Kursvorlage
Science AI-Coding: Fachmodelle mit Python und Visualisierung
Dieser Lerninhalt verbindet Fachmodelle aus Physik und anderen Unterrichtsbereichen mit einer direkten, grafischen Auswertung in Python. Die Lernenden starten mit lauffähigen Modellen und untersuchen Schritt für Schritt Formeln, Variablen und Diagramme. Im Mittelpunkt stehen das Verstehen eines fachlichen Zusammenhangs, das Verändern von Parametern und das Beobachten der Auswirkungen in Plotly oder Matplotlib. Am Ende werden gezielte KI-Coding-Erweiterungen formuliert, um das Modell sichtbar weiterzuentwickeln.
Didaktische Zielsetzung
Die Vorlage verbindet fachliche Modellbildung mit direkt sichtbaren Python-Visualisierungen und führt von einer Formel oder Beziehung schrittweise zur experimentellen Untersuchung. Im Mittelpunkt stehen fachliches Verstehen, das gezielte Variieren von Parametern und die Beobachtung ihrer Auswirkungen in Diagrammen. Die Bausteine verknüpfen Modellierung, strukturierte Implementierung und grafische Interpretation mit Science AI-Coding, indem lauffähige Ausgangsmodelle gezielt erweitert werden. Fachlich liegt der Schwerpunkt vor allem auf physikalischen Modellen aus Mechanik, Energie, Elektrizitätslehre, Optik und Zerfallsprozessen.
Kompetenzschwerpunkte
Die Vorlage verbindet fachliche Modellinterpretation mit experimenteller Parametervariation, grafischer Auswertung und gezielter Weiterentwicklung bestehender Python-Modelle.
- Fachmodelle in Code übertragen: Physikalische Beziehungen wie Bewegung, Energie, Kraft, Schwingung, Elektrizität, Optik und Zerfall werden als einfache Python-Modelle umgesetzt.
- Parameterwirkungen untersuchen: Größen wie Geschwindigkeit, Beschleunigung, Masse, Höhe, Federkonstante, Widerstand oder Zerfallskonstante werden gezielt verändert und verglichen.
- Diagramme fachlich interpretieren: Lineare, quadratische, periodische und exponentielle Verläufe werden über Steigung, Krümmung, Amplitude oder Abnahme gedeutet.
- Mess- und Modellgrößen verknüpfen: Beziehungen wie
v = Δs / Δt,F = m · aoderP = U · Iwerden mit sichtbaren Ausgaben und Diagrammen verbunden. - Visualisierungswerkzeuge einsetzen: Matplotlib und Plotly werden genutzt, um Fachmodelle als Linien, Kennlinien, Kurven oder geometrische Skizzen darzustellen.
- Vergleiche und Erweiterungen entwickeln: Modelle werden um zweite Kurven, Marker, Vergleichswerte oder zusätzliche fachliche Auswertungen ergänzt.
- KI-Coding fachlich steuern: Erweiterungen werden als präzise Änderungsaufträge formuliert, sodass der bestehende Code gezielt weiterentwickelt wird und der fachliche Zusammenhang sichtbar bleibt.
Struktur der Bausteine
Die Bausteine folgen einem gemeinsamen Aufbau: Ein lauffähiges Fachmodell wird visualisiert, durch gezielte Parameteränderungen untersucht und anschließend fachlich begründet sowie mit KI-Coding erweitert.
Gleichförmige Bewegung mit Science AI-Coding
Das lineare Modell s = v · t wird als Weg-Zeit-Diagramm untersucht, um die Geschwindigkeit als Steigung sichtbar zu machen und vergleichend zu erweitern.
Science AI-Coding: Beschleunigte Bewegung sichtbar machen
Die quadratische Weg-Zeit-Beziehung s = 1/2 · a · t² wird visualisiert, um die Wirkung verschiedener Beschleunigungen auf die Kurvenform zu vergleichen.
Science AI-Coding: Weg, Zeit und Geschwindigkeit im Modell v = Δs / Δt
Zwei Weg-Zeit-Messpunkte werden genutzt, um Geschwindigkeit als Verhältnis von Weg- und Zeitänderung sowie als Steigung im Diagramm zu interpretieren.
Freier Fall modellieren und untersuchen
Das Modell s = 1/2 · g · t² macht den nichtlinearen Fallweg sichtbar und ermöglicht Vergleiche verschiedener Zeit- und Beschleunigungswerte.
Science AI-Coding: Kraft, Masse und Beschleunigung
Das Modell F = m · a wird über Masse und Beschleunigung untersucht, wobei Änderungen unmittelbar in der Steigung der Kraft-Masse-Darstellung sichtbar werden.
Kinetische Energie: Masse und Geschwindigkeit im Diagramm
Die kinetische Energie E_kin = 1/2 · m · v² wird als nichtlinearer Verlauf visualisiert und hinsichtlich Masse, Geschwindigkeit und quadratischem Wachstum untersucht.
Lageenergie sichtbar machen
Die proportionale Beziehung E_pot = m · g · h wird als Gerade dargestellt, um den Einfluss von Höhe und Masse auf Energie und Steigung zu analysieren.
Science AI-Coding: Federkraft und Auslenkung
Das Hooke-Modell F = D · s wird als lineare Kraft-Auslenkungs-Beziehung untersucht und durch Vergleiche verschiedener Federkonstanten erweitert.
Physik: Harmonische Schwingung mit Science AI-Coding
Die harmonische Schwingung x(t) = A · sin(ω · t) wird über Amplitude und Kreisfrequenz variiert und als interaktive Zeitreihe untersucht.
Strom-Spannungs-Kennlinie mit veränderbarem Widerstand
Das ohmsche Gesetz U = R · I wird über mehrere Kennlinien visualisiert, um den Widerstand als bestimmenden Faktor der Steigung zu deuten.
Science AI-Coding: Elektrische Leistung sichtbar machen
Die Beziehung P = U · I wird über veränderbare Spannungs- und Stromwerte untersucht und durch Vergleichskurven sowie fachliche Auswertungen erweitert.
Reflexionsgesetz: Einfallswinkel und Ausfallswinkel
Das Reflexionsgesetz wird als geometrische Skizze mit Spiegel, Lot und Strahlen dargestellt, sodass Winkeländerungen direkt sichtbar und vergleichbar werden.
Science AI-Coding: Radioaktiver Zerfall und Halbwertszeit
Das exponentielle Zerfallsmodell N = N₀ · e^(-λt) wird mit Halbwertszeit und Parametervergleichen untersucht und als interaktive Kurve erweitert.
Inhalte im Überblick
Die Übersicht zeigt die fachlichen Modelle der 13 Bausteine und ihren vorgesehenen zeitlichen Rahmen.
| Baustein | Schwerpunkt | Zeit | Aufgaben |
|---|---|---|---|
| Gleichförmige Bewegung mit Science AI-Coding | Lineare Bewegung und Weg-Zeit-Diagramm | 20 min | 4 |
| Science AI-Coding: Beschleunigte Bewegung sichtbar machen | Quadratische Bewegung und Beschleunigung | 30 min | 4 |
| Science AI-Coding: Weg, Zeit und Geschwindigkeit im Modell v = Δs / Δt | Messpunkte, Steigung und Geschwindigkeit | 25 min | 3 |
| Freier Fall modellieren und untersuchen | Fallweg, Zeit und Erdbeschleunigung | 20 min | 5 |
| Science AI-Coding: Kraft, Masse und Beschleunigung | Kraftmodell und Parametervergleich | 25 min | 5 |
| Kinetische Energie: Masse und Geschwindigkeit im Diagramm | Quadratisches Wachstum der Bewegungsenergie | 30 min | 4 |
| Lageenergie sichtbar machen | Höhe, Masse und proportionale Energie | 25 min | 4 |
| Science AI-Coding: Federkraft und Auslenkung | Hookesches Gesetz und Federkonstante | 20 min | 4 |
| Physik: Harmonische Schwingung mit Science AI-Coding | Amplitude, Kreisfrequenz und Schwingungsverlauf | 35 min | 4 |
| Strom-Spannungs-Kennlinie mit veränderbarem Widerstand | Ohmsches Gesetz und Kennliniensteigung | 20 min | 3 |
| Science AI-Coding: Elektrische Leistung sichtbar machen | Spannung, Stromstärke und Leistung | 20 min | 4 |
| Reflexionsgesetz: Einfallswinkel und Ausfallswinkel | Optische Geometrie und Winkelbeziehung | 25 min | 4 |
| Science AI-Coding: Radioaktiver Zerfall und Halbwertszeit | Exponentieller Zerfall und Halbwertszeit | 35 min | 3 |
Die klar aufgebauten Bausteine machen fachliche Zusammenhänge, Parameterwirkungen und Diagramminterpretationen transparent und lassen sich in unterschiedliche Unterrichtsreihen integrieren.
Über einen Demo-Zugang können Sie die Vorlage erproben und die einzelnen Modelle an Ihre Lerngruppe und Unterrichtsplanung anpassen.