Zehn Minuten in der S-Bahn, fünf Minuten vor dem Meeting, eine Viertelstunde vor dem Einschlafen. Bisher war das ungenutztes Potenzial oder bestenfalls ein Podcast im Hintergrund. Microlearning mit KI macht daraus etwas, das im Kopf bleibt.
Inhaltsverzeichnis
Microlearning ist keine neue Idee. Karteikarten gibt es seit dem 19. Jahrhundert, Sprachlern-Kassetten seit den 1960ern, später kamen Apps wie Duolingo, Quizlet, Anki. Das Prinzip war immer dasselbe. Stoff in kleine Einheiten zerlegen, wiederholen, fertig. Was sich geändert hat, ist der Rückkanal.
Microlearning bezeichnet eine Lernstrategie, bei der Inhalte in kurze, abgeschlossene Einheiten von fünf bis fünfzehn Minuten zerlegt werden. Ziel ist es, die begrenzte Kapazität des Arbeitsgedächtnisses nicht zu überlasten und durch gezielte Wiederholung das Langzeitgedächtnis zu stärken.
Klassisches Microlearning war häufig passiv. Man las, hörte, schaute, hakte ab. Die KI macht aus dieser Einbahnstraße einen Dialog. Sie fragt, korrigiert, wechselt das Niveau, schiebt nach. Wer Glück hatte, kannte das früher von einem geduldigen Nachhilfelehrer. Heute reicht ein Browserfenster.
Warum kleine Häppchen besser funktionieren
Der Psychologe Hermann Ebbinghaus hat vor über 130 Jahren gemessen, wie schnell frisch Gelerntes zerfällt. Ohne Wiederholung sind nach 24 Stunden rund ein Drittel der Inhalte abrufbar. Nach sechs Tagen knapp ein Viertel. Seine Vergessenskurve ist das unbequeme Fundament, auf dem jede Lernmethode steht, die funktionieren will.
Microlearning arbeitet mit diesem Zerfall, nicht dagegen. Kurze Einheiten, zeitlich verteilt, mit Abfragen dazwischen. Spaced Repetition nennt sich das Verfahren, und es gehört zu den am besten belegten Methoden der Lernforschung. Wer Informationen kurz vor dem Vergessen wiederholt, verankert sie tiefer als durch stundenlanges Pauken am Stück.
Dazu kommt ein zweiter Effekt aus der Gedächtnisforschung, den der Psychologe Robert Bjork »desirable difficulty« nennt. Wer sich beim Lernen leicht anstrengen muss, behält mehr. Eine kurze Pause zwischen zwei Einheiten zwingt das Gehirn dazu, das Gelernte aktiv abzurufen, statt es nur passiv wiederzuerkennen. Genau diesen Abstand erzeugen Microlearning-Systeme planvoll.
Soweit die Theorie. In der Praxis scheiterte das häufig daran, dass die Wiederholung zum falschen Zeitpunkt kam, die Inhalte nicht passten oder schlicht niemand daran erinnerte. Das ändert sich gerade.
Was macht Microlearning mit KI anders?
Drei Dinge unterscheiden KI-gestütztes Microlearning von dem, was vorher da war.
Erstens, adaptive Schwierigkeit. Eine KI merkt, welche Fragen du richtig beantwortest und welche nicht. Die nächste Einheit passt sich an. Was sitzt, wird seltener abgefragt; was nicht sitzt, kommt häufiger. Das klingt banal. Klassische Karteikartensysteme konnten Wiederholungs-Intervalle anpassen, nicht aber die Erklärung, den Kontext oder die Art der Frage.
Zweitens, personalisierte Inhalte. Du lernst nicht den gleichen Stoff wie alle anderen, sondern genau das, was dir fehlt. Eine KI kann aus einem langen Text die Kernbegriffe extrahieren, Quizfragen dazu formulieren und Zusammenhänge prüfen, die über reines Faktenwissen hinausgehen. Das funktioniert heute mit jedem größeren Sprachmodell, wobei die Qualität je nach Modell schwankt.
Drittens, erklärendes Feedback. Klassische Lern-Apps zeigten nur richtig oder falsch. Eine KI erklärt, warum etwas falsch war, bietet eine alternative Erklärung an und stellt die nächste Frage so, dass sie auf das Verstandene aufbaut. Der Unterschied zwischen einem KI-Privatlehrer und einem Multiple-Choice-Test ist erheblich.
In der Praxis sieht das so aus. Man lädt einen Fachartikel hoch, bekommt zehn Fragen, beantwortet drei davon falsch. Die KI erklärt genau diese Stellen, formuliert die Frage anders und prüft, ob es jetzt sitzt. Das ist der Unterschied zu einem statischen Test, der drei rote Kreuze setzt und einen mit dem Ergebnis allein lässt.
Klassisches und KI-gestütztes Microlearning im Vergleich
| Klassisch | Mit KI | |
|---|---|---|
| Auswahl der Inhalte | Vom Anbieter vorgegeben | Aus eigenem Material erzeugt |
| Schwierigkeit | Linear oder per Hand justiert | Adaptiv nach Antwortverhalten |
| Feedback | Richtig oder falsch | Erklärung, Beispiel, Nachfrage |
| Wiederholungsrhythmus | Festgelegtes Intervall | Dynamisch, nach Vergessenskurve |
| Aufwand für den Lernenden | Material suchen, Karten schreiben | Material einwerfen, Karten generieren |
| Schwächen | Wenig Anpassung an Vorwissen | Modellabhängige Faktenfehler, Halluzinationen |
Drei Wege zum eigenen Microlearning
Der erste Weg ist der einfachste. Fertige Tools nutzen. Apps wie Headway oder Blinkist fassen Sachbücher in kurze Lerneinheiten zusammen und kombinieren das mit Karteikarten, Gamification und täglichen Erinnerungen. Duolingo macht dasselbe für Sprachen. Das funktioniert für den Einstieg. Die Grenzen zeigen sich, wenn man etwas lernen will, das in keiner App vorkommt.
Der zweite Weg geht über Prompts. Du gibst einer KI dein Material und lässt dir Lerneinheiten generieren. Quizfragen, Zusammenfassungen, Erklärungen in aufsteigender Komplexität. NotebookLM eignet sich besonders gut für die Vorbereitung. Man wirft mehrere Quellen hinein, ein Skript, drei Fachartikel, ein paar Notizen, und lässt die KI daraus eine Synthese bauen. Die dient als Grundlage für eigene Lernkarten oder einen Audio-Podcast zum Anhören.
Wer Lernen mit KI ernst meint, kombiniert beides. Aufbereitung mit dem einen Tool, Abfrage mit dem anderen. Der Prompt für die Abfrage ist simpel.
Du bist mein Tutor für [THEMA]. Stelle mir eine Frage dazu. Wenn ich antworte, sag mir, ob es stimmt, erkläre kurz warum, und stelle die nächste Frage. Steigere die Schwierigkeit langsam. Frag nach 5 Fragen, ob ich weitermachen will.Der dritte Weg ist der konsequenteste. Statt eine fertige App zu nutzen oder Prompts zu schreiben, baut man sich das Werkzeug selbst, mit der KI als Programmierer. Vibe Coding macht das möglich, also das Erstellen funktionierender Software allein durch Beschreibung in natürlicher Sprache. Wer den Stoff durchdringen will, formuliert beim Bauen automatisch die richtigen Fragen, stuft Schwierigkeiten ab und entscheidet, was wesentlich ist. Das Bauen ist selbst schon Microlearning. Wie das in der Praxis aussieht, zeigt der Erfahrungsbericht zur Vanki-Lernkarten-App.
Wo stößt Microlearning an seine Grenzen?
Nicht alles lässt sich in Häppchen zerlegen. Wer eine mathematische Beweisführung verstehen will, braucht den Zusammenhang. Wer einen Roman liest, braucht den Bogen. Wer eine Programmiersprache lernt, braucht irgendwann zusammenhängende Projekte, nicht nur isolierte Übungen.
Microlearning funktioniert dort, wo Faktenwissen, Vokabeln, Definitionen, Abläufe oder Konzepte verankert werden sollen. Es versagt bei allem, was erst im Zusammenspiel Sinn ergibt. Ein Chirurg kann Anatomie in Lernkarten zerlegen. Aber das Operieren lernt er nicht in 10-Minuten-Einheiten.
Dazu kommt ein zweites Problem, das mit den Werkzeugen selbst zu tun hat. KI-generierte Lerninhalte sind nur so gut wie das Modell und die Quellen. Wer Geschichte mit einer KI lernt, die Jahreszahlen halluziniert, lernt mit Hingabe Unsinn. Hier hilft nur, das Material vorher zu kuratieren und Stichproben zu prüfen. Aufwand, der bleibt.
Die Gefahr besteht darin, Microlearning mit Lernen gleichzusetzen. Es ist ein Werkzeug, kein Ersatz. Wer ausschließlich in Häppchen lernt, riskiert, dass das große Bild verloren geht.
Trotzdem. Für das, was es kann, ist es womöglich die effizienteste Methode, die es gibt. Mit KI wird sie besser als jemals zuvor. Nicht weil die Technik den Lernprozess übernimmt, sondern weil sie dem Lernenden erlaubt, sein eigenes System zu bauen. Eines, das zu ihm passt, nicht zu irgendeinem Durchschnitt. (lk)
