Was adaptive Sprachlern-Apps wirklich tracken sollten

Die Kurzantwort

Eine adaptive Sprachlern-App sollte drei Dinge als geschlossenen Kreislauf verfolgen: welche Konzepte fällig sind (Wortschatz- und Grammatikpunkte, die per Spaced Repetition anstehen), welche Übung daraus erzeugt wurde und welche Ergebnisse auf Wort- oder Kontextebene der Lernversuch geliefert hat. Ohne alle drei bedeutet „adaptiv“ meist nur eine grobe Level-Schätzung, eine Streak oder ein festes Karteikartenset, aber keinen Plan, der sich aus dem tatsächlichen Abruf weiterentwickelt.

Wiederabruf stärkt das Gedächtnis vor allem dann, wenn das System Erfolg oder Misserfolg einzelnen Items zuordnen kann und nicht nur einer ganzen Lektion.¹ Moderne Scheduler wie FSRS brauchen saubere Bewertungen pro Item, um vorherzusagen, wann ein Abruf als Nächstes scheitern wird.² LinGoat ist ein Beispiel dafür, wie sich fällige Konzepte, neue Satzgenerierung und fein abgestufte Bewertung kombinieren lassen. Die folgende Checkliste beschreibt die nötigen Fähigkeiten, nicht einen Produkt-Rundgang.

Warum „adaptiv“ mehr sein muss als ein Level-Badge

Viele Apps nennen sich adaptiv, weil sie einfache Einheiten überspringen, den Schwierigkeitsgrad nach einem Test anheben oder eine CEFR-Stufe schätzen. Das kann die Auswahl von Inhalten personalisieren. Es sagt der App aber noch nicht, welche Konjugationen oder Lemmata heute Abend vermutlich vergessen werden.

Spaced Repetition funktioniert, indem der Vergessensverlauf auf Item-Ebene unterbrochen wird: Jedes Wort und jedes Grammatik-Konzept hat seine eigene Geschichte von Abrufversuchen.³ Wenn die App nur „Lektion 12: 80 %“ speichert, kann sie die eine übersehene Präposition nicht neu einplanen, während vier sichere Nomen weiterlaufen. Adaptives Üben für produktive Sprache muss deshalb Gedächtniseinheiten, Übungskontext und fein aufgelöste Ergebnisse gemeinsam loggen. Mehr zum Modell hinter dem Timing findest du in wie Spaced Repetition funktioniert.

1. Welche Konzepte fällig sind, bestimmt die SRS

Das erste Signal ist die Fälligkeitsliste: Welche erfassten Konzepte sollen heute geübt werden, damit die erwartete Erinnerungsleistung nahe an einem Zielwert bleibt. Ältere Systeme im Stil von SM-2 verlängern vor allem die Abstände über einen Ease-Faktor. FSRS modelliert pro Item Schwierigkeit, Stabilität und Abrufwahrscheinlichkeit und legt die nächste Wiederholung dann an, wenn die Recall-Wahrscheinlichkeit voraussichtlich den Zielwert erreicht.²

Große Benchmarks mit Anki-Kollektionen zeigen, dass FSRS den Abruf auf Kartenebene genauer vorhersagt als SM-2 auf Basis von Kartenhistorien. Die veröffentlichten RMSE- und Überlegenheitswerte solltest du als Momentaufnahme lesen, nicht als ewige Konstante.⁴ Für Sprachlernende ist diese Genauigkeit wichtig, weil sich etwa falsche Freunde und unregelmäßige Verben nicht auf derselben Kurve vergessen. Eine adaptive App, die zwar dein „Level“ kennt, aber nicht sagen kann, welche fünf Items heute fällig sind, plant nicht, sie sortiert nur Inhalte. Ein genauerer Vergleich: FSRS vs. SM-2 für Sprachlernen.

2. Welche Übung erzeugt wurde, muss ebenfalls gespeichert werden

Das zweite Signal ist die Hülle der Übung: Welchen Prompt hat die lernende Person für diese fälligen Konzepte tatsächlich gesehen? Dieses Tracking ist aus zwei Gründen wichtig.

• Nachvollziehbarkeit: Du kannst unterscheiden, ob ein Fehler aus einem fairen Abrufversuch stammt oder aus einem kaputten Prompt, einer unnatürlichen Häufung von Items oder einer Wiedererkennungsaufgabe, die nie echte Produktion verlangt hat.
• Transfer: Wenn immer derselbe statische Satz wiederverwendet wird, können Lernende mit Wiedererkennen statt mit echtem Abruf bestehen. Neue Sätze, die trotzdem die fälligen Items enthalten, halten das Üben näher an echter Sprachproduktion.

Für produktionsorientierte Apps ist ein guter Default oft die Übersetzung von der Muttersprache in die Zielsprache, wobei so viele fällige Konzepte wie möglich eingebaut werden, ohne dass der Satz unnatürlich wirkt. Der Satz ist das Auslieferungsformat, die Fälligkeitsliste ist der Lehrplan für genau diesen Moment. Wie Zusammenbau und Planung zusammenspielen, erklärt Multi-Concept-Satzwiederholungen.

3. Ergebnisse auf Wort- und Kontextebene

Das dritte Signal ist die fein abgestufte Bewertung: Jedes Vokabel- und Grammatik-Konzept in der Antwort wird einzeln bewertet und dann an den Scheduler zurückgeschrieben. Ein bloßes Richtig/Falsch pro Gesamtsatz verfälscht das Protokoll. Verpasst du nur eine Endung, werden vier sichere Abrufe mit abgestraft. Trifft der Rest des Satzes, rutscht eine schwache Form trotzdem als „gut“ durch. In beiden Fällen trainiert FSRS, oder jedes andere Modell pro Item, auf verrauschten Labels.

Die Forschung zum Testeffekt behandelt den Abruf selbst als Lernmechanismus.¹³ Damit Satztraining diesen Mechanismus wirklich füttert, muss die App auflösen, welche Konzepte erfolgreich abgerufen wurden. Genau das nennt LinGoat granulare Attribution: Ergebnisse Wort für Wort und Grammatikpunkt für Grammatikpunkt innerhalb eines kompletten Produktionsversuchs. Siehe Bewertung Wort für Wort beim Sprachlernen.

Checkliste für die Produkt- oder Kaufentscheidung

Nutze diese Liste als Check für Einkauf oder Entwicklung. Ein adaptiver Produktionskreislauf ist nur dann glaubwürdig, wenn das Produkt zeigen kann:

• Konzeptinventar: Wortschatz und Grammatik werden als getrennte, planbare Items geführt, nicht nur als Lektionsergebnisse.
• Fälligkeitsliste: Täglich oder pro Sitzung wird eine Menge an Konzepten per Spaced Repetition ausgewählt, idealerweise mit einem kalibrierten Modell wie FSRS statt mit festen „Kapitel wiederholen“-Blöcken.
• Übungsgenerierung an Fälligkeiten gekoppelt: Prompts entstehen aus dem aktuellen Fälligkeits-Set, oft als neue Mehrkonzept-Sätze, nicht als Zufalls-Mix statischer Karten.
• Produktionspflicht: Getippter oder geschriebener Abruf ohne Multiple-Choice-Verlockung, damit der Versuch ein echter Abrufmoment ist.
• Bewertung pro Konzept: Erfolg und Misserfolg werden jedem Item in der Antwort zugeordnet, mit sofortigem lokalem Feedback.
• Rückschreiben an den Scheduler: Jede Bewertung aktualisiert das nächste Intervall dieses Items, bekannte Teile werden nicht wegen eines einzelnen Tippfehlers zurückgestuft.
• Transparente Analytik: Fortschritt wird als aktive Beherrschung von Konzepten dargestellt, etwa über Stabilität, Fälligkeitslast und Wortschatzumfang, nicht nur über Streaks oder XP.

Fehlt auch nur eine Verbindung, reißt der Kreislauf ab. SRS ohne Generierung lädt zum statischen Auswendiglernen ein. Generierung ohne granulare Bewertung verfälscht den Zeitplan. Bewertungen ohne Fälligkeitsliste werden zu einem einmaligen Quiz.

Woran viele Apps scheitern

Auch in ausgereiften Produkten gibt es häufig dieselben Lücken:

• Wiedererkennung wird als Beherrschung gewertet: Multiple-Choice- oder Tap-to-Match-Formate fühlen sich wie Daten an, messen aber vor allem Wiedererkennen, das produktiven Abruf systematisch überschätzt.
• Satzkarten ohne Item-Bewertung: Wiederholungen ganzer Strings wirken effizient, bis ein Fehler fünf Intervalle zurücksetzt.
• Level-Engines ohne Item-Historien: Einstufungstests passen Inhaltsblöcke an, aber sie führen keine Vergessenskurven pro Lemma fort.
• Gamification-Metriken als Ersatz: Streaks und XP können beim Dranbleiben helfen, sind aber kein Beweis dafür, dass die richtigen Konzepte zur richtigen Zeit wieder da waren.

Das macht keine App nutzlos. Es bedeutet nur, dass das Marketingwort „adaptiv“ mehr leistet als das eigentliche Datenmodell.

LinGoat als Beispiel für die Kombination

LinGoat setzt den Drei-Signal-Kreislauf für schriftliches Satztraining um: FSRS entscheidet, welche Konzepte fällig sind, der Generator packt diese Fälligkeiten in neue Übersetzungsaufforderungen von der Muttersprache in die Zielsprache, und die granulare Attribution bewertet jedes Konzept und plant es neu ein. Die App ist kein Ersatz für Sprechen, und spezielle Sprechmodi, die dieselbe Fortschrittskarte nutzen, sind Roadmap-Thema, nicht eine Aussage über heutige Features.

Für den vollständigen didaktischen Rahmen, also Produktion versus Wiedererkennen, Laddering und warum diese drei Schritte zusammengehören, lies die vollständige Pädagogik von LinGoat.

Sieh dir an, wie LinGoat funktioniert, oder starte direkt.

Literatur

1. Roediger, H. L., & Karpicke, J. D. (2006). Test-enhanced learning: Taking memory tests improves long-term retention. Psychological Science, 17(3), 249-255. https://doi.org/10.1111/j.1467-9280.2006.01693.x
2. Ye, J., Su, J., & Cao, Y. (2022). A stochastic shortest path algorithm for optimizing spaced repetition scheduling. In Proceedings of the 28th ACM SIGKDD Conference on Knowledge Discovery and Data Mining (pp. 4384-4394). Association for Computing Machinery. https://doi.org/10.1145/3534678.3539081
3. Karpicke, J. D., & Roediger, H. L. (2008). The critical importance of retrieval for learning. Science, 319(5865), 966-968. https://doi.org/10.1126/science.1152408
4. Expertium. (2025). Benchmark of spaced repetition algorithms. https://expertium.github.io/Benchmark.html