Wo ist eigentlich der Nürnberger Trichter?

Der Traum ist erstaunlich robust. Man setzt sich hin, lernt eine Weile – und kann es dann.

Beim Französisch hieße das: Man sitzt irgendwo in Frankreich, jemand spricht in völlig normaler Geschwindigkeit – eine Rücksichtslosigkeit, mit der Sprachkurse ihre Teilnehmer nur begrenzt konfrontieren – und man antwortet einfach. Ohne zuerst einen deutschen Satz zu bauen, ihn innerlich durch die Grammatikabteilung zu schicken und anschließend zu hoffen, dass der Gesprächspartner noch da ist.

Bei einer Prüfung wäre der Wunsch kaum komplizierter: Was gestern beim Lernen verfügbar war, erscheint freundlicherweise auch heute. Und nach vielen Jahren im Beruf wäre es praktisch, wenn sich eine neue Generation von Technologien nicht nur verstehen, sondern irgendwann ebenso selbstverständlich benutzen ließe wie die alte.

Ich hätte von diesem Problem gerade mehrere Varianten im Angebot. Mein Französisch zeigt auch nach 122 Tagen Duolingo eine gewisse Eigenwilligkeit. Parallel liegen mehrere Wochen Vorbereitung auf die Prüfung zum Heilpraktiker für Psychotherapie hinter mir. Und nach mehr als 35 Jahren in der IT eigne ich mir noch einmal eine neue Generation von Technologien an.

Lebenslanges Lernen klingt in Sonntagsreden ausgesprochen sympathisch. Im wirklichen Leben beansprucht es überraschend viel Arbeitszeit.

Da liegt eine Frage nahe: Müsste das nicht inzwischen besser gehen?

Ein ziemlich alter Traum

Falls Sie jünger sind und sich gerade fragen, was Nürnberg damit zu tun hat: Der Nürnberger Trichter bezeichnet heute augenzwinkernd die Vorstellung, Wissen lasse sich einem Menschen nahezu mühelos einfüllen.

Der Ausdruck führt zurück zu Georg Philipp Harsdörffers Poetischem Trichter. Die erste Ausgabe erschien 1647 in Nürnberg; schon der Titel versprach, die deutsche Dicht- und Reimkunst in „VI Stunden“ einzugießen. [1] Ganz so mechanisch, wie die spätere Redensart klingt, war Harsdörffers Anliegen allerdings nicht. Das Germanische Nationalmuseum weist darauf hin, dass sich die spöttische Vorstellung vom gedankenlosen Eintrichtern erst später verselbständigte. [2]

Fast vierhundert Jahre später steht ein neuer Kandidat vor uns: künstliche Intelligenz.

Sie kann erklären, fragen, Aufgaben erzeugen, zuhören, sprechen, korrigieren und mit einer Geduld reagieren, die menschliche Lehrkräfte aus Gründen der Psychohygiene nicht zwingend anstreben sollten. Zum achtzehnten Mal denselben Grammatikfehler erklären? Kein Problem. Eine Aufgabe noch einmal anders formulieren? Ebenfalls.

Vom Lebenslauf her sieht das verdächtig nach Nürnberger Trichter aus.

Gut im Lernen – oder nur gut während des Lernens?

Dann stößt man auf eine Unterscheidung, die für diese Reise zentral werden sollte. Lernforschung trennt seit Langem zwischen Leistung während des Übens und dem, was später tatsächlich als Lernen verfügbar bleibt. Sichtbare Performance in einer Lernsituation ist nicht immer ein zuverlässiger Hinweis auf langfristiges Behalten oder Transfer. [3]

Das passt unangenehm gut zu meinen drei Baustellen. Eine App kann mir zeigen, dass ich Fortschritte mache. Eine Probeprüfung kann gut laufen. Ein Tutorial über eine neue IT-Technologie kann vollkommen einleuchtend sein. Und trotzdem bleibt offen, was davon später ohne dieselbe Unterstützung noch da ist.

Oder, etwas weniger wissenschaftlich formuliert: Manchmal läuft beim Lernen alles prächtig, bis das Lernen vorbei ist.

Genau dort interessiert mich KI. Nicht nur als Maschine, die noch schneller erklärt, sondern als mögliche Umgebung, in der Wissen abgerufen, verändert, ausprobiert und unter wechselnden Bedingungen wieder hervorgebracht werden muss.

Ermutigend – und noch lange kein Trichter

Beim Sprachlernen gibt es bereits erste ermutigende Befunde. Ein systematischer Review untersuchte 24 Studien zu KI-Chatbots im englischen Sprechtraining. Berichtet werden unter anderem Hinweise auf Verbesserungen bei Sprechleistung und Aussprache sowie auf positive Effekte bei Selbstvertrauen, Motivation und Sprechangst. Die Autoren bezeichnen das Feld zugleich ausdrücklich als noch jung. [4]

Das ist interessant. Es ist nur etwas anderes als der Nachweis, dass man nach einigen Wochen mit einem unbekannten Menschen spontan sprechen kann. Zwischen „im Lernsystem gelungen“ und „im wirklichen Gespräch verfügbar“ liegt offenbar ein Stück Weg, das sich nicht durch ein hübsches Fortschrittsdiagramm ersetzen lässt.

Dasselbe Problem taucht in Prüfungen und beim technischen Lernen auf. Für mich wird deshalb eine einfache Frage zum Prüfstein dieser Serie: Was bleibt übrig, wenn die Hilfe verschwindet und die Situation nicht mehr genauso aussieht wie beim Üben?

Eine Nebenstrecke aus der Bewegungsforschung

Bei der Recherche tauchte außerdem eine Spur aus einer zunächst unerwarteten Richtung auf. In einer Arbeit von Katrin Bekermann wird ein in der Forschung Nikolai Bernstein zugeschriebener Gedanke aufgegriffen: Üben als „Wiederholen ohne Wiederholung“. Gemeint ist nicht, eine fertige Lösung möglichst identisch zu reproduzieren, sondern den Lösungsprozess unter veränderten Bedingungen erneut hervorzubringen. [5]

Das stammt aus der Bewegungs- und Selbstorganisationsdiskussion und darf nicht einfach auf Französisch, Fachprüfungen oder IT übertragen werden. Als Forschungsfrage ist die Idee trotzdem reizvoll: Vielleicht besteht gute Übung nicht nur darin, dieselbe richtige Antwort häufiger zu erzeugen. Vielleicht braucht es Situationen, in denen man sich wieder neu zurechtfinden muss.

Für KI wäre das eine bemerkenswerte Rollenverschiebung. Sie müsste dann nicht möglichst oft zeigen, dass sie die Antwort kennt. Interessanter wäre, ob sie Bedingungen herstellen kann, unter denen ich meine Antwort zunehmend selbst hervorbringe.

Bevor wir dieser Spur weiter folgen, müssen wir allerdings etwas Grundsätzlicheres klären.

Woran erkennen wir eigentlich, dass gelernt wurde?

Wenn eine Aufgabe mit Unterstützung gelingt, ist das ein Erfolg. Wenn sie zehn Minuten später ohne Unterstützung gelingt, ist es ein anderer. Wenn das Wissen eine Woche später noch verfügbar ist oder in einer veränderten Situation eingesetzt werden kann, sind wir wieder bei anderen Fragen.

Das klingt nach einer begrifflichen Kleinigkeit. Für die Bewertung von Lern-Apps, KI-Tutoren, Prüfungsvorbereitung und Weiterbildung ist es eher unangenehm praktisch.

Denn solange wir nicht unterscheiden, was gerade gemessen wird, kann fast jedes System erfolgreich aussehen.

Die erste richtige Etappe unserer Reise beginnt deshalb nicht mit der Frage, welche KI am klügsten ist. Sie beginnt mit einem Moment, den vermutlich jeder kennt: Man hatte es gerade noch verstanden – und plötzlich ist es nicht mehr da.

Die nächste Folge trägt deshalb einen ziemlich schlichten Titel: Das wusste ich eben noch.