Informatik 7: Aufgaben mit Mitteln der Informatik modellieren

Aus Informatik.wiki
Zur Navigation springen Zur Suche springen
Tragfähige Modellierungskompetenz entsteht dann, wenn Schülerinnen und Schüler Probleme strukturieren, wesentliche Merkmale auswählen, geeignete Darstellungen entwerfen und ihre Modelle an Beispielen prüfen, verbessern und auf ähnliche Aufgaben übertragen können. Lernziele
Inhaltsverzeichnis

27.1 Lernziele

  • Probleme, zerlegen
  • Muster, erkennen
  • Details, reduzieren
  • Daten, auswählen
  • Regeln, formulieren
  • Modelle, gestalten
  • Abläufe, darstellen
  • Zustände, beschreiben
  • Beziehungen, ordnen
  • Lösungen, prüfen
  • Varianten, vergleichen
  • Ergebnisse, begründen

27.2 Lerninhalte

Vielfältige Aufgaben werden informatisch bearbeitbar, wenn heuristische Strategien, Grundideen des Computational Thinkings und passende Modellformen zusammenwirken, sodass aus alltagsnahen oder technischen Problemen schrittweise verständliche, prüfbare und verbesserbare Darstellungen entstehen.

Probleme erkunden und heuristisch eingrenzen

Ein gelingender Modellierungsprozess beginnt damit, dass Aufgaben nicht sofort gelöst, sondern zunächst verstanden, vereinfacht und in bearbeitbare Teilfragen überführt werden, damit unklare Situationen eine klare Struktur und einen sinnvollen Bearbeitungsrahmen erhalten. Am Anfang steht die Problemerkennung. Lernende müssen klären, worum es eigentlich geht, wer betroffen ist, welche Informationen vorliegen und welche Einschränkungen gelten. Das hochgeladene Skriptum nennt dazu Tätigkeiten wie Problemdarstellung untersuchen, Alternativen suchen, funktional zerlegen, grafische Darstellungen suchen, Grenzen feststellen und über den Prozess reflektieren. Genau diese Schritte wirken als Heuristiken, also als hilfreiche Such- und Annäherungsstrategien. Typische heuristische Zugänge sind: mit einem einfachen Fall beginnen, ein Problem in Teilprobleme zerlegen, bekannte Lösungen übertragen, Sonderfälle vorerst ausklammern, eine Skizze anfertigen oder mehrere Lösungswege vergleichen. Bei einer digitalen Anwesenheitsliste

kann zunächst nur „anwesend“ und „nicht anwesend“ unterschieden werden, bevor Entschuldigung, Verspätung oder Abmeldung ergänzt werden. Bei einer Paketstation kann zuerst nur „Paket abholen“ modelliert werden, bevor Rücksendung oder Fehlercode dazukommen. Solche Vereinfachungen reduzieren Komplexität, ohne den Kern des Problems zu verlieren. Beispiele:

  • Problem, Teilproblem
  • Einfachfall, Sonderfall
  • Skizze, Näherung
  • Suche, Vergleich
  • Grenze, Annahme
  • Heuristik, Entscheidung

Zerlegung, Mustererkennung und Abstraktion anwenden

Modellierung gelingt besonders zuverlässig, wenn Lernende große Probleme in überschaubare Einheiten aufteilen, Wiederholungen entdecken und unwichtige Details ausblenden, weil genau dadurch aus einer Alltagssituation eine informatisch bearbeitbare Aufgabe wird. Der Lehrerband zur dritten Klasse nennt die vier Hauptelemente des Computational Thinkings ausdrücklich als Zerlegung, Mustererkennung, Abstraktion und algorithmisches Denken. CS Unplugged beschreibt Zerlegung als das Aufbrechen eines großen Problems in kleinere Teile, und Code.org betont Zerlegung und Abstraktion als zentrale Mittel, um komplexe Probleme planbar zu machen. Ein Beispiel ist die Planung eines Schulfestes. Zerlegung trennt Einladungen, Raum, Technik, Essen und Ablauf. Mustererkennung zeigt, dass bei mehreren Gruppen ähnliche Angaben gebraucht werden, etwa Name, Zeit, Aufgabe und Material. Abstraktion führt dazu, nur die wirklich wichtigen Eigenschaften in das Modell zu übernehmen. Bei einer Bibliotheksidee werden dann nicht alle Eigenschaften eines Buchs erfasst, sondern vielleicht nur Titel, Nummer, Zustand und Ausleihstatus. Das Modell wird dadurch einfacher, aber weiterhin nützlich. Beispiele:

  • Zerlegung, Übersicht
  • Muster, Wiederholung
  • Abstraktion, Auswahl
  • Relevanz, Fokus
  • Schulfest, Bibliothek
  • CT, Strategie

Geeignete informatische Modelle auswählen und gestalten

Modelle werden dann besonders wirksam, wenn ihre Darstellungsform zum Problem passt, weil Tabellen, Ablaufpläne, Zustandsdiagramme, Skizzen und Beziehungsmodelle unterschiedliche Stärken beim Denken, Erklären und Prüfen besitzen.

Ein informatisches Modell ist eine vereinfachte, strukturierte Darstellung eines Problems oder Systems. Es zeigt nicht alles, sondern nur das, was für das Verstehen und Lösen wichtig ist. Je nach Aufgabe eignen sich unterschiedliche Modellformen. Eine Tabelle passt gut für strukturierte Daten, ein Ablaufplan für Schrittfolgen, ein Zustandsdiagramm für Wechsel zwischen Situationen, ein Entity-Relationship-Modell für Datenbeziehungen und ein Prototyp für erste Gestaltungsversuche. Das Skriptum betont ausdrücklich grafische Darstellungen, maßstäbliche Modelle und Prototypen als zentrale Tätigkeiten im Designprozess. Für ein digitales Fundbüro kann eine Tabelle mit Gegenstand, Fundort, Datum und Status sinnvoll sein. Für eine Ampel ist ein Zustandsmodell mit Rot, Rot-Gelb, Grün und Gelb passender. Für einen Online-Bestellablauf eignet sich ein Ablaufplan mit Eingabe, Prüfung, Bestätigung und Speicherung. Für eine Klassenbibliothek kann ein einfaches Datenmodell mit Buch, Person und Ausleihe entworfen werden. Gute Modellierung heißt daher auch, die Darstellungsform bewusst zu wählen und nicht automatisch immer dieselbe zu verwenden. Beispiele:

  • Tabelle, Daten
  • Ablaufplan, Prozess
  • Zustandsmodell, Wechsel
  • Skizze, Entwurf
  • Prototyp, Modell
  • Auswahl, Passung

Regeln, Abläufe und Algorithmen aus Modellen ableiten

Modellierung führt besonders dann zu tragfähigen Lösungen, wenn aus der Darstellung klare Regeln, Entscheidungen und Schrittfolgen entwickelt werden, sodass das Modell nicht nur beschreibt, sondern eine spätere Umsetzung vorbereitet oder direkt steuert. Sobald ein Problem modelliert wurde, können daraus Abläufe und Algorithmen gewonnen werden. Aho wird im Skriptum so zitiert, dass Computational Thinking das Formulieren von Problemen ist, damit die Lösung als Rechenschritte beziehungsweise Algorithmen repräsentiert werden kann. Genau hier zeigt sich die Verbindung zwischen Modell und Umsetzung: Das Modell ordnet die Aufgabe, der Algorithmus beschreibt die auszuführenden Schritte. Ein Beispiel ist ein Getränkeautomat. Das Modell enthält Produkt, Preis, Geldbetrag und Ausgabe. Daraus lässt sich ein Ablauf ableiten: Auswahl treffen, Betrag prüfen, Preis vergleichen, Getränk ausgeben oder Fehlermeldung erzeugen. Ähnlich funktioniert ein digitales Zugangssystem: Karte erkennen, Berechtigung prüfen, Tür öffnen oder Zugriff verweigern. Ein gutes Modell macht solche Regeln sichtbar und hilft, widersprüchliche oder fehlende Schritte früh zu erkennen. Beispiele:

  • Regel, Bedingung
  • Ablauf, Entscheidung
  • Eingabe, Ausgabe
  • Zustand, Übergang
  • Automat, Zugang
  • Algorithmus, Umsetzung

Prototypen entwickeln, testen und verbessern

Modelle entfalten ihren vollen Wert erst dann, wenn sie erprobt, überprüft und weiterentwickelt werden, weil sich viele Schwächen, Lücken oder Missverständnisse erst im Test oder bei der Nutzung eines ersten Entwurfs zeigen. Das Skriptum unterscheidet Problemraum und Lösungsraum im Design Thinking und nennt Ideen und Prototyping als zentrale Schritte. TeachEngineering beschreibt den Engineering Design Process als iterativen Ablauf mit Ask, Research, Imagine, Plan, Create, Test und Improve. Für den Unterricht bedeutet das: Modellieren endet nicht mit der ersten sauberen Skizze, sondern führt in einen Prozess von Erproben, Prüfen und Verbessern. Ein Prototyp kann ein Papierformular, ein Blockcode-Entwurf, eine Testtabelle, ein klickbarer Ablauf oder ein vereinfachtes Sensorprojekt sein. Bei einem digitalen Reservierungssystem kann geprüft werden, ob Doppelbuchungen verhindert werden. Bei einem Smart-Home-Modell kann getestet werden, ob ein Sensor das richtige Signal auslöst. Bei einer Suchmaske kann überprüft werden, ob sinnvolle Ergebnisse angezeigt werden. Durch Tests wird das Modell konkreter und belastbarer. Beispiele:

  • Prototyp, Test
  • Rückmeldung, Verbesserung
  • Idee, Überarbeitung
  • Formular, Sensor
  • Reservierung, Suchmaske
  • Iteration, Qualität

Lösungen reflektieren und auf neue Aufgaben übertragen

Nachhaltiges informatisches Lernen zeigt sich besonders dann, wenn Modelle, Strategien und Entscheidungen erklärt, beurteilt und auf ähnliche Probleme übertragen werden können, weil erst dadurch aus einer Einzellösung ein verallgemeinerbares Denkwerkzeug entsteht. Der Lehrerband betont ausdrücklich, dass Schülerinnen und Schüler die Wirksamkeit ihrer Lösungen bewerten, auf Basis von Tests verbessern und Computational Thinking auch in realen Szenarien außerhalb des Unterrichts anwenden sollen. Diese Reflexion ist ein eigener Teil des Modellierens: War das Modell passend, war es zu kompliziert, hat es wichtige Fälle übersehen, wäre eine andere Darstellung hilfreicher gewesen. Transfer wird besonders sichtbar, wenn ein Modell aus einem Bereich in einen anderen übertragen wird. Eine Ausleihliste kann als Grundlage für ein Geräteverleihsystem dienen. Ein Zustandsmodell einer Ampel kann auf einen einfachen Automaten oder ein Spielmenü übertragen werden. Ein Ablaufplan für eine Bestellung kann mit kleinen Änderungen auch für eine Reservierung oder Anmeldung genutzt werden. So lernen Schülerinnen und Schüler, dass informatische Modelle nicht nur Aufgaben lösen, sondern Denkstrukturen bereitstellen.

Beispiele:

  • Reflexion, Transfer
  • Bewertung, Anpassung
  • Modellgrenze, Alternative
  • Ausleihe, Verleih
  • Bestellung, Reservierung
  • Denkstruktur, Anwendung
  • CS Unplugged, Computational Thinking.
  • Code.org, Computational Thinking.
  • TeachEngineering, Design Thinking.
  • TeachEngineering, Engineering Design Process.
  • TeachEngineering, Design Process Activity.

27.4 Aufgaben für den Unterricht

27.4.1 Ein Alltagsproblem in Teilprobleme zerlegen

Komplexe Situationen werden besonders gut modellierbar, wenn Lernende zunächst die beteiligten Teilaufgaben sichtbar machen, weil erst durch Zerlegung aus einer unübersichtlichen Alltagssituation eine bearbeitbare und informatisch strukturierbare Aufgabenstellung entsteht. Die Klasse arbeitet mit Beispielen wie Schulbuffet, Klassenbibliothek, Fundservice oder Turnieranmeldung. Die Gruppen sammeln zuerst alle Aspekte des Problems und ordnen sie danach in Teilprobleme wie Eingabe, Speicherung, Suche, Ausgabe oder Kontrolle. Anschließend begründen sie, warum diese Struktur für die weitere Modellierung hilfreich ist.

Arbeitsauftrag:
  • Alltagsproblem, Teilprobleme
  • Zerlegung, Ordnung
  • Eingabe, Ausgabe
  • Suche, Kontrolle
  • Struktur, Übersicht
  • Begründung, Darstellung

27.4.2 Passende Modellformen vergleichen

Ein hoher Lerneffekt entsteht, wenn dieselbe Aufgabe nicht sofort in einer einzigen Form dargestellt wird, sondern mehrere Modellformen geprüft werden und dadurch sichtbar wird, welche Darstellung für welche Frage besonders geeignet ist. Die Gruppen erhalten eine konkrete Aufgabe, etwa Geräteverleih, Raumreservierung oder Getränkebestellung. Danach erstellen sie zwei verschiedene Modelle, zum Beispiel eine Tabelle und ein Ablaufdiagramm oder eine Skizze und ein Zustandsmodell. Im Anschluss vergleichen sie, welche Informationen mit welcher Form klarer sichtbar werden und welche Grenzen jede Darstellung besitzt.

Arbeitsauftrag:
  • Tabelle, Ablaufplan
  • Skizze, Zustandsmodell
  • Vergleich, Auswahl
  • Stärke, Grenze
  • Sichtbarkeit, Passung
  • Modellform, Begründung

27.4.3 Wichtige und unwichtige Informationen unterscheiden

Modellierung wird besonders tragfähig, wenn Lernende entscheiden müssen, welche Informationen für die Lösung wesentlich sind und welche Details zwar real vorkommen, für das informatische Modell aber bewusst weggelassen werden können. Die Klasse bearbeitet Szenarien wie Parkplatzsuche, Mensasystem oder digitale Anwesenheitsliste. Die Gruppen sammeln zunächst möglichst viele Informationen und markieren danach nur jene Merkmale, die für das Modell wirklich notwendig sind. Anschließend begründen sie, warum bestimmte Details nicht übernommen wurden und welche Folgen zu viel oder zu wenig Abstraktion hätte.

Arbeitsauftrag:
  • Informationen, Auswahl
  • wesentlich, unwesentlich
  • Abstraktion, Reduktion
  • Fokus, Relevanz
  • Detail, Wirkung
  • Begründung, Entscheidung

27.4.4 Ein Zustandsmodell zu einer Steuerung entwickeln

Zustandsorientiertes Denken wird besonders gut verstanden, wenn ein technischer oder alltagsnaher Ablauf über klar unterscheidbare Zustände und Übergänge beschrieben wird, weil dadurch Regelhaftigkeit und Veränderung übersichtlich darstellbar werden. Die Gruppen wählen Systeme wie Ampel, Aufzug, Login-Vorgang, Türöffnung oder Mikrowelle. Danach notieren sie mögliche Zustände und beschreiben, durch welche Ereignisse der

Wechsel in einen anderen Zustand ausgelöst wird. Im nächsten Schritt zeichnen sie ein Zustandsdiagramm und testen, ob alle sinnvollen Übergänge enthalten sind.

Arbeitsauftrag:
  • Zustand, Übergang
  • Ereignis, Wechsel
  • Ampel, Aufzug
  • Login, Tür
  • Diagramm, Prüfung
  • Vollständigkeit, Modell

27.4.5 Datenmodelle aus einer Situation ableiten

Strukturierte Datenmodellierung wird besonders anschaulich, wenn reale Situationen auf Objekte, Eigenschaften und Beziehungen reduziert werden, weil dadurch sichtbar wird, wie sich komplexe Abläufe in geordnete Informationsstrukturen überführen lassen. Die Klasse arbeitet mit Beispielen wie Bibliothek, Sportturnier, Klassenkassa oder Fahrradverleih. Die Gruppen bestimmen zunächst, welche Dinge oder Personen im Modell vorkommen, welche Eigenschaften gespeichert werden müssen und welche Beziehungen bestehen. Anschließend entwerfen sie ein einfaches Datenmodell oder eine strukturierte Tabelle mit zentralen Feldern.

Arbeitsauftrag:
  • Objekt, Eigenschaft
  • Beziehung, Feld
  • Bibliothek, Verleih
  • Klasse, Turnier
  • Datenmodell, Tabelle
  • Struktur, Erklärung

27.4.6 Ein Problem vom Modell zum Ablauf weiterentwickeln

Ein besonders nachhaltiges Verständnis entsteht, wenn Lernende aus einem Modell konkrete Regeln und Abläufe ableiten, weil dadurch deutlich wird, dass Modelle nicht nur beschreiben, sondern die Grundlage für spätere informatische Lösungen bilden. Die Gruppen erhalten ein bereits entworfenes Modell, etwa zu Bestellung, Ausleihe oder Anwesenheit. Danach formulieren sie auf dieser Grundlage einen Ablauf mit Eingabe, Prüfung, Entscheidung und Ausgabe. Im Anschluss testen sie den Ablauf an Beispieldaten und prüfen, ob das Modell alle nötigen Schritte überhaupt unterstützt oder noch ergänzt werden muss.

Arbeitsauftrag:
  • Modell, Ablauf
  • Eingabe, Prüfung
  • Entscheidung, Ausgabe
  • Regel, Beispiel
  • Test, Ergänzung
  • Entwicklung, Kontrolle

27.4.7 Ein bestehendes Modell verbessern

Lernwirksame Einsichten entstehen besonders dann, wenn unklare oder fehlerhafte Modelle überarbeitet werden müssen, weil gute Modellierung dabei nicht nur aus Erfinden, sondern auch aus Prüfen, Korrigieren und gezieltem Vereinfachen erfahrbar wird. Die Lehrkraft gibt absichtlich problematische Modelle vor, etwa überladene Tabellen, unvollständige Ablaufpläne oder widersprüchliche Zustandsdiagramme. Die Gruppen markieren Unklarheiten, fehlende Fälle oder unnötige Details und entwickeln eine verbesserte Version. Danach vergleichen sie Ausgangsmodell und überarbeitete Fassung und erläutern die wichtigsten Änderungen.

Arbeitsauftrag:
  • Fehlmodell, Analyse
  • Lücke, Widerspruch
  • Überladung, Vereinfachung
  • Verbesserung, Vergleich
  • Vorher, Nachher
  • Begründung, Reflexion

27.4.8 Ein Modell für verschiedene Nutzergruppen prüfen

Modelle werden besonders robust, wenn sie nicht nur aus technischer Sicht, sondern auch mit Blick auf unterschiedliche Nutzungssituationen betrachtet werden, weil Anforderungen je nach Rolle oder Zielgruppe deutlich variieren können. Die Gruppen bearbeiten ein System wie Mensabestellung, Bibliotheksausleihe oder Geräteverwaltung aus mehreren Perspektiven, etwa Lernende, Lehrkraft, Verwaltung oder Betreuung. Sie prüfen, welche Informationen und Abläufe für die jeweilige Rolle wichtig sind und ob das Modell alle notwendigen Sichtweisen ausreichend unterstützt. Danach schlagen sie Anpassungen vor.

Arbeitsauftrag:
  • Nutzergruppe, Perspektive
  • Lernende, Lehrkraft
  • Verwaltung, Betreuung
  • Bedarf, Anpassung
  • Sichtweise, Prüfung
  • Modell, Verbesserung

27.4.9 Einen Prototypen aus dem Modell entwickeln

Modellierung entfaltet einen besonders hohen Lerneffekt, wenn aus einer Darstellung ein einfacher Prototyp entsteht, weil dadurch überprüfbar wird, ob das Modell in einer ersten Nutzungssituation tatsächlich verständlich und tragfähig ist.

Die Gruppen wählen ein zuvor entwickeltes Modell und bauen daraus einen einfachen Prototyp, zum Beispiel als Papieroberfläche, Klickfolge, Kartenmodell oder Blockcode-Lösung. Andere Gruppen testen den Entwurf und geben Rückmeldung zu Verständlichkeit, Vollständigkeit und Nutzbarkeit. Anschließend wird der Prototyp überarbeitet und erneut geprüft.

Arbeitsauftrag:
  • Modell, Prototyp
  • Papieroberfläche, Klickfolge
  • Kartenmodell, Blockcode
  • Test, Rückmeldung
  • Überarbeitung, Nutzung
  • Entwurf, Verbesserung

27.4.10 Modellierungsprozess reflektieren und übertragen

Nachhaltiges Lernen zeigt sich besonders dann, wenn Schülerinnen und Schüler den eigenen Modellierungsweg erklären und auf ähnliche Aufgaben übertragen können, weil daraus nicht nur eine Einzellösung, sondern ein allgemeineres Problemlösewissen entsteht. Zum Abschluss dokumentieren die Gruppen ihren Weg von der Ausgangssituation über Zerlegung, Abstraktion und Modellwahl bis zum überprüften Entwurf. Danach benennen sie, welche Strategie besonders hilfreich war und auf welche andere Aufgabe sich das Vorgehen übertragen ließe, etwa von Geräteverleih zu Buchausleihe oder von Reservierung zu Anmeldung.

Arbeitsauftrag:
  • Rückblick, Prozess
  • Zerlegung, Abstraktion
  • Modellwahl, Prüfung
  • Strategie, Erkenntnis
  • Transfer, Vergleich
  • Dokumentation, Erklärung

Grundlage: Informatik – Lehrband 7. Klasse, Final V1.7 (2026).

Kategorien: Informatik | 7. Klasse