Der Sieben-Schritt-Zyklus

Jede Session läuft durch einen 7-Schritt-Lernzyklus. Die Schritte kommen aus der Artikel-Serie Von Theorie zur Praxis und spiegeln den tatsächlichen kognitiven Bogen beim Erwerb einer neuen Fertigkeit.

Der Bogen

#	Schritt	Was kognitiv passiert
1	Input	Erste Begegnung mit dem Stoff
2	Versuch	Anwendung versuchen
3	Fehler	Erkennen, dass die Anwendung danebenging
4	Feedback	Verarbeiten, warum der Fehler passierte
5	Anpassen	Mentales Modell anpassen
6	Wiederholen	Mit angepasstem Modell üben
7	Integrieren	Mit dem weiteren Kontext verknüpfen

Warum diese Reihenfolge

Sie ist nicht nur bequem — jeder Schritt hängt vom vorherigen ab:

• Input → Versuch ist nicht trivial. Viele Lerner überspringen Versuch und gehen direkt vom Input zu "ich probier's später." Diese Verzögerung erodiert den Abruf. Schritt 2 erzwingt sofortige Anwendung.
• Versuch → Fehler ist die produktive Reibung. Der Fehler ist Information. Eine Lern-Session, die Fehler durch nur einfache Fragen vermeidet, sagt dir nichts über dein Verständnis.
• Fehler → Feedback ist, wo das tiefste Lernen passiert. Derselbe Fehler sofort erklärt, mit Bezug auf deinen konkreten Versuch, landet; derselbe Fehler eine Stunde später aus dem Lehrbuch nicht.
• Feedback → Anpassen ist intern. Die KI kann diesen Schritt nicht sehen passieren; du machst ihn im Kopf. Schritt 5 im KI-Prompt lädt dich bewusst dazu ein, zu artikulieren, was du an deinem Vorgehen geändert hast.
• Anpassen → Wiederholen verifiziert die Anpassung. Die neue Übungsaufgabe nutzt dasselbe Prinzip in leicht anderer Form, sodass die Anpassung generalisieren muss.
• Wiederholen → Integrieren hebt die Fertigkeit aus isolierter Übung und verknüpft sie mit anderem Wissen. Das macht Lernen haltbar.

Was, wenn du einen Schritt überspringst

Jeder übersprungene Schritt kostet dich:

• Input überspringen: du versuchst, etwas anzuwenden, das du nie erklärt bekommen hast. Fühlt sich wie Rumfuchteln an.
• Versuch überspringen: du liest die Regel und unterstellst, dass du sie verstehst. Monate später merkst du, dass nicht.
• Fehler überspringen: du produzierst keinen Fehler, den die KI diagnostizieren kann. Lernen versickert.
• Feedback überspringen: du hattest einen Fehler, hast aber die Erklärung nicht verarbeitet. Bei der nächsten Session machst du denselben Fehler.
• Anpassen überspringen: du hast zum Feedback genickt, aber dein mentales Modell nicht wirklich geändert. Der nächste Versuch deckt es auf.
• Wiederholen überspringen: du hast einmal angepasst, aber nicht verifiziert, dass die Anpassung generalisiert. Die Fertigkeit überträgt sich nicht in eine andere Oberflächenform.
• Integrieren überspringen: die Fertigkeit bleibt in einem Silo. Du schaffst sie in Übungsaufgaben, aber nicht in einer realen Situation.

Der Dual-Prompt-KI-Bewerter beobachtet deine Austausche und kann vorschlagen, auf dem aktuellen Schritt zu bleiben, wenn du einen kognitiven Takt übersprungen hast. Darum existieren "Bleib hier"-Vorschläge — sie sind nicht die KI, die nervt.

Wie die KI entscheidet

Nach jeder user-Nachricht + KI-Antwort feuert ein zweiter KI-Aufruf mit diesem System-Prompt (sinngemäß):

Lies den Austausch. Hat der Lerner den aktuellen Zyklus- Schritt abgeschlossen? Liefere JSON: {advance, confidence, reason, suggested_step}.

Das Schema erzwingt ein einzelnes JSON-Objekt; wenn die KI nicht parsbaren Text liefert, springt ein deterministisches +1-Fallback (gedeckelt auf Schritt 7).

suggested_step kann sein:

• current + 1 — normaler Vorschub (am häufigsten).
• current — bleiben; der Lerner braucht hier mehr Zeit.
• Sprung vorwärts (z.B. 1 → 3) — der Lerner hat den Input schon erfasst.
• Schritt zurück (z.B. 4 → 2) — der Lerner ist verwirrt und muss erneut versuchen.

Die Route wendet den Vorschlag nur an, wenn confidence >= 0.6 (Standard von step_evaluation.confidence_threshold in app.yaml). Fallback-Urteile wenden den +1-Advance immer an.

Warum Dual-Prompt statt Single

Derselbe KI-Aufruf könnte sowohl die Lernantwort ALS AUCH das Schritt-Urteil liefern. Tun wir nicht, weil:

1. Trennung der Anliegen — der Lern-Prompt ist pro (Methode, Schritt) komponiert. Der Bewerter-Prompt ist methoden-bewusst, aber schritt-agnostisch.
2. Token-Budgets — die Lernantwort profitiert von 1024 Tokens; das Urteil braucht nur 256.
3. JSON-Parse-Robustheit — die KI zu bitten, Prosa UND ein JSON-Schwänzchen in einer Antwort zu liefern, ist fragil. Wir fragen zweimal, parsen sauber.
4. Replay-Fähigkeit — wenn etwas merkwürdig läuft, haben wir die zwei Antworten getrennt geloggt und können auditieren.

Der Preis sind zwei API-Calls pro Roundtrip. Bei billig-Tier-Preisen (claude-haiku, gpt-4o-mini, gemini-flash) ein Bruchteil eines Cents pro Austausch.

Zyklus-Fortschrittsanzeige

Die Session-Seite rendert oben einen 7-Kreise-Streifen. Gefüllt = erledigt; der aktuelle Schritt-Kreis ist in der Akzentfarbe des Projekts und pulsiert leicht während die KI nachdenkt. Bei Schritt-Übergängen (vor oder zurück) animiert der Streifen, sodass sich der Zyklus lebendig anfühlt.

Auf Mobile (≤768px) wird der Streifen zu einer einzigen horizontalen Reihe kleiner Kreise, um Vertikalplatz zu sparen.