Inhalte
Eigene Unterrichtsmaterialien mit KI erstellen
Mit der KI-gestützten Inhaltserstellung von CodeRoom können Sie neue Unterrichtsmaterialien auf Basis fachlicher Themenstellungen automatisch generieren lassen. Ausgehend von einer kurzen Beschreibung – etwa zur Einführung eines Programmierkonzepts oder zur Anwendung in einem alltagsnahen Szenario – wird ein strukturierter Prompt erzeugt, der auf Programmiersprache, Kompetenzniveau und didaktischen Kontext abgestimmt ist.
Mehr zur Erstellung von Unterrichtsmaterialien mit KI
Vorgestellte Inhalte im Überblick
Im Folgenden finden Sie eine Auswahl der beliebtesten Unterrichtsbausteinen und Materialien, die sich direkt im Informatikunterricht einsetzen lassen. Die Inhalte sind modular aufgebaut und unterstützen den schrittweisen Kompetenzaufbau – von grundlegenden Programmierkonzepten bis hin zu komplexeren Anwendungen und Modellierungsaufgaben.
Einfacher Passwort-Hash & Mini-Login [Inhalt]
Einfache Hashfunktion und Login-System in Python: Zeichenverarbeitung, Hashbildung und Vergleich von Hashwerten statt Klartext.
Space Invaders: Verteidigung gegen die Formation [Inhalt]
Space-Invaders-Baustein: Aus einer Startbasis entstehen Bewegung, Schuss, Gegnerformation, Treffer, Punkte, Leben, Wellen und Neustart.
Sag die richtige Antwort mit if else [Inhalt]
Else statt doppeltes if: Eine bestehende Lösung wird zu einer klaren if-else-Entscheidung umgebaut und damit strukturiertes Fallunterscheiden geübt.
Funktionsplotter Sandbox [Inhalt]
Interaktiver Funktionsplotter (Sandbox) mit Darstellung eines Funktionsgraphen sowie Pan- und Zoomsteuerung über Maus und Tastatur.
Für wen schreibe ich den Auftrag? [Inhalt]
Zielgruppen in Prompts gezielt einsetzen und den Einfluss auf Sprache und Verständlichkeit von KI-Antworten analysieren.
Listen sortieren (Die Ball-Challenge) [Inhalt]
Listen kopieren, nach name sortieren und Objekte korrekt wieder ablegen.
Cell Defense – Conway gegen die Invasion [Inhalt]
Zellautomat-Projekt mit Conway-Regeln, Zellmustern, Energie- und Gegnerlogik zur schrittweisen Erweiterung eines lauffähigen Prototyps.
Vektor-Zerlegung – Experimentier-Sandbox [Inhalt]
Sandbox zum Experimentieren mit Vektorzerlegung in 2D mit grafischer Darstellung und Maus- und Tastaturinteraktion.
📄
Prompting: Wortwahl steuert die Perspektive [Inhalt]
Wortwahl gezielt einsetzen, um Richtung und Ton von KI-Antworten zu steuern und einseitige Prompts durch kleine Änderungen zu neutralisieren.
📄
Prompting: Fakten prüfen statt einfach glauben [Inhalt]
Prompts so strukturieren, dass KI-Aussagen als [FAKT] oder [MEINUNG] markiert werden und Fakten jeweils eine Prüfmöglichkeit enthalten.
Breakout / Arkanoid – Objektverwaltung und Kollision [Inhalt]
Breakout-Spiel in Pygame mit Blockverwaltung, Kollisionslogik zwischen Ball und Blöcken sowie Bedingungen für Game Over und Levelende.
Tetris mit Matrizen und Rotationen [Inhalt]
Tetris: Matrizen, Bewegung, Rotation, Kollisionslogik, Zeilen, Punkte, Geschwindigkeit.
Frogger: Rastersteuerung und Bildschirmgrenzen [Inhalt]
Rastersteuerung mit Tastaturaktionen, Regelstruktur und Begrenzung der Spielfigur auf den Bildschirmbereich.
Histogramme bei Würfeln [Inhalt]
Interaktive Sandbox zur Visualisierung von Würfelwürfen und relativen Häufigkeiten mit einem Histogramm.
Wellenpaket & Überlagerung [Inhalt]
Visualisierung diskreter Wellen: bewegtes Wellenpaket und Überlagerung zweier Wellen mit Knoten und Antiknoten.
Eigene Klassen (Der Mini-Linus) [Inhalt]
Ein Unterrichtsbaustein zur Einführung von Klassen als Bauplan für Roboter und zum methodischen Steuern einer Instanz im Dungeon.
Caesar-Verschlüsselung (A–Z) in Python [Inhalt]
Caesar-Verschlüsselung für Großbuchstaben mit ord/chr, Modulo 26 und Zeichenverarbeitung in Python umsetzen.
Stoß: Energieverlust & kinetische Energie [Inhalt]
Simulation zweier Kugeln: Restitutionskoeffizient implementieren und kinetische Energie vor und nach einem Stoß berechnen.
Analyse von Unternehmenskennzahlen aus CSV [Inhalt]
CSV-Daten mit pandas analysieren, Durchschnittswerte berechnen, profitabelsten Monat bestimmen und Kennzahlen mit matplotlib visualisieren.
Klimadaten aus CSV visualisieren [Inhalt]
CSV-Klimadaten mit pandas laden, analysieren und als Zeitreihe mit matplotlib visualisieren.