KI macht Schule ist eine gemeinnützige Initiative und bringt seit 2019 Bildung mit und über KI an Schulen im deutschsprachigen Raum. In praxisnahen Kursen für Schüler:innen sowie Fortbildungen für Lehrkräfte werden technisches Wissen über KI und Maschinelles Lernen ebenso wie deren ethische und gesellschaftliche Auswirkungen vermittelt. Dadurch werden junge Menschen und Lehrkräfte zu kompetenten und innovativen Akteur:innen einer verantwortungsvollen digitalen Zukunft.
Henning Ilbertz studiert Information Systems an der Technischen Universität München im Master. Seit August 2020 ist er bei KI macht Schule aktiv, wo er sich lange Zeit um die Social-Media-Präsenz kümmerte. Aktuell leitet er die Lokalgruppe München und verantwortet dort die Organisation und Durchführung von Kursen sowie weitere Aufgaben im Projekt. Sein Anliegen ist es, Schüler:innen und Lehrkräfte zu einem fundierten, reflektierten Umgang mit KI zu befähigen und einen sachlichen Diskurs über Chancen und Risiken der Technologie zu fördern.
Jan Reher unterstützt KI macht Schule seit August 2023 in Teilzeit bei der Erstellung und Weiterentwicklung von Lehrmaterialien. Hauptberuflich ist er Lehrer an der Königin-Luise-Stiftung in Berlin und leitet dort den Fachbereich Informatik.
Hanna Dohmen hat einen Hintergrund im Bereich Computational Neuroscience und ist bei KI macht Schule als Community Managerin, in der Fortbildungsleitung sowie in der Materialentwicklung tätig. In ihrer Arbeit beschäftigt sie sich insbesondere mit den aktuellen Bedarfen von Lehrkräften im Kontext von Künstlicher Intelligenz und den Veränderungen im Schulalltag. Ihr Fokus liegt darauf, Lehrkräfte dabei zu unterstützen und zu befähigen, KI-Kompetenzen bei Schüler:innen aufzubauen und einen reflektierten, sicheren sowie chancengerechten Umgang mit KI zu fördern.
Kerstin Rau gestaltet bei KI macht Schule die Konzeption und Durchführung von Lehrkräftefortbildungen zu Bildung über und mit KI. Sie studierte Mathematik und Geographie auf Lehramt und promovierte anschließend an der Schnittstelle von Geographie und Methoden des Maschinellen Lernens an der Universität Tübingen. Im Mittelpunkt ihrer Forschung stand der Einsatz von Machine-Learning-Methoden zur Vorhersage von Unsicherheiten in Bodeneigenschaftskarten. Die Verbindung von wissenschaftlicher Expertise, Unterrichtspraxis und Bildungsarbeit prägt heute ihre Arbeit.