In dieser Unterrichtssequenz generieren Schülerinnen mithilfe einer KI Bilder zum Thema *„SDG 1: No Poverty“*. Dabei verwechselt die KI das Sustainable Development Goal mehrfach und bezeichnet es fälschlicherweise als *„SDG 0“* oder *„SDG 30“*.
Die Lernenden reagieren mit Humor und kritischen Kommentaren auf diesen Fehler („Ah, zero poverty – for the teacher, yes“) und hinterfragen den Wahrheitsgehalt der KI-Ausgabe. Die Szene zeigt exemplarisch, wie Lernende KI-Fehler erkennen, bewerten und emotional auf sie reagieren – ein Beispiel für die Förderung **kritischer digitaler Kompetenz** im Englischunterricht. Im Rahmen des BMBF-Verbundprojekts ViFoNet (2023–2025) wurde im Teilprojekt 3.2 (Anglistik) beforscht, wie critical digital literacy im Englischunterricht gefördert werden kann. Beforscht wurde insbesondere der Einsatz von KI-gestützten Tools (z. B. ChatGPT, DALL·E) sowie deren Potenzial für einen kritisch-reflexiven Umgang mit KI im Fremdsprachenlernen. Die Interventionsstudie wurde im Design-Based-Research-Ansatz in Zusammenarbeit mit Schulen durchgeführt. Lehrkräfte erhielten Unterrichtsentwürfe und Materialien, die mit Laptops umgesetzt wurden. Darin wurden KI-Tools praktisch eingesetzt und inhaltlich reflektiert. Der vorliegende Videoausschnitt zeigt eine Sequenz, in der Schülerinnen mit der KI Bilder zum Thema „SDG 1: No Poverty“ generieren. Die KI verwechselt das Sustainable Development Goal jedoch mehrfach und bezeichnet es fälschlicherweise als „SDG 0“ oder „SDG 30“. Diese fehlerhafte Ausgabe führt zu Irritation und humorvollen Reaktionen unter den Lernenden. Die Szene verdeutlicht, wie Schülerinnen kritisch auf KI-Fehler reagieren, den Wahrheitsgehalt von Ergebnissen hinterfragen und emotionale Reaktionen (Erstaunen, Ärger, Spott) zeigen. 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.
