Diese Seite ist maschinell übersetzt und kann Ungenauigkeiten enthalten. Maßgeblich ist die englische Fassung. Zur englischen Fassung
Spaced Repetition (verteiltes Lernen) heißt, mehrmals mit Abständen dazwischen zum selben Stoff zurückzukehren, statt alles auf einmal zu lernen, um ihn länger zu behalten.
Statt etwas zehnmal hintereinander zu lesen, kommst du an Tag eins darauf zurück, an Tag drei, eine Woche später, einen Monat später. Der Abstand selbst ist der Mechanismus — er verändert, wie viel übrig bleibt.
Nach einer Pause hast du den Inhalt halb vergessen, und genau diese Mühe beim Abrufen stärkt die Erinnerung. Pauken sieht in einem Test unmittelbar danach besser aus und Wochen später schlechter; verteiltes Lernen zeichnet die umgekehrte Kurve.
In der Praxis braucht das einen Scheduler, der entscheidet, wann jede Karte wiederkommt. Ankis SM-2 und das neuere FSRS sind die bekannten.
Zitiert wird hier ausschließlich Peer-Review-Forschung.
Ebbinghaus lernte sinnlose Silben auswendig, mit sich selbst als einzigem Probanden, und maß, wie viel er über die Zeit behielt. Das ist die Vergessenskurve, und dort beginnt die Idee.
Es ist zugleich ein Selbstversuch mit einer einzigen Person an sinnlosen Silben. Nichts garantiert, dass sich die Zahlen auf das Lernen echter Vokabeln übertragen lassen.
Cepeda et al. (2006) haben die Literatur zum verteilten Lernen für verbales Erinnern zusammengeführt und berichten, dass verteiltes Lernen massiertes Lernen beim Behalten schlägt. Als Review und quantitative Synthese statt eines einzelnen Experiments ist das ein stärkerer Beleg als jede Einzelstudie.
Cepeda et al. (2008) zeigten, dass der optimale Abstand keine Konstante ist: Er skaliert damit, wie weit der Test entfernt ist. Je länger du dir etwas merken musst, desto größer sollten die Abstände sein.
🔴 Das ist der praktisch wichtige Punkt. Es gibt kein einziges richtiges Intervall — und genau deshalb existiert überhaupt ein Scheduler.
Settles und Meeder (2016) trainierten ein Behaltensmodell (HLR) auf Duolingos großflächigen Wiederholungsprotokollen und behandelten die Wahl des Intervalls als Problem des maschinellen Lernens. Es ist einer der Bezugspunkte für die Scheduler-Arbeit seither.
Behauptungen, die im Namen von Spaced Repetition aufgestellt werden und die die Belege nicht stützen.
Was Cepeda et al. (2008) gezeigt haben, ist, dass der optimale Abstand von dem Behaltenszeitraum abhängt, der dich interessiert. Eine Tabelle, die du irgendwo gefunden hast, hat keinen besonderen Grund, zu deinem Ziel zu passen.
Ebbinghaus arbeitete mit einer einzigen Versuchsperson und mit sinnlosen Silben. „Du vergisst 42 % in 20 Minuten“ direkt auf fremdsprachige Vokabeln zu übertragen, ist ein Sprung.
Belegt ist das langfristige Behalten. Es ist kein Befund, dass die gesamte Lernzeit sinkt. Für eine Prüfung nächste Woche kann Pauken tatsächlich gewinnen.
„Der vorhergesagte Wiederholungszeitpunkt hat gestimmt“ und „diese Person hat mehr gelernt“ sind nicht dieselbe Größe. Was wir veröffentlichen, ist das Erste.
LangDict nutzt Spaced Repetition, und wir prüfen diese Entscheidung, indem wir die Vorhersagegenauigkeit messen.
Wenn der optimale Abstand von der Situation abhängt, kann eine feste Tabelle nicht die Antwort sein — ein Modell muss entscheiden. In LangDict setzt unser eigenes Modell Lexa das nächste Wiederholungsdatum.
Lexa liest nicht nur die Karte, die vorhergesagt werden soll, sondern die Wiederholungshistorie der anderen Karten derselben Person als Kontext, wodurch ein einziges gemeinsames Modell ohne eine Anpassungsphase pro Nutzer personalisieren kann.
Wir veröffentlichen den Vergleich gegen die Standardeinstellungen von FSRS-7 auf drei öffentlichen Benchmarks (Anki / Duolingo / maimemo), zusammen mit der Metrik, der Datenaufteilung und den Scores. Verglichen wird die Vorhersagegenauigkeit der Behaltensleistung, nicht Lernergebnisse.
LangDict ansehen →The Lexa research report →Ebbinghaus, H. (1885). Über das Gedächtnis: Untersuchungen zur experimentellen Psychologie. Leipzig: Duncker & Humblot.
Aufgeführt sind nur Werke, deren Autor, Jahr und Publikationsort wir am Original geprüft haben. Bei Zeitschriftenartikeln wurden zusätzlich Band, Heft und Seiten gegen Crossref geprüft.
Last updated: July 2026