Computational Thinking

1. Rechnerisches Denken (CT) hat uralte Wurzeln und entwickelt sich mit der Technologie weiter

Rechnen ist eine uralte menschliche Praxis.

Ursprünge in der Antike: CT lässt sich über 4.500 Jahre zurückverfolgen zu frühen mathematischen und ingenieurtechnischen Praktiken. Babylonier und Ägypter entwickelten Verfahren zur Lösung mathematischer Probleme und zum Bau von Strukturen. Im Laufe der Jahrhunderte verfeinerten Mathematiker Methoden für zunehmend komplexe Berechnungen.

Entwicklung mit der Technologie: CT hat sich kontinuierlich mit technologischen Fortschritten weiterentwickelt. Wichtige Meilensteine umfassen:

• Entwicklung arithmetischer und algebraischer Methoden
• Erfindung von Logarithmen und Rechenschiebern
• Schaffung mechanischer Rechner
• Entwurf früher Computer wie Babbages Analytical Engine
• Aufkommen elektronischer Computer und Programmiersprachen

Mit dem Fortschritt der Computertechnologie erweiterte sich CT, um neue Konzepte wie Algorithmen, Datenstrukturen und Softwaredesign zu umfassen. Heute passt sich CT weiterhin an aufkommende Technologien wie Quantencomputing und künstliche Intelligenz an.

2. CT dreht sich um das Entwerfen von Berechnungen und das Interpretieren der Welt als Informationsprozesse

Rechnerisches Denken sind die mentalen Fähigkeiten und Praktiken, um Berechnungen zu entwerfen, die Computer für uns ausführen, und die Welt als ein komplexes System von Informationsprozessen zu erklären und zu interpretieren.

Duale Natur von CT: Diese Definition erfasst die zwei wesentlichen Aspekte des rechnerischen Denkens:

1. Entwurf: Schaffung von Berechnungen zur Lösung von Problemen und zur Ausführung von Aufgaben
2. Interpretation: Verständnis von Phänomenen durch eine Informationsverarbeitungsperspektive

Praktische Anwendungen: CT ermöglicht es uns:

• Algorithmen und Software zur Automatisierung von Aufgaben zu entwickeln
• Komplexe Systeme als Informationsprozesse zu modellieren
• Daten zu analysieren, um Erkenntnisse zu gewinnen
• Benutzeroberflächen und -erfahrungen zu gestalten
• Prozesse in verschiedenen Bereichen zu optimieren

Breite Wirkung: CT hat unsere Herangehensweise an Probleme in Wissenschaft, Technik, Wirtschaft und Alltag revolutioniert. Es bietet einen leistungsstarken Rahmen zum Verständnis und zur Manipulation der zunehmend digitalen Welt um uns herum.

3. Das Streben nach Rechenmaschinen trieb die Entwicklung von CT voran

Das lange Streben nach Rechenmaschinen im Laufe der Jahrhunderte wurde nicht nur durch das Bedürfnis nach schnellerer Berechnung angetrieben, sondern auch durch das Bestreben, menschliche Fehler zu eliminieren, die häufig auftraten, wenn leicht gelangweilte oder abgelenkte Menschen viele sich wiederholende Berechnungen durchführten.

Motivationen für Automatisierung: Die Entwicklung von Rechenmaschinen wurde durch zwei Hauptfaktoren angetrieben:

1. Geschwindigkeit: Durchführung von Berechnungen viel schneller als Menschen
2. Genauigkeit: Beseitigung von Fehlern, die durch menschliche Einschränkungen verursacht werden

Wichtige Entwicklungen:

• Mechanische Rechner (z.B. Pascals Rechner)
• Lochkartensysteme (z.B. Jacquard-Webstuhl, Holleriths Zählmaschine)
• Frühe Computer (z.B. ENIAC, Mark I)
• Computer mit gespeicherten Programmen

Auswirkungen auf CT: Das Streben nach besseren Rechenmaschinen führte zu:

• Entwicklung formaler Algorithmen und Programmiersprachen
• Schaffung neuer Abstraktionen und Datenstrukturen
• Entstehung von Software-Engineering-Praktiken
• Erweiterung von CT über die Mathematik hinaus in verschiedene Bereiche

Diese Fortschritte prägten die Kernprinzipien des modernen rechnerischen Denkens, wobei Präzision, Effizienz und Skalierbarkeit im Problemlösungsprozess betont wurden.

4. Informatik formalisierte CT als akademische Disziplin

Informatikabteilungen finden sich in Fakultäten für Naturwissenschaften, Ingenieurwesen und sogar Wirtschaft. Warum so viele Heimstätten? Die Antwort spiegelt jene frühen politischen Kämpfe wider: Die neuen Abteilungen wurden in den Fakultäten gegründet, die am aufgeschlossensten waren.

Entstehung der Informatik: Mit der zunehmenden Verbreitung des Rechnens entstand der Bedarf an einer eigenen akademischen Disziplin. Wichtige Meilensteine umfassen:

• Erste Informatikabteilung an der Purdue University im Jahr 1962
• Gründung von Berufsverbänden (ACM, IEEE-CS)
• Entwicklung standardisierter Lehrpläne

Herausforderungen und Debatten:

• Widerstand von etablierten Disziplinen
• Fragen zur akademischen Legitimität der Informatik
• Debatten über die Natur des Rechnens (Wissenschaft vs. Ingenieurwesen)

Entwicklung von CT in der Akademie:

• Anfangsfokus auf Algorithmen und Programmierung
• Erweiterung um Systeme, Theorie und Anwendungen
• Integration von Software-Engineering-Prinzipien
• Einbeziehung von Mensch-Computer-Interaktion und Design Thinking

Die akademische Formalisierung der Informatik half, CT als eigenständige Denkweise zu festigen und bot einen Rahmen für das Lehren und Weiterentwickeln rechnerischer Konzepte in verschiedenen Disziplinen.

5. Software-Engineering erweiterte CT auf groß angelegte Systeme

Softwareentwickler erkannten, dass das rechnerische Denken der damaligen Zeit nicht in der Lage war, zuverlässige und vertrauenswürdige Software zu liefern. Die meisten CT-Praktiken bezogen sich auf das Denken im Kleinen – Praktiken und Denkinstrumente für einzelne Programmierer. Es gab nichts in CT für das Denken im Großen – Praktiken und Denkinstrumente für Teams von Programmierern, die groß angelegte Produktionssysteme mit langer Lebensdauer und großer Benutzerbasis entwickeln.

Umstellung auf groß angelegte Systeme: Mit dem Wachstum von Softwareprojekten in Größe und Komplexität traten neue Herausforderungen auf:

• Verwaltung großer Programmierteams
• Sicherstellung von Zuverlässigkeit und Wartbarkeit
• Umgang mit der langfristigen Entwicklung von Systemen

Wichtige Beiträge des Software-Engineerings zu CT:

• Entwurfsmuster und architektonische Prinzipien
• Projektmanagement- und Entwicklungsmethoden
• Versionskontroll- und Kollaborationstools
• Test- und Qualitätssicherungspraktiken

DRUSS-Ziele: Software-Engineering betonte das Design für:

• Zuverlässigkeit
• Vertrauenswürdigkeit
• Benutzerfreundlichkeit
• Sicherheit
• Schutz

Diese Erweiterung von CT auf das "Denken im Großen" war entscheidend für die Entwicklung der komplexen Softwaresysteme, die moderne Technologie und Unternehmen antreiben.

6. Design Thinking erweiterte CT über Algorithmen hinaus auf menschliche Belange

Design CT leitet uns zu Wegen, Computersysteme zu bauen, deren Verhalten in ihren Benutzergruppen nützlich und sinnvoll ist.

Menschzentrierter Ansatz: Design Thinking erweiterte CT, um zu berücksichtigen:

• Benutzerbedürfnisse und -erfahrungen
• Soziale und kulturelle Kontexte
• Ethische Implikationen der Technologie
• Iteratives Prototyping und Feedback

Ebenen der Softwarequalität:

1. Kein Vertrauen
2. Zynische Zufriedenheit
3. Erfüllt grundlegende Versprechen
4. Passt zur Umgebung
5. Verursacht keine negativen Konsequenzen
6. Begeistert die Benutzer

Auswirkungen auf CT-Praktiken:

• Betonung von Benutzerforschung und Empathie
• Integration vielfältiger Perspektiven im Design
• Fokus auf die Schaffung sinnvoller und wertvoller Erfahrungen
• Berücksichtigung langfristiger Konsequenzen und Anpassungsfähigkeit

Diese Erweiterung von CT hat zu ganzheitlicheren Ansätzen in der Technologieentwicklung geführt, die technische Fähigkeiten mit menschlichen und gesellschaftlichen Bedürfnissen in Einklang bringen.

7. CT revolutionierte wissenschaftliche Methoden über Disziplinen hinweg

Jahrhunderte lang waren Theorie und Experiment die beiden Modi der Wissenschaft. Supercomputer änderten dies und eröffneten einen neuen Ansatz zur Wissenschaft, der auf rechnerischer Erkundung und Modellierung basiert. Es war der bedeutendste wissenschaftliche Paradigmenwechsel seit der Quantenmechanik.

Entstehung der rechnerischen Wissenschaft: CT ermöglichte ein neues Paradigma in der wissenschaftlichen Forschung:

• Simulation komplexer Systeme
• Analyse massiver Datensätze
• Modellierung von Phänomenen als Informationsprozesse

Auswirkungen auf Disziplinen:

• Physik: Teilcheninteraktionen, Kosmologie
• Biologie: Genomik, Proteinfaltung
• Chemie: Molekülmodellierung
• Klimawissenschaft: Globale Klimamodelle
• Sozialwissenschaften: Netzwerkanalyse, agentenbasierte Modellierung

Neue wissenschaftliche Methoden:

• In-silico-Experimente
• Datengetriebene Entdeckung
• Multiskalenmodellierung
• Prädiktive Simulationen

Diese Integration von CT in verschiedene wissenschaftliche Bereiche hat die Entdeckung beschleunigt, neue Arten von Forschungsfragen ermöglicht und die Grenzen zwischen traditionellen Disziplinen verwischt.

8. Das Lehren von CT erfordert ein Gleichgewicht zwischen Anfänger- und Profiperspektiven

Pädagogen in K–12-Schulen haben ein beeindruckendes "CT für Anfänger" entwickelt – Einsichten und Methoden, um Neulingen das Rechnen beizubringen. Professionelle Software-Systemdesigner und Wissenschaftler haben ein beeindruckendes "CT für Profis" entwickelt – fortgeschrittene Methoden zum Entwerfen und Bauen komplexer Software, die zuverlässig und sicher funktioniert, und zur Durchführung wissenschaftlicher Untersuchungen.

CT für Anfänger:

• Fokus auf grundlegende Programmierkonzepte
• Verwendung visueller Programmiersprachen (z.B. Scratch)
• Betonung kreativer Problemlösung
• Einführung in algorithmisches Denken

CT für Profis:

• Fortgeschrittene Software-Engineering-Praktiken
• Systemdesign und Architektur
• Optimierung und Leistungsanalyse
• Domänenspezifische rechnerische Methoden

Überbrückung der Kluft:

• Fortschreitende Kompetenzentwicklung
• Erfahrungen mit realen Projekten
• Interdisziplinäre Anwendungen
• Betonung von Design Thinking und Ethik

Eine effektive CT-Ausbildung erfordert ein Gleichgewicht zwischen zugänglichen Einstiegspunkten für Anfänger und Wegen zu fortgeschrittenen beruflichen Fähigkeiten, um sicherzustellen, dass die Schüler sowohl grundlegende Konzepte verstehen als auch in der Lage sind, sie auf komplexe reale Herausforderungen anzuwenden.

9. CT entwickelt sich weiter mit neuen Rechenmodellen und gesellschaftlichen Herausforderungen

Wir schreiben dieses Buch zum 50. Jahrestag der ersten Empfehlungen zur Entwicklung eines Informatikcurriculums, die von der ACM (Association for Computing Machinery), einer Gesellschaft von Informatikfachleuten, der wir beide angehören, gemacht wurden.

Aufkommende Rechenmodelle:

• Quantencomputing
• Neuronale Netze und Deep Learning
• DNA-Computing
• Edge Computing und Internet der Dinge

Gesellschaftliche Herausforderungen:

• Automatisierung und Arbeitsplatzverlagerung
• Datenschutz und Datensicherheit
• Ethische KI und algorithmische Voreingenommenheit
• Digitale Kluft und Technologiezugang

Zukünftige Richtungen für CT:

• Integration von Mensch-Computer-Teams
• Bewältigung globaler Herausforderungen (Klima, Gesundheit, Bildung)
• Ausbalancieren von Innovation und ethischen Überlegungen
• Anpassung an sich schnell ändernde technologische Landschaften

Da sich die Technologie weiterentwickelt und die Gesellschaft umgestaltet, muss sich CT weiterentwickeln, um neue rechnerische Paradigmen und deren gesellschaftliche Auswirkungen zu adressieren. Diese fortlaufende Entwicklung unterstreicht die Notwendigkeit lebenslangen Lernens und Anpassungsfähigkeit im Bereich des rechnerischen Denkens.

Zuletzt aktualisiert: October 5, 2024