Kursvorlage
Science AI-Coding: Wirtschaftliche Modelle sichtbar machen
Diese Lerneinheit führt in wirtschaftliche Entscheidungssituationen ein, die mit Python als einfache Modellierung und mit Diagrammen sichtbar gemacht werden. Im Mittelpunkt stehen reale Fragen aus Alltag und Unternehmen, zum Beispiel Kosten, Gewinn, Nachfrage, Zinsentwicklung, Inflation, Investition, Lagerbestand und Risiko. Die Lernenden starten jeweils mit einem lauffähigen Grundmodell, verändern gezielt Parameter, beobachten die Auswirkungen und beurteilen die wirtschaftliche Bedeutung. Jede Einheit folgt dem Prinzip: wirtschaftliche Situation → vereinfachtes Modell → Visualisierung → Vergleich → wirtschaftliche Bewertung → KI-Coding-Erweiterung.
Didaktische Zielsetzung
Die Vorlage führt wirtschaftliche Entscheidungssituationen in vereinfachte, nachvollziehbare Python-Modelle über und macht deren Auswirkungen in Diagrammen sichtbar. Im Mittelpunkt stehen Modellierung, der gezielte Vergleich von Szenarien und die fachliche Bewertung wirtschaftlicher Folgen. Die Bausteine verbinden mathematische Beziehungen, Datenstrukturen und Visualisierung mit Science AI-Coding, indem bestehende Modelle durch klar formulierte Erweiterungen weiterentwickelt werden. Fachlich reicht die Vorlage von Kosten, Nachfrage und Marktgleichgewicht über Zins, Inflation und Lagerhaltung bis zu Risiko und Verteilungen.
Kompetenzschwerpunkte
Die Vorlage verbindet wirtschaftliche Modellbildung mit Parameterexperimenten, grafischer Analyse und der begründeten Bewertung unterschiedlicher Entscheidungsszenarien.
- Kosten und Gewinn modellieren: Fixkosten, variable Kosten, Umsatz und Gewinn werden über Absatzmengen berechnet und als Gewinnschwelle interpretiert.
- Preis und Nachfrage untersuchen: Nachfragekurven, Preisvarianten und Preiselastizität werden durch Parameteränderungen verglichen und wirtschaftlich eingeordnet.
- Marktgleichgewichte analysieren: Angebots- und Nachfragekurven werden kombiniert, um Gleichgewichtspreis und Gleichgewichtsmenge sowie Kurvenverschiebungen zu untersuchen.
- Zeitabhängige Finanzmodelle bewerten: Zinseszins, Vermögensaufbau, Inflation und Kaufkraft werden über längere Zeiträume modelliert und visualisiert.
- Bestände und Nachbestellungen steuern: Lagerverläufe, Mindestbestände und Nachbestellregeln werden aus Zeitreihen abgeleitet und verglichen.
- Risiko und Unsicherheit beurteilen: Zufallssimulationen und Gewinnverteilungen werden mit Kennzahlen und Histogrammen ausgewertet.
- Verteilungen interpretieren: Mittelwert, Median und Lorenzkurve werden genutzt, um Unterschiede und Ungleichheit innerhalb wirtschaftlicher Verteilungen sichtbar zu machen.
Struktur der Bausteine
Die Bausteine folgen einem gemeinsamen Muster: Eine wirtschaftliche Situation wird vereinfacht modelliert, visualisiert, durch Parameteränderungen verglichen und anschließend fachlich bewertet sowie mit KI-Coding erweitert.
Kosten, Umsatz und Gewinn in einer Schülerfirma
Ein einfaches Kostenmodell verbindet Absatzmenge, Umsatz und Gewinn und macht die Gewinnschwelle sowie Auswirkungen veränderter Preis- und Kostenparameter sichtbar.
Science AI-Coding: Preis & Nachfrage
Eine vereinfachte Nachfragefunktion zeigt, wie Preisänderungen die Absatzmenge beeinflussen und wie verschiedene Preisvarianten im Diagramm verglichen werden können.
Marktgleichgewicht mit Angebots- und Nachfragekurve
Lineare Angebots- und Nachfragekurven werden kombiniert, um Marktgleichgewicht und die Folgen veränderter Marktbedingungen auf Preis und Menge zu untersuchen.
Preiselastizität im Vergleich: Alltagsprodukt vs. Luxusprodukt
Zwei Nachfragefunktionen werden gegenübergestellt, um unterschiedliche Reaktionen auf Preisänderungen und die wirtschaftliche Bedeutung von Preiselastizität sichtbar zu machen.
Science AI-Coding: Zinseszins & Vermögensaufbau
Ein Sparplanmodell vergleicht Vermögensentwicklungen über Zeit und macht den langfristigen Einfluss von Zinssatz, Sparrate und Laufzeit sichtbar.
Inflation & Kaufkraft: Wie viel bleibt von Geld über die Zeit übrig?
Nominaler und realer Wert eines Geldbetrags werden über Zeit verglichen, um den Kaufkraftverlust bei unterschiedlichen Inflationsannahmen zu beurteilen.
Lagerbestand, Nachbestellung und Engpässe im Handel
Eine Zeitreihe aus Lagerbestand, Verbrauch und Mindestbestand wird genutzt, um Nachbestellregeln, Engpässe und alternative Lagerstrategien zu untersuchen.
Risiko & Wahrscheinlichkeit: Gewinn unter Unsicherheit
Zufallssimulationen erzeugen Gewinnverteilungen, aus denen erwartete Ergebnisse, Verlustrisiken und die Wirkung veränderter Unsicherheit abgeleitet werden.
Ungleichheit sichtbar machen: Einkommen und Vermögen als Verteilung
Einkommens- oder Vermögensverteilungen werden mit Mittelwert, Median und Lorenzkurve untersucht, um Konzentration und Ungleichheit grafisch zu beurteilen.
Inhalte im Überblick
Die Übersicht zeigt die wirtschaftlichen Schwerpunkte der neun Bausteine und ihren vorgesehenen zeitlichen Rahmen.
| Baustein | Schwerpunkt | Zeit | Aufgaben |
|---|---|---|---|
| Kosten, Umsatz und Gewinn in einer Schülerfirma | Kostenmodell, Gewinn und Gewinnschwelle | 45 min | 5 |
| Science AI-Coding: Preis & Nachfrage | Nachfragekurve und Preisvarianten | 45 min | 4 |
| Marktgleichgewicht mit Angebots- und Nachfragekurve | Marktgleichgewicht und Kurvenverschiebungen | 45 min | 4 |
| Preiselastizität im Vergleich: Alltagsprodukt vs. Luxusprodukt | Preiselastizität und Nachfragevergleich | 35 min | 4 |
| Science AI-Coding: Zinseszins & Vermögensaufbau | Sparplan, Zinseszins und Szenarien | 35 min | 4 |
| Inflation & Kaufkraft: Wie viel bleibt von Geld über die Zeit übrig? | Nominalwert, Realwert und Kaufkraft | 35 min | 5 |
| Lagerbestand, Nachbestellung und Engpässe im Handel | Lagersteuerung, Mindestbestand und Nachbestellung | 35 min | 5 |
| Risiko & Wahrscheinlichkeit: Gewinn unter Unsicherheit | Simulation, Gewinnverteilung und Verlustrisiko | 45 min | 3 |
| Ungleichheit sichtbar machen: Einkommen und Vermögen als Verteilung | Verteilungen, Mittelwert, Median und Lorenzkurve | 30 min | 5 |
Die klar aufgebauten Bausteine machen wirtschaftliche Zusammenhänge, Parameterwirkungen und Entscheidungsfolgen transparent und lassen sich gut in Unterrichtsreihen integrieren.
Über einen Demo-Zugang können Sie die Vorlage erproben und die einzelnen Modelle an Ihre Lerngruppe und Unterrichtsplanung anpassen.