Warum Sentence Mining mit festen Anki-Sätzen scheitert

Die kurze Antwort

Sentence Mining scheitert als Weg zur Sprachgewandtheit oft genau dann, wenn du in Anki immer wieder denselben originalen Satz lernst. Du wirst gut darin, diese Karte abzurufen, aber nicht darin, die Sprache flexibel zu benutzen. Nach dem Prinzip der Enkodierspezifität klappt Abruf vor allem dann, wenn die Hinweise beim Test zu den Hinweisen passen, die beim Lernen vorhanden waren.¹ Ein statischer Satz verknüpft ein Wort mit einer einzigen festen Umgebung. Ändert sich der Kontext, bricht der Abruf oft weg.

Die Lösung ist nicht, Sätze komplett wegzulassen. Lernen im Kontext ist weiterhin besser als bloße Wortpaare.² Die bessere Lösung ist neue Satzproduktion: Dieselben Wörter und dieselbe Grammatik sollen in jedem Durchlauf in neue Strukturen eingebaut werden. So passt das Üben viel eher zur echten Anwendung, also zu transfergerechter Verarbeitung.³ Genau hier liegt der Unterschied zwischen geminten Anki-Decks und Systemen, die frische Prompts erzeugen, darunter LinGoat.

Was mit Sentence Mining meist gemeint ist

In Lerncommunities bedeutet "Sentence Mining" meistens: echte Sätze aus Büchern, Serien oder Immersion sammeln und jeden davon in eine Karte für das verteilte Wiederholen umwandeln. Auf der Karte steht dann etwa ein Satz mit markiertem Zielwort, oder du sollst den ganzen Satz aus einer Übersetzung heraus reproduzieren. Bei jeder Wiederholung kommt genau dieselbe Zeichenkette nach Anki-Plan zurück.

Das ist besser als isolierte L1-L2-Wortpaare, weil du Kollokationen, Morphologie und Syntax siehst statt nur ein nacktes Lemma. Nation betont, dass Wörter durch sinnvollen Gebrauch im Kontext gelernt werden, nicht als kleine Wörterbuchinseln.² Das Problem sind also nicht Sätze. Das Problem sind statische Sätze, die man als Einheit der Beherrschung behandelt.

Warum die Karte sitzt, das Wort aber nicht

Tulving und Thomson zeigten 1973, dass Abruf davon abhängt, wie etwas enkodiert wurde. Wirksame Hinweise sind die, die schon beim ursprünglichen Lernen Teil des Enkodierens waren, nicht einfach irgendetwas, das später nur ähnlich erscheint.¹ Auf Sprachkarten heißt das: Wenn du spanisches desarrollo immer nur in genau einem Beispielsatz abrufst, hängt dein Gedächtnis für dieses Wort an genau dieser Wortreihenfolge, diesen Nachbarn und diesem Rhythmus. Die Karte wird dann vor allem zu einer Wiedererkennungs- oder Nachsprechaufgabe für eine bekannte Zeichenkette.

In echter Sprache taucht genau diese Zeichenkette aber selten wieder auf. Du brauchst desarrollo in einem neuen Satz, mit neuen Subjekten, neuen Zeiten und neuen Partnerwörtern. Die Abrufhinweise haben sich verändert, deshalb springt der alte Pfad nicht an. Lernende beschreiben das oft so: "Den Begriff kannte ich in Anki, aber nicht im Gespräch." Genau dieses Muster sagt die Enkodierspezifität voraus.

Die trügerische Sicherheit statischer Sätze

Wiederholter Erfolg auf derselben Karte fühlt sich nach Fortschritt an. Das Abrufgefühl wird leichter, die Intervalle werden länger, und das Deck wirkt "reif". Gewachsen ist aber vor allem die Vertrautheit mit einer einzigen Sprachsituation, nicht die flexible Kontrolle über die zugrunde liegenden Konzepte. Du bestehst vielleicht jede Wiederholung und scheiterst trotzdem daran, dieselben Wörter in einem Gespräch oder Schreibimpuls anders einzusetzen.

Besonders bei ganzen Satzkarten verstärkt sich dieser Effekt: Ein einziges "Again" oder "Good" bewertet eine komplette Äußerung. Ein leichtes Wort kann dabei eine schwierige Verbform mitziehen, oder ein auswendig gelerntes Satzende verdeckt eine wacklige Grundform. Warum das Bündeln vieler Konzepte in einer Wiederholung nur funktioniert, wenn man die Bestandteile getrennt bewertet und terminiert, liest du in Multi-Concept Sentence Reviews.

Kontext bleibt wichtig, nur der Modus ist falsch

Die richtige Reaktion lautet nicht, Kontext abzuschaffen. Nation argumentiert, dass ein Wort über Form, Bedeutung und Gebrauch in unterschiedlichen Situationen hinweg gelernt wird, und zwar durch viele reichhaltige Begegnungen statt durch ein einmaliges Zuordnen.² Abwechslungsreicher Kontext erweitert dieses Netz. Fixierter Kontext macht daraus nur einen einzigen Korridor.

Die eigentliche Designfrage lautet also: Wie behältst du Satzkontext, ohne dass der Lernende einfach nur den Kartentext auswendig lernt? Die Antwort: Der Satz wechselt, die fälligen Inhalte bleiben gleich.

Transfergerechte Verarbeitung und neue Sätze

Morris, Bransford und Franks zeigten 1977, dass Gedächtnisleistung davon abhängt, wie gut Lern- und Testsituation zusammenpassen, nicht davon, ob "tiefer" immer automatisch besser ist.³ Das nannten sie transfergerechte Verarbeitung. Wenn dein Ziel freie Produktion in neuen Situationen ist, dann übertragen sich Übungen besser, bei denen du Syntax jedes Mal neu aufbaust, statt einen gespeicherten Satz nur erneut abzuspielen.

Genau das erzwingt die Produktion neuer Sätze. Jede Wiederholung verlangt, dass du die fälligen Wörter und die Grammatik in einen Satz einsetzt, den du nicht auswendig kennst. Du kannst dich nicht auf reine Zeichenketten-Erinnerung verlassen, sondern musst syntaktisch neu arbeiten. Deshalb konzentriert sich Forschung zu satzbasiertem verteiltem Wiederholen auch auf neue Sätze mit wortweiser Terminierung statt auf fest eingeminte Zeilen: Schnellere Abläufe und bessere Behaltensleistung entstehen dadurch, dass fällige Elemente in neuem Kontext kombiniert werden, nicht dadurch, dass man einen einzigen Anki-Eintrag perfektioniert. Für die empirische Perspektive auf Tempo und Lernen siehe Sentence-Based Spaced Repetition Research.

Was du stattdessen tun solltest

• Sätze behalten, aber variieren. Nutze Produktionsaufgaben, die einen vollständigen Satz in der Zielsprache verlangen, und ändere den Prompt bei späteren Wiederholungen.
• Konzepte terminieren, nicht Episoden. Bewerte Wortschatz und Grammatik getrennt, damit ein auswendig gelernter Nebensatz nicht schwache Einzelteile versteckt.
• Produktion vor Reproduktion. Einen neuen Satz zu übersetzen oder selbst zu bauen bringt mehr als einen geminten Satz so lange zu lesen, bis er sich automatisch anfühlt.

Ein praktischer Ablauf für genau diesen Kreislauf steht in So übst du Satzbau mit Spaced Repetition. Die breitere Forschungsgrundlage hinter dem Design von LinGoat findest du in unserer Übersicht zur gesamten Didaktik.

Wie LinGoat die Mining-Falle vermeidet

LinGoat terminiert Wörter und Grammatik mit Spaced Repetition und baut daraus anschließend einen Übersetzungs-Prompt von der Muttersprache in die Zielsprache, der die heutigen fälligen Inhalte in einen natürlichen Satz packt, den du noch nie gesehen hast. Du tippst den ganzen Satz. Jedes Konzept wird einzeln bewertet und neu eingeplant. So bleiben die Wiederholungen im Kontext, ohne zu einem Museum statischer Anki-Sätze zu werden.

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

Literatur

1. Tulving, E., & Thomson, D. M. (1973). Encoding specificity and retrieval processes in episodic memory. Psychological Review, 80(5), 352-373. https://doi.org/10.1037/h0020071
2. Nation, I. S. P. (2001). Learning Vocabulary in Another Language. Cambridge University Press. https://doi.org/10.1017/CBO9781139524759
3. Morris, C. D., Bransford, J. D., & Franks, J. J. (1977). Levels of processing versus transfer appropriate processing. Journal of Verbal Learning and Verbal Behavior, 16(5), 519-533. https://doi.org/10.1016/S0022-5371(77)80016-9