Zukunftswerkstatt Fair-Image.de
Zukunftswerkstatt Fair-Image 2030 – Netzwerkprojekt KI-Teams
Die Zukunftswerkstatt verknüpft die Schulfirma Fair-Image.de mit dem Netzwerkprojekt KI-Teams: An jeder teilnehmenden Schule entstehen KI-Teams (z. B. KI-Design, KI-Media, KI-Lernkurse, KI-Green), die mit datenschutzkonformen Tools (z. B. ChatGPT Business) kreative und produktive KI-Projekte entwickeln, veröffentlichen und gemeinsam weiterdenken. Ziel: Ein wachsendes Schul-Netzwerk mit kompatiblen Workflows, gemeinsamen Ressourcen und sichtbaren Produkten (Motive, Videos, aiMOOCs, Songs, PoD-Bücher).
Lernziele
- Trends in KI, Digitalisierung, Nachhaltigkeit erkennen und benennen.
- Eigene Vision für Fair-Image 2030 in Form von KI-Teams entwickeln.
- Visionen in umsetzbare Projektpläne (Rollen, Tools, Meilensteine) überführen.
- Kooperationen im Schul-Netzwerk aufbauen (Schule ↔ Schule, Schule ↔ Partner).
- Kompetenzen für die Arbeitswelt (Teamarbeit, Prozessverständnis, digitale Tools) anwenden.
Rahmen
- Dauer
- 90–120 Minuten
- Gruppengröße
- 15–25 Schüler:innen (3–5 Gruppen)
- Leitung
- Rudolf Machlai (Impulse, Architektur, Datenschutz/Prozess-Feedback) + Lehrkraft
- Zielgruppe
- ab Klasse 8/9 (AG Schulfirma, AES, WBS, Informatik)
- Materialien
- Flipcharts/Papier, Marker; Laptops/Tablet
- Zugänge: ChatGPT Business / Alternativen (schulKI, fobizz, Kiwi)
- Vorlagen: Trend-Impulse 2030, KI-Team-Rollen, Fair-Image-Canvas 2030
Ablaufübersicht
| Phase | Zeit | Ziel | Methode |
|---|---|---|---|
| 1. Einstieg: Zukunft & Netzwerk | 10 min | Neugier & Vernetzungsidee wecken | Kurzimpuls + Visual (Visionboard) |
| 2. Kritikphase: Heute vs. Morgen | 15 min | Engpässe/Potenziale sammeln | Kartenabfrage, Clustering |
| 3. Fantasiephase: KI-Teams 2030 | 35 min | Zukunftsbilder & Rollen entwerfen | Gruppenarbeit mit KI-Tools |
| 4. Realisierung: Projektplan & Netzwerk-Fit | 30 min | Umsetzungsplan + Netzwerk-Schnittstellen | Fair-Image-Canvas 2030 |
| 5. Pitches & Feedback | 20 min | Sichtbarkeit, Qualitätssicherung | Elevator-Pitch + Machlai-Feedback |
1. Einstieg – Zukunft & Netzwerk
Impuls (Machlai, 6–8 min):
- Warum KI-Teams? Datenschutz, Rechte-/Rollen, Team-Workflows (ChatGPT Business).
- Was bedeutet netzwerkfähige Produktion (gemeinsame Vorlagen, Austausch, Releases)?
- Beispielpfade: KI-Motive → Shop/PoD; aiMOOCs → Unterricht; KI-Songs/Video → Socials/Events.
Diskussionsfragen (2–4 min):
- Welches Produkt/Prozess bei Fair-Image profitiert sofort von KI-Teams?
- Welche Rolle würdet ihr darin übernehmen?
2. Kritikphase – Heute vs. Morgen
Arbeitsanweisung (Gruppen, 15 min):
- Karten: „Was läuft heute nicht rund?“ / „Wo geht Zeit verloren?“ / „Was könnte KI verbessern?“
- Clustering an die Wand:
- Organisation & Rollen
- Produktion/Technik & Tools
- Nachhaltigkeit/Fairness
- Kommunikation/ÖA & Vertrieb
- Wählt 1–2 Kernprobleme für euer späteres KI-Team.
3. Fantasiephase – KI-Teams 2030
Auftrag (35 min): Entwerft euer KI-Team für 2030. Nutzt Trendkarten (z. B. „AR-Ausstellungen“, „ITS/FELIX“, „Green-Druckoptimierung“, „aiMOOC-Generator“). Erstellt ein Visionboard (Canva/Plakat) mit:
- Team-Name & Motto
- KI-Einsatz (Bilder/Video/Songs/Lernkurse/Green-Ops)
- Nutzen (Kund:innen, Schule, Öffentlichkeit, Umwelt)
- 1–2 realistische Schritte für 2025/26
Tool-Hinweise:
- Ideen/Text: ChatGPT Business
- Visuals/Poster: Bild-KI (z. B. DALL·E/SD-Workflow) + Canva
- Audio: Suno.ai (Snippet)
- Kurs-Konzept: aiMOOCs (Seitenstruktur)
4. Realisierung – Projektplan & Netzwerk-Fit
Canvas-Arbeit (30 min): Füllt das Fair-Image-Canvas 2030 aus und achtet auf Netzwerk-Anschlussfähigkeit (Rollen, Daten, Lizenzen, Releases).
| Feld | Leitfragen |
|---|---|
| Vision | Wie sieht Fair-Image 2030 aus – aus Sicht eures KI-Teams? |
| Teilprojekt & Deliverables | Welche Produkte liefert ihr (z. B. 20 Motive/Monat, 6 aiMOOCs/Jahr, 4 Musik-Snippets/Quartal, 1 AR-Ausstellung)? |
| Zielgruppen & Kanäle | Für wen? (Schulen, Vereine, Kommunen, Firmen) Über welche Kanäle? (Shop, Website, Socials, Events) |
| KI-Stack | Welche Tools/Prozesse? (Prompt-Vorlagen, Review-Schritte, Rendering, Dateiformate) |
| Nachhaltigkeit & Fairness | Material-/Energie-Effizienz, Bias-Check, Urheberrecht, offene Lizenzen (CC-BY/CC-BY-SA), Quellenlog |
| Rollen & Kompetenzen | z. B. Prompt-Lead, Design-Ops, Data/Legal, QA, Release-Manager:in, Doku |
| Netzwerk-Schnittstellen | Welche Austauschformate mit anderen Schulen? (Vorlagen-Repo, Peer-Review, Co-Produktionen, gemeins. Releases) |
| Meilensteine (2025/26) | 3 Termine mit Ergebnis (Prototyp, Pilot, Veröffentlichung) |
Checkliste – Arbeitsanweisungen (konkret):
- Legt Dateistandards fest (z. B. PNG transparent 300 dpi; WAV/FLAC 44,1 kHz; MP4 H.264 1080p).
- Erstellt ein Prompt-Template (Aufbau, Stil, Negativ-Prompts, Seed/Serien).
- Definiert QA-Kriterien (Schärfe/Kanten, Artefakte, Rechte/Lizenzen, Bias-Review).
- Plant Release-Routinen (Changelog, Credits, Lizenzhinweis, Veröffentlichungsseite im Wiki/Shop).
- Hinterlegt ein Netzwerk-Paket (Vorlagen + kurze Anleitung), das andere Schulen direkt nutzen können.
5. Pitches & Feedback
- 2-Min-Pitch pro Team mit Visionboard/Plakat/Audio-Snippet.
- Feedback (Machlai):
- Architektur/Prozess-Fit (Datenflüsse, Rechte/Rollen, Skalierung)
- Machbarkeit/Kosten/Nutzen
- Netzwerk-Tauglichkeit (Wiederverwendbarkeit, Inter-School-Workflows)
Netzwerkaufbau: KI-Teams an vielen Schulen
Zielbild
Ein wachsendes KI-Teams-Netzwerk (Schulen, Medienzentren, Vereine, Hochschulen), das Vorlagen, Qualitätssicherung und Releases teilt – sichtbar auf Wiki-Seiten (z. B. Schul-Profile, Projektseiten, gemeinsame Galerien).
Rollen im Netzwerk (Vorschlag)
- School-Lead (pro Schule): Koordiniert die lokalen KI-Teams, Ansprechpartner:in.
- Product-Lead (Kategorie): Motive | Lernkurse | Media | Green – kuratiert Vorlagen/Standards.
- QA-Lead: Prüft Qualität, Lizenzen, Datenschutz, Bias.
- Release-Manager:in: Stellt Veröffentlichungen (Wiki/Shop/PoD/Playlist) fertig.
- Community-Lead (regional): Plant Austausch, Onboarding neuer Schulen.
Governance & Datenschutz
| Thema | Netzwerk-Standard | Arbeitsanweisung |
|---|---|---|
| Accounts & Rechte | SSO/Rollen in ChatGPT Business oder Alternative | Admin legt Gruppen/Rollen an; Schüler:innen in Projekt-Spaces einladen |
| Datenräume | Projekt-Ordner, nur notwendige Daten | Keine Klarnamen in Prompts/Assets; PII vermeiden |
| Lizenzen | CC-BY/CC-BY-SA für Unterrichtsassets | Lizenz am Seitenende + Quellenlog pflegen |
| Bias/Urheberrecht | Sichtprüfung + Quellenangabe | Checkliste vor Release abhaken, ggf. nacharbeiten |
| Dokumentation | Wiki-Seiten pro Projekt/Release | Readme: Ziel, Prozess, Prompts, Assets, Team, Lizenz, Version |
Onboarding neuer Schulen (konkret)
- Kick-off (60 min): Projekt vorstellen, Rollen vergeben, Zugang klären.
- Templates deployen: Prompt-Vorlagen, QA-Sheet, Canvas, Dateistandards.
- Pilot (4–6 Wo): 1 kleines Produkt/Team (z. B. 5 Motive + 1 aiMOOC-Seite).
- Review & Release (1 Wo): QA, Lizenz, Veröffentlichung im Wiki/Shop.
- Scaling: Zweites Team starten, regionale Peer-Runde aufsetzen.
Vergleich: Business/Schulumgebungen (Kurzüberblick)
| Kriterium | ChatGPT Business | schulKI | fobizz | Kiwi |
|---|---|---|---|---|
| Modell/Leistung | modernste Modelle; Code-Interpreter | mehrere LLMs, schulnah | GPT-/SD-Fokus Unterricht | didaktischer Fokus |
| Datenschutz | AVV, SSO/RBAC möglich | DE-Hosting/AVV | EU-Proxy/AVV | DE-Server, minimiert |
| Team/Admin | Workspaces, Rollen, Speicher | Schul-Lizenzen/Klassenlinks | Shared Spaces | Basis-Admin |
| Bild/Video | DALL·E; Video ggf. extern | SD-Workflows | DALL·E/SDXL | einfach |
| Datei/Collab | Upload/Analyse; Team-Storage | Projekte, begrenzt | geteilte Bereiche | Notebooks/Material |
Aufgabenpakete (für Klassen & AG)
Paket A: KI-Design (Motive) – 90 min
- 3 Prompt-Varianten entwerfen, 1 Styleguide schreiben.
- 10 Motive generieren, 3 auswählen, QA + Lizenz anfügen.
- Wiki-Release mit Readme + Quellenlog.
Paket B: KI-Lernkurse (aiMOOC) – 2×45 min
- Kurs-Gliederung, 6 Aufgabentypen, 4 Medien.
- 1 Kursseite aufsetzen, Testfragen einbauen, Lizenz + Doku.
- Peer-Review (andere Schule), dann Veröffentlichung.
Paket C: KI-Media (Song/Video) – 90 min + Homework
- 1 Audio-Snippet (Suno) + 10-Sek-Teaser (Video).
- Credits, Lizenz, Cover (KI-Bild) + Wiki-Release.
- Social-Plan (2 Posts, 1 Kurzclip).
Messbare Kennzahlen (Beispiele)
- 3 Schulen im Pilotquartal, 6 bis Jahresende.
- 2 wiederverwendbare Templates pro Kategorie.
- 1 Release/Team/Monat mit QA-Check.
- 1 regionales Peer-Treffen/Quartal (online/hybrid).
Wo hilft Rudolf Machlai konkret?
- Architektur & Prozesse: Team-/Rechte-Setups, Datei-Standards, Release-Pipelines.
- Datenschutz/Compliance: AV-Verträge/SSO, sichere Datenräume, Rollenmodelle.
- Skalierung: Netzwerk-Topologie (Schulen ↔ Leads), Vorlagen-Repos, Versionierung.
- Qualität/Review: Checklisten, „Definition of Done“, Audit von Prompts/Workflows.
- Partnering: Kontakt zu Hochschulen/Unternehmen, Mentoring für Product/QA-Leads.
Abschluss & Ausblick
- Ergebnisse als Galerie/Projektseiten veröffentlichen (Fair-Image.de, KI-Teams).
- Pilot an 1–2 Partnerschulen starten; gemeinsames Review nach 6–8 Wochen.
- Nächstes Ziel: gemeinsame Ausstellung (Schulhaus/AR-Stadtraum) + PoD-Sonderedition.
Schulfach+
|
|
aiMOOCs
aiMOOC Projekte
|
|
YouTube Music: THE MONKEY DANCE
Spotify: THE MONKEY DANCE
Apple Music: THE MONKEY DANCE
Amazon Music: THE MONKEY DANCE
The Monkey Dance SpreadShirtShop
|
|
|
|
 |
Children for a better world >> Förderung der AI Fair-Image Challenge
Fair-Image wird von CHILDREN JUGEND HILFT! gefördert und ist mit der deutschlandweiten AI Fair-Image Challenge SIEGERPROJEKT 2025. Alle Infos zur Challenge hier >>. Infos zum Camp25 gibt es hier. Wenn auch Ihr Euch ehrenamtlich engagiert und noch finanzielle Unterstützung für Eurer Projekt braucht, dann stellt gerne einen Antrag bei JUGEND HILFT.
