Das Verständnis der Wechselwirkung zwischen Licht und biologischem Gewebe eröffnet ein Fenster zu einem der fortschrittlichsten und einflussreichsten Bereiche der modernen Medizin: der laserbasierten Diagnostik. Diese Lerneinheit hat Schülerinnen und Schüler der Sekundarstufe in die wissenschaftlichen Grundlagen der Laserphysik, biomedizinischen Optik und diagnostischen Technologien wie der Optischen Kohärenztomographie (OCT), Laserinduzierten Fluoreszenz (LIF) und Photoakustischen Bildgebung eingeführt. Indem sie erforschen, wie spezifische Lichtwellenlängen entscheidende physiologische und pathologische Informationen sichtbar machen können, gewinnen die Lernenden Einblicke in reale Anwendungen von MINT-Wissen an der Schnittstelle von Physik, Biologie und medizinischer Innovation.

Die Integration von Augmented-Reality-(AR)-Werkzeugen spielt eine entscheidende Rolle dabei, komplexe Phänomene sichtbar, interaktiv und ansprechend zu machen. AR-Simulationen ermöglichen es den Schülerinnen und Schülern, unsichtbare Prozesse zu visualisieren, wie z. B. das Streuverhalten von Laserstrahlen im Gewebe, die Entstehung von Bildsignalen und die Abhängigkeit der Diagnosegenauigkeit von optischen Parametern. Diese Werkzeuge fördern nicht nur ein tieferes Verständnis durch erfahrungsbasiertes Lernen, sondern auch Kreativität und Forschergeist, indem sie den Lernenden erlauben, Variablen zu testen, Szenarien zu entwerfen und sich diagnostischen Herausforderungen zu stellen.
Darüber hinaus werden die Lernenden durch bio-inspiriertes Design Thinking dazu angeregt, sich von optischen Lösungen der Natur, wie der Polarisationssensitivität bei Meerestieren, inspirieren zu lassen, um neuartige Diagnosetools zu entwickeln. Dies fördert interdisziplinäres Denken und verbindet das stop Wissen aus dem Unterricht mit der Spitzenforschung hinter medizinischen Technologien.

Am Ende dieser Einheit entwickeln die Schülerinnen und Schüler nicht nur ein fundiertes konzeptionelles Verständnis der Laser-Gewebe-Wechselwirkung, sondern stärken auch ihre Problemlösekompetenzen, ihr wissenschaftliches Denkvermögen und ihre digitale Kompetenz durch den Einsatz AR-gestützter Lernumgebungen. Dieser Lernpfad zeigt beispielhaft, wie komplexe wissenschaftliche Inhalte zugänglich, interaktiv und zukunftsorientiert vermittelt werden können, um die Lernenden darauf vorzubereiten, kritisch und kreativ über die Rolle von Licht und Technologie zur Verbesserung der menschlichen Gesundheit nachzudenken.

Phase Beschreibung
Erkunden

-Wissenschaftliche Entdeckung: Die Schülerinnen und Schüler werden durch angeleitete Recherchen in die Grundlagen von Licht und Laser-Gewebe-Wechselwirkungen eingeführt, einschließlich der Anwendung von Laserdiganostik in der Medizin (z. B. OCT, Fluoreszenzbildgebung).
-Bio-inspirierte Untersuchung: Die Lernenden erforschen natürliche visuelle Systeme (z. B. Fangschreckenkrebs, Schmetterlingsflügel) und deren Einfluss auf moderne Diagnosetools.
-Bedarfs- und Kontextanalyse: Die Lehrkräfte erheben das Vorwissen der Schülerinnen und Schüler in Optik und Biologie und identifizieren Fehlvorstellungen zu Licht, Brechung oder biologischer Bildgebung.
Umsetzen


-Unterrichtsdurchführung: Zentrale Unterrichtseinheiten werden fächerübergreifend aus Biologie und Physik vermittelt und behandeln Lasergrundlagen, Diagnoseprinzipien und Gewebeinteraktionen.
-AR-basierte Aktivitäten: Die Schülerinnen und Schüler nehmen an AR-Simulationen teil, um zu erforschen, wie Laserlicht in Gewebeschichten wirkt und diagnostische Verfahren nachzuahmen (z. B. Anpassung der Wellenlänge zur gezielten Ansprache bestimmter Gewebe).
-Feedbackschleife: Lehrkräfte sammeln formatives Feedback durch Reflexionstagebücher, In-AR-Quiz und Peer-Diskussionen, um das konzeptionelle Verständnis zu überprüfen.
Erweitern

-Erweiterte Visualisierung: AR-Werkzeuge simulieren Streuung, Absorption und das Verhalten von Laserstrahlen in virtuellen Gewebemodellen, sodass die Lernenden Diagnosesettings interaktiv erleben und manipulieren können.
-Design und Innovation: Die Schülerinnen und Schüler konzipieren oder prototypisieren ein laserbasiertes Diagnosetool, inspiriert von der Sehfähigkeit von Tieren, und wenden dabei ihr Wissen aus den AR-Aktivitäten an.
-Interdisziplinäre Verknüpfungen: Die Lernenden reflektieren, wie Biologie, Physik und Ingenieurwesen in realen medizinischen Geräten zusammenwirken.

Gamifizierte Inhalte:
- Punkte und Abzeichen: Punkte werden für erfolgreich absolvierte AR-Aktivitäten vergeben, z. B. für die Simulation von OCT oder das Anpassen von Parametern in einem Laser-Gewebe-Modell. Abzeichen werden für Meilensteine wie „Genaue Diagnose“ oder „Optik-Meister“ verliehen.
- Bestenlisten: Schülerinnen und Schüler oder Teams werden nach Diagnosegenauigkeit, Zeit für das Lösen von Laserscan-Herausforderungen oder Erfolg beim Identifizieren von Geweben in AR-Scans gerankt.
- Quests und Levels: Die Lernenden bearbeiten AR-gestützte Diagnosefälle und entwickeln sich von einfachen Laser-Gewebe-Simulationen zu komplexen, mehrschichtigen Bildgebungsszenarien.
- Entdeckungs-Belohnungen: Bonusobjekte oder medizinische Erkenntnisse sind im AR-Modell versteckt. Beispielsweise können die Lernenden in einem virtuellen Hautquerschnitt verborgene Schichten entdecken, um ein Melanom im Frühstadium durch Laserreflexion sichtbar zu machen.
Kollaborative Herausforderungen: Teams arbeiten zusammen, um Diagnose-Rätsel zu lösen, z. B. Auffälligkeiten in einem simulierten Gewebescan zu erkennen oder eine bio-inspirierte Verbesserung für ein Lasertool vorzuschlagen.

AR-basierte Leistungsüberprüfungen (Laser-Lernfokus):
- Interaktive Kontrollpunkte: Die Schülerinnen und Schüler demonstrieren ihr Verständnis von Lichtausbreitung und -absorption anhand beschrifteter AR-Gewebemodelle.
- Szenarienbasierte Aufgaben: Die Lernenden interpretieren AR-simulierte Diagnoseergebnisse (z. B. farbkodierte Fluoreszenzbildgebung) und begründen ihre Entscheidungen.
- Kompetenzabzeichen: Werden vergeben für das präzise Erklären, wie die Laserwellenlänge die Gewebedurchdringung beeinflusst oder wie Polarisation zur Krankheitserkennung genutzt wird.