Game-Based Lernmodul im Escape-Room-Format
KI-Einführung: Entkomme aus dem Bunker
Dieses interaktive Lernmodul vermittelt Einsteiger*innen Grundlagen zur Künstlichen Intelligenz in einem Game-Based-Learning Szenario. In Form eines Escape-Room Spiels müssen die Lernenden als Mitarbeiter*in einer Mikrochip-Fabrik im Silicon Valley neun Roboter-Spinnen finden und vernetzen, um aus dem Bunker zu entkommen. Die Roboter-Spinnen fungieren als Sammelobjekte und Belohnungen für das Lösen von Aufgaben und Quizfragen.
Features:
- Interaktive Suchaufgaben: Lernende verschieben Objekte, um versteckte Informationen und Codes zu entdecken
- Puzzles zur Freischaltung von Lerninhalten
- Multiple-Choice-Wissenschecks nach jedem Level
- Weitere Gamification-Elemente: Sammelobjekte (Spinnen), digitale Badge als Abschlussbelohnung
Nach erfolgreichem Abschluss erhalten die Lernenden ein digitales Zertifikat „KI-tauglich“.
Zielgruppe:
Medienaffine Jugendliche und junge Erwachsene mit Freude an interaktiven Lernformaten und Rätseln.
Themenüberblick
Das Modul enthält vier Levels mit ansteigendem Schwierigkeitsgrad:
- Begriffserklärung und Einführung in das Thema Künstliche Intelligenz
- Verständnis von Algorithmen und maschinellem Lernen
- Unterscheidung zwischen schwacher und starker KI sowie Anwendungsbeispiele
- Grundlagen und Funktionsweise neuronaler Netzwerke
Einblick in die Lernerfahrung
Mein Fazit zum Lernformat
Das Projekt als Prototyp
Dieses Lernmodul entstand als Prototyp im Rahmen einer sehr kurzen Entwicklungsphase von ca. 5 Arbeitstagen. Ziel war es, das Potenzial von Game Based Learning im Escape-Room-Format für ein Lernangebot zum Thema Künstliche Intelligenz zu testen.
Neben der inhaltlichen Recherche und Strukturierung lag mein Schwerpunkt auf dem Skripting sowie der Gestaltung einzelner Szenen.
Hierfür nutzte ich teilweise Vorlagen aus Genially, ergänzte aber auch eigene Illustrationen (u.a. eine Szene in Adobe Illustrator).
Die Idee der Roboter-Spinnen als Sammelobjekte und Fortschrittsanzeige (korrekt beantworte Wissenschecks schalten nach und nach ein Netzwerk von Spinnen frei) wurde von mir konzipiert und technisch ausgearbeitet.
Reflexion & Lessons Learned
Obwohl das Modul die wesentlichen Lernziele abbildet und bei jüngeren Testpersonen positiv aufgenommen wurde, habe ich das Projekt bewusst als Experiment bzw. Prototyp betrachtet.
Mein persönlicher Eindruck und die Rückmeldungen aus zwei Testgruppen (unter 30 vs. über 50 Jahre) zeigten deutlich:
- Der Spielansatz motiviert, kann aber auch Frustration erzeugen, wenn Lerninhalte zu sehr „versteckt“ oder nur über zusätzliche Rätsel erreichbar sind.
- Ältere Lernende empfanden das wiederholte Suchen von Codes und das Freischalten einzelner Szenen als mühsam und wenig zielführend.
- Jüngere Lernende fanden das Konzept witzig, allerdings blieb offen, wie nachhaltig der Lernerfolg war.
Verbesserungsvorschläge
(aus heutiger Sicht)
- Balancierung von spielerischen Elementen / Spielmechanik und Lerninhalten
- Fokus auf barrierefreie Gestaltung und klare UX für heterogene Zielgruppen
- Zusätzliche Bereitstellung von Lerninhalten in kompakter Form (z. B. als PDF-Download, als Infografik oder als optionaler Wissensbereich innerhalb des Tools). Dies bietet den Lernenden die Möglichkeit, auch unabhängig vom Spielfluss schnell auf Kerninformationen zuzugreifen.
Meine Rollen
- Instructional Design: Inhaltsrecherche und Konzeption des Lernmoduls, Definition von Lernzielen und didaktischer Struktur
- Visuelles Design: Nutzung von Vorlagen sowie Gestaltung einzelner Szenen, Animationselementen
- Umsetzung: Erstellung des Lernmoduls in Genially
Tools
- MS Word: Skripterstellung
- Photoshop: Bildbearbeitung für Assets
- Illustrator: Erstellen von Elementen für einzelne Szenen
- Copilot: Zur Erstellung von Quiz-Fragen aus den Lerninhalten
- Genially: Erstellen der gesamten Lerneinheit
Lernreise
- Einstieg ins Thema durch Story & Mission
- Vier Level mit interaktiven Lerneinheiten
- Versteckte Inhalte durch Rätsel entdecken
- Quizfragen lösen und Roboter-Spinnen sammeln
- Abschluss mit Badge „KI-tauglich“