🧭 Thema 10: KI-Geschichte, Datenschutz und App-Design

Überblick

In diesem Themenbereich geht es darum, wie Informatik unsere Vorstellung von Intelligenz, Kommunikation, Lernen und Selbstbestimmung verändert. Du beschäftigst dich mit der Geschichte der Künstlichen Intelligenz, mit frühen Chatbots wie ELIZA, mit modernen KI-Systemen und mit der Frage, welche Verantwortung Entwickler·innen, Plattformbetreiber und Nutzer·innen tragen.

Ein besonderer Schwerpunkt liegt auf Datenschutz, Smartphone-Nutzung und Human-Computer-Interaction. Apps sind nicht einfach neutrale Werkzeuge. Ihre Gestaltung beeinflusst, wie lange wir sie nutzen, welche Daten entstehen und wie selbstbestimmt wir handeln.

Du solltest nach der Wiederholung erklären können,

• wie sich KI historisch entwickelt hat,
• warum Menschen Chatbots schnell Intelligenz zuschreiben,
• worin sich ELIZA und moderne Chatbots unterscheiden,
• welche Chancen und Risiken KI im Schul- und Alltagskontext hat,
• was personenbezogene und besonders schützenswerte Daten sind,
• was mit dem Begriff „Gläserner Mensch“ gemeint ist,
• wie die fünf Grundprinzipien des Datenschutzes angewendet werden,
• was Human-Computer-Interaction bedeutet,
• wie App-Oberflächen Verhalten beeinflussen können,
• wo die Grenze zwischen hilfreicher Benutzer·innenführung und manipulativer Gestaltung liegen kann,
• wie Experimentdaten zu Smartphone-Verzicht und Wohlbefinden vorsichtig interpretiert werden,
• und wie faire, jugendgerechte Apps digitale Selbstbestimmung stärken können.

Leitfrage

Wie können digitale Systeme so gestaltet und genutzt werden, dass sie Menschen unterstützen, ohne ihre Daten, Aufmerksamkeit oder Entscheidungsfreiheit auszunutzen?

Historische Entwicklung von KI

Künstliche Intelligenz ist kein plötzliches neues Thema. Schon lange versuchen Menschen, Maschinen so zu bauen, dass sie Aufgaben erledigen, die sonst menschliche Intelligenz erfordern würden: rechnen, entscheiden, Sprache verarbeiten, Muster erkennen oder Probleme lösen.

Wichtiger als eine lange Liste von Jahreszahlen ist, dass du Entwicklungen sinnvoll einordnen kannst.

Entwicklung	Bedeutung	Beispielhafte Einordnung
frühe Rechenmaschinen	Maschinen übernehmen Berechnungen schneller und zuverlässiger als Menschen.	Der Traum, menschliche Arbeit durch Maschinen zu unterstützen, ist älter als moderne KI.
programmierbare Computer	Ein Gerät kann durch unterschiedliche Programme verschiedene Aufgaben ausführen.	Intelligentes Verhalten wird nicht nur durch Hardware, sondern durch Anweisungen und Daten geprägt.
symbolische KI	Wissen wird in Regeln und Symbolen dargestellt.	Wenn-dann-Regeln können nachvollziehbar sein, bleiben aber oft starr.
Chatbots wie ELIZA	Programme erzeugen den Eindruck eines Gesprächs.	Schon einfache Muster können menschenähnlich wirken.
maschinelles Lernen	Systeme erkennen Muster in Daten.	Statt jede Regel einzeln zu programmieren, lernt ein Modell aus Beispielen.
generative KI	Systeme erzeugen Texte, Bilder, Code oder andere Inhalte.	Sprachliche Plausibilität ist nicht automatisch Wahrheit oder Verständnis.

Merke

KI ist kein einheitliches Verfahren. Der Begriff umfasst viele Ansätze: von einfachen regelbasierten Systemen bis zu komplexen datenbasierten Modellen.

Weiterführender Link

Einen gut strukturierten Überblick findest du im mebis-Beitrag „Die Geschichte der künstlichen Intelligenz“. Nutze ihn nicht zum Auswendiglernen, sondern um Meilensteine zeitlich einzuordnen und Erwartungen an KI kritisch zu prüfen.

Erwartungen an KI

Die Erwartungen an KI schwanken historisch stark. Neue technische Möglichkeiten erzeugen oft Begeisterung: Maschinen sollen bald denken, sprechen, verstehen oder menschliche Arbeit vollständig übernehmen. Wenn Grenzen sichtbar werden, folgt häufig Ernüchterung.

Typische Bilder von KI sind:

• der hilfreiche Roboter,
• der bedrohliche Maschinenmensch,
• der scheinbar verständige Chatbot,
• das allwissende System,
• das Werkzeug, das Menschen unterstützt,
• die Blackbox, deren Entscheidungen schwer nachvollziehbar sind.

Diese Bilder beeinflussen, wie Gesellschaft über KI spricht. Deshalb ist es wichtig, zwischen tatsächlicher technischer Leistung und zugeschriebenem Können zu unterscheiden.

📝 Übung: KI-Meilensteine einordnen

Ordne die folgenden Begriffe in eine sinnvolle historische Entwicklung ein und ergänze jeweils einen Satz zur Bedeutung:

• regelbasierte Systeme,
• ELIZA,
• maschinelles Lernen,
• generative KI,
• frühe Rechenmaschinen,
• Expertensysteme.

Lösungshinweis

Eine mögliche Reihenfolge ist: frühe Rechenmaschinen → regelbasierte Systeme → ELIZA → Expertensysteme → maschinelles Lernen → generative KI.

Wichtig ist die Begründung: Frühe Rechenmaschinen zeigen Automatisierung von Berechnung. Regelbasierte Systeme bilden Wissen in Regeln ab. ELIZA zeigt frühe sprachliche Interaktion. Expertensysteme nutzen Fachwissen in bestimmten Bereichen. Maschinelles Lernen erkennt Muster in Daten. Generative KI erzeugt neue Inhalte auf Basis gelernter Muster.

ELIZA und die Wirkung früher Chatbots

ELIZA war ein früher Chatbot aus den 1960er-Jahren. Besonders bekannt ist eine Variante, die ein psychotherapeutisch wirkendes Gespräch nachahmt. Das Programm verstand die Aussagen der Nutzer·innen nicht wirklich. Es reagierte mit einfachen Regeln, Schlüsselwörtern und Rückfragen.

Trotzdem konnte ein Eindruck von Verstehen entstehen. Das liegt nicht nur am Programm, sondern auch an Menschen: Wir neigen dazu, sprachliche Reaktionen zu deuten, Absichten hineinzulesen und Lücken selbst zu füllen.

Weiterführender Link

Du kannst ELIZA im Browser ausprobieren: ELIZA-Simulator von mass:werk. Achte beim Testen darauf, welche Antworten wirklich auf deinen Inhalt eingehen und welche nur sprachliche Muster spiegeln.

ELIZA und moderne Chatbots vergleichen

Aspekt	ELIZA	Moderne Chatbots
Grundidee	regelbasierte Reaktion auf Muster	Erzeugung wahrscheinlicher Antworten auf Basis großer Datenmengen
Wirkung	überraschend gesprächsähnlich	oft sehr flüssig und vielseitig
Verständnis	kein echtes inhaltliches Verständnis	kein menschliches Verständnis; Antworten können plausibel, aber falsch sein
Risiko	Überschätzung einfacher Dialogregeln	Überschätzung sprachlicher Kompetenz und faktischer Zuverlässigkeit
Reflexionsfrage	Warum wirkt das Programm menschlicher, als es ist?	Wann vertrauen wir einer Antwort zu schnell?

Achtung

Eine flüssige Antwort ist kein Beweis dafür, dass ein System etwas verstanden hat. Sprachliche Plausibilität, Wahrheit und Verantwortung müssen getrennt betrachtet werden.

📝 Übung: Chatbot-Antworten kritisch prüfen

Führe ein kurzes Gespräch mit ELIZA oder stelle dir einen regelbasierten Chatbot vor. Notiere drei Austauschpaare und beantworte danach:

1. Welche Antwort wirkt passend?
2. Welche Antwort wirkt eher allgemein oder ausweichend?
3. Wo ergänzt du als Mensch Bedeutung, die das System gar nicht wirklich verarbeitet?
4. Wie wäre derselbe Gesprächsausschnitt bei einem modernen Chatbot vermutlich anders?

Lösungshinweis

Eine gute Analyse unterscheidet Wirkung und Funktionsweise. ELIZA kann passend wirken, wenn es Wörter aufgreift oder Fragen zurückspielt. Es analysiert aber nicht tief, ob die Aussage sachlich, emotional oder logisch gemeint ist. Moderne Chatbots antworten meist ausführlicher und kontextbezogener, können aber ebenfalls falsche Sicherheit erzeugen.

KI in Schule und Gesellschaft

KI-Systeme können Lernen unterstützen, Texte erklären, Ideen liefern, Code kommentieren oder bei der Strukturierung helfen. Gleichzeitig können sie Abhängigkeiten erzeugen, Fehler verschleiern, Leistungen schwerer beurteilbar machen und falsche Informationen überzeugend formulieren.

Bei der Nutzung von KI in der Schule stellen sich daher mehrere Fragen:

• Unterstützt das System echtes Lernen oder ersetzt es nur Denkprozesse?
• Können Schüler·innen die Antwort überprüfen?
• Ist klar, welche Hilfsmittel erlaubt sind?
• Werden personenbezogene Daten verarbeitet?
• Wer übernimmt Verantwortung, wenn ein System falsch liegt?
• Wie verändert sich der Begriff von Leistung?

Merke

KI-Kompetenz bedeutet nicht nur, ein Tool bedienen zu können. Du solltest Ergebnisse prüfen, Grenzen erkennen und den eigenen Lernprozess bewusst steuern können.

📝 Übung: Richtlinien für KI-Nutzung formulieren

Formuliere fünf Regeln für den verantwortungsvollen Einsatz von KI in der Schule. Gehe mindestens auf folgende Punkte ein:

• Kennzeichnung,
• Überprüfung,
• Datenschutz,
• Eigenleistung,
• hilfreiche und problematische Nutzung.

Lösungshinweis

Mögliche Regeln: KI-Nutzung offenlegen; Fakten mit verlässlichen Quellen prüfen; keine sensiblen personenbezogenen Daten eingeben; KI als Unterstützung, nicht als Ersatz für eigenes Denken verwenden; bei Lernaufgaben erklären können, was übernommen und was selbst erarbeitet wurde.

Datenschutz und digitale Selbstbestimmung

Datenschutz schützt nicht „Daten“ als abstrakte Sache, sondern Menschen. Personenbezogene Daten können genutzt werden, um Menschen direkt oder indirekt zu erkennen, zu bewerten oder zu beeinflussen.

Personenbezogene Daten sind Informationen, die sich auf eine bestimmte oder bestimmbare Person beziehen. Beispiele sind Name, Adresse, Telefonnummer, E-Mail-Adresse, IP-Adresse, Standortdaten, Fotos, Nutzungsverhalten oder Schul- und Leistungsdaten.

Besonders schützenswerte Daten sind Daten, bei denen Missbrauch besonders gravierende Folgen haben kann, etwa Gesundheitsdaten, biometrische Daten, politische Meinungen, religiöse oder weltanschauliche Überzeugungen oder Informationen zur sexuellen Orientierung.

Der Begriff Gläserner Mensch beschreibt die Sorge, dass Menschen durch Datensammlung, Verknüpfung und Auswertung immer durchschaubarer werden. Einzelne Daten wirken oft harmlos. In Kombination können daraus Profile entstehen, etwa über Interessen, Gewohnheiten, Kontakte, Aufenthaltsorte oder mögliche Schwächen.

Merke

Datenschutz ist eine Voraussetzung für Selbstbestimmung. Wer nicht weiß, welche Daten über ihn oder sie gesammelt und ausgewertet werden, kann schwer frei entscheiden.

Die fünf Grundprinzipien des Datenschutzes

Die folgenden fünf Grundprinzipien helfen dir, einfache Datenschutzfälle zu beurteilen.

Prinzip	Bedeutung	Beispiel
Transparenz	Betroffene sollen wissen, welche Daten wofür verarbeitet werden.	Eine App erklärt verständlich, warum sie Standortzugriff möchte.
Datenminimierung	Es sollen nur so wenige Daten wie nötig verarbeitet werden.	Für eine Umfrage wird keine private Adresse abgefragt.
Erforderlichkeit	Datenverarbeitung muss für den Zweck wirklich notwendig sein.	Eine Lernplattform braucht einen Namen, aber nicht automatisch Gesundheitsdaten.
Verbot mit Erlaubnisvorbehalt	Datenverarbeitung braucht eine gültige Grundlage.	Eine Veröffentlichung von Fotos benötigt eine passende Erlaubnis.
Zweckbindung	Daten dürfen nur für den angegebenen Zweck verwendet werden.	Kontaktdaten für eine Exkursion werden nicht später für Werbung verwendet.

Wichtig

„Die Daten sind ja schon vorhanden“ ist keine ausreichende Begründung für eine neue Auswertung. Eine neue Nutzung kann einen neuen Zweck bedeuten und muss wieder begründet werden.

Verantwortung von Informatiker·innen

Informatiker·innen treffen bei der Entwicklung digitaler Systeme viele Entscheidungen:

• Welche Daten werden überhaupt erfasst?
• Welche Daten werden gespeichert?
• Wer darf sie sehen?
• Wie lange werden sie aufbewahrt?
• Werden Daten verknüpft?
• Wird eine Auswertung für Betroffene verständlich erklärt?
• Können Nutzer·innen widersprechen oder Daten löschen lassen?

Diese Entscheidungen sind nicht nur technisch. Sie haben Auswirkungen auf Rechte, Vertrauen, Fairness und Freiheit.

📝 Übung: Datenarten erkennen

Ordne die folgenden Daten in drei Gruppen: personenbezogen, besonders schützenswert, nicht personenbezogen.

Beispiel	Deine Einordnung
Vorname und Klasse
durchschnittliche Nutzungsdauer einer anonymen Gruppe
Gesundheitsfragebogen mit Namen
IP-Adresse eines Geräts
Lieblingsfarbe ohne Namensbezug
Standortverlauf eines Smartphones
religiöse Zugehörigkeit mit Personenbezug

Lösungshinweis

Vorname und Klasse, IP-Adresse und Standortverlauf sind personenbezogen, wenn sie einer Person zugeordnet werden können. Gesundheitsdaten und religiöse Zugehörigkeit mit Personenbezug sind besonders schützenswert. Eine vollständig anonyme Gruppenauswertung oder Lieblingsfarbe ohne Personenbezug kann nicht personenbezogen sein, sofern keine Rückschlüsse auf einzelne Personen möglich sind.

Datenschutzfälle strukturiert beurteilen

Für einfache Datenschutzfälle hilft eine klare Struktur. Sie ersetzt keine juristische Prüfung, verhindert aber, dass man nur nach Bauchgefühl argumentiert.

Schritt	Leitfrage
Sachverhalt	Was passiert genau? Welche Daten werden verarbeitet?
Fragestellung	Was soll beurteilt werden?
Begründung	Welche Datenschutzprinzipien sind betroffen?
Ergebnis	Ist die Nutzung eher vertretbar, problematisch oder offen?
Offene Fragen	Welche Informationen fehlen für eine sichere Bewertung?

Merke

Eine gute Beurteilung nennt nicht nur ein Ergebnis, sondern zeigt den Weg dorthin.

📝 Übung: Mini-Gutachten erstellen

Ein Sportverein möchte eine App einsetzen, die Anwesenheit, Trainingsleistung, Fotos und Kommentare der Mitglieder speichert. Später sollen daraus automatisch persönliche Trainingstipps erzeugt werden.

Erstelle eine kurze Beurteilung nach dem Schema:

• Sachverhalt,
• Fragestellung,
• Begründung anhand von mindestens vier Datenschutzprinzipien,
• Ergebnis,
• offene Fragen.

Lösungshinweis

Wichtig sind Transparenz, Zweckbindung, Datenminimierung, Erforderlichkeit und eine gültige Grundlage. Fotos, Kommentare und Leistungsdaten sind personenbezogen. Je nach Inhalt können sie sensibel sein. Offene Fragen betreffen Einwilligung, Zugriff, Speicherdauer, Löschung, Alter der Betroffenen und mögliche Profilbildung.

App-Design, Smartphone-Nutzung und digitale Selbstbestimmung

Smartphones und Apps sind nicht neutral. Sie sind gestaltet. Farben, Benachrichtigungen, Belohnungen, Scrollverhalten, Likes, Streaks oder automatische Empfehlungen beeinflussen, wie lange und wie häufig Menschen eine App nutzen.

Gerade deshalb ist App-Design ein ethisches Thema. Eine Oberfläche kann Nutzer·innen Orientierung geben, aber auch Druck erzeugen. Sie kann Entscheidungen erleichtern, aber auch Entscheidungen lenken.

Leitfrage

Wie können digitale Anwendungen so gestaltet werden, dass sie Menschen unterstützen, ohne ihre Aufmerksamkeit, Daten oder Entscheidungsfreiheit auszunutzen?

Human-Computer-Interaction

Human-Computer-Interaction, kurz HCI, beschäftigt sich mit der Gestaltung und Untersuchung der Interaktion zwischen Menschen und Computersystemen. Dabei geht es nicht nur um schöne Oberflächen, sondern darum, wie Nutzer·innen Informationen wahrnehmen, Entscheidungen treffen, Rückmeldungen erhalten und durch ein System geführt werden.

HCI-Aspekt	Leitfrage	Beispiel
Benutzer·innenzentrierung	Passt das System zu den Bedürfnissen der Nutzer·innen?	Eine Lern-App erklärt Fehler verständlich statt nur Punkte abzuziehen.
Wahrnehmung und Kognition	Ist die Oberfläche leicht erfassbar?	Wichtige Einstellungen sind nicht versteckt.
Feedback	Versteht man, was gerade passiert?	Nach dem Speichern erscheint eine klare Rückmeldung.
Kontrolle	Können Nutzer·innen bewusst entscheiden?	Benachrichtigungen lassen sich einfach abschalten.
Barrierefreiheit	Können verschiedene Menschen das System nutzen?	Kontraste, Schriftgröße und Bedienung sind zugänglich gestaltet.
Transparenz	Wird erklärt, welche Daten oder Algorithmen genutzt werden?	Empfehlungen werden kurz begründet.

Merke

HCI ist die Schnittstelle zwischen Mensch, Technik und Verantwortung. Ein Interface entscheidet mit, ob Menschen informiert, frei und sicher handeln können.

Gute Benutzer·innenführung oder Manipulation?

Nicht jede Lenkung ist problematisch. Ein System darf Nutzer·innen helfen, den nächsten Schritt zu erkennen. Problematisch wird es, wenn Gestaltung bewusst ausnutzt, dass Menschen schnell klicken, Belohnungen mögen, Verlust vermeiden oder sich von sozialen Signalen beeinflussen lassen.

Gestaltung	eher hilfreich	eher manipulativ
Erinnerung	Termin oder Lernfortschritt wird nachvollziehbar angezeigt.	Push-Nachrichten erzeugen ständig Angst, etwas zu verpassen.
Auswahl	Optionen sind verständlich und gleichwertig erreichbar.	Ablehnen ist versteckt, Zustimmen ist groß hervorgehoben.
Feedback	Nutzer·innen sehen klar, was passiert ist.	Belohnungseffekte werden genutzt, um immer weiterzuklicken.
Personalisierung	Empfehlungen sind abschaltbar und erklärbar.	Inhalte werden so sortiert, dass maximale Verweildauer entsteht.
Datenschutz	Datennutzung wird verständlich erklärt.	Datenfreigabe wird durch unklare Formulierungen erschlichen.

Achtung

Eine App kann technisch gut funktionieren und trotzdem ethisch problematisch sein. Entscheidend ist auch, welche Verhaltensweisen sie fördert.

Dark Patterns und App-Mechanismen

Dark Patterns sind Gestaltungsmuster, die Nutzer·innen zu Handlungen verleiten, die sie eigentlich nicht bewusst oder freiwillig wählen würden. Sie können bei Datenschutz, Konsum, Abos, Spielen oder Social Media vorkommen.

Typische Beispiele:

• vorausgewählte Zustimmung,
• schwer auffindbare Abmelde- oder Löschoptionen,
• künstlicher Zeitdruck,
• verwirrende Buttonfarben,
• endloses Scrollen,
• Streaks und Verlustangst,
• unklare Kosten,
• Benachrichtigungen, die Dringlichkeit vortäuschen.

Viele dieser Mechanismen greifen in menschliche Wahrnehmung und Gewohnheiten ein. Gerade bei Jugendlichen ist deshalb wichtig, dass Apps nicht nur „engaging“, sondern auch fair und gesund gestaltet werden.

📝 Übung: App-Mechanismen bewerten

Analysiere die folgenden Mechanismen. Entscheide jeweils, ob sie eher hilfreich, neutral oder problematisch sein können. Begründe kurz.

Mechanismus	Bewertung	Begründung
tägliche Lern-Erinnerung um 17:00 Uhr
endloser Feed ohne sichtbares Ende
Streak, der nach einem verpassten Tag verloren geht
einfache Schaltfläche „Daten löschen“
Empfehlung „Das könnte dich interessieren“ mit kurzer Erklärung
Abo-Kündigung nur nach fünf Unterseiten

Lösungshinweis

Eine Erinnerung kann hilfreich sein, wenn sie kontrollierbar ist. Ein endloser Feed und verlustorientierte Streaks können problematisch sein, weil sie lange Nutzung fördern. Eine einfache Löschfunktion stärkt Kontrolle. Erklärbare Empfehlungen können akzeptabel sein, wenn sie abschaltbar sind. Eine versteckte Kündigung ist ein typisches Dark Pattern.

Smartphone-Verzicht und psychische Gesundheit

Das ORF-DOK-1-Handyexperiment ist ein gutes Beispiel dafür, wie Medien, Forschung und Alltagserfahrung zusammenkommen. Es geht nicht darum, Smartphones pauschal als schlecht darzustellen. Interessant ist vielmehr die Frage, wie stark Gewohnheiten, Apps und soziale Erwartungen den Alltag prägen.

Die ORF-Aussendungen zum Experiment berichten unter anderem:

• Beim Experiment 2025 verzichteten 69 Jugendliche drei Wochen lang auf ihr Smartphone. Untersucht wurden Auswirkungen auf Schlafqualität, Stress und Wohlbefinden.
• Die Auswertung 2025 nennt unter anderem eine deutliche Steigerung des psychischen Wohlbefindens, weniger depressive Symptomatik und bei einem Teil der Teilnehmer·innen eine nachhaltige Reduktion der Bildschirmzeit.
• Beim großen Handyexperiment 2026 wurden zehntausende Jugendliche aus Österreich, Deutschland, der Schweiz und Südtirol einbezogen. Ausgewertet wurden anonyme Befragungen vor dem Experiment, am Ende und fünf Wochen danach.
• Die ORF-Aussendung 2026 berichtet unter anderem von weniger problematischem Internetnutzungsverhalten, weniger Ein- und Durchschlafstörungen und einem Anstieg des psychischen Wohlbefindens.

Weiterführende Links

Zur Einordnung kannst du die ORF/OTS-Aussendungen lesen:

• Auswertung des ORF-DOK-1-Experiments „Drei Wochen Handy-Entzug“ 2025
• Auswertung des großen ORF-DOK-1-Handyexperiments 2026

Behandle Presseinformationen aber nicht wie eine vollständige wissenschaftliche Studie. Achte darauf, welche Daten genannt werden, welche Vergleichsgruppen vorkommen und welche offenen Fragen bleiben.

Experimentdaten vorsichtig interpretieren

Wenn du Experimentdaten oder Diagramme zum Smartphone-Verzicht auswertest, solltest du drei Ebenen unterscheiden:

Ebene	Leitfrage
Beschreibung	Was zeigt die Tabelle oder das Diagramm?
Vergleich	Wie unterscheiden sich Gruppen oder Messzeitpunkte?
Deutung	Welche Zusammenhänge sind plausibel, welche bleiben offen?

Wichtig

Aus einem Diagramm folgt nicht automatisch eine eindeutige Ursache. Wenn sich Wohlbefinden verbessert, kann Smartphone-Verzicht eine Rolle spielen. Trotzdem solltest du prüfen, wie das Experiment aufgebaut war, welche Gruppe verglichen wird und ob andere Faktoren mitwirken könnten.

📝 Übung: Experimentdaten auswerten

Stell dir vor, eine Studie vergleicht zwei Gruppen über drei Messzeitpunkte:

Gruppe	vor Beginn	nach 3 Wochen	5 Wochen später
Smartphone-Verzicht	48	61	57
Kontrollgruppe	49	53	52

Die Werte stehen für einen vereinfachten Wohlbefindensindex. Höhere Werte bedeuten höheres Wohlbefinden.

Bearbeite:

1. Beschreibe die Entwicklung beider Gruppen.
2. Vergleiche die Veränderung der Verzichtsgruppe mit der Kontrollgruppe.
3. Formuliere eine vorsichtige Deutung.
4. Nenne zwei Informationen, die du für eine bessere Beurteilung zusätzlich bräuchtest.
5. Stelle einen Bezug zu App-Design und digitaler Selbstbestimmung her.

Lösungshinweis

Die Verzichtsgruppe steigt von 48 auf 61 und sinkt später auf 57, bleibt also über dem Ausgangswert. Die Kontrollgruppe steigt nur leicht von 49 auf 53 und später 52. Eine vorsichtige Deutung wäre: Smartphone-Verzicht könnte mit höherem Wohlbefinden zusammenhängen, besonders kurzfristig. Für eine bessere Beurteilung bräuchte man etwa Gruppengröße, Auswahl der Teilnehmer·innen, genaue Messmethode, Abbruchquote, Alltagssituation und weitere Belastungsfaktoren. Der Bezug zu App-Design liegt darin, dass Apps Nutzung fördern können; digitale Selbstbestimmung bedeutet, Nutzung bewusst steuern zu können.

Anti-Social-Media als Gegenentwurf

Nicht jede App muss auf maximale Nutzung ausgelegt sein. Die App minutiae versteht sich als Gegenentwurf zu klassischen Social-Media-Plattformen. Im Manifest wird betont, dass sie keine sofortige Belohnung, keinen Popularitätswettbewerb und keine optimierte Selbstdarstellung bieten will.

Weiterführender Link

Das Manifest findest du hier: The Manifesto — Anti-social media app minutiae.

Für die Analyse ist nicht wichtig, ob diese App „besser“ ist. Entscheidend ist, dass sie zeigt: Andere Designentscheidungen sind möglich.

Klassische Plattformlogik	Gegenentwurf
möglichst lange Nutzung	zeitlich begrenzte Nutzung
Likes, Kommentare, Reichweite	weniger soziale Bewertung
kuratierte Selbstdarstellung	zufällige, alltägliche Momente
algorithmische Bindung	bewusste Unterbrechung
Daten als wirtschaftlicher Rohstoff	Datensparsamkeit als Gestaltungsprinzip

📝 Übung: Faire App entwerfen

Entwirf in Stichpunkten eine jugendgerechte App, die digitale Selbstbestimmung stärkt. Berücksichtige:

• Benachrichtigungen,
• Datenschutz,
• Nutzungsdauer,
• Transparenz,
• soziale Vergleichsmöglichkeiten,
• Einstellungen für Jugendliche,
• Verantwortung der Entwickler·innen.

Lösungshinweis

Eine faire App könnte Benachrichtigungen sparsam und abschaltbar machen, Nutzungsdauer sichtbar anzeigen, klare Datenschutzinformationen bieten, keine versteckten Zustimmungsmuster verwenden, keine endlosen Feeds einsetzen, soziale Bewertung begrenzen und Empfehlungen erklärbar machen. Wichtig ist, dass Nutzer·innen Kontrolle behalten.

Typische Stolperstellen

Stolperstelle	Bessere Sichtweise
„Smartphones sind schlecht.“	Es geht um Nutzungsmuster, App-Design, soziale Erwartungen und Selbststeuerung.
„Ein Experiment beweist alles.“	Experimentdaten müssen beschrieben, verglichen und vorsichtig gedeutet werden.
„Gute UX bedeutet nur schöne Oberfläche.“	Gute UX umfasst Verständlichkeit, Kontrolle, Feedback, Barrierefreiheit und Fairness.
„Nutzer·innen sind selbst schuld.“	Individuelle Verantwortung und manipulative Gestaltung müssen gemeinsam betrachtet werden.
„Datenschutz ist nur eine Checkbox.“	Datenschutz betrifft Zweck, Transparenz, Datenminimierung, Erforderlichkeit und Kontrolle.

Grenzen und Verantwortung

Verantwortung verteilt sich auf mehrere Ebenen.

Ebene	Verantwortung
Entwickler·innen	faire Gestaltung, Datenschutz und Selbstbestimmung von Beginn an mitdenken
Plattformbetreiber	Geschäftsmodelle und Empfehlungslogik transparent und verantwortbar gestalten
Schulen und Familien	Reflexion ermöglichen, Regeln begründen und Alternativen eröffnen
Nutzer·innen	eigene Gewohnheiten beobachten, Einstellungen prüfen, bewusst Pausen setzen
Gesellschaft und Politik	Jugendschutz, Datenschutz und Plattformregeln weiterentwickeln

Merksatz

Verantwortungsvolles Design fragt nicht nur, ob eine App genutzt wird, sondern auch, wie sie Menschen verändert.

Prüfungsvorbereitung

Die folgenden Aufgaben helfen dir, die zentralen Kompetenzen dieses Themenbereichs zu wiederholen. Sie sind ähnlich im Anspruch, verwenden aber andere Kontexte, Daten und Beispiele.

📝 Übung: HCI erklären

Erkläre einer jüngeren Klasse, was Human-Computer-Interaction bedeutet. Verwende ein Beispiel aus einer Lern-App, einem Messenger oder einem Spiel. Gehe darauf ein, wie Oberfläche, Rückmeldung und Kontrolle die Nutzung beeinflussen.

Lösungshinweis

HCI beschreibt die Gestaltung der Interaktion zwischen Mensch und Computersystem. Ein Beispiel wäre eine Lern-App, die Aufgaben klar anzeigt, nach einer Antwort verständliches Feedback gibt und Benachrichtigungen abschaltbar macht. Oberfläche, Rückmeldung und Kontrolle beeinflussen, ob Nutzer·innen selbstbestimmt handeln können.

📝 Übung: Datenschutz und App-Design verbinden

Eine Fitness-App für Jugendliche speichert Schritte, Schlafzeiten, Standortdaten, Trainingsziele und Stimmungseinträge. Sie sendet täglich motivierende Nachrichten und schlägt Inhalte vor.

Beurteile die App aus Datenschutz- und HCI-Perspektive. Gehe auf mindestens vier Datenschutzprinzipien und drei Gestaltungsfragen ein.

Lösungshinweis

Datenschutz: Transparenz über Datenarten und Zwecke, Datenminimierung bei Standort und Stimmung, Erforderlichkeit der Daten, gültige Grundlage, Zweckbindung. HCI: Sind Nachrichten abschaltbar? Werden Empfehlungen erklärt? Sind sensible Daten geschützt? Gibt es Kontrolle über Löschung und Sichtbarkeit? Stimmung und Schlaf können besonders sensibel sein.

📝 Übung: Smartphone-Verzicht reflektieren

Formuliere eine differenzierte Einschätzung: Welche Chancen kann ein zeitlich begrenzter Smartphone-Verzicht haben? Welche Grenzen hätte eine pauschale Regel „alle Jugendlichen sollen drei Wochen ohne Smartphone leben“?

Lösungshinweis

Chancen: Gewohnheiten sichtbar machen, Schlaf und Konzentration verbessern, Alternativen erleben, soziale Offline-Kontakte stärken. Grenzen: Smartphones erfüllen auch wichtige Funktionen, etwa Organisation, Sicherheit, Kommunikation und Lernen. Pauschale Regeln können unterschiedliche Lebenssituationen übersehen. Sinnvoll ist eine reflektierte, begründete und begleitete Auseinandersetzung.

Ich kann …

• Ich kann wichtige Entwicklungsschritte der KI historisch einordnen.
• Ich kann erklären, warum frühe und moderne Chatbots menschenähnlich wirken können.
• Ich kann ELIZA und moderne Chatbots hinsichtlich Funktionsweise, Wirkung und Grenzen vergleichen.
• Ich kann Chancen und Risiken von KI im Schul- und Alltagskontext begründet darstellen.
• Ich kann personenbezogene und besonders schützenswerte Daten unterscheiden.
• Ich kann den Begriff „Gläserner Mensch“ erklären und mit Profilbildung verbinden.
• Ich kann die fünf Grundprinzipien des Datenschutzes erklären und auf einfache Fälle anwenden.
• Ich kann einen Datenschutzfall strukturiert mit Sachverhalt, Fragestellung, Begründung und Ergebnis beurteilen.
• Ich kann erklären, was Human-Computer-Interaction bedeutet.
• Ich kann App-Oberflächen und Funktionen als Mittel der Benutzer·innenführung analysieren.
• Ich kann hilfreiche Gestaltung von Dark Patterns und manipulativen Mechanismen unterscheiden.
• Ich kann Experimentdaten zu Smartphone-Nutzung, Wohlbefinden und psychischer Gesundheit vorsichtig interpretieren.
• Ich kann Zusammenhänge zwischen App-Design, Smartphone-Nutzung und digitaler Selbstbestimmung diskutieren.
• Ich kann konkrete Prinzipien für faire, jugendgerechte und datenschutzbewusste Apps formulieren.
• Ich kann die Verantwortung von Entwickler·innen und Plattformbetreibern begründet beurteilen.

Mini-Check

Beantworte die Fragen zunächst ohne Lösung. Klappe die Kurzlösungen erst danach auf.

1. Warum bedeutet eine flüssige Chatbot-Antwort nicht automatisch, dass ein System etwas versteht?
2. Nenne zwei Unterschiede zwischen ELIZA und heutigen Chatbots.
3. Was bedeutet „Gläserner Mensch“?
4. Nenne die fünf Grundprinzipien des Datenschutzes.
5. Was versteht man unter Human-Computer-Interaction?
6. Nenne drei Gestaltungselemente, mit denen Apps häufige Nutzung fördern können.
7. Was ist ein Dark Pattern? Gib ein Beispiel.
8. Warum muss man Experimentdaten zur Smartphone-Nutzung vorsichtig interpretieren?
9. Welche personenbezogenen Daten können bei App-Nutzung entstehen?
10. Nenne drei Prinzipien einer fairen, jugendgerechten App.
11. Wo liegt eine mögliche Grenze zwischen hilfreicher Benutzer·innenführung und Manipulation?
12. Warum tragen Entwickler·innen Verantwortung, obwohl Nutzer·innen eine App freiwillig verwenden?

Kurzlösungen

1. Sprachliche Plausibilität kann durch Muster entstehen. Verständnis, Wahrheit und Verantwortung müssen zusätzlich geprüft werden.
2. ELIZA arbeitet mit einfachen Regeln und Spiegelungen; moderne Chatbots erzeugen vielseitigere Antworten auf Basis großer Datenmengen. Beide können überschätzt werden.
3. Der Begriff beschreibt die Gefahr, dass Menschen durch Datensammlung und Datenverknüpfung sehr genau durchschaubar werden.
4. Transparenz, Datenminimierung, Erforderlichkeit, Verbot mit Erlaubnisvorbehalt und Zweckbindung.
5. HCI untersucht und gestaltet die Interaktion zwischen Menschen und Computersystemen.
6. Zum Beispiel Push-Benachrichtigungen, Streaks, Likes, endloses Scrollen, automatische Empfehlungen oder Belohnungseffekte.
7. Ein Dark Pattern ist ein manipulatives Gestaltungsmuster, etwa eine schwer auffindbare Kündigung oder vorausgewählte Zustimmung.
8. Diagramme zeigen Zusammenhänge, aber nicht automatisch eindeutige Ursachen. Aufbau, Gruppen, Messmethode und offene Faktoren müssen geprüft werden.
9. Zum Beispiel Nutzungszeiten, Klickverhalten, Standortdaten, Gerätedaten, Kontakte, Suchverhalten, Interessenprofile oder Gesundheitsdaten.
10. Zum Beispiel klare Datenschutzinformationen, abschaltbare Benachrichtigungen, keine Dark Patterns, einfache Löschoptionen, altersgerechte Sprache und transparente Empfehlungen.
11. Hilfreich ist Gestaltung, wenn sie Orientierung und Kontrolle stärkt. Manipulativ wird sie, wenn sie gegen die Interessen der Nutzer·innen lenkt.
12. Entwickler·innen entscheiden über Datenflüsse, Voreinstellungen, Oberfläche, Benachrichtigungen und Geschäftslogik. Dadurch beeinflussen sie Verhalten und Schutzmöglichkeiten.