Unterrichtsbaustein · Detail

Frogger: Autos datengetrieben erzeugen

Der Baustein führt in datengetriebene Spielstrukturen ein, bei denen mehrere Gegner automatisch aus einer Datenliste erzeugt werden. Dadurch wird sichtbar, wie Modellierung und Implementierung zusammenwirken, um wiederkehrende Spielobjekte systematisch zu generieren.

Zeit 35 min

Format frameCraft

Sprache Python 2

Aufgaben 1

Vorschaubild: Frogger: Autos datengetrieben erzeugen

Einführung (Originalauszug)

Du baust die Auto-Gegner nicht mehr per Copy-Paste, sondern datengetrieben: Eine Liste beschreibt die Spuren (Y-Position, Geschwindigkeit, Farbe) und mit enumerate und einem klaren Namensschema werden daraus automatisch viele Entities erzeugt.

Didaktische Einordnung

Fachliche Zielsetzung

Der Baustein führt in das Prinzip des datengetriebenen Programmierens ein. Statt einzelne Objekte manuell anzulegen, werden Spielobjekte aus strukturierten Daten generiert. Zentrale Konzepte sind Listenstrukturen, Tupel, Schleifen und konsistente Namenskonventionen. Dadurch wird sichtbar, wie eine abstrakte Modellbeschreibung – hier die Datenstruktur für Fahrspuren – direkt in eine automatisierte Objektgenerierung überführt werden kann. Darüber hinaus wird die Anpassung bestehender Bewegungslogik thematisiert, sodass Regeln systematisch mehrere Objekte anhand eines Namensschemas verarbeiten können. Der Baustein verdeutlicht somit die Verbindung zwischen Datenmodell, Algorithmusstruktur und skalierbarer Implementierung.

Kompetenzentwicklung

Modellierung mehrerer Spielobjekte über strukturierte Datensammlungen
Nutzung von Listen und Tupeln zur Beschreibung von Spielparametern
Anwendung von enumerate zur gleichzeitigen Verarbeitung von Index und Daten
Entwicklung konsistenter Namensschemata für automatisch erzeugte Objekte
Generierung mehrerer Entities durch Schleifenstrukturen statt Copy-Paste
Anpassung bestehender Bewegungslogik an datengetriebene Objektlisten
Verwendung von Zeitdifferenzen (dt) für kontinuierliche Bewegung im Spiel

Didaktischer Mehrwert im Unterricht

Schrittweise Erweiterung eines bestehenden Spiels durch datengetriebene Strukturen
Klare Aufgabenstellung mit nachvollziehbarer Modell-Implementierungs-Beziehung
Förderung algorithmischen Denkens durch systematische Objektgenerierung
Verdeutlichung von Wartbarkeit und Skalierbarkeit von Programmcode
Unterstützung differenzierter Lernwege durch Erweiterung der Datenstruktur

Ablauf der Unterrichtseinheit

Spurenliste + Auto-Erzeugung + Bewegungsregel

In diesem Schritt wird ein datengetriebenes Modell für gegnerische Fahrzeuge aufgebaut. Dazu wird zunächst eine Datenliste für Fahrspuren definiert und anschließend eine Funktion implementiert, die mehrere Autos automatisch erzeugt. Abschließend wird die Bewegungsregel so angepasst, dass alle Fahrzeuge anhand eines systematischen Namensschemas iterativ verarbeitet werden können.

Datenmodellierung und automatisierte Objektgenerierung
Typische Herausforderung: konsistente Namensschemata und korrekte Schleifenstruktur

Arbeitsauftrag (Auszug)

1. Legen Sie eine Konstante für die Anzahl der Autos pro Spur fest. 2. Definieren Sie eine Datenliste für die Fahrspuren mit Y-Position, Geschwindigkeit und Farbe. 3. Implementieren Sie eine Funktion zur automatischen Erzeugung der Autos pro Spur. 4. Rufen Sie diese Funktion im Szenenaufbau mithilfe von enumerate für jede Spur auf. 5. Passen Sie die Bewegungsregel so an, dass alle Autos anhand des Namensschemas iterativ bewegt werden.

Beispiel (Ausschnitt)

Das folgende Fragment zeigt, wie ein konsistentes Namensschema für automatisch erzeugte Fahrzeuge gebildet wird.

1
2
3
4
5
6
7
car_spacing = window_width // NUM_AUTOS
for index in range(NUM_AUTOS):
    car_name = "auto_" + str(lane_index) + "_" + str(index)
    start_x = (index * car_spacing + lane_index * 28 + 20) % window_width
    OBJEKT(car_name, pos=(start_x, lane_y), tag="auto")
    RECHTECK(car_name, AUTO_WIDTH, AUTO_HEIGHT, ausloser=True)
    GESCHWINDIGKEIT(car_name, vel_x, 0)

Das Beispiel verdeutlicht, wie aus einer Datenstruktur mehrere Spielobjekte systematisch erzeugt werden.

Hinweise für die Unterrichtspraxis

Für eine Unterrichtseinheit von etwa 30–40 Minuten geeignet, insbesondere als Aufbaulektion nach der Einführung einfacher Gegner.
Differenzierung ist möglich, indem zusätzliche Spuren oder unterschiedliche Geschwindigkeiten in die Datenliste aufgenommen werden.
Ergebnisse können gemeinsam analysiert werden, indem die Struktur der Datenliste und ihre Auswirkungen auf das Spielverhalten diskutiert werden.
Erweiterungen sind möglich, etwa durch farbliche Darstellung der Autos oder zusätzliche Spurparameter.
Der Baustein lässt sich gut mit Themen wie Datenstrukturen, Simulationen oder Spielarchitekturen verbinden.

Dieser Baustein zeigt, wie strukturierte Datenmodelle systematisch in automatisierte Spielobjekte übersetzt werden und damit komplexere Spielmechaniken ermöglichen.

Die klar strukturierte Aufgabenabfolge unterstützt eine transparente Unterrichtsorganisation und erleichtert die Sicherung der erzielten Ergebnisse. Differenzierung kann über zusätzliche Dateneinträge oder Erweiterungen der Bewegungslogik erfolgen.

Fordern Sie einen Demo-Zugang an und erproben Sie den Baustein im eigenen Kurskontext.

Jetzt anmelden und kostenfrei testen