Wie Menschen lernen
Warum sich effektives Lernen oft anstrengend anfühlt, und was dabei tatsächlich im Kopf passiert.
In diesem ersten Teil legen wir die wissenschaftlichen Grundlagen: Wie funktioniert Lernen aus der Perspektive der kognitiven Psychologie? Was passiert im Gehirn, wenn wir Neues lernen? Und warum ist das, was sich wie Lernen anfühlt, oft das Gegenteil?
Ohne dieses Grundverständnis lassen sich später kaum informierte Entscheidungen über den Einsatz von KI in der Lehre treffen.
Vom Wissen zum Können: Was beim Aufbau von Expertise im Kopf passiert
Präsentiere die Slides (ca. 20-25 Min). Zwei Mikropausen einbauen (je 30 Sek): eine nach den CLT-Slides, eine nach dem Lernparadox. Die Digit Span Demo kommt nach dem Abschnitt über Arbeitsgedächtnis. Nach den Slides folgen die Gedächtnis-Aktivierungen, dann die Fallstudien-Analyse in Paaren.
Digit Span Demo: Wie viele Zahlen kannst du dir merken?
- Die Kursleitung liest Zahlenfolgen vor (beginnend mit 4 Ziffern)
- Nach jeder Folge: aufschreiben, was du behalten hast
- Wann wird es schwierig?
Die Pointe: Dieses Erlebnis ist die Lernarchitektur. Jeder Gedanke eurer Studierenden durchläuft genau diesen Flaschenhals.
Diese Übung demonstriert den Flaschenhals des Arbeitsgedächtnisses, also genau das Konzept, das sie vermitteln soll. Die direkte Erfahrung macht das Konzept konkreter als jede Erklärung. Das ist Elaboration durch Erleben. Der Workshop modelliert, was er lehrt.
Versuche aus dem Gedächtnis: Was ist der Expertise Reversal Effect in einem Satz? Warum ist er für KI in der Lehre relevant?
Das ist keine Prüfung. Lücken sind willkommen: Sie zeigen dir, worauf du beim Weiterhören besonders achten kannst.
Versuche aus dem Gedächtnis zu notieren:
- Was sind die 4 Formen wünschenswerter Schwierigkeiten?
- Wähle eine davon und erkläre in einem Satz, warum sie funktioniert (welcher kognitive Mechanismus steckt dahinter?)
Wenn das schwierig ist: gut. Diese Anstrengung signalisiert, dass Abrufprozesse aktiv sind, und genau diese Prozesse (nicht die Anstrengung selbst) festigen das Gelernte. Das ist Abrufpraxis in Aktion.
Ihr werdet das Paradox der wünschenswerten Schwierigkeiten im Workshop mehrfach erleben: Die Abrufpraxis nach der Pause fühlt sich anstrengend an, die kollegiale Kurzberatung in Teil 3 wendet dasselbe Framework auf einen neuen Aufgabentyp an (Interleaving). Wenn es sich schwierig anfühlt, signalisiert das, dass lernrelevante Prozesse (Abruf, Schemabildung, Elaboration) aktiv sind.
Fallstudien-Analyse
Analysiert in Paaren ein Szenario-Paar (z.B. A1 und A2, oder B1 und B2), ein effektives und ein ineffektives Beispiel für KI-Integration in der Lehre.
Leitfrage: Welches Szenario erzeugt mehr Lernen? Warum?
Nutzt die Konzepte aus Teil 1:
- Arbeitsgedächtnis & Langzeitgedächtnis
- Prediction Error Learning
- Desirable Difficulties & metakognitive Falle
- Cognitive Load Theory (extrinsisch vs. germane)
Euer Ergebnis: Formuliert gemeinsam in 2-3 Sätzen: (1) Welcher kognitive Mechanismus wird im ineffektiven Szenario umgangen? (2) Wie stellt das effektive Szenario diesen Mechanismus wieder her? Seid bereit, eure Antwort in 30 Sekunden im Plenum vorzustellen.
Schreibe in einem Satz auf: Was ist die wichtigste Erkenntnis aus Teil 1 für deine eigene Lehre?
Diese Konsolidierung vor der Pause hilft, das Gelernte zu verankern, bevor neuer Input kommt.
Zum Nachlesen
Die folgenden Abschnitte vertiefen die Konzepte aus den Slides. Sie sind als Nachlese-Material für das Selbststudium gedacht.
Arbeitsgedächtnis: Der Flaschenhals
Unser Arbeitsgedächtnis kann nur 4±1 Elemente gleichzeitig verarbeiten. Jeder Denkakt (Verstehen, Problemlösen, Entscheiden) muss durch diesen Flaschenhals.
Wichtig: Die Zahl “4±1” gilt für einfache, unverbundene Elemente. Die effektive Kapazität hängt stark vom Vorwissen ab. Experten verarbeiten “F = ma” als einen Chunk, Anfänger als drei separate Elemente. Cowan (2010) beschreibt Arbeitsgedächtnis als aktivierte Teile des Langzeitgedächtnisses: Vorwissen kann schnell aktiviert werden und die aktuelle Verarbeitung unterstützen. Dasselbe Material, dieselbe Erklärung, aber eine fundamental unterschiedliche kognitive Aufgabe, je nach Vorwissen.
Und: Pausen sind keine verlorene Zeit. Das TBRS-Modell (Barrouillet und Camos 2015) zeigt, dass Aufmerksamkeit zwischen Verarbeitung und Auffrischung von Gedächtnisspuren geteilt werden muss. Schon kurze Mikropausen (30–60 Sekunden) zwischen Instruktionssegmenten geben dem Gehirn Zeit, zerfallende Spuren aufzufrischen. Ununterbrochene Vermittlung ist schädlicher als dieselbe Menge Inhalt mit Atempausen.
Vertiefung: Arbeitsgedächtnis und Instruktion. Die vier Modelle des Arbeitsgedächtnisses und was sie für die Lehre bedeuten
Langzeitgedächtnis: Der unbegrenzte Speicher
Das Langzeitgedächtnis ist praktisch unbegrenzt, aber passives Aufnehmen genügt nicht. Die Eintrittskarte sind aktive kognitive Prozesse: Abrufen, Elaborieren und Verknüpfen.
Dabei ist “Gedächtnis” kein einheitliches System: Deklaratives Wissen (Fakten, Konzepte) und prozedurales Wissen (Fertigkeiten, Abläufe) folgen unterschiedlichen Regeln und erfordern unterschiedliche Instruktionsansätze. Und der Übergang von episodischem Erinnern (“die Dienstags-Vorlesung in Raum 204”) zu semantischem Wissen (“Regression minimiert quadrierte Residuen”) geschieht nicht automatisch, sondern erfordert variierende Begegnungen und aktiven Abruf.
Was unterscheidet Anfänger von Experten?
Experten haben kein grösseres Arbeitsgedächtnis. Sie haben ein besser organisiertes Langzeitgedächtnis mit reichen, vernetzten Schemas, die als “Chunks” funktionieren.
| Anfänger | Experte | |
|---|---|---|
| Wissen | Isolierte Fakten (deklarativ) | Vernetzte Schemas (prozedural) |
| Verarbeitung | Bewusst, langsam, fehleranfällig | Automatisiert, schnell, flexibel |
| Arbeitsgedächtnis | Schnell überlastet | Effizient durch Chunking |
Wissenskompilation: Der Lernprozess
Der Weg vom Anfänger zum Experten verläuft nach ACT-R (Anderson 1982) über Wissenskompilation: Deklaratives Wissen (Regeln, die man bewusst anwendet) wird durch tausende Übungszyklen mit Feedback zu prozeduralem Wissen (automatisierte Produktionsregeln). Dieser Prozess erfordert aktive Verarbeitung, Übung und Rückmeldung.
Ergänzend dazu beschreibt die Forschung zu Vorhersagefehlern (aus einer anderen theoretischen Tradition) einen weiteren wichtigen Lernmechanismus: Das Gehirn bildet Erwartungen, vergleicht sie mit der Realität und aktualisiert seine internen Modelle bei Diskrepanzen. Zusammen mit Konsolidierung, Elaboration und Mustererkennung erklären diese Mechanismen, warum die didaktischen Strategien funktionieren, die wir gleich kennenlernen.
Überraschung aus der Motorik-Forschung: Explizites, strategisches Denken nimmt mit Expertise zu, allerdings auf einer höheren Ebene. Experten automatisieren Grundkomponenten, denken aber bewusster über übergeordnete Strategien nach als Anfänger.
Expertise Reversal Effect
Was Anfängern hilft, schadet Experten, und umgekehrt:
- Worked Examples sind für Anfänger effektiver als Problemlösen
- Für Experten kehrt sich dieser Effekt um
- Die Asymmetrie zwischen Anfängern und Experten wird ein zentrales Thema für KI in der Lehre
Wünschenswerte Schwierigkeiten (Desirable Difficulties)
Vier Strategien, die sich schwerer anfühlen, aber nachweislich besseres Lernen erzeugen:
- Abrufpraxis (Retrieval Practice): Aktives Erinnern statt Wiederlesen
- Verteiltes Lernen (Spacing): Über Zeit verteilen statt Pauken
- Abwechslung (Interleaving): Aufgabentypen mischen statt blockweise üben
- Generierungseffekt: Selbst produzieren statt passiv aufnehmen
Die metakognitive Falle
Was sich wie Lernen anfühlt, ist oft keines. Was sich schwierig anfühlt, produziert oft das beste Lernen.
Fliessend lesen = “Ich verstehe das”. Aber: Vertrautheit ist nicht Verständnis. Die metakognitive Falle: Subjektive Leichtigkeit ist ein schlechter Indikator für tatsächliches Lernen.
Cognitive Load Theory
Zwei Quellen kognitiver Belastung:
| Typ | Beschreibung | Ziel |
|---|---|---|
| Intrinsisch | Komplexität des Materials selbst (abhängig von Elementinteraktivität und Vorwissen) | Angemessen dosieren |
| Extrinsisch | Schlechtes Design, Ablenkung, trägt nicht zum Lernen bei | Minimieren |
Das Designprinzip: Extrinsische Last reduzieren → Arbeitsgedächtnisressourcen freisetzen, damit sie für die produktive Verarbeitung der intrinsischen Komplexität zur Verfügung stehen. In der älteren CLT-Literatur hiess diese produktive Verarbeitung “germane load”; heute spricht man präziser von germane processing, also der lernrelevanten Auseinandersetzung mit dem Material.
Die Konzepte aus Teil 1 stammen aus verschiedenen Forschungstraditionen, ergänzen sich aber für die Lehrpraxis:
- Cognitive Load Theory erklärt, wie Instruktionsdesign die Arbeitsgedächtnisbelastung optimieren kann (extrinsische Last minimieren, produktive Verarbeitung ermöglichen)
- Desirable Difficulties beschreiben Lernbedingungen, die sich schwierig anfühlen, aber langfristiges Behalten fördern (Abrufpraxis, Spacing, Interleaving, Generierung)
- Wissenskompilation (ACT-R) modelliert den Übergang von deklarativem zu prozeduralem Wissen durch Übung und Feedback
- Vorhersagefehler beschreiben, wie das Gehirn aus Diskrepanzen zwischen Erwartung und Erfahrung lernt
Gemeinsam ist diesen Ansätzen: Lernende müssen aktiv verarbeiten (abrufen, elaborieren, vergleichen, anwenden). Diese Prozesse fühlen sich oft anstrengend an, und genau das signalisiert, dass Lernen stattfinden kann.
Tulvings Encoding-Specificity-Prinzip (2002) zeigt: Gedächtnisabruf funktioniert am besten, wenn der Abrufkontext mit dem Lernkontext übereinstimmt. Studierende “wissen” oft etwas im Vorlesungskontext, können aber in der Prüfung nicht darauf zugreifen, weil der Abrufpfad kontextabhängig ist. Das ist ein starkes Argument für variierende Kontexte beim Üben und für Interleaving: Jeder neue Kontext schafft zusätzliche Abrufpfade und macht Wissen transferierbarer.
Vertiefende Ressourcen
Für das Selbststudium
- Arbeitsgedächtnis und Instruktion. Die vier Modelle des Arbeitsgedächtnisses und was sie für Lehrdesign bedeuten
- Gedächtnis und Lernen. Wie Erinnerungen entstehen, sich verändern und warum Abruf der stärkste Lernmechanismus ist
- Wie man Kompetenzen erwirbt. Wissenschaftliche Grundlagen der Expertise-Entwicklung