Direkt zum Inhalt
Allgemeine Gewerbeschule Basel – AGS HBBki-lernen
Session 2

Lektion 3 · 90 Min

Data Research Challenge: War der Hitzesommer 2026 wirklich aussergewöhnlich?

Von der Frage zur belastbaren Aussage: Finde reale Daten, analysiere sie mit KI und zeige visuell, ob der Hitzesommer 2026 tatsächlich aussergewöhnlich war.

Praxis-ChallengeWerkzeug: ChatGPTGoogle GeminiMicrosoft CopilotNotebookLM

Forschungsfrage

War der Hitzesommer 2026 wirklich aussergewöhnlich?

Die Challenge

Findet die Daten. Analysiert sie mit KI. Visualisiert die Unterschiede. Beweist eure Aussage. Der Sommer 2026 fühlte sich aussergewöhnlich heiss an – aber stimmt dieser Eindruck auch, wenn wir die Daten betrachten?

Eure Aufgabe: Untersucht mit KI und geeigneten Datenquellen, ob der Sommer 2026 tatsächlich aussergewöhnlich war – und zeigt das Ergebnis so, dass man es innerhalb von 30 Sekunden versteht.

  1. Research
  2. Data
  3. Visualize
  4. Verify

Was trainierst du?

  • Mit KI geeignete Datenquellen recherchieren.
  • Seriöse und ungeeignete Quellen unterscheiden.
  • Daten verschiedener Jahre vergleichen.
  • KI zur Datenanalyse einsetzen.
  • Aus Daten geeignete Visualisierungen entwickeln.
  • Aussagen anhand von Daten überprüfen.
  • Fakten von Interpretationen unterscheiden.

Die Challenge.

  1. 01Find

    Findet geeignete Daten

    Recherchiert Daten zur Temperaturentwicklung in der Schweiz oder einer ausgewählten Schweizer Region.

    Interessante Kennzahlen

    • Tagesmitteltemperatur
    • Tageshöchsttemperatur
    • Monatsmittel
    • Anzahl Hitzetage ≥ 30 °C
    • Dauer von Hitzeperioden
    • Temperaturabweichung vom langjährigen Mittel

    Pflicht: mindestens zwei mögliche Datenquellen. Zeigt je Quelle: Name / Organisation, Link, gelieferte Daten, Grund für die Vertrauenswürdigkeit und die Grenzen.

    KI darf euch Quellen vorschlagen. Ihr müsst aber überprüfen, ob die Quelle tatsächlich existiert und die behaupteten Daten enthält.

  2. 02Compare

    Baut einen sinnvollen Vergleich

    Vergleicht 2026 mit mindestens fünf früheren Jahren. Welche Vergleichsjahre sinnvoll sind, entscheidet ihr selbst.

    Denkfragen

    • · Sind einfach die letzten fünf Jahre sinnvoll?
    • · Sollte ein langjähriger Durchschnitt einbezogen werden?
    • · Welche früheren Hitzesommer wären interessant?
    • · Welche Kennzahl macht Jahre überhaupt vergleichbar?

    Nicht einfach Daten sammeln. Definiert zuerst, was „aussergewöhnlich“ überhaupt bedeuten soll.

  3. 03Analyze

    Analysiert die Daten mit KI

    Sucht systematisch nach Auffälligkeiten – und setzt dafür ausdrücklich KI ein.

    Worauf ihr schaut

    • Höchste Temperaturen
    • Anzahl Hitzetage
    • Länge von Hitzeperioden
    • Zeitpunkt der Hitze
    • Monatsmittel
    • Abweichungen vom langjährigen Mittel
    • Unterschiede zwischen den Jahren

    Erlaubt ist alles: Daten hochladen, Tabellen analysieren lassen, Berechnungen durchführen, Muster suchen, Kennzahlen vergleichen, Analyseverfahren vorschlagen lassen.

    KI-Ausgabe ≠ Beweis. Mindestens drei zentrale Aussagen der KI müsst ihr an den Originaldaten oder einer seriösen Quelle überprüfen.

  4. 04Visualize

    Macht die Antwort sichtbar

    Ziel: Jemand erkennt innerhalb von 30 Sekunden, was 2026 von anderen Jahren unterscheidet.

    Mögliche Darstellungen

    • Temperaturverlauf als Liniendiagramm
    • Hitzetage pro Jahr als Balkendiagramm
    • Monatsmittel Juni–August
    • Abweichung vom langjährigen Mittel
    • Heatmap
    • Kleines Dashboard
    • Andere geeignete Darstellung

    Entscheidet selbst, welche Visualisierung die Fragestellung am besten beantwortet. Nicht möglichst viele Diagramme – Qualität vor Quantität.

  5. 05Conclude

    Beantwortet die Frage

    Am Ende steht eine klare Aussage: War der Sommer 2026 aussergewöhnlich? Formuliert maximal fünf Kernaussagen, jede belegbar durch Daten oder eine seriöse Quelle.

    Fakt

    Was zeigen die Daten?

    „2026 hatte im Vergleich zu …“

    Interpretation

    Was schliessen wir daraus?

    „Damit kann 2026 hinsichtlich … als aussergewöhnlich bezeichnet werden.“

Zusatz-Challenge

Aber was bedeutet eigentlich „Hitzesommer“?

Untersucht, ob eure Antwort davon abhängt, welche Kennzahl ihr verwendet.

  • Ein Sommer könnte die höchste Durchschnittstemperatur haben, aber nicht die meisten Tage über 30 °C.
  • Ein Jahr könnte extreme Spitzen haben, insgesamt aber weniger warm sein.

Findet mindestens ein Beispiel, bei dem zwei unterschiedliche Kennzahlen zu einer unterschiedlichen Bewertung eines Jahres führen.

Welche Kennzahl würdet ihr verwenden, wenn ihr einem Management erklären müsstet, wie aussergewöhnlich der Sommer war – und warum?

Eure Abgabe

1 Seite – Management Summary

Data

  • Verwendete Datenquellen

Compare

  • Vergleichszeitraum und Begründung

Visualize

  • Mindestens zwei aussagekräftige Visualisierungen

Insights

  • 3–5 zentrale Erkenntnisse

Verdict

  • Klare Antwort: War 2026 aussergewöhnlich – ja, nein oder nur unter bestimmten Gesichtspunkten?

AI Process

  • Welches KI-Tool wurde verwendet?
  • Wofür?
  • Was war der wichtigste Prompt?
  • Welche KI-Aussagen wurden überprüft?
  • Was musste verbessert oder korrigiert werden?

KI-Arbeitsprozess

  1. Problem
  2. Research
  3. Source Check
  4. Data
  5. AI Analysis
  6. Visualization
  7. Verify
  8. Conclusion

Nicht das schönste Diagramm gewinnt. Entscheidend ist, ob der Weg von der Quelle bis zur Aussage nachvollziehbar ist.

Situation

Ihr arbeitet in Teams zu zwei bis drei Personen und beantwortet eine reale Frage mit realen Daten: War der Sommer 2026 in der Schweiz aussergewöhnlich heiss?

Arbeitsauftrag · 60 Min

Beantwortet in Teams die Frage mit Daten – von der Quelle bis zur belastbaren Aussage.

  1. Zwei Datenquellen finden und prüfen.
  2. Vergleichsjahre und Kennzahl festlegen und begründen.
  3. Daten mit KI analysieren, drei Aussagen verifizieren.
  4. Mindestens zwei aussagekräftige Visualisierungen erstellen.
  5. Management Summary auf einer Seite mit klarem Verdikt abgeben.

Minimum: Ein einseitiges Management Summary mit Quellen, Visualisierungen, Erkenntnissen und Verdikt.

Wenn Zeit bleibt: Findet ein Beispiel, bei dem zwei Kennzahlen zu unterschiedlichen Bewertungen desselben Jahres führen.

So gehst du vor.

  1. 1

    01 Find – geeignete Daten finden

    Mindestens zwei Datenquellen mit Organisation, Link, Inhalt, Vertrauenswürdigkeit und Grenzen.

  2. 2

    02 Compare – sinnvollen Vergleich bauen

    2026 gegen mindestens fünf frühere Jahre. Zuerst definieren, was „aussergewöhnlich“ heisst.

  3. 3

    03 Analyze – mit KI auswerten

    Systematisch nach Auffälligkeiten suchen, mindestens drei KI-Aussagen an den Originaldaten prüfen.

  4. 4

    04 Visualize – Antwort sichtbar machen

    Eine Darstellung, die in 30 Sekunden zeigt, was 2026 von anderen Jahren unterscheidet.

  5. 5

    05 Conclude – Frage beantworten

    Maximal fünf Kernaussagen, sauber getrennt in Fakt und Interpretation.

Beispiel ansehen

  • Quellenprüfung statt Quellenglaube

    Ein Team fragt die KI nach Temperaturdaten und erhält eine Quelle mit exakt passendem Link und Datensatznamen.

    Nenne mir öffentlich zugängliche Schweizer Datenquellen für Tageshöchsttemperaturen. Gib je Quelle die Organisation, den Zugangsweg und die zeitliche Abdeckung an. Markiere klar, wenn du dir bei einer Angabe nicht sicher bist.

    Die KI nennt zwei Organisationen mit Zugangsweg und Abdeckung und markiert eine dritte Angabe ausdrücklich als unsicher.

    Erst der Aufruf der Quelle zeigt, ob es den Datensatz gibt. Im fiktiven Fall existierte die dritte Quelle nicht in der behaupteten Form.

    Fiktives Beispiel
Qualität prüfen
  • · Jede verwendete Quelle habe ich selbst geöffnet und geprüft.
  • · Mindestens drei KI-Aussagen habe ich an den Originaldaten verifiziert.
  • · Fakt und Interpretation sind in meiner Abgabe klar getrennt.

Häufiger Fehler: Die von der KI genannte Quelle wird übernommen, ohne sie zu öffnen.

So korrigierst du: Jede Quelle aufrufen, den Datensatz ansehen und die behaupteten Zahlen stichprobenweise nachzählen.

Daten: Nur öffentlich zugängliche Daten verwenden. Keine internen oder personenbezogenen Datensätze hochladen.

Deine Notiz

Abschlussreflexion.

  1. 1

    Wo hat euch KI am meisten Zeit gespart?

  2. 2

    Wo hätte euch KI beinahe zu einer falschen Aussage geführt?

  3. 3

    Was würdet ihr beim nächsten Datenanalyse-Auftrag anders machen?

Halte deine Antworten in deiner Notiz oben fest.

Was nehmen wir in unsere AI Toolbox auf?

Nach der gemeinsamen Besprechung sammeln wir die Erkenntnisse für die Prompt- und Methodenbibliothek des AI-Lern-Navigators.

  • Bester Research-Prompt
  • Beste Datenquelle
  • Beste Visualisierungsidee
  • Wichtigster Fehler
  • Beste Methode zur Verifikation

Dozentenhinweis

Dozentenhinweis

Diese Challenge ist keine Wetterkunde. Der Wetterdatensatz ist lediglich der gemeinsame, öffentlich verfügbare und überprüfbare Anwendungsfall.

  1. Datenquelle finden
  2. Quellenqualität beurteilen
  3. Daten verstehen
  4. KI einsetzen
  5. Visualisieren
  6. Verifizieren
  7. Belastbare Aussage

Beobachtungspunkte

  • · Finden Studierende Primärquellen oder verlassen sie sich auf KI-Zusammenfassungen?
  • · Prüfen sie von KI genannte Quellen?
  • · Definieren sie sinnvolle Vergleichsgrössen?
  • · Hinterfragen sie ihre Kennzahlen?
  • · Können sie zwischen Fakt und Interpretation unterscheiden?
  • · Prüfen sie Berechnungen und Aussagen?
  • · Ist die Visualisierung wirklich entscheidungsrelevant?
Nächste Lektion

Diese Lektion als reine Textfassung (für Zitate, Notizen und KI-Assistenten): /llms/b2-l4.txt