Zum Inhalt

Philosophie

Die beste Lernmethode ist keine feste Methode.

Das ist die These im Kern von AdaptiveLearner. Die meisten "Lern-Apps" wählen einen Ansatz — Karteikarten, Videolektion, gamifizierte Streaks — und unterstellen, dass alle gleich lernen. Das tun sie nicht.

Warum eine Methode nicht reicht

Verschiedene Themen verlangen verschiedene Methoden. Selbst das gleiche Thema in verschiedenen Meisterungs-Stadien verlangt verschiedene Methoden:

  • Du gehst eine neue Grammatik-Regel nicht so an wie das Polieren deiner Aussprache.
  • Du wiederholst für eine wichtige Prüfung nicht so wie du ein Thema aus Neugier erforschst.
  • Du fängst dich nach einem Rückschlag nicht so wie du einen Streak aufrechterhältst.

Ein Lerner, der fließend zwischen Methoden wechseln kann, lernt schneller, behält länger und brennt seltener aus. Der Sinn von AdaptiveLearner ist nicht, deine Eine Wahre Methode zu finden — er ist, Methodenwechsel billig, natürlich und pädagogisch gerechtfertigt zu machen.

Die sechs Methoden

Wir haben sechs Methoden gewählt, die die Hauptachsen abdecken, wie Menschen tatsächlich lernen:

Methode Kern-Haltung
Deduktiv Theorie zuerst — Regeln, dann Beispiele
Induktiv Beispiele zuerst — Regeln aus Mustern ableiten
Fehlerbasiert Fehler provozieren und daraus lernen
Dialogisch Gespräch, niedriger Druck
Kontextuell Alltagsszenarien, situierte Praxis
KI-adaptiv Die KI wählt pro Zug

Die ersten fünf sind pädagogisch klassisch. Die sechste ist das ehrliche Eingeständnis, dass KI etwas kann, was Menschen zuvor nicht konnten: pro einzelnem Austausch eine Methode wählen, basierend darauf, was der Lerner gerade getan hat.

Methoden im Detail

Der Sieben-Schritt-Zyklus

Jede Session durchläuft einen 7-Schritt-Zyklus: Input, Versuch, Fehler, Feedback, Anpassen, Wiederholen, Integrieren. Das meiste Lernen passiert zwischen Fehler und Feedback (Schritte 3-4) — dort lebt die eigentliche kognitive Arbeit. Die anderen Schritte sind da, damit Fehler etwas haben, woran sie sich reiben, und einen Platz, an dem sie landen.

Der Zyklus ist kein Förderband. Schritte wiederholen, springen oder gehen zurück, je nachdem, ob du den Stoff wirklich erfasst hast. Die Dual-Prompt-KI-Architektur (siehe Der Sieben-Schritt-Zyklus) entscheidet pro Roundtrip.

Git für's Lernen

Wir leihen Gits mentales Modell fürs Tracking:

  • Commit = der Schnappschuss einer Session (Methode, Bewertungen, Dauer).
  • Diff = die Veränderung zur letzten Session im selben Thema.
  • Branch = ein Methodenwechsel (du bist bei Session 7 von deduktiv zu dialogisch gewechselt).
  • Verlauf = deine vollständige Lernspur, abfragbar + visualisierbar.

Wir nutzen Git nicht wörtlich; wir nutzen seine Disziplin von versioniertem, wiederherstellbarem, vergleichbarem Zustand. ChatGPT vergisst deine Konversation beim Schließen des Tabs. AdaptiveLearner hält einen strukturierten Schnappschuss jeder Session, sodass Trends über Wochen und Monate sichtbar werden.

Tracking

Die drei Säulen

Drei externe Werkzeug-Kategorien stehen neben AdaptiveLearner- Sessions — wir versuchen nicht, sie neu zu erfinden:

  1. Spaced Repetition (Anki) — für langfristiges Behalten von Regeln + Fehlerkorrekturen.
  2. Active Recall (NotebookLM) — für Wissensaufbau aus eigenen Quellen.
  3. Adaptive KI-Prompts (Claude / ChatGPT / Gemini) — für einmalige Erklärungen + flexible Befragung.

Die Tool-Empfehlungs-Karte im Dashboard rankt diese fünf Tools (plus Excalidraw + Obsidian) gegen dein Profil, sodass du siehst, worauf du dich für deine aktuelle Lernform stützen solltest.

Werkzeuge

Warum das wichtig ist

Die Medium-Artikelserie Von Theorie zur Praxis ist das intellektuelle Fundament. AdaptiveLearner ist die ingenieurs- mäßige Übersetzung: ein Werkzeug, das die Argumente des Artikels in eine tägliche Praxis übersetzt. Die Artikel erklären, WARUM sechs Methoden, WARUM sieben Schritte, WARUM adaptives Wechseln. Diese App gibt dir einen Ort, wo du es tatsächlich tun kannst.

Die Artikel sind keine Pflichtlektüre. Aber wenn du verstehen willst, warum wir es so gebaut haben, ist das die Quelle. Links im README.