Lernende entdecken visuelle Unterschiede in KI-generierten Darstellungen von Israel und Gaza und reflektieren Bias, Ethik und Zensur in KI-Systemen. Im Rahmen des BMBF-Verbundprojekts ViFoNet (2023–2025) untersucht das Teilprojekt 3.2 (Anglistik), wie KI im Englischunterricht zur Förderung kritischer digitaler und ethischer Reflexionskompetenzen eingesetzt werden kann.
In dieser Sequenz lassen Schüler*innen von einer KI ein Bild eines Mannes aus Israel und anschließend ein Bild eines Mannes aus Gaza generieren. Beim Vergleich der Ergebnisse fällt den Lernenden auf, dass der israelische Mann deutlich heller dargestellt wird, was sie kritisch kommentieren. Daraufhin fordern sie die KI auf, ein aktuelles Bild von Gaza zu erzeugen. Die KI verweigert die Generierung aufgrund ethischer und sicherheitspolitischer Richtlinien. Timestamp: 00:28:04–00:29:39 Die Lernenden diskutieren im Anschluss über die möglichen Gründe dieser Verweigerung und über implizite Vorurteile in KI-generierten Bildern. Die Szene verdeutlicht, wie Lernende durch exploratives Prompting und kritische Beobachtung algorithmische Biases und ethische Beschränkungen von KI-Systemen erkennen und reflektieren. Dieser Videoausschnitt ist mittels eines für diesen Zweck programmierten machine-learning Tools anonymisiert, da das Lernen mit anonymisierten Videos einen Teil des Forschungsprojekts bildete. Bei dem Tool handelt es sich um VAiEd (Videoanonymization in education), welches die Köpfe der im Video sichtbaren Personen trackt und dann mit einem neu erstellten, in den Gesichtsparametern randomisierten 3D-Modell überlagert. Haare wurden entweder durch einen kreisförmigen gauss'schen Blur oder in späteren Videos durch eine dedizierte Haarerkennung ersetzt. Edge-cases, die der Algorithmus nicht erkannte wurden manuell geblurt. Sprache wurde durch Pitchshift und Modulation verfremdet. Alle Englischvideos enthalten zudem fest eingebrannte Untertitel.
