← Alle Klicktafeln

Klicktafel · Technik · Informatik · KI · Klasse 10–13

Ein Team aus KI-Agenten

Ein Schülerteam sucht eine Mission für seinen Minisatelliten (CanSat). Vier KI-Agenten mit eigenen Quellen sollen helfen: erst als Rollenspiel im Chat, dann mit einem Python-Programm über eine API, zuletzt mit einem Blick darauf, wie Forschende solche Systeme bauen. Die Antworten der Agenten auf dieser Seite sind echt.

Einstieg

Warum sitzen rund 30 Fachleute an einem Tisch?

Ausgangslage · ESA, Noordwijk (Niederlande)

gemeinsames Großbild gleiche Zahlen Flugbahn Energie Wärme Kosten Funk Antrieb Struktur Leitung

Bei der ESA planen 25 bis 35 Fachleute eine neue Raumfahrtmission gemeinsam: vier Stunden pro Sitzung, zweimal pro Woche, oft vier bis acht Wochen lang.

Schema der Concurrent Design Facility der ESA, Fachgebiete als Beispiele.

Warum arbeitet nicht jede Fachperson in Ruhe für sich und gibt am Ende ihren Teil ab?

Station 1 · Der Auftrag

Ein Satellit in einer Getränkedose

Auftrag: Schätzt zuerst, dann auflösen. Notiert danach zwei eigene Ideen für eine Sekundärmission.

≈ 700 m 0 m Rakete Fallschirm Wind → Funk Bodenstation 300 bis 350 g 66 mm 115 mm

Schema, nicht maßstäblich. Maße und Masse nach den CanSat-Richtlinien der ESA, Starthöhe nach DLR.

Beim CanSat-Wettbewerb baut ein Schülerteam einen Minisatelliten in Dosengröße. Eine Rakete bringt ihn auf etwa 700 m, am Fallschirm sinkt er zu Boden.

Pflichtmission: Luftdruck und Temperatur messen und mindestens einmal pro Sekunde zur Bodenstation funken.

Sekundärmission: denkt sich das Team selbst aus.

Wie lange dauert der Fall bei 10 m/s?

Station 2 · Die Idee

Ein Team aus KI-Agenten

Auftrag: Vermutet zuerst: Warum sollen die Agenten in Runde 1 nichts voneinander sehen? Dann tippt Runde 1 an.

Frage + Regeln Moderatorsammelt, verteilt EElektronik MMechanik PProgram-mierung AAtmo-sphäre Prüfung

Tippt eine Runde an.

Ein Agent ist hier: ein Sprachmodell + eine Rollenanweisung + ein eigener Quellenzettel + ein eigener Gesprächsverlauf. Er wird aufgerufen, antwortet und ist fertig.

E Quellenzettel Elektronik

  • Ein Mikrocontroller liest die Sensoren aus und steuert das Funkmodul.
  • Viele kleine Sensoren hängen an einem Zwei-Draht-Bus (I²C): Druck, Temperatur, Feuchte, Licht, UV, Beschleunigung, Drehrate, Magnetfeld.
  • GPS braucht nach dem Einschalten Zeit, bis es die Position kennt.
  • Funk schafft nur wenige Werte pro Sekunde, Bilder kommen auf die SD-Karte.
  • Der Akku muss vier Stunden halten.

M Quellenzettel Mechanik

  • Beim Raketenstart wirken starke Beschleunigungen.
  • Empfohlen: 8 bis 11 m/s Sinkgeschwindigkeit. Größerer Fallschirm: langsamer, aber mehr Abdrift.
  • Platz ist knapp, 300 bis 350 g.
  • Bei der Landung gibt es einen Stoß, eine Suchhilfe (Piepser, GPS) ist empfohlen.
  • Antennen und Klappen erst nach dem Ausstoß ausklappen.

P Quellenzettel Programmierung

  • Pflicht: Druck und Temperatur mindestens einmal pro Sekunde funken.
  • Aus dem Luftdruck folgt die Höhe, aus der Höhenänderung die Fallgeschwindigkeit.
  • 700 m bei etwa 10 m/s: gut eine Minute, rund 70 Messpunkte.
  • Schnellere Messungen auf der SD-Karte speichern.
  • Zeitstempel für alle Sensoren.

A Quellenzettel Atmosphäre

  • Die Temperatur sinkt im Mittel um etwa 0,65 °C pro 100 m. Bei Inversion ist es oben wärmer.
  • Feuchte, Feinstaub, CO₂ und UV ändern sich mit Höhe und Wetter.
  • Die Abdrift verrät den Wind in verschiedenen Höhen.
  • Ergebnisse brauchen einen Vergleich: Bodenmessung, Wetterdaten.

Station 3 · Stufe 1 ohne Programmieren

Ein Chat spielt alle Rollen

1 Chat2 Python + API3 Profis

Du moderierst ein Kolloquium mit vier Rollen: Elektronik, Mechanik, Programmierung, Atmosphäre. [Quellenzettel aller Rollen] Runde 1: Jede Rolle nennt unabhängig zwei Vorschläge. Runde 2: Kritik. Runde 3: Empfehlung.

Runde 1
  • E UV-Strahlung in verschiedenen Höhen · Luftfeuchte-Profil beim Sinkflug
  • M Landestoß messen und dämpfen · GPS-Suchhilfe mit Abdriftspur
  • P Sinkgeschwindigkeit: Luftdruck gegen GPS · Bilder mit Höhe und Zeitstempel
  • A Temperaturabnahme mit der Höhe · Windprofil aus der Abdrift
Runde 2
  • M zu UV: Die Dose pendelt und dreht sich, die Werte springen.
  • P zur Temperatur: Messen wir schon. Bis 700 m sinkt sie im Mittel nur um etwa 4,5 °C.
Runde 3: Empfehlung

„Windprofil aus GPS-Abdrift und Luftdruck“ – GPS schon vor dem Start einschalten, danach mit Wetterdaten vergleichen.

Echte Antwort eines Sprachmodells (Claude) vom 26.10.2026, gekürzt.

Auftrag: Lest die Antwort, dann entscheidet euch.

Waren die vier Rollen in Runde 1 wirklich unabhängig?

Station 4 · Stufe 1 ohne Programmieren

Getrennte Chats – ihr seid die Boten

1 Chat2 Python + API3 Profis

✋ Ausprobieren · im Raum20 Minuten

Material
Zettel, Stifte, die vier Quellenzettel aus Station 2. Wer mag: je Gruppe ein Gerät mit der Schul-KI.
Rollen
Vier Agenten-Gruppen E M P A, eine Moderationsgruppe als Boten.
  1. Vermutet: Findet das Team bessere Ideen als eine Gruppe allein?
  2. Runde 1: Jede Gruppe schreibt mit ihrem Zettel zwei Vorschläge auf, ohne mit anderen zu reden. Mit KI: Rolle und Zettel in einen neuen Chat geben.
  3. Die Boten sammeln die Zettel und bringen jeder Gruppe die Vorschläge der anderen.
  4. Runde 2: Jede Gruppe schreibt zwei Kritikpunkte.
  5. Runde 3: Die Moderation wählt eine Sekundärmission und begründet sie.

Auswertung: Was musste die Moderation alles tun? Was war mühsam? Und stimmte eure Vermutung?

Station 5 · Stufe 2 mit Python

Ein Programm fragt das Sprachmodell

1 Chat2 Python + API3 Profis

Euer Programm Sprach- modell Anfrage Antwort Schlüssel ●●●● Rolle + Zettel Frage Text der Antwort
  • Schlüssel: geheim wie ein Passwort. Wer ihn hat, fragt auf eure Kosten.
  • Kosten nach Textmenge (Token), für Anfrage und Antwort.
import anthropicMODELL = "…"   # Name des Sprachmodellsclient = anthropic.Anthropic()  # Schlüssel aus der Umgebung def frage_modell(rolle, zettel, text):    antwort = client.messages.create(        model=MODELL, max_tokens=400,        system=f"Du bist {rolle}. Quellen: {zettel}",        messages=[{"role": "user", "content": text}])    return antwort.content[0].text

In Runde 2 soll M die Ideen von E kritisieren. Woher kennt M sie?

Station 6 · Stufe 2 mit Python

Der Orchestrator verteilt die Arbeit

1 Chat2 Python + API3 Profis

Auftrag: Geht das Programm Schritt für Schritt durch. Sagt vorher, was als Nächstes passiert.

agenten = ["Elektronik", "Mechanik", "Programmierung", "Atmosphäre"]zettel  = lade_zettel()   # je Agent ein eigener Quellenzettelfrage   = "Welche Sekundärmission für unseren CanSat?" # Runde 1: unabhängig – nur Frage und eigener Zettelideen = {}for a in agenten:    ideen[a] = frage_modell(a, zettel[a], frage) # Runde 2: Kritik – jeder bekommt die Ideen der anderenkritik = {}for a in agenten:    andere = [ideen[b] for b in agenten if b != a]    kritik[a] = frage_modell(a, zettel[a],                             "Kritisiere: " + " | ".join(andere)) # Runde 3: Synthese durch den Moderatorergebnis = frage_modell("Moderator", "", str(ideen) + str(kritik))speichere_protokoll(frage, ideen, kritik, ergebnis)
Programm E M P A Moderator Protokoll

Start: Das Programm lädt Agenten, Zettel und Frage.

Aufrufe: 0

Station 7 · Stufe 2 mit Python

Das Protokoll: echte getrennte Agenten

1 Chat2 Python + API3 Profis

E Elektronik

① Pendeln und Drehen am Fallschirm: Bewegungssensoren, 50-mal pro Sekunde auf SD-Karte.

② Höhe aus Luftdruck oder GPS? Beide Höhen vergleichen.

M Mechanik

① Kräfte bei Start und Landung: Beschleunigung, mindestens 100-mal pro Sekunde.

② Sinkrate und Abdrift: großer Fallschirm bremst, treibt aber weiter ab.

P Programmierung

① Pendelt der CanSat am Fallschirm? Beschleunigung 50-mal pro Sekunde mit Zeitstempel.

② Luftdruckhöhe gegen GPS-Höhe: Welches Verfahren ist genauer?

A Atmosphäre

① Windprofil aus der Abdrift: GPS-Position jede Sekunde.

② Feinstaub und Luftfeuchte nach Höhe: Staut sich Staub unter einer Inversion?

Echter Durchlauf am 26.10.2026: neun getrennte Aufrufe desselben Sprachmodells (Claude) mit den Quellenzetteln aus Station 2, gekürzt.

Auftrag: Vergleicht die vier Karten in Runde 1 und Runde 2. Was fällt euch auf?

Station 8 · Stufe 2 mit Python

Warum nicht einfach 50 Agenten?

1 Chat2 Python + API3 Profis

✎ Zettel und Stift · jede und jeder für sich8 Minuten

Der Orchestrator aus Station 6 arbeitet mit n Agenten: Runde 1 ein Aufruf je Agent, Runde 2 ein Aufruf je Agent, dazu ein Aufruf für den Moderator. In Runde 2 bekommt jeder Agent die Antworten aller anderen aus Runde 1 mitgeschickt.

  1. Wie viele Aufrufe sind es bei 10 Agenten? Bei 50?
  2. Wie viele fremde Antworten werden in Runde 2 insgesamt mitgeschickt – bei 10 Agenten, bei 50?
  3. Stellt für beides eine Formel mit n auf.

Für Schnelle: Ihr verdoppelt von 10 auf 20 Agenten. Wie ändern sich Aufrufe und mitgeschickte Antworten? Was heißt das für die Kosten?

Station 9 · Stufe 3 in der Forschung

Was Profis zusätzlich brauchen

1 Chat2 Python + API3 Profis

unser Team E M P A Werkzeugerechnen · simulieren · suchen andere Modellenicht alle gleich gebaut TurnierIdeen paarweise vergleichen Mensch + Experimententscheiden · nachweisen

Tippt die Bausteine an.

Echtes Beispiel: „Co-Scientist“ von Google DeepMind (Nature, Mai 2026). Agenten erzeugen Hypothesen, begutachten sie, lassen sie im Turnier antreten und entwickeln die besten weiter. Suchwerkzeuge gleichen mit Fachliteratur ab.

Einige Hypothesen bestätigten sich im Labor, etwa ein Wirkstoffkandidat gegen Leberfibrose.

Die ESA plant Missionen weiter mit menschlichen Teams – KI-Agenten sind dort ein Ausblick. Stand: Oktober 2026.

Welcher Baustein hätte die Kritik aus Runde 2 am besten überprüft?

Station 10 · Rückblick

Drei Stufen im Vergleich

Stufe 1 · ChatStufe 2 · Python + APIStufe 3 · Profis
Agenten getrenntein Chat: nein · getrennte Chats: jaja, je ein Aufrufja, auch verschiedene Modelle
eigene Quellen je Agentnur in getrennten Chatsjaja, dazu Suche
wiederholbar, mit Protokollneinjaja
Prüfung von außenneinneinWerkzeuge, Fachleute, Labor
Aufwandgering, ohne ProgrammierenProgramm, Schlüssel, KostenForschungsteam, Rechenzentrum

✓ ja · ✗ nein · (✓) teilweise

Auftrag: Entscheidet euch zuerst, dann auflösen.

Sind 10 KI-Agenten klüger als eine KI?

Station 11 · Ausblick

Euer eigener Satellit

Auftrag: Plant eure Sekundärmission. Welche Rollen bekommt euer KI-Team – und was prüft ein Mensch oder ein Test?

Deutscher CanSat-Wettbewerb

ESERO Germany (ESA) und DLR

  • ab 14 Jahren, vor allem Sekundarstufe II
  • Teams aus mindestens vier Schülerinnen und Schülern, empfohlen vier bis sechs
  • Bewerbung für 2026/27 lief bis 4. Oktober 2026
  • Startkampagne 15. bis 19. März 2027 in Bremen, Start auf etwa 700 m

cansat.de

Stand: 26. Oktober 2026

Astro Pi – Mission Space Lab

ESA und Raspberry Pi Foundation

  • für Jugendliche in Europa und Kanada, 12 bis 19 Jahre, Teams aus zwei bis sechs
  • Euer Python-Programm läuft zehn Minuten auf der Raumstation ISS und misst mit Sensoren oder Kamera.

astro-pi.org

Stand: 26. Oktober 2026

Wie Agenten mit Werkzeugen arbeiten: Klicktafel Vom Chatbot zum Agenten.

Hinweise für Lehrkräfte

Jahrgang und Zeit

Grob Klasse 10–13, Technik, passt auch in Informatik und KI. Einstieg bis Station 4 (Stufe 1 mit Boten-Spiel) füllt etwa 45 Minuten, alle Stationen eher 90 Minuten. Stationen lassen sich überspringen. Stufe 2 geht auch ohne Programmierkenntnisse als Code-Lesen.

Lernziele

  • Die Schülerinnen und Schüler erklären, was ein KI-Agent technisch ist: ein Aufruf eines Sprachmodells mit Rolle, Quellen und eigenem Verlauf.
  • Sie unterscheiden Rollen, die ein Chat nur spielt, von wirklich getrennten Aufrufen.
  • Sie beschreiben, wie ein Orchestrator über eine API Runden steuert, und begründen, warum das Programm den Agenten alles mitschicken muss.
  • Sie berechnen, wie Aufrufe (2n + 1) und mitgeschickte Antworten (n · (n − 1)) mit der Agentenzahl wachsen.
  • Sie begründen, warum erst eine Prüfung von außen (Rechnung, Test, Fachleute, Experiment) aus Ideen belastbare Ergebnisse macht.

Typische Fehlvorstellungen

  • „Die Agenten unterhalten sich miteinander.“ Richtig ist: Ein Programm ruft das Modell mehrmals auf und reicht Texte weiter.
  • „Das Modell erinnert sich an die letzte Anfrage.“ Richtig ist: Jeder API-Aufruf beginnt bei null. Manche Anbieter können einen Verlauf auf ihrem Server speichern und wieder mitschicken; das Modell selbst lernt dabei nichts dazu.
  • „Die Rolle ‚Ingenieurin‘ gibt dem Modell Fachwissen.“ Richtig ist: Die Rolle lenkt nur. Wissen kommt aus dem Training und aus mitgeschickten Quellen.
  • „Mehr Agenten, bessere Ideen.“ Richtig ist: Die Kosten wachsen schnell, und Agenten auf demselben Modell machen ähnliche Fehler.

Ausprobieren (Station 4)

Material: Zettel und Stifte, die vier Quellenzettel aus Station 2 (Internetseite ausdrucken oder an der Tafel zeigen). Mit Geräten: je Gruppe ein neuer Chat der Schul-KI, keine Namen eingeben. Ohne Geräte denken die Gruppen selbst als Agenten; dann zeigt die Übung den Ablauf, nicht die KI. Die Boten tragen Zettel, niemand wird vorgeführt.

Stufe 2 im Unterricht

API-Schlüssel nie an Schülerinnen und Schüler geben und nie in Code oder Dateien schreiben, die geteilt werden. Altersgrenzen und Nutzungsbedingungen der Anbieter prüfen. Machbar sind ein Schlüssel der Lehrkraft hinter einem kleinen Schulserver oder ein lokales Modell auf einem Schulrechner (z. B. mit Ollama): gleicher Aufbau, schwächere Antworten, keine Kosten pro Aufruf. Der Code in Station 5 folgt der Python-Bibliothek von Anthropic; andere Anbieter funktionieren nach demselben Muster.

Herkunft der Beispielantworten

Stationen 3 und 7 zeigen echte Antworten vom 26.10.2026: ein Aufruf mit allen Rollen in einem Chat und neun getrennte Aufrufe (4 × Runde 1, 4 × Runde 2, 1 × Moderator) desselben Modells (Claude, Anthropic) mit den Quellenzetteln aus Station 2. Gekürzt, inhaltlich nicht verändert. Ein neuer Durchlauf liefert andere Antworten. Die Aussagen der Agenten sind Beispielmaterial, keine geprüften Fakten – genau das ist Thema in Station 9.

Begriff „Agent“

Hier im Sinn von Multi-Agenten-Systemen: ein Modellaufruf mit Rolle, eigenen Quellen und eigenem Verlauf. In der Klicktafel Vom Chatbot zum Agenten heißt Agent ein Modell, das in Runden Werkzeuge benutzt. Beides ist üblich; Profisysteme (Station 9) verbinden beides.

Die Kritik selbst prüfen (Station 7 und 9)

Nicht jede Kritik der Agenten stimmt. Beispiel: M hält einen Feinstaubsensor mit Lüfter für zu groß für die Dose. Es gibt aber deutlich kleinere Bauformen; das müsste eine Recherche klären. Gut als Anlass für die Frage, wer im System eigentlich prüft. Die Werte für Dose, Masse und Sinkgeschwindigkeit stammen aus den CanSat-Richtlinien der ESA (2018); die aktuellen Anforderungen des deutschen Wettbewerbs stehen auf cansat.de.

Vorbild aus der Raumfahrt

Die Concurrent Design Facility der ESA (ESTEC, Noordwijk, seit 1998): Fachleute aller Disziplinen planen in gemeinsamen Sitzungen frühe Missionsstudien. Station 2 überträgt dieses Prinzip auf KI-Agenten. Fachgebiete im Einstiegsbild sind Beispiele.

An der Tafel

Adresse mit #tafel startet den Tafelmodus, #tafel-3 die dritte Tafel. → / Bild↓ weiter, ← / Bild↑ zurück, Esc beendet.