn sich die Flugbahn ändert, weil sich nur ein einziges Gewicht bewegt hat, hört die KI auf, eine Abstraktion zu sein.

‍

‍

‍

‍

‍

‍

Danksagungen

Ein herzliches Dankeschön an Herrn Holger Buchmann für seinen Enthusiasmus und sein Engagement, seinen Schülern die KI näher zu bringen, an Pascal Ströhlein für den stets anregenden fachlichen Austausch und natürlich an die sieben Schüler für ihre Neugier, ihre Energie und ihren Teamgeist. Vielen Dank auch an Thomas Deneux, den Vorsitzenden von Learning Robots, für die Vorbereitung und Moderation dieses Tages.

Zusammenfassend: Was sie mitnehmen, was wir festhalten

Was die Schüler mitnehmen

• Ein konkretes Bild davon, was ein KI-Algorithmus ist.
• Messreflexe undkritisches Denken.
• Der Beweis durch die Erfahrung, dass ein einfaches, gut instrumentiertes Modell ein reales Problem lösen kann.
• Die Lust am Graben, sei es in der Informatik, der industriellen Organisation oder der Wirtschaft.

Was wir festhalten

• Die Relevanz von Aktivität 2 Pixel zur Entmystifizierung des "neuronalen Netzes".
• Der pädagogische Wert des Roboterrennens als roter Faden, um über Daten, Modelle und Handeln zu sprechen.
• Die Bedeutung der Ausstattung von Berufsschulen mit fertigen, flexiblen und erklärbaren Ressourcen.

Das Feld der Möglichkeiten öffnen

Alan Turing stellte bereits 1950 die Frage, ob eine Maschine "denken" kann. Im Jahr 2025 ziehen wir es vor, mit unseren Schülern eine andere Frage zu stellen: Wenn eine Maschine handelt, was versteht man dann von ihrer Art zu lernen? Die Stärke der Bildungsrobotik besteht darin, diese Frage in die Mitte des Raumes zu stellen, beobachtbar, messbar und von allen diskutierbar.

Von Burgdorf nach Paris-Saclay war dieser Freitag, der 29. August, eine schöne Episode dieses Abenteuers: die KI zu einem Gegenstand des gemeinsamen Verständnisses zu machen, im Dienste der Kompetenzen und der Beschäftigungsfähigkeit junger Menschen.

Wenn Sie eine berufliche Schule in Deutschland (oder anderswo!) leiten oder unterrichten und unsere Aktivitäten an Ihrer Schule testen möchten, schreiben Sie uns. Wir würden uns freuen, mit Ihnen gemeinsam Formate zu entwickeln, die auf Ihre Bildungsgänge und Ihre Einschränkungen zugeschnitten sind.

‍