Ein problemlösungsorientierter Ansatz, der Konzepte der Informatik nutzt—Dekomposition, Mustererkennung, Abstraktion, Algorithmusentwurf und Debugging—um Probleme so zu repräsentieren, dass algorithmische oder automatisierte Lösungen möglich werden.

Prinzip

Probleme werden so umformuliert, dass sie als diskrete Schritte oder Prozeduren ausgedrückt werden können; dabei wird durch Abstraktion unwichtiger Detail ausgeschaltet, während die für zuverlässige Ausführung oder Analyse notwendige Struktur erhalten bleibt.

Demonstration

Eine Unterrichtsaufgabe, bei der Lernende eine komplexe Stundenplanaufgabe in Teilprobleme (Randbedingungen, Prioritäten) zerlegen, Muster in Konflikten erkennen, ein algorithmisches Regelwerk zur Zuteilung von Zeiten entwerfen und die Regeln mit Beispieldaten testen und iterativ an Ausnahmen anpassen.

Fehlanwendung

Computational Thinking ausschließlich über die Syntax einer Programmiersprache zu lehren oder zu behaupten, dass das Schreiben von Code automatisch Computational Thinking bedeutet, ohne explizit Abstraktion, Dekomposition und algorithmisches Denken zu betonen.

Konsequenz

Lernende erwerben übertragbare Methoden zur Strukturierung von Problemen, zum Entwurf systematischer Lösungen und zum Nachdenken über Korrektheit und Effizienz, die in STEM-Fächern, den Geisteswissenschaften und im Alltag anwendbar sind.

Umkehrung

Intuitives oder improvisiertes Problemlösen, das auf Heuristiken und trial-and-error beruht ohne formale Dekomposition, führt oft zu spröden, nicht generalisierbaren Lösungen.

Abgrenzung

Ist ein kognitives Kompetenzfeld, das disziplinübergreifend anwendbar ist und nicht mit Programmierfähigkeit gleichzusetzen ist; es unterstützt Automatisierung und Modellierung, garantiert aber nicht automatisch Programmierkompetenz oder Fachwissen.

Semantische Spannung

Wird oft mit mathematischem Denken, logischem Schließen oder Programmierfähigkeit verwechselt; die Spannung entsteht, wenn Lehrende entscheiden müssen, ob der Schwerpunkt auf formalen algorithmischen Methoden oder fachdomänenspezifischen Heuristiken liegt.

Synthese

Algorithmisches Denken destilliert Informatikheuristiken zu generalisierbaren kognitiven Praktiken—zerlegen, abstrahieren, Muster erkennen, Algorithmen formulieren und testen—die Probleme systematisch und häufig automatisierbar machen.