Adaptivität beginnt nicht bei „leichter oder schwerer“

Viele Lernplattformen beschreiben sich als adaptiv. Gemeint ist häufig ein einfaches Prinzip:

Wer mehrere Aufgaben richtig löst, erhält schwierigere Aufgaben. Wer Fehler macht, erhält leichtere.

Diese Logik ist nachvollziehbar, reicht aber nicht aus, um mathematisches Lernen sinnvoll zu individualisieren. Denn aus einer falschen Antwort folgt noch nicht, was als Nächstes leichter sein sollte.

Schwierigkeit hat mehrere Dimensionen

Eine Aufgabe kann aus sehr unterschiedlichen Gründen schwierig sein: Der Zahlenraum ist zu groß, die Sprache unnötig kompliziert, die Darstellung ungewohnt, eine tragfähige Vorstellung fehlt, oder es müssen zu viele Informationen gleichzeitig verarbeitet werden.

Zwei Aufgaben, die statistisch gleich häufig falsch gelöst werden, können daher völlig unterschiedliche Anforderungen stellen.

Auch zwei Kinder mit demselben Ergebnis benötigen nicht zwangsläufig dieselbe nächste Aufgabe.

Kind A versteht das mathematische Konzept, rechnet aber unsicher. Kind B beherrscht das Verfahren, kann es aber nicht mit einer Darstellung verbinden. Kind C hat die Aufgabe sprachlich missverstanden.

Alle drei nur auf eine „leichtere Stufe“ zurückzusetzen, wäre keine echte Adaptivität, sondern lediglich eine Sortierung nach Erfolgsquote.

Zwei Ebenen: Makro- und Mikroadaptivität

MatheZeit unterscheidet zwischen zwei Ebenen der Anpassung.

Makroadaptivität betrifft den längerfristigen Lernweg: Welche Inhalte folgen aufeinander? Welche Kompetenz sollte wiederholt werden? Welche Aufgabenfamilie passt zum bisherigen Lernstand?

Diese Ebene liegt bei MatheZeit nicht verdeckt im System. Die Lehrkraft sieht in den Auswertungen ihres Dashboards, wo ihre Klasse steht, und steuert den längerfristigen Lernweg auf dieser Grundlage selbst.

Mikroadaptivität betrifft den konkreten Moment innerhalb einer Aufgabe: Welche Reaktion hilft nach genau dieser Eingabe weiter?

Gerade in der Grundschule ist die zweite Ebene oft entscheidender.

Ein Kind benötigt oft weder ein anderes Thema noch eine neue Schwierigkeitsstufe, sondern einen anderen Zugang zu demselben Problem.

MatheZeit ermöglicht deshalb unterschiedliche adaptive Reaktionen:

• Komplexität reduzieren: kleinere Zahlen oder weniger gleichzeitige Schritte,
• Darstellung wechseln: von Symbolen zu Material, Bild, Zahlengerade oder Handlung,
• Teilproblem isolieren: nur den kritischen Schritt bearbeiten,
• Kontrast erzeugen: zwei ähnliche Fälle vergleichen,
• Strategie aktivieren: an eine bekannte Zerlegung oder Beziehung erinnern,
• Rückmeldung verzögern: einen zweiten eigenständigen Versuch ermöglichen,
• Unterstützung erhöhen: vom offenen Impuls zum konkreteren Hinweis wechseln.

Die Aufgabe wird dadurch nicht nur leichter oder schwerer — es ändert sich die Art des Zugangs.

Ein Beispiel: andere Darstellung statt kleinerer Zahlen

Nehmen wir an, ein Kind löst die Aufgabe 42 − 17 falsch.

Eine klassische adaptive Plattform könnte anschließend 32 − 11 anbieten. Die Zahlen sind kleiner. Das zugrunde liegende Problem bleibt möglicherweise unverändert.

Wenn das Kind nicht versteht, warum beim Zehnerübergang ein Zehner zerlegt wird, ist eine kleinere symbolische Aufgabe nicht zwangsläufig hilfreich.

Eine sinnvollere Reaktion könnte sein, 42 als vier Zehner und zwei Einer darzustellen. Das Kind verändert einen Zehner in zehn Einer und führt die Subtraktion anschließend in der Darstellung aus.

Die mathematische Anforderung bleibt dabei bestehen; sie wird lediglich zugänglich gemacht. Darin liegt ein wesentlicher Unterschied:

Gute Adaptivität reduziert nicht automatisch die Mathematik. Sie verändert die Unterstützung so, dass das Kind weiterhin an der Mathematik arbeiten kann.

Das Assistance Dilemma

Tutorsysteme stehen vor einem grundlegenden Problem: Wie viel Hilfe ist sinnvoll?

Zu wenig Hilfe kann zu Frustration und unproduktivem Feststecken führen. Zu viel Hilfe kann die eigentliche Denkarbeit übernehmen.

Forschung zu intelligenten Tutorsystemen bezeichnet dies als „Assistance Dilemma“. Auch die Nutzung von Hinweisen ist nicht automatisch positiv. Hilfe kann lernförderlich sein, wenn sie bei einem anspruchsvollen Schritt gezielt eingesetzt wird. Das bloße schnelle Durchklicken von Hinweisen kann dagegen mit geringerem Lernen zusammenhängen.

Für Mazio bedeutet das: Ein guter Hinweis muss nicht nur fachlich richtig sein, sondern auch zur richtigen Zeit und auf der richtigen Stufe erscheinen.

MatheZeit arbeitet deshalb mit einer Hinweisleiter:

1. Aufmerksamkeit auf den relevanten Aspekt richten,
2. eine Frage zum bisherigen Lösungsweg stellen,
3. eine geeignete Darstellung anbieten,
4. eine bekannte Strategie aktivieren,
5. zuletzt den nächsten Teilschritt so klein machen, dass das Kind ihn selbst gehen kann.

Eine vollständige Lösung gibt Mazio dabei nie vor. Auch auf der höchsten Stufe bleibt der letzte Schritt beim Kind: Es löst die Aufgabe am Ende selbstständig.

Ziel ist dabei nicht, möglichst schnell zur richtigen Antwort zu gelangen, sondern mit möglichst wenig Unterstützung wieder eigenständiges Denken zu ermöglichen.

Lernermodell und Aufgabenmodell

Viele Systeme sprechen von einem Lernermodell: Sie schätzen, welche Kompetenzen ein Kind beherrscht und welche nicht.

Das ist sinnvoll, aber unvollständig.

Ebenso wichtig ist ein präzises Aufgabenmodell:

• Welche Teilkompetenzen werden benötigt?
• Welche Darstellungen kommen vor?
• Welche Schritte sind möglich?
• Welche Parameter bestimmen die Schwierigkeit?
• Welche Fehler sind fachlich interpretierbar?
• Welche Hilfen passen zu welchem Schritt?
• Welche Antworten sind korrekt, aber unerwartet?

Ohne dieses Aufgabenmodell kann ein System zwar statistische Muster erkennen, es versteht aber nicht ausreichend, worauf es reagieren soll.

Bei MatheZeit ist die Adaptivität deshalb in die Struktur der Aufgabenfamilien eingebaut und nicht als übergeordneter Algorithmus von den Inhalten getrennt. Das ist aufwendiger, aber kontrollierbarer und fachlich präziser.

KI innerhalb fester fachlicher Regeln

Große Sprachmodelle können flexible Erklärungen formulieren und freie Eingaben verarbeiten. Sie können jedoch auch plausible, aber falsche oder didaktisch ungeeignete Antworten erzeugen.

Deshalb wird nicht jede adaptive Entscheidung an ein Sprachmodell delegiert.

In MatheZeit definieren feste fachliche Regeln den Raum zulässiger Reaktionen. Die KI arbeitet innerhalb dieses Raums:

• Sie kann eine Erklärung sprachlich anpassen.
• Sie kann eine offene Antwort einem bekannten Lösungsweg zuordnen.
• Sie kann Rückfragen formulieren.
• Sie kann zwischen mehreren didaktisch freigegebenen Hinweisen auswählen.

Sie entscheidet jedoch nicht spontan, welches mathematische Konzept als Nächstes unterrichtet wird, wenn dafür keine kontrollierte Grundlage vorliegt.

Die KI erweitert damit die Flexibilität des Systems; seine Verlässlichkeit kommt aus dem didaktischen Modell.

Unterstützung wird wieder abgebaut

Ein dauerhaft maximal angepasstes System klingt zunächst ideal. Lernen bedeutet jedoch auch, zunehmend ohne Unterstützung handeln zu können. Deshalb baut gute Adaptivität ihre Hilfen wieder ab.

Eine Darstellung wird zunächst angeboten und später entfernt. Ein Hinweis wird bei der nächsten ähnlichen Aufgabe nicht automatisch gezeigt. Ein Teilschritt wird erst unterstützt und anschließend wieder dem Kind überlassen.

Ziel ist nicht, dass sich das System immer genauer an die Abhängigkeit des Kindes anpasst, sondern dass das Kind das System zunehmend weniger benötigt.

Metaanalysen zeigen, dass intelligente Tutorsysteme Lernleistungen verbessern können. Sie zeigen aber nicht, dass jede Form von Personalisierung wirksam ist. Die Wirkung hängt von der konkreten Gestaltung, dem Inhalt und der Einbettung ab.

Für MatheZeit ist Adaptivität deshalb kein einzelnes Feature, sondern die Fähigkeit, nach einer konkreten Handlung eine fachlich begründete nächste Lernhandlung zu ermöglichen – und die Unterstützung schrittweise wieder zurückzunehmen.