Zum Hauptinhalt springen
EuraStudyMatura · Abitur · Bac · Selectividad · MMXXVI
StartMaturaAbiturBacSelectividadMaturitàHAVOVWOSecundárioA-LevelsLeaving CertificateMaturaΠανελλαδικέςNachrichtenForschung
AnmeldenRegistrieren
EuraStudy
Notizen/Mathematik/Mathematisches Modellieren und prozessbezogene Kompetenzen
Notizen · MathematikDE · Abitur

Mathematisches Modellieren und prozessbezogene Kompetenzen

Mathematisches Modellieren als zentrale Kompetenz: Modellbildungskreislauf, Übersetzung von Realsituationen in mathematische Modelle, Bearbeitung mit innermathematischen Werkzeugen, Interpretation und Modellkritik. Die sechs prozessbezogenen Kompetenzen K1–K6 nach KMK Bildungsstandards bilden das übergeordnete Kompetenzgerüst.

6 Abschnitte·~11 Min Lesezeit·6 Kompetenzen·Niveau Basis 1 · Standard 3 · Vertiefung 2·Stand 05/2026

T·101010 / 10
Prüfungsprofil
K1 · Mathematisch argumentierenK2 · Probleme mathematisch lösenK3 · Mathematisch modellierenK4 · Mathematische Darstellungen verwendenK5 · Mit symbolischen, formalen und technischen Elementen umgehenK6 · Mathematisch kommunizieren
Operatoren:modellierenbeurteilenargumentierenkommunizierendarstellen

grundlegendes Niveau

gA: Standardmodelle (linear, exponentiell, Binomial) auf Sachkontexte anwenden, Ergebnisse interpretieren, einfache Modellkritik („Modell setzt unbegrenzte Ressourcen voraus").

erhöhtes Niveau

eA: Komplexe Modellierungsaufgaben mit mehreren Iterationen des Kreislaufs, kritische Reflexion der Modellannahmen, Vergleich konkurrierender Modelle und Diskussion von Modellgrenzen.

Tiefe

Lesetiefe: Vertiefung

Schrift

Schriftgröße: Standard

Inhalt · 6 Abschnitte▾
  1. Mathematisches Modellieren und prozessbezogene Kompetenzen
    • 01Modellbildungskreislauf◐
    • 02Prozessbezogene Kompetenzen K1–K6○
    • 03Wachstumsmodelle im Sachkontext◐
    • 04Argumentieren und Beweisen (K1)●
    • 05Digitale Werkzeuge und Darstellungswechsel (K4/K5)◐
    • 06Modellkritik und Validierung●
§ 01

Modellbildungskreislauf#

●●○StandardLPK3

Modellbildungskreislauf

ModellbildungskreislaufNetzgraph, Realsituation → Math. Modell, Math. Modell → Math. Lösung, Math. Lösung → Interpretation, Interpretation → RealsituationRealsituationMath. ModellMath. LösungInterpretationmathematisierenrechneninterpretierenvalidieren
Abb. 1Realsituation → mathematisches Modell → Rechnen → Interpretieren → Modellkritik.

Kernpunkte

Vier Stationen: Realsituation → mathematisches Modell → mathematische Lösung → Interpretation/Validierung.
Modellbildung (Schritt 1 → 2): Vereinfachen, Strukturieren, Variablen benennen, Annahmen treffen.
Mathematisches Arbeiten (Schritt 2 → 3): Werkzeuge anwenden (Funktionen, Integrale, Verteilungen).
Interpretation (Schritt 3 → 4): Zahlwerte in Sachkontext übersetzen, Einheiten beachten.
Modellkritik (Schritt 4 → 1): Grenzen der Annahmen prüfen, ggf. Iteration des Kreislaufs.
Klassische Modellierungsaufgaben: Bevölkerungswachstum, Abkühlung, Tilgungspläne, Tidenkurven, Verteilungsanpassung.
mˉ[a;b]=f(b)−f(a)b−a\bar{m}_{[a;b]}=\dfrac{f(b)-f(a)}{b-a}mˉ[a;b]​=b−af(b)−f(a)​

Mittlere Änderungsrate (Modellinterpretation)

Verbindet zwei Datenpunkte und wird im Sachkontext als Durchschnittsgeschwindigkeit, Durchschnittstempo oder mittlere Rate gedeutet.

Musterlösung

Exponentielles Wachstumsmodell anpassen

Eine Bakterienkultur enthält zu Beginn 1000 Zellen und verdoppelt sich alle 4 Stunden. Stellen Sie ein Wachstumsmodell N(t)N(t)N(t) auf, bestimmen Sie die Wachstumsrate kkk und berechnen Sie N(10)N(10)N(10).

  1. 01Schritt 1 — Modellansatz

    Stetiges Wachstum: N(t)=1000⋅ektN(t) = 1000\cdot \mathrm{e}^{kt}N(t)=1000⋅ekt.

  2. 02Schritt 2 — Verdopplungsbedingung

    N(4)=2000N(4)=2000N(4)=2000 liefert e4k=2\mathrm{e}^{4k}=2e4k=2, also k=ln⁡24≈0,1733k=\tfrac{\ln 2}{4}\approx 0{,}1733k=4ln2​≈0,1733.

    k=ln⁡24≈0,1733k = \tfrac{\ln 2}{4} \approx 0{,}1733k=4ln2​≈0,1733
  3. 03Schritt 3 — Auswertung bei t = 10

    N(10)=1000⋅e0,1733⋅10=1000⋅e1,733≈1000⋅5,657≈5657N(10) = 1000\cdot \mathrm{e}^{0{,}1733\cdot 10} = 1000\cdot \mathrm{e}^{1{,}733}\approx 1000\cdot 5{,}657 \approx 5657N(10)=1000⋅e0,1733⋅10=1000⋅e1,733≈1000⋅5,657≈5657.

  4. 04Schritt 4 — Interpretieren

    Nach 10 Stunden liegen rund 5650 Zellen vor; das Modell setzt unbeschränkte Ressourcen voraus, was biologisch nur kurzzeitig gilt.

Ergebnis: Modell N(t)=1000⋅e(ln⁡2/4)⋅tN(t)=1000\cdot \mathrm{e}^{(\ln 2/4)\cdot t}N(t)=1000⋅e(ln2/4)⋅t; N(10)≈5657N(10)\approx 5657N(10)≈5657 Zellen.

Abiturfokus

  • KMK-Operator „modellieren": alle vier Stationen sichtbar dokumentieren.
  • Annahmen explizit benennen — z. B. „konstante Wachstumsrate".
  • Modellkritik in eigenen Worten — kein bloßes Wiederholen der Standardphrasen.
  • Bei komplexen Aufgaben Kreislauf-Iteration ansprechen.

Typische Fehler

  • Modellbildung als „Formel finden" interpretiert, Annahmen werden nicht expliziert.
  • Lösung wird ohne Interpretation in Zahlen abgegeben.
  • Modellkritik fehlt, alle Resultate werden als „realistisch" verkauft.
  • Kreislauf wird einmalig durchlaufen, obwohl iterative Verbesserung sinnvoll wäre.

LK-Vertiefung

eA: Vergleichen Sie für obiges Szenario das exponentielle Modell mit einem logistischen Wachstumsmodell f(t)=K/(1+ae−kt)f(t) = K/(1 + a\mathrm{e}^{-kt})f(t)=K/(1+ae−kt) und beurteilen Sie, welches realitätsnaher ist.

Aktive Wiederholung

Modellieren Sie das Wachstum einer Bakterienkultur mit Anfangsbestand 500 und Verdopplungszeit 30 min mit einem exponentiellen Modell. Berechnen Sie den Bestand nach 4 Stunden und diskutieren Sie die Modellgrenzen.

Aktiv abrufen

Erinnere dich an die Kernpunkte — dann aufdecken.

§ 02

Prozessbezogene Kompetenzen K1–K6#

●○○BasisLPK1LPK2LPK3LPK4LPK5LPK6

Kernpunkte

K1 Argumentieren: Begründungen entwickeln und prüfen — Beweise, Gegenbeispiele, logische Schlussketten.
K2 Probleme lösen: heuristische Strategien (Spezialisieren, Generalisieren, Analogie), systematisches Vorgehen.
K3 Modellieren: Realsituation in Mathematik übersetzen, mathematische Lösung in Realität rückübersetzen.
K4 Darstellungen verwenden: Wechsel zwischen Term, Graph, Tabelle, verbaler Beschreibung.
K5 Symbolisch/formal/technisch arbeiten: Algebra, Termumformungen, GTR/CAS-Einsatz.
K6 Kommunizieren: mathematische Ideen verständlich darstellen, fachsprachlich präzise formulieren.
Musterlösung

Darstellungswechsel zwischen Tabelle, Term und Graph

Eine Kerze brennt gleichmäßig ab; nach 2 h misst sie 18 cm, nach 5 h noch 12 cm. Stellen Sie ein lineares Modell auf, wechseln Sie zwischen tabellarischer, symbolischer und grafischer Darstellung und interpretieren Sie die Parameter.

  1. 01Schritt 1 — Tabellarisch (K4)

    Wertepaare (2∣18)(2\mid 18)(2∣18) und (5∣12)(5\mid 12)(5∣12) liefern die Datengrundlage.

  2. 02Schritt 2 — Symbolisch (K5)

    Steigung m=12−185−2=−2m=\tfrac{12-18}{5-2}=-2m=5−212−18​=−2 (cm/h); Achsenabschnitt aus 18=−2⋅2+b⇒b=2218=-2\cdot 2+b\Rightarrow b=2218=−2⋅2+b⇒b=22.

    h(t)=−2t+22h(t)=-2t+22h(t)=−2t+22
  3. 03Schritt 3 — Grafisch (K4)

    Der Graph ist eine fallende Gerade durch (0∣22)(0\mid 22)(0∣22) mit Nullstelle t=11t=11t=11 — die Kerze ist nach 11 h vollständig abgebrannt.

  4. 04Schritt 4 — Interpretieren (K3/K6)

    Die Steigung −2-2−2 bedeutet eine Abbrennrate von 2 cm pro Stunde; der Achsenabschnitt 22 cm ist die Anfangslänge. Das Modell gilt nur für 0≤t≤110\le t\le 110≤t≤11.

Ergebnis: Modell h(t)=−2t+22h(t)=-2t+22h(t)=−2t+22 (cm); Abbrennrate 222 cm/h, Anfangslänge 222222 cm, Brenndauer 111111 h.

Abiturfokus

  • Jede Aufgabe verlangt eine Mischung aus K1–K6 — beim Lösen alle relevanten Kompetenzen sichtbar einsetzen.
  • KMK-Operatoren in Aufgabenstellungen ordnen sich diesen Kompetenzen zu (z. B. „begründen" = K1, „modellieren" = K3).
  • Bei der Klausurkorrektur werden auch Argumentation, Darstellung und Sprache bewertet — nicht nur das Ergebnis.
  • Verzicht auf Kommentar (K6) oder Skizze (K4) führt zu Punktabzug.

Typische Fehler

  • Rechenweg ohne Kommentar (K6 fehlt).
  • Ergebnis ohne Interpretation (K3 unvollständig).
  • GTR-Lösung ohne mathematischen Ansatz (K2/K5 nicht sichtbar).
  • Darstellung nur als Term, keine Grafik oder Tabelle (K4 fehlt).

LK-Vertiefung

eA: Reflektieren Sie an einem Beispiel aus dem IQB-Aufgabenpool, welche prozessbezogenen Kompetenzen besonders hoch gewichtet werden und welche Teilkompetenzen in den Operatoren explizit gefordert sind.

Aktive Wiederholung

Identifizieren Sie in einer Standardaufgabe „Untersuchen Sie die Funktion f(x)=x3−3xf(x)=x^{3}-3xf(x)=x3−3x und beurteilen Sie die Eignung als Modell für ein Bewegungsproblem" die geforderten prozessbezogenen Kompetenzen K1–K6 und ordnen Sie jeder ein konkretes Teilziel zu.

Aktiv abrufen

Erinnere dich an die Kernpunkte — dann aufdecken.

§ 03

Wachstumsmodelle im Sachkontext#

●●○StandardLPK3LPL4

Wachstumstypen im Vergleich

Wachstumstypen im VergleichSchaubild von linear, y-Achsenabschnitt bei y = 200, steigend, im Bereich x von 0 bis 10, Schaubild von exponentiell, y-Achsenabschnitt bei y = 200, steigend, im Bereich x von 0 bis 10, Schaubild von beschränkt, y-Achsenabschnitt bei y = 200, steigend, im Bereich x von 0 bis 10, waagerechte Asymptote bei y = 1000246810500100015002000Schranke Slinearexponentiellbeschränktf(t)t
Abb. 2Lineares, exponentielles und beschränktes Wachstum unterscheiden sich qualitativ im Verlauf der Änderungsrate.

Kernpunkte

Lineares Wachstum f(t)=mt+bf(t)=mt+bf(t)=mt+b: konstante absolute Änderung pro Zeiteinheit (z. B. gleichmäßiges Abbrennen, Tilgung mit fester Rate).
Exponentielles Wachstum f(t)=a⋅btf(t)=a\cdot b^{t}f(t)=a⋅bt: konstanter Wachstumsfaktor bbb, konstante prozentuale Änderung; Zerfall für 0<b<10<b<10<b<1.
Beschränktes Wachstum f(t)=S−c e−ktf(t)=S-c\,\mathrm{e}^{-kt}f(t)=S−ce−kt: Annäherung an Sättigungsgrenze SSS; die Änderungsrate ist proportional zum „Restbestand" S−f(t)S-f(t)S−f(t).
Logistisches Wachstum f(t)=S/(1+a e−kt)f(t)=S/(1+a\,\mathrm{e}^{-kt})f(t)=S/(1+ae−kt): kombiniert anfangs exponentielles und später beschränktes Verhalten; Wendepunkt bei halber Kapazität S/2S/2S/2.
Modellwahl folgt aus dem Sachkontext: begrenzte Ressourcen → beschränkt/logistisch; freie Vermehrung → exponentiell; gleichförmiger Prozess → linear.
Parameter haben stets eine Sachbedeutung: mmm = (lineare) Rate, bbb = Anfangswert (linear) bzw. Wachstumsfaktor (exponentiell), aaa = Anfangsbestand (exponentiell), SSS = Kapazität, kkk = Anpassungsgeschwindigkeit.
Halbwerts- und Verdopplungszeit über t1/2=ln⁡2∣k∣t_{1/2}=\tfrac{\ln 2}{|k|}t1/2​=∣k∣ln2​ aus dem stetigen Modell bestimmbar.
Die Funktionseigenschaften (Monotonie, Grenzwert, Wendepunkt) folgen aus der Analysis — siehe Themen „Funktionen und Modelle" und „Differentialrechnung".
linear: f(t)=mt+b,exponentiell: f(t)=a bt,beschra¨nkt: f(t)=S−c e−kt\text{linear: } f(t)=mt+b,\quad \text{exponentiell: } f(t)=a\,b^{t},\quad \text{beschränkt: } f(t)=S-c\,\mathrm{e}^{-kt}linear: f(t)=mt+b,exponentiell: f(t)=abt,beschra¨nkt: f(t)=S−ce−kt

Standard-Wachstumsmodelle im Vergleich

Lineares Wachstum hat konstante absolute Änderung; exponentielles Wachstum konstante prozentuale Änderung; beschränktes Wachstum nähert sich asymptotisch der Schranke SSS.

f(t)=S1+a e−ktf(t)=\dfrac{S}{1+a\,\mathrm{e}^{-kt}}f(t)=1+ae−ktS​

Logistisches Wachstum (S-Kurve)

Anfangs nahezu exponentiell, dann gebremst durch die Kapazitätsgrenze SSS; der Wendepunkt liegt bei f=S2f=\tfrac{S}{2}f=2S​.

Logistisches Wachstum (S-Kurve)

Abb. 3Bestand startet bei 100 und nähert sich der Kapazitätsgrenze S=1000; die Zuwächse steigen zunächst und fallen dann (Wendepunkt nahe t=3).
Musterlösung

Exponentielles und beschränktes Wachstum vergleichen

Ein Waldbestand umfasst anfangs 200 Bäume; die Fläche trägt höchstens S=1000S = 1000S=1000 Bäume. Ein Förster schlägt zwei Modelle vor: (a) exponentiell f(t)=200⋅1,25tf(t)=200\cdot 1{,}25^{t}f(t)=200⋅1,25t, (b) beschränkt g(t)=1000−800 e−0,2tg(t)=1000-800\,\mathrm{e}^{-0{,}2t}g(t)=1000−800e−0,2t. Vergleichen Sie die Modelle und beurteilen Sie, welches realitätsnaher ist.

  1. 01Schritt 1 — Anfangswerte prüfen

    Beide liefern f(0)=200f(0)=200f(0)=200 und g(0)=1000−800=200g(0)=1000-800=200g(0)=1000−800=200 — die Startbedingung stimmt überein.

  2. 02Schritt 2 — Langfristverhalten

    Für t→∞t\to\inftyt→∞ wächst f(t)f(t)f(t) unbeschränkt, während g(t)→1000g(t)\to 1000g(t)→1000 gegen die Kapazitätsgrenze strebt.

    lim⁡t→∞g(t)=S=1000,lim⁡t→∞f(t)=∞\lim_{t\to\infty} g(t)=S=1000,\qquad \lim_{t\to\infty} f(t)=\inftyt→∞lim​g(t)=S=1000,t→∞lim​f(t)=∞
  3. 03Schritt 3 — Wert nach 10 Jahren

    f(10)=200⋅1,2510≈1863f(10)=200\cdot 1{,}25^{10}\approx 1863f(10)=200⋅1,2510≈1863 überschreitet die Tragfähigkeit, g(10)=1000−800 e−2≈1000−108=892g(10)=1000-800\,\mathrm{e}^{-2}\approx 1000-108=892g(10)=1000−800e−2≈1000−108=892 bleibt darunter.

  4. 04Schritt 4 — Beurteilen

    Da die Fläche höchstens 1000 Bäume trägt, ist das exponentielle Modell ab etwa t≈7t\approx 7t≈7 unrealistisch; das beschränkte Modell respektiert die Ressourcengrenze und ist daher vorzuziehen.

Ergebnis: Das beschränkte Modell g(t)=1000−800 e−0,2tg(t)=1000-800\,\mathrm{e}^{-0{,}2t}g(t)=1000−800e−0,2t bildet die begrenzte Tragfähigkeit korrekt ab; das exponentielle Modell ist nur kurzfristig gültig.

Abiturfokus

  • KMK-Operator „modellieren": passenden Modelltyp am Sachkontext begründen, nicht nur Term ansetzen.
  • KMK-Operator „vergleichen": Modelle anhand von Anfangswert, Langzeitverhalten und Grenzwert gegenüberstellen.
  • Grenzwertargumentation lim⁡t→∞f(t)\lim_{t\to\infty} f(t)limt→∞​f(t) explizit angeben, um Sättigung von ungebremstem Wachstum zu unterscheiden.
  • Parameter im Sachkontext interpretieren (Einheiten, Bedeutung von SSS und kkk).

Typische Fehler

  • Exponentielles Modell wird auf Prozesse mit erkennbarer Obergrenze angewandt (z. B. Population in begrenztem Lebensraum).
  • Wachstumsfaktor und Wachstumsrate verwechselt: b=1,08b=1{,}08b=1,08 entspricht 8 %8\,\%8%, nicht 108 %108\,\%108% Wachstum.
  • Bei beschränktem Wachstum wird die Schranke SSS als Funktionswert statt als Asymptote interpretiert.
  • Grenzwert für t→∞t\to\inftyt→∞ nicht angegeben, sodass die Modellgrenze unklar bleibt.

LK-Vertiefung

eA: Leiten Sie für das beschränkte Wachstum aus der Differentialgleichung f′(t)=k (S−f(t))f'(t)=k\,(S-f(t))f′(t)=k(S−f(t)) die Lösung f(t)=S−c e−ktf(t)=S-c\,\mathrm{e}^{-kt}f(t)=S−ce−kt her und interpretieren Sie die Konstante ccc über den Anfangswert.

Aktive Wiederholung

Vergleichen Sie für einen Fischbestand mit Anfangsbestand 500 und Kapazitätsgrenze 4000 ein exponentielles und ein logistisches Modell und beurteilen Sie, ab welchem Zeitpunkt das exponentielle Modell unrealistisch wird.

Aktiv abrufen

Erinnere dich an die Kernpunkte — dann aufdecken.

§ 04

Argumentieren und Beweisen (K1)#

●●●VertiefungLPK1

Kernpunkte

Direkter Beweis: aus den Voraussetzungen über zulässige Umformungen und Schlussregeln zur Behauptung gelangen.
Indirekter Beweis (Widerspruch): Annahme des Gegenteils führt auf einen logischen Widerspruch (klassisch: Irrationalität von 2\sqrt{2}2​).
Vollständige Induktion: Induktionsanfang, Induktionsvoraussetzung und Induktionsschritt — Standardverfahren für Aussagen über N\mathbb{N}N.
Gegenbeispiel widerlegt eine Allaussage; ein Beispiel beweist niemals eine Allaussage.
Notwendige vs. hinreichende Bedingung sauber trennen: aus A⇒BA\Rightarrow BA⇒B folgt nicht B⇒AB\Rightarrow AB⇒A.
Argumentationsketten lückenlos und in korrekter Fachsprache notieren — jeder Schritt muss begründet sein.
∑i=1ni=n(n+1)2\sum_{i=1}^{n} i = \frac{n(n+1)}{2}i=1∑n​i=2n(n+1)​

Gaußsche Summenformel (Induktionsbeispiel)

Standardaussage für den Induktionsbeweis: die Summe der ersten nnn natürlichen Zahlen.

Musterlösung

Vollständige Induktion — Gaußsche Summenformel

Beweisen Sie für alle n∈N∗n\in\mathbb{N}^{*}n∈N∗, dass 1+2+⋯+n=n(n+1)21+2+\dots+n=\tfrac{n(n+1)}{2}1+2+⋯+n=2n(n+1)​ gilt.

  1. 01Schritt 1 — Induktionsanfang

    Für n=1n=1n=1: linke Seite =1=1=1, rechte Seite =1⋅22=1=\tfrac{1\cdot 2}{2}=1=21⋅2​=1. Die Aussage gilt für n=1n=1n=1.

  2. 02Schritt 2 — Induktionsvoraussetzung

    Annahme: für ein festes nnn gelte ∑i=1ni=n(n+1)2\sum_{i=1}^{n} i=\tfrac{n(n+1)}{2}∑i=1n​i=2n(n+1)​.

  3. 03Schritt 3 — Induktionsschritt

    Addiere (n+1)(n+1)(n+1) auf beiden Seiten und nutze die Voraussetzung.

    ∑i=1n+1i=n(n+1)2+(n+1)=(n+1)(n+2)2\sum_{i=1}^{n+1} i = \frac{n(n+1)}{2} + (n+1) = \frac{(n+1)(n+2)}{2}i=1∑n+1​i=2n(n+1)​+(n+1)=2(n+1)(n+2)​
  4. 04Schritt 4 — Schluss

    Die rechte Seite hat die Form (n+1)((n+1)+1)2\tfrac{(n+1)((n+1)+1)}{2}2(n+1)((n+1)+1)​, also gilt die Aussage auch für n+1n+1n+1. Nach dem Induktionsprinzip gilt sie für alle n∈N∗n\in\mathbb{N}^{*}n∈N∗.

Ergebnis: Die Gaußsche Summenformel ∑i=1ni=n(n+1)2\sum_{i=1}^{n} i=\tfrac{n(n+1)}{2}∑i=1n​i=2n(n+1)​ ist für alle n∈N∗n\in\mathbb{N}^{*}n∈N∗ bewiesen.

Abiturfokus

  • KMK-Operator „beweisen": jeden Schritt durch Regel, Definition oder Voraussetzung belegen.
  • KMK-Operator „begründen": Aussagen mit mathematischem Argument stützen, nicht mit Plausibilität.
  • Bei Induktionsbeweisen alle drei Bestandteile sichtbar ausführen — der Induktionsschritt darf die Voraussetzung explizit benutzen.
  • Unterscheidung „prüfen" (auf Stimmigkeit untersuchen) und „beweisen" (allgemeingültig nachweisen) beachten.

Typische Fehler

  • Allaussage durch Einsetzen einzelner Beispiele „bewiesen" statt allgemein begründet.
  • Induktionsschritt benutzt die Behauptung selbst statt der Induktionsvoraussetzung (Zirkelschluss).
  • Umkehrung einer Implikation wird ungeprüft als gültig angenommen.
  • Beweis bricht ab, ohne dass die zu zeigende Aussage wörtlich erreicht wird.

LK-Vertiefung

eA: Untersuchen Sie, ob die Umkehrung des Satzes „Ist fff an der Stelle x0x_{0}x0​ differenzierbar, so ist fff dort stetig" gilt, und begründen Sie Ihre Antwort mit einem geeigneten Beispiel.

Aktive Wiederholung

Beweisen Sie mit vollständiger Induktion, dass für alle n∈N∗n\in\mathbb{N}^{*}n∈N∗ gilt: 1+2+⋯+n=n(n+1)21+2+\dots+n=\tfrac{n(n+1)}{2}1+2+⋯+n=2n(n+1)​.

Aktiv abrufen

Erinnere dich an die Kernpunkte — dann aufdecken.

§ 05

Digitale Werkzeuge und Darstellungswechsel (K4/K5)#

●●○StandardLPK4LPK5

Kernpunkte

Vier zentrale Darstellungsformen: verbal (Sachkontext), numerisch (Tabelle), symbolisch (Term/Gleichung), grafisch (Graph).
Kompetenter Wechsel zwischen den Darstellungen ist Kern von K4; jede Form hebt andere Eigenschaften hervor.
GTR/CAS dienen dem Lösen (Nullstellen, Extrema, Integrale, Regression), ersetzen aber nicht den mathematischen Ansatz.
Regression: lineare, exponentielle oder trigonometrische Ausgleichsfunktion an Messdaten anpassen (Modellbildung aus Daten).
Bei CAS-Nutzung den eingesetzten Befehl und das Zwischenergebnis dokumentieren — bundeslandabhängig Pflicht.
Bestimmtheitsmaß R2R^{2}R2 bewertet die Anpassungsgüte einer Regression (je näher an 1, desto besser).

Abiturfokus

  • KMK-Operator „darstellen": denselben Sachverhalt in mehreren Darstellungsformen sauber wiedergeben.
  • Lösungsweg auch bei GTR/CAS-Einsatz nachvollziehbar dokumentieren (Ansatz, Befehl, Ergebnis, Interpretation).
  • Regressionsfunktion als Modell deuten und ihre Grenzen (Extrapolation) benennen.
  • Achsenbeschriftung, Einheiten und sinnvoller Ausschnitt bei grafischer Darstellung beachten.

Typische Fehler

  • CAS-Ergebnis ohne Ansatz notiert — der Bewertung fehlt der mathematische Weg (K2/K5 unsichtbar).
  • Regressionsfunktion ungeprüft weit über den Datenbereich hinaus extrapoliert.
  • Grafische Darstellung ohne Achsenbeschriftung oder Einheiten.
  • Verwechslung von Wertetabelle (diskret) und Funktionsgraph (kontinuierlich) bei der Interpretation.

LK-Vertiefung

eA: Beurteilen Sie anhand des Bestimmtheitsmaßes R2R^{2}R2, ob eine lineare oder eine exponentielle Regression einen vorgelegten Datensatz besser beschreibt, und diskutieren Sie die Aussagekraft einer Extrapolation.

Aktive Wiederholung

Stellen Sie den Zusammenhang „Eine Population wächst pro Jahr um 6 %, Startwert 2000" tabellarisch, symbolisch und grafisch dar und interpretieren Sie den Wachstumsfaktor.

Aktiv abrufen

Erinnere dich an die Kernpunkte — dann aufdecken.

§ 06

Modellkritik und Validierung#

●●●VertiefungLPK3

Modellbildungskreislauf

ModellbildungskreislaufNetzgraph, Realsituation → Math. Modell, Math. Modell → Math. Lösung, Math. Lösung → Interpretation, Interpretation → RealsituationRealsituationMath. ModellMath. LösungInterpretationmathematisierenrechneninterpretierenvalidieren
Abb. 4Realsituation → mathematisches Modell → Rechnen → Interpretieren → Modellkritik.

Kernpunkte

Validierung prüft, ob das Modell die Realsituation hinreichend genau beschreibt (Vergleich Modellwert ↔ Messwert).
Modellannahmen offenlegen: Welche Vereinfachungen wurden getroffen (Konstanz von Raten, Vernachlässigung von Störgrößen)?
Definitionsbereich des Modells angeben — viele Modelle gelten nur in einem begrenzten Zeit- oder Wertebereich.
Sensitivität: Wie stark reagiert das Ergebnis auf kleine Änderungen der Parameter oder Eingangsdaten?
Extrapolation (über den Datenbereich hinaus) ist deutlich unsicherer als Interpolation (innerhalb der Daten).
Modellverbesserung als Iteration des Modellbildungskreislaufs: Annahmen anpassen und erneut rechnen.

Abiturfokus

  • KMK-Operator „beurteilen": die Güte und Grenzen eines Modells kriteriengeleitet bewerten.
  • KMK-Operator „erörtern": konkurrierende Modelle abwägen und eine begründete Empfehlung formulieren.
  • Modellgrenzen konkret am Sachkontext benennen (z. B. „Wachstumsfaktor bleibt nicht dauerhaft konstant").
  • Zwischen Mess- und Modellwert unterscheiden und Abweichungen quantitativ bewerten.

Typische Fehler

  • Modellergebnis als exakte Wirklichkeit ausgegeben, ohne Annahmen zu reflektieren.
  • Modellkritik bleibt floskelhaft („Modell ist vereinfacht") ohne konkreten Bezug zum Sachverhalt.
  • Extrapolation ohne Hinweis auf die gestiegene Unsicherheit.
  • Definitionsbereich des Modells nicht angegeben, sodass unsinnige Werte (negative Bestände) entstehen.

LK-Vertiefung

eA: Erörtern Sie an einem selbst gewählten Sachkontext, welche Modellannahmen die größte Unsicherheit verursachen, und schlagen Sie eine Modellverbesserung im Sinne des Modellbildungskreislaufs vor.

Aktive Wiederholung

Beurteilen Sie ein exponentielles Modell für die Ausbreitung eines Gerüchts in einer Schule mit 800 Personen und erörtern Sie, ab wann das Modell die Realität nicht mehr abbildet.

Aktiv abrufen

Erinnere dich an die Kernpunkte — dann aufdecken.

Inhalt

Abschnitt -- / 06

    • 01Modellbildungskreislauf◐
    • 02Prozessbezogene Kompetenzen K1–K6○
    • 03Wachstumsmodelle im Sachkontext◐
    • 04Argumentieren und Beweisen (K1)●
    • 05Digitale Werkzeuge und Darstellungswechsel (K4/K5)◐
    • 06Modellkritik und Validierung●

0/6 Gelesen

Aus den Notizen ins Training

Mathematisches Modellieren und prozessbezogene Kompetenzen

Festige dieses Thema an passenden Aufgaben aus der Fragenbank.

~11
Min
6
Kompetenzen
Üben

Vorheriges Thema

Hypothesentests und Konfidenzintervalle

EuraStudy·Notizen T·10·MMXXVI

Letztes Thema dieses Fachs — zurück zur Fachübersicht.