Spaced Repetition ist eine Lerntechnik, die jede Wiederholung genau in dem Moment ansetzt, in dem du ein Wort zu vergessen drohst, und die Abstände streckt, während sich das Gedächtnis festigt. Für Sprachenlernende ist es der effizienteste bekannte Weg, Wortschatz ins Langzeitgedächtnis zu bringen, ohne Zeit an Wörter zu verschwenden, die du schon sicher beherrschst.
Die Vergessenskurve (Ebbinghaus, 1885)#
1885 lernte Hermann Ebbinghaus Listen sinnloser Silben auswendig und prüfte sich selbst in Abständen, um zu messen, wie schnell er sie vergaß. Sein Ergebnis, veröffentlicht als Über das Gedächtnis, ist die Vergessenskurve: Das Gedächtnis verfällt ungefähr exponentiell, und der Abfall ist in den ersten Stunden und Tagen nach dem Lernen am steilsten. Lernst du heute ein neues Wort, hast du ohne jede Wiederholung bis morgen einen großen Teil davon wieder verloren.
Der nützliche Teil ist, was beim Wiederholen passiert. Jeder erfolgreiche Abruf flacht die Kurve ab, sodass der nächste Rückgang langsamer und flacher ausfällt. Spaced Repetition ist schlicht die Praxis, diese Wiederholungen so zu timen, dass sie das Wort kurz vor dem Entgleiten abfangen.
Der Spacing-Effekt#
Ebbinghaus bemerkte auch, dass über die Zeit verteilte Wiederholungen weit stärkere Erinnerungen erzeugen als dieselbe Anzahl geballter Wiederholungen. Das ist der Spacing-Effekt. Spätere Forschung bestätigte das: Die Metaanalyse von Cepeda und Kollegen (2006) fand, dass verteiltes Üben geballtem Üben verlässlich überlegen ist, und Robert Bjorks Konzept der „wünschenswerten Schwierigkeiten“ erklärt, warum. Die leichte Anstrengung, ein halb vergessenes Wort abzurufen, ist genau das, was die Gedächtnisspur vertieft. Eine leichte Wiederholung lehrt dich wenig; eine etwas schwere lehrt dich viel.
Der Haken ist, dass der ideale Abstand wächst, je ausgereifter eine Erinnerung ist. Ein neues Wort muss in Minuten zurückkehren; ein gut gelerntes kann Monate warten. Dieses bewegliche Ziel in einen konkreten Zeitplan zu verwandeln ist genau das, was Spaced-Repetition-Algorithmen leisten.
SM-2: der ursprüngliche Algorithmus#
Piotr Woźniak baute die erste praktische Version Ende der 1980er bei SuperMemo. Sein SM-2-Algorithmus gibt jeder Karte einen Ease-Faktor, der bei 2,5 startet und nie unter 1,3 fällt. Nach jeder Wiederholung bewertest du deinen Abruf; eine richtige Antwort multipliziert den aktuellen Abstand mit dem Ease-Faktor, während ein Fehler ihn zurücksetzt. Die ersten beiden Abstände sind fest auf 1 Tag und 6 Tage gesetzt, danach ist jeder Abstand der vorherige multipliziert mit dem Ease-Faktor.
SM-2 ist transparent genug, um auf Papier zu funktionieren, was mit ein Grund für seine weite Verbreitung ist. Seine Schwäche ist, dass die Formel für jeden Lernenden und jede Karte identisch ist. Sie lernt nicht wirklich daraus, wie du dich persönlich erinnerst.
FSRS: der moderne Ansatz#
Der Free Spaced Repetition Scheduler (FSRS) ist ein Open-Source-Projekt aus den frühen 2020ern. Statt einer handjustierten Formel nutzt er ein Gedächtnismodell mit drei Variablen: Difficulty, Stability und Retrievability (das DSR-Modell). Er passt seine Parameter mit maschinellem Lernen an deine eigene Wiederholungshistorie an und lässt dich eine Zielbehaltensrate wählen, zum Beispiel 90 Prozent. Dann plant er die wenigsten Wiederholungen, die nötig sind, um dieses Ziel zu halten. In der Praxis bedeutet das meist weniger Wiederholungen bei gleicher Behaltensrate. FSRS wurde Ende 2023 als optionaler Scheduler in Anki integriert.
Anki: eine SM-2-Variante#
Anki, erstmals 2006 von Damien Elmes veröffentlicht, nutzt seit Langem standardmäßig eine modifizierte Version von SM-2: dieselbe Ease-Faktor-Idee mit zusätzlichen Lernschritten und praktischen Anpassungen. Neuere Anki-Versionen bieten FSRS als Opt-in-Alternative. Anki ist bekannt für seine Flexibilität, seine Add-ons und seine große Bibliothek geteilter Decks, weshalb es der Referenzpunkt ist, an dem sich die meisten Spaced-Repetition-Werkzeuge messen lassen müssen.
SM-2 vs. FSRS vs. Anki#
| Dimension | SM-2 | FSRS | Anki (Standard) |
|---|---|---|---|
| Ursprung | SuperMemo, Woźniak, späte 1980er | Open-Source-Projekt, frühe 2020er | Anki, Elmes, 2006 |
| Modell | Ease-Faktor + feste Abstände | Difficulty, Stability, Retrievability | Modifiziertes SM-2 |
| Personalisierung | Keine; eine Formel für alle | Lernt aus deinen Wiederholungsprotokollen | Begrenzt, Ease-Faktor pro Karte |
| Zielbehaltensrate | Implizit | Du legst sie fest | Implizit |
| Mathematik | Einfache Arithmetik | Maschinell gelernte Parameter | Einfache Arithmetik |
| Stärke | Transparent, läuft überall | Effizient, weniger Wiederholungen | Flexibel, großes Ökosystem |
Wie LingoBlend Wiederholungen plant#
LingoBlends fünf Spiele laufen auf einer Anki-ähnlichen SM-2-Engine. Neue Wörter durchlaufen zunächst kurze Lernschritte: 10 Minuten, dann 1 Stunde, dann 8 Stunden, sodass ein Wort, dem du gerade erst begegnet bist, noch am selben Tag zurückkehrt, solange es noch fragil ist. Sobald es aufsteigt, wechseln die Wiederholungen auf eine Tagesskala: Der erste Abstand beträgt 1 Tag, der nächste 6 Tage, und danach ist jeder Abstand der vorherige multipliziert mit dem Ease-Faktor des Wortes (der bei 2,5 startet und nie unter 1,3 fällt), bis zu einer Obergrenze. Liegst du bei einem Wort falsch, fällt es auf kurze Relearning-Schritte zurück; beantwortest du es weiter richtig, wird der Abstand immer größer. Die genauen Zahlen zählen weniger als das Prinzip: dass du jedem Wort genau an der Grenze des Vergessens begegnest.
Zwei gestalterische Entscheidungen bringen das zum Funktionieren. Erstens gelangen Wörter im Kontext in dein Deck – aus einem Artikel, den du geblendet hast, von einer Seite, die die Chrome-Erweiterung direkt in deinem Desktop-Chrome oder -Edge blendet, während du sie liest, oder von einem Wort, das du dort per Rechtsklick gespeichert hast – nicht von einer kalten Liste. Zweitens wird dasselbe Wort auf fünf Arten getestet, über Lernkarten, Zuordnungsspiel, Lückentext, Hörquiz und Wortquiz, sodass du sowohl Wiedererkennung als auch aktiven Abruf aufbaust. Die Logik dahinter steht ausführlich auf der Wissenschaftsseite, und das volle Funktionsangebot steht unter Funktionen.
Praktische Tipps für tägliche Wiederholungen#
- Wiederhole jeden Tag, auch nur für fünf Minuten. Spaced Repetition setzt einen gleichmäßigen Rhythmus voraus. Lässt du mehrere Tage aus, stapeln sich fällige Karten, was den Zeitplan sprengt und die Motivation zerstört.
- Füge neue Wörter nur in bescheidenem Tempo hinzu. 200 Karten auf einmal reinzuwerfen garantiert eine erdrückende Wiederholungslast in der folgenden Woche. Langsam und stetig hält die Warteschlange gesund.
- Vertrau den Abständen. Drill eine Karte nicht erneut, die du gerade richtig beantwortet hast. Genau dieser Abstand ist der Sinn der Sache.
- Verlagere den Schwerpunkt zum aktiven Abruf, je vertrauter die Wörter werden. „gato“ aus „cat“ zu produzieren ist schwerer – und deshalb wirksamer – als es nur wiederzuerkennen. Lernst du Spanisch, passt dazu der Spanisch-Lernleitfaden.
- Lerne Wörter innerhalb von Sätzen und hänge ein Bild oder eine Eselsbrücke an. Kontext plus visueller Hinweis (duale Kodierung, Paivio 1971) macht den Abruf weit leichter als ein bloßes Wortpaar. Das ist auch die Logik hinter der Diglot-Weave-Methode.
- Jag nicht 100 Prozent Behaltensrate hinterher. Perfekter Abruf vervielfacht deinen Arbeitsaufwand für wenig echten Gewinn. Irgendwo zwischen 85 und 90 Prozent liegt meist die effiziente Zone.