Das Quaggamuschel-Problem durch die Linse der KI: Ein Modul für den Unterricht

Invasive Quaggamuscheln bedrohen Schweizer Seen und ihre Infrastruktur. Das BFH-Projekt QuaggAI entwickelt KI-basierte Werkzeuge, um ihre Ausbreitung zu überwachen. Aufbauend auf dieser Forschung bringt das Modul QuaggAIedu sowohl das ökologische Problem als auch das zugrunde liegende maschinelle Lernen in den Unterricht der Sekundarstufe II. Dieser Beitrag stellt die Konzeption des Moduls und seine erste Durchführung im Unterricht vor.

Die Quaggamuschel (Dreissena rostriformis bugensis) gehört zu den ökologisch schädlichsten invasiven Arten in Schweizer Seen. Sie breitet sich rasch aus, konkurriert mit einheimischen Arten um Nahrung und überwuchert wasserfilternde Infrastruktur. Um das Ausmass des Problems einzuschätzen, muss überwacht werden, wie viel des Seegrunds die Muscheln bedecken. Bisher ist das konventionelle Monitoring langsam und lässt sich nur schwer skalieren.

Das Projekt QuaggAI untersucht dieses Problem. Es setzt aktuelle KI-Methoden ein, insbesondere Computer Vision, um Software-Prototypen zu entwickeln, die das Monitoring der Muschelbedeckung beschleunigen – von einer halbautomatischen hin zu einer vollautomatischen Analyse auf Basis massgeschneiderter Bildsegmentierungsmodelle.

Auf Grundlage dieses laufenden Forschungsprojekts wurde QuaggAIedu konzipiert und durchgeführt: ein Bildungsmodul, das sowohl die ökologische Fragestellung als auch die Diskussion möglicher technologischer Lösungen in den Unterricht der Sekundarstufe II bringt.

Konzeption des Bildungsmoduls

Das Modul gliedert sich in drei Einheiten zu je zwei Lektionen à 45 Minuten. So können sich die Lernenden schrittweise zunächst die ökologischen und anschliessend die technischen Aspekte des Themas erschliessen.

Die erste Einheit führt in die Problematik des Quaggamuschel-Befalls ein: die Quaggamuschel als Art, die bereits betroffenen Seen und insbesondere die Grenzen konventioneller Monitoring-Ansätze. Diese ökologische Grundlage hilft, die in den folgenden Lektionen vorgestellten technologischen Lösungen einzuordnen.

Die zweite Einheit widmet sich der Technologie. Sie beginnt mit den Grundkonzepten des maschinellen Lernens und der Bildsegmentierung. Die Lernenden verstehen auf einer übergeordneten Ebene, wie ein Modell lernt, relevante Bildbereiche zu erkennen und voneinander abzugrenzen. Anschliessend arbeiten sie direkt mit dem halbautomatischen Monitoring-Prototyp, der im Rahmen von QuaggAI entwickelt wurde. Diese praktische Übung lässt sie den Monitoring-Ablauf Schritt für Schritt nachvollziehen und ein intuitives Verständnis dafür entwickeln, was die Technologie leistet und wo menschliches Zutun weiterhin erforderlich ist.

Die dritte Einheit erweitert diese Grundlage um den Prozess des Modelltrainings und des Fine-Tunings. Die Lernenden arbeiten mit dem automatischen Monitoring-Prototyp. Die Einheit schliesst mit einer strukturierten kritischen Reflexion, in der die über die drei Einheiten hinweg vorgestellten Monitoring-Ansätze diskutiert werden.

Erste Durchführung und gewonnene Erkenntnisse

Die erste Durchführung dieses Unterrichtsmoduls fand am bwd (Bildungszentrum für Wirtschaft und Dienstleistung) statt. Diese erste Iteration zeigte, wie sich die Materialien und der Software-Prototyp in einem Unterrichtssetting bewähren. Das ist besonders aufschlussreich, da die Lernenden sowohl dem Thema der Quaggamuschel als auch dem maschinellen Lernen zum ersten Mal begegneten. Zugleich wurde deutlich, wo Inhalt, Tempo und interaktive Komponenten des Moduls für künftige Durchführungen weiterentwickelt werden müssen.

Eine Erkenntnis aus dieser ersten Iteration betraf die Bereitstellung des Software-Prototyps. Zwar ist die Entwicklung eines lokal installierten Prototyps für diese Projektphase sinnvoll, doch erwies sich die Installation als zeitaufwändig: Rund 20 Lernende mussten sich jeweils Zugang verschaffen und die Software innerhalb begrenzter Zeit lokal installieren. Ein zentraler nächster Schritt ist daher ein webbasierter Zugang zum Prototyp, da dies die bisherigen Herausforderungen bei Verteilung und Installation erleichtert und teilweise beseitigt.

Ausblick

Aufbauend auf den Erfahrungen am bwd wurde in einem ersten Austausch mit dem GBSL (Gymnasium Biel-Seeland) ausgelotet, das Modul als eigene Projektwoche durchzuführen. Dieses Format vertieft die Auseinandersetzung sowohl mit dem ökologischen Thema als auch mit den technischen Aspekten und erweitert die Reichweite des Moduls.

QuaggAIedu ist so angelegt, dass es sich auf verschiedene Bildungskontexte übertragen lässt. Es kann im regulären Unterricht durchgeführt werden, wie bei unserer ersten Iteration, aber auch im Rahmen projektbasierter oder ausserschulischer Formate. Zu diesem Zweck möchten wir die Unterrichtsmaterialien anderen Institutionen zur Verfügung stellen, mit dem Ziel, das Modul als wiederverwendbare Ressource für den naturwissenschaftlich-technischen Unterricht auf der Sekundarstufe II zu etablieren. Damit trägt das Projekt nicht nur dazu bei, das Bewusstsein für eine aktuelle ökologische Herausforderung zu schärfen, sondern erweitert auch den Zugang zu angewandten Deep-Learning-Konzepten für Schülerinnen und Schüler.

Weitere Informationen

• Eawag: https://www.eawag.ch/de/
• SRF Doku: https://www.srf.ch/play/tv/einstein/video/invasive-quagga-muscheln-kollabierende-seen-und-millionenschaeden?urn=urn:srf:video:2a7cabb4-7471-4196-815c-3e155410cba0
• SOP Dokument: https://www.dora.lib4ri.ch/eawag/item/eawag:33819
• Bildungszentrum für Wirtschaft und Dienstleistung Bern: https://bwdbern.ch/
• Gymnasium Biel Seeland: https://www.gbsl.ch/