🔌 Wie werden aus Nullen & Einsen ein Klick-Button?
Ein Computer versteht nur zwei Zustände: Strom an (1) und Strom aus (0). Alles andere – dein Browser, ein Spiel, eine KI – entsteht durch immer mehr Abstraktionsebenen, die aufeinander aufbauen.
Jede Ebene versteckt die Komplexität der Ebene darunter. Als Entwickler arbeitest du meistens ganz oben – und musst nicht wissen, wie Transistoren funktionieren. Aber es ist faszinierend zu verstehen, wo es herkommt.
📐 Von Bits bis GUI – die 8 Abstraktionsebenen
⚙️ Was macht ein Compiler / Interpreter?
Wenn du x = 5 + 3 in Python schreibst, versteht die CPU das nicht direkt. Ein Interpreter (bei Python) oder Compiler (bei C, Java) übersetzt deinen lesbaren Code automatisch in Maschinencode – also in Nullen und Einsen.
Du musst das nicht selbst machen. Das ist der Witz der Abstraktion: Du denkst in Konzepten, der Computer rechnet in Bits.
x = 5 + 3
01000101 00000011
⚙️ Was ist ein Algorithmus?
Ein Algorithmus ist eine eindeutige, endliche Folge von Anweisungen, um ein Problem zu lösen. Nichts Mystisches – ein Rezept ist ein Algorithmus, eine Schritt-für-Schritt-Wegbeschreibung auch.
In der Informatik sind Algorithmen zum Beispiel: sortieren, suchen, verschlüsseln, komprimieren. Jeder Algorithmus hat eine Eingabe, verarbeitet sie, und liefert eine Ausgabe.
Insertion Sort: Nimm eine Karte, steck sie an die richtige Position – wie beim Kartenspielen.
Merge Sort: Teile den Stapel immer wieder in zwei Hälften, sortiere jeden Teil einzeln, füge sie zusammen.
Beide Wege führen zum Ziel – aber der zweite ist bei 10.000 Karten viel schneller.
Wie misst man, ob ein Algorithmus gut ist? Mit der Big-O-Notation – sie beschreibt, wie viel langsamer ein Algorithmus wird, wenn die Datenmenge wächst.
⏱️ Big-O – Komplexität auf einen Blick
| Notation | Name | Beispiel | Bei 1.000 Elementen | Bewertung |
|---|---|---|---|---|
| O(1) | Konstant | Array-Element per Index lesen | 1 Schritt | Optimal |
| O(log n) | Logarithmisch | Binäre Suche (sortierte Liste) | ~10 Schritte | Sehr gut |
| O(n) | Linear | Liste von vorne bis hinten durchsuchen | 1.000 Schritte | Akzeptabel |
| O(n log n) | Linearithmisch | Merge Sort, Quick Sort | ~10.000 Schritte | Gut für Sortierung |
| O(n²) | Quadratisch | Zwei verschachtelte Schleifen | 1.000.000 Schritte | Vermeiden |
| O(2ⁿ) | Exponentiell | Alle Kombinationen ausprobieren | 10³⁰¹ Schritte 🔥 | Nur für kleine n |
💡 Tipp: Du musst Big-O nicht auswendig kennen – aber verstehen, dass ein O(n²)-Algorithmus bei großen Datenmengen zum Problem wird.
📦 Datenstrukturen – wie organisiere ich Daten?
Eine Datenstruktur ist eine Methode, Daten so zu speichern, dass man effizient mit ihnen arbeiten kann. Welche Struktur du wählst, hängt davon ab, was du damit machen willst – oft lesen, oft einfügen, schnell suchen?
Geordnete Folge
Elemente stehen nebeneinander im Speicher und haben eine Nummer (Index), beginnend bei 0. Schneller Zugriff auf jedes Element per Index.
Zuletzt rein – zuerst raus (LIFO)
Wie ein Tellerstapel: du legst oben drauf und nimmst oben weg. Kein Zugriff auf das unterste Element ohne alles abzuräumen.
Zuerst rein – zuerst raus (FIFO)
Wie eine Supermarkt-Warteschlange: wer zuerst ansteht, wird zuerst bedient. Neue Elemente kommen hinten an, entnommen wird vorne.
Hierarchische Struktur
Knoten mit Eltern-Kind-Beziehungen. Der oberste Knoten heißt Wurzel. Ermöglicht sehr schnelles Suchen in sortierten Bäumen (O(log n)).
Schlüssel → Wert (Key → Value)
Du speicherst Paare aus Schlüssel und Wert. Der Schlüssel ist eindeutig – über ihn findest du den Wert in nahezu O(1), egal wie groß die Datenstruktur ist. Das ist wie ein Wörterbuch: du schlägst unter einem Wort nach und bekommst sofort die Definition.
🖼️ Datenstrukturen – visuell verglichen
Das große Bild
Aus 0 und 1 werden Transistoren, daraus Logikgatter, daraus Maschinencode, daraus Hochsprachen, daraus Frameworks, daraus GUIs. Algorithmen bestimmen, wie schnell Software läuft. Datenstrukturen bestimmen, wie effizient sie Daten verwaltet. Diese drei Konzepte – Abstraktion, Algorithmen, Datenstrukturen – tauchen in jedem Projekt auf.
🤯 "Wozu brauche ich das später?"
Diesen Satz hast du vielleicht selbst mal im Matheunterricht gedacht. In der Informatik ist die Antwort oft überraschend direkt: Potenzen stecken in jeder Speicherangabe. Koordinatensysteme stecken in jedem Bildschirm. Boolesche Logik steckt in jedem if-Statement. Schau selbst:
Variablen & Gleichungen
x = 5, y = x + 3
Variablen im Code
Jede Programmiersprache speichert Werte in benannten Variablen. Gleichungen werden zu Berechnungen im Code.
Potenzen & 2ⁿ
2³ = 8, 2¹⁰ = 1024
Speichergrößen & Bittiefe
1 Bit kann 2¹ = 2 Zustände. 8 Bit (1 Byte) = 2⁸ = 256 Werte. 32-Bit-Farbe = 2³² = ~4 Mrd. Farben. Alles Potenzen von 2!
🔢 Potenzen von 2 – von Bit bis Terabyte
Koordinatensystem
x-Achse (horizontal), y-Achse (vertikal), Punkte (x,y)
Pixel-Koordinaten & 2D-Grafik
Jeder Pixel auf deinem Bildschirm hat (x,y)-Koordinaten. Games, CSS-Animationen, SVG-Grafiken, App-Layouts – alles basiert auf diesem Prinzip.
Primzahlen
2, 3, 5, 7, 11, 13, … – nur durch 1 und sich selbst teilbar
Kryptographie & HTTPS
Das RSA-Verschlüsselungsverfahren, das dein HTTPS absichert, basiert vollständig auf der Tatsache, dass es extrem schwer ist, das Produkt zweier großer Primzahlen zu faktorisieren.
Wahr / Falsch & Logik
Aussagen: „Heute regnet es UND es ist kalt."
Boolesche Logik & if/else
AND, OR, NOT sind die Grundoperatoren der Informatik. Jede Verzweigung im Code, jedes Logikgatter in der Hardware, jede Datenbankabfrage nutzt sie.
🔌 Boolesche Logik – von der Mathe bis zum Hardware-Gatter
Prozentrechnung
20% von 150 = 30, Grundwert × (p/100)
Rabatte, Auslastung, Fehlerrate
Preisberechnungen, Server-Auslastung (CPU 87%), Test-Abdeckung (Coverage 94%), Fortschrittsbalken – alles Prozentrechnung.
Mengen & Mengenlehre
A ∩ B (Schnitt), A ∪ B (Vereinigung), A ⊂ B (Teilmenge)
SQL-Datenbankabfragen
JOIN = Schnittmenge zweier Tabellen. UNION = Vereinigung. WHERE = Teilmenge filtern. Datenbankdesign ist direkt angewandte Mengenlehre.
Wahrscheinlichkeit
P(Ereignis) = günstige / mögliche Fälle
KI & Machine Learning
KI-Modelle geben keine festen Antworten, sondern Wahrscheinlichkeiten: „Dieses Bild zeigt zu 94% eine Katze." Jeder Klick in einer Empfehlung ist eine Wahrscheinlichkeitsrechnung.
🗺️ Mathe-Klasse-8 trifft Informatik – Überblick
Du bist besser vorbereitet als du dachtest
Kein Mathe-Studium nötig – aber ein gutes Zahlenverständnis, logisches Denken und die Grundkonzepte aus der Schule tragen dich sehr weit. Und wenn du tiefer einsteigen willst: Lineare Algebra (KI), Statistik (Data Science) und Diskrete Mathematik (Algorithmen) warten auf dich.
Weiter geht's!
Du hast Kapitel 3 abgeschlossen – Algorithmen, Datenstrukturen und Mathe. Als nächstes: Anforderungen & KI.