Jede Runde Lückentext zeigt dir einen echten Satz mit einem fehlenden Wort, das du ergänzen musst. Der Satz selbst hat schon immer eine Rolle dabei gespielt, wie gut die Runde dir etwas beibringt – ein verunglückter oder seltsam übersetzter Beispielsatz ist eine schlechte Runde, egal wie richtig deine Antwort ist. Neu ist, welcher Satz für ein gegebenes Wort ausgewählt wird – aus allen Kandidaten, die es dafür gibt.
Die Idee hinter i+1#
Stephen Krashens Comprehensible-Input-Hypothese ist eine der meistzitierten Ideen im Zweitspracherwerb: Menschen erwerben Sprache aus Input, der fast vollständig verständlich ist, mit einem kleinen eingebauten Schritt darüber hinaus – einer Stufe über dem aktuellen Niveau. Er nannte diese Dehnung i+1: dein aktuelles Niveau, i, plus einen einzelnen Schritt. Zu weit unter deinem Niveau, und es gibt nichts mehr zu lernen; zu weit darüber, und es gibt nichts, woran das neue Element andocken kann. Die Zone, die tatsächlich funktioniert, ist schmal, und sie wird definiert durch wie viel vom umgebenden Material du bereits verstehst, nicht dadurch, wie schwer das neue Element isoliert betrachtet ist.
Auf einen einzelnen Satz angewendet, hat i+1 eine sehr wörtliche Form: Jedes Wort ist bekannt außer einem – und genau dieses eine Wort sollst du selbst produzieren. Der Lückentext hatte den Teil „ein fehlendes Wort“ schon immer eingebaut – die Lücke ist immer das getestete Wort. Was bisher fehlte, war jedes Gespür dafür, ob der Rest des Satzes tatsächlich i+1 für die lesende Person war, oder ob er zufällig mit drei anderen nie gesehenen Wörtern vollgestopft war.
Was sich tatsächlich geändert hat#
Der Lückentext hat seine Beispielsätze schon immer nach Qualität ausgewählt – natürliche Länge, eine brauchbare Übersetzung, das Zielwort, das sauber auftaucht. Diese Qualitätsschwelle hat sich nicht verschoben. Neu ist, dass die App unter den Sätzen, die diese Schwelle passieren, jetzt auch berücksichtigt, wie viel vom Rest des Satzes du bereits kennst – unter Verwendung derselben Beherrschungs- und Wiederholungsdaten hinter dem beherrschungsbewussten Blending und dem Vokabular-Graphen – und den bevorzugt, der die Lücke als deine einzige Lücke übrig lässt.
Das Ergebnis ist, dass zwei Lerner, die genau dasselbe Wort üben, zwei unterschiedliche Sätze gezeigt bekommen können – jeder davon i+1 für genau diesen Lerner:
| Kandidatensatz für „aeropuerto“ | Für wen er passt | Warum |
|---|---|---|
| El ___ está muy lejos del centro. | Ein Anfänger, der estar, muy, lejos, centro kennt | Jedes umgebende Wort ist bereits vertraut – nur die Lücke ist neu |
| Perdimos el vuelo porque el tráfico cerca del ___ era terrible. | Ein fortgeschrittener Leser, dem perdimos, vuelo, tráfico, cerca vertraut sind | Reicherer, natürlicherer Satz – für diesen Leser trotzdem vollständig verständlich |
Beide Sätze sind echte, von Menschen geschriebene Beispiele, die bereits im Pool existierten. Für keinen der beiden Lerner wurde etwas generiert – die App hat einfach den ausgewählt, der ihnen eine einzige, isolierte Lücke hinterlässt statt eines Satzes, der an drei Stellen gleichzeitig schwierig ist.
Die Präferenz ist absichtlich begrenzt#
Die i+1-Passung kommt zur Satzqualität hinzu, sie ersetzt sie nicht. Ein gut geformter, gut übersetzter Satz, bei dem du alle außer einem Wort kennst, wird nach wie vor von nichts übertroffen – aber ein Satz, der ansonsten schwach ist (seltsame Formulierung, keine Übersetzung, eine unnatürliche Länge), gewinnt nicht nur, weil er zufällig i+1 für dich ist. Wenn die beste i+1-Übereinstimmung für ein Wort ein qualitativ schwacher Satz ist und ein qualitativ guter Satz mit einem zusätzlichen unbekannten Wort verfügbar ist, kann die App trotzdem den qualitativ guten wählen. Der Sinn ist, die Auswahl unter bereits anständigen Kandidaten zu dem zu lenken, der dich in den Comprehensible-Input-Sweet-Spot bringt – nicht, eine perfekte i+1-Passung auf Kosten eines Satzes zu jagen, der sich tatsächlich gut liest.
Es ist auch nicht statisch. Dein Wortschatz ändert sich jede Woche – Wörter steigen vom Lernen zum Beherrschen auf, neue Wörter werden gespeichert –, sodass derselbe Wortpool für „aeropuerto“ nächsten Monat anders rangieren kann als heute, obwohl sich die Sätze selbst nicht geändert haben. Es gibt nichts zu konfigurieren: Die Rangfolge spiegelt einfach deine Wiederholungshistorie wider, so wie sie beim Laden einer Sitzung jeweils aussieht.
Bekanntheit folgt dir auch durch Flexion, nicht nur durch exakte Wortübereinstimmungen. Zeigt deine Wiederholungshistorie, dass du comer kennst, wird ein Kandidatensatz mit comí oder comiendo so behandelt, als enthielte er ein bekanntes Wort rund um die Lücke, nicht ein unvertrautes – dieselbe Flexionsauflösung, durch die das Beherrschen von despertar auch despierta anderswo in der App gutgeschrieben wird.
Woher die Sätze tatsächlich kommen#
Es lohnt sich, hier präzise zu sein, weil man leicht annehmen könnte, das bedeute KI-generierte, auf dich zugeschnittene Sätze – das ist es nicht. Der Satzpool stammt von Tatoeba, einem offenen, von der Community erstellten Korpus echter, von Menschen geschriebener Sätze mit Übersetzungen – derselben Quelle, die der Lückentext schon immer genutzt hat. Was sich geändert hat, liegt vollständig auf der Auswahl-Seite: welcher existierende, echte Satz welchem Lerner für ein gegebenes Wort gezeigt wird. Kein Satz wird pro Nutzer geschrieben oder umgeschrieben.
Es gibt eine schmale Ausnahme, die dieser Funktion zeitlich vorausgeht: Bei Wörtern, für die Tatoeba wirklich keinen brauchbaren Satz hat, greifen Pro-Nutzer auf einen von Gemini auf mittlerem Niveau generierten Satz zurück. Dieser Fallback greift nur, wenn der Korpus nichts zu bieten hat – er ist nicht Teil der i+1-Auswahl, und er hat sich nicht geändert.
Was es kostet#
Nichts. Deine Menge bekannter Wörter wird aus Daten zusammengestellt, die die App bereits hat – derselben Spaced-Repetition-Historie, die deinen Wiederholungsplan antreibt –, und die Rangfolge erfolgt auf dem Gerät. Kein gespeichertes oder wiederholtes Wort wird für diese Funktion irgendwohin gesendet, es entstehen keine zusätzlichen Netzwerkaufrufe, und sie steht jedem Lerner unabhängig vom Abonnement zur Verfügung. Das ist einer der Orte, an denen Personalisierung wirklich kostenlos ist: Die Intelligenz liegt darin, wie vorhandene Daten genutzt werden, nicht in irgendeinem neuen KI-Aufruf.