Zum Inhalt springen
Leitfaden

Adaptives Lernen: Definition, Beispiele und wie KI es umsetzt

Von Tarsus · Stand: November 2026 · Lesezeit etwa 10 Minuten

Definition

Adaptives Lernen ist ein Lernverfahren, bei dem sich Aufgaben, Erklärungen, Tempo und Wiederholungen laufend an den Lernstand der einzelnen Person anpassen. Ein adaptives Lernsystem schätzt diesen Lernstand aus den Antworten und wählt danach den nächsten Schritt: erklären, üben, wiederholen oder weitergehen.

  • Ein adaptives Lernsystem hat drei Teile: ein Wissensmodell (was zu lernen ist), ein Lernermodell (was die Person kann) und ein didaktisches Modell (was als Nächstes kommt).
  • Gute Systeme bewerten Antworten mit einer Erwartung: Eine richtig gelöste schwere Aufgabe zählt mehr als eine leichte.
  • Meta-Analysen finden für intelligente Tutorsysteme deutliche Lerneffekte, im Median rund zwei Drittel einer Standardabweichung gegenüber herkömmlichem Unterricht.
  • Mit KI entstehen Erklärungen, Beispiele und Übungen direkt aus vorhandenen Unterlagen, ohne jede Aufgabe vorher von Hand zu schreiben.
Im Film: Wie Tarsus den Lernstand nach jeder Antwort neu berechnet1:58 Min. · ohne Cookies, ohne YouTube

Was bedeutet adaptives Lernen?

Adaptiv heißt anpassungsfähig. In einem klassischen Kurs lernen alle denselben Stoff in derselben Reihenfolge und im selben Tempo. Beim adaptiven Lernen passt sich das Angebot an: Wer ein Thema beherrscht, geht weiter. Wer an einer Stelle hängt, bekommt eine andere Erklärung, ein Beispiel oder mehr Übung.

Dabei gibt es zwei Ebenen. Bei der Makro-Adaption ändert sich der Weg durch den Kurs, etwa wenn ein Einstufungstest bekannte Module überspringt. Bei der Mikro-Adaption ändert sich der einzelne Schritt: die Schwierigkeit der nächsten Frage, ein Hinweis oder die Art der Rückmeldung.

Adaptives Lernen braucht nicht zwingend künstliche Intelligenz, regelbasierte Systeme gibt es seit Jahrzehnten. KI macht es aber leichter, Erklärungen, Beispiele und Übungen in ausreichender Zahl direkt aus vorhandenen Unterlagen zu erzeugen.

Wie funktioniert adaptives Lernen?

Ein adaptives Lernsystem besteht aus drei Teilen. Die Forschung zu intelligenten Tutorsystemen spricht von Domänen-, Lerner- und Tutormodell. Hier heißen sie Wissensmodell, Lernermodell und didaktisches Modell.

  • Wissensmodell

    Was es zu lernen gibt

    Themen, Begriffe, Zusammenhänge und Aufgaben. Bei Tarsus sind das die Unterlagen Ihrer Organisation, aufbereitet für die Suche.

    Film: Vom Fragen zum Finden
  • Lernermodell

    Was die Person schon kann

    Der geschätzte Lernstand je Thema und Kompetenzstufe. Bei Tarsus ist das der Lernwürfel, berechnet mit Erwartung und Lernrate.

    Film: Die Lernrate
  • Didaktisches Modell

    Was als Nächstes kommt

    Regeln, die aus Lernstand und Inhalt den nächsten Schritt wählen. Bei Tarsus führt jede lernende Person dafür eine eigene Warteschlange.

    Film: Wo die Daten wohnen
  1. Lernende Person antwortet
  2. System schätzt den Lernstand neu
  3. System wählt den nächsten Schritt
  4. Aufgabe, Erklärung oder Wiederholung

Danach beginnt der Kreislauf von vorn: Jede Antwort verändert den Lernstand, und der Lernstand bestimmt den nächsten Schritt.

So rechnet Tarsus: Erwartung statt Punkte

Viele Lernplattformen vergeben feste Punkte, zum Beispiel 10 XP pro richtiger Antwort. Das misst Fleiß, nicht Können: Wer viele leichte Fragen beantwortet, sammelt schnell viele Punkte. Tarsus fragt deshalb vor jeder Antwort, wie wahrscheinlich eine richtige Lösung ist. Das Vorbild ist die Item-Response-Theorie.

Neuer Lernstand = alter Lernstand + Lernrate × (Ergebnis − Erwartung)

Das Ergebnis ist 1 für eine richtige und 0 für eine falsche Antwort. Die Erwartung ist die geschätzte Wahrscheinlichkeit einer richtigen Antwort. Die Differenz zeigt, wie überraschend eine Antwort war:

SituationErwartungErgebnis − ErwartungWirkung
Schwere Frage, richtig20 %1 − 0,2 = 0,8großer Schritt nach oben
Leichte Frage, richtig90 %1 − 0,9 = 0,1kleiner Schritt

Die Lernrate bestimmt, wie stark eine einzelne Antwort zählt. Ist sie zu hoch, springt der Lernstand hin und her. Ist sie zu niedrig, braucht es sehr viele Fragen. Ein einzelner Fehler nach vielen richtigen Antworten senkt den Lernstand nur wenig. Die Formel hat dieselbe Form wie das Elo-System, das in adaptiven Lernsystemen genutzt wird, um Fähigkeit und Aufgabenschwierigkeit gleichzeitig zu schätzen (Pelánek, 2016).

Den Lernstand führt Tarsus im Lernwürfel, je Kapitel, Thema und Taxonomiestufe. 100 Prozent erreicht nur, wer ein Thema wirklich versteht. Aus dem Würfel ergibt sich der nächste Schritt: eine Erklärung, ein Beispiel, eine Transferfrage oder eine Wiederholung. Ausführlich mit allen Rechenschritten: Die Lernrate: So berechnet adaptives Lernen den Lernstand.

Beispiele für adaptives Lernen

Adaptives Lernen begegnet einem in vielen Formen, von der Vokabel-App bis zur Prüfungsvorbereitung.

  • Adaptive Übungsfragen

    Die nächste Frage wird schwerer, wenn die letzten sicher gelöst wurden, und erklärender, wenn es hakt. So arbeitet der KI-Lerncoach von Tarsus mit den Kursunterlagen.

  • Wiederholung im richtigen Abstand

    Verteiltes Üben führt zu besserem Behalten als geballtes Üben (Cepeda u. a., 2006). Duolingo hat ein Modell veröffentlicht, das für jedes Wort vorhersagt, wann es vergessen wird, und Wiederholungen danach plant (Settles und Meeder, 2016).

  • Adaptive Tests

    Computergestützte adaptive Tests wählen jede Frage nach den bisherigen Antworten aus. Sie kommen so mit weniger Fragen zu einer genauen Einschätzung.

  • Adaptive Lernpfade im Unternehmen

    Ein Einstufungstest am Anfang überspringt Module, die jemand schon beherrscht. Pflichtschulungen werden kürzer, ohne dass Wissen fehlt. Mehr zum KI-Lerncoach für Unternehmen.

  • KI-Tutor zur Vorlesung

    Studierende fragen rund um die Uhr. Der Tutor antwortet aus den Vorlesungsunterlagen und übt gezielt die Themen, die noch nicht sitzen. Mehr zum KI-Tutor für Hochschulen.

  • Prüfungsvorbereitung

    Übungen auf der Taxonomiestufe der Prüfung, mit Lernstand je Thema. Mehr dazu: IHK-Prüfungsvorbereitung mit dem KI-Lerncoach.

Adaptiv, personalisiert, individualisiert: der Unterschied

Die Begriffe überschneiden sich und werden nicht einheitlich verwendet. Eine praktische Abgrenzung:

BegriffWas passt sich an?Wer steuert?Beispiel
Adaptives LernenAufgaben, Schwierigkeit, Erklärungen, Wiederholungendas System, laufend anhand der AntwortenÜbungsfragen, die schwerer werden, sobald ein Thema sitzt
Personalisiertes LernenZiele, Themen, FormateLernende und Lehrende, oft gemeinsameigener Lernplan nach Vorwissen und Interessen
Individualisiertes LernenTempo und Umfang bei gleichen ZielenKursplanung oder LehrkraftSelbstlernphase, in der jede Person ihr Tempo wählt
Adaptiver UnterrichtMethoden, Aufgaben, HilfenLehrkraft in der Klassedifferenzierte Aufgaben nach Lernvoraussetzungen

Was die Forschung zeigt

Adaptive Lernsysteme gehen auf die Forschung zu intelligenten Tutorsystemen zurück. Die Effekte sind gut belegt, mit wichtigen Einschränkungen.

StudieWas untersucht wurdeErgebnis
Bloom (1984)Einzelbetreuung durch Tutorinnen und Tutoren im Vergleich zum KlassenunterrichtDie betreuten Lernenden lagen im Schnitt über 98 % der Vergleichsgruppe, bekannt als 2-Sigma-Problem
VanLehn (2011)Überblick über Studien zu menschlicher Nachhilfe und TutorsystemenMenschliche Tutoren: Effektstärke 0,79. Tutorsysteme mit Rückmeldung zu jedem Lösungsschritt: 0,76
Ma u. a. (2014)Meta-Analyse zu intelligenten TutorsystemenVorteil gegenüber Unterricht in großen Gruppen (g = 0,42) und gegenüber Lehrbüchern (g = 0,35), kein signifikanter Unterschied zu menschlicher Einzelbetreuung
Kulik und Fletcher (2016)Meta-Analyse aus 50 kontrollierten EvaluationenMedian-Effekt 0,66 Standardabweichungen, etwa vom 50. auf das 75. Perzentil

Gut gemachte adaptive Systeme kommen der Einzelbetreuung also nahe. Systeme, die nur das Endergebnis prüfen, wirkten dagegen deutlich schwächer als solche mit Rückmeldung zu jedem Lösungsschritt (VanLehn, 2011). Die meisten Studien stammen aus Mathematik, Naturwissenschaften und Informatik, aus Schule und Hochschule. Für die berufliche Weiterbildung gibt es weniger Belege.

Vorteile und Grenzen

Vorteile

  • Jede Person lernt im eigenen Tempo, ohne Langeweile und ohne Überforderung.
  • Die Lernzeit fließt in die Lücken statt in Bekanntes.
  • Lehrende sehen, wo die Gruppe steht, und können gezielt eingreifen.
  • Der Lernfortschritt wird nachvollziehbar dokumentiert, etwa für Schulungsnachweise.

Grenzen

  • Ein System ist nur so gut wie seine Inhalte und Aufgaben.
  • Am Anfang fehlen Daten. Die ersten Antworten ergeben nur eine grobe Schätzung.
  • Lerndaten sind personenbezogen. Datenschutz, Speicherort und gegebenenfalls der Betriebsrat gehören von Anfang an dazu.
  • Motivation, Austausch und Begleitung bleiben Aufgabe der Lehrenden.

Checkliste: So erkennen Sie ein gutes adaptives Lernsystem

  1. Misst das System den Lernstand je Thema und Kompetenzstufe, oder zählt es nur Punkte?
  2. Berücksichtigt die Bewertung, wie schwer eine Aufgabe war?
  3. Gibt es außer Fragen auch Erklärungen, Beispiele und Wiederholungen als nächste Schritte?
  4. Arbeitet es mit Ihren eigenen Unterlagen?
  5. Lässt sich jede Antwort auf eine Quelle in den Unterlagen zurückführen?
  6. Wo liegen die Daten, und gibt es einen Vertrag zur Auftragsverarbeitung?
  7. Sehen Lehrende den Lernstand der Gruppe?
  8. Lässt es sich in Ihr LMS einbinden, etwa Moodle, ILIAS oder per SCORM?
  9. Lassen sich Taxonomien und Niveaus einstellen, etwa nach Bloom, DQR oder IHK?
  10. Gibt es eine Pilotphase mit klaren Kriterien?

Wie Tarsus diese Fragen beantwortet, zeigt die Seite Adaptive Lernplattform mit KI-Tutor.

Die Videoreihe: So arbeitet ein adaptives Lernsystem im Inneren

Vier kurze Filme zeigen Schritt für Schritt, was zwischen Frage und Antwort passiert.

Häufige Fragen zu adaptivem Lernen

Was bedeutet adaptives Lernen?

Adaptives Lernen bedeutet, dass sich Lerninhalte, Schwierigkeit und Tempo laufend an den Lernstand der einzelnen Person anpassen. Grundlage sind ihre Antworten: Aus ihnen schätzt das System, was sicher sitzt und was noch fehlt.

Was ist ein Beispiel für adaptives Lernen?

Ein Übungsprogramm, das nach sicher gelösten Aufgaben eine schwierigere stellt und nach einem Fehler eine Erklärung mit Beispiel zeigt. Auch Vokabel-Apps, die Wörter kurz vor dem Vergessen wiederholen, arbeiten adaptiv.

Was ist der Unterschied zwischen adaptivem und personalisiertem Lernen?

Beim adaptiven Lernen passt ein System den nächsten Schritt laufend an die Antworten an. Personalisiertes Lernen ist weiter gefasst und richtet auch Ziele, Themen und Formate nach der Person aus, oft gemeinsam mit Lehrenden.

Was ist adaptiver Unterricht?

Adaptiver Unterricht ist ein Begriff aus der Schulpädagogik: Die Lehrkraft passt Methoden, Aufgaben und Hilfen an die unterschiedlichen Lernvoraussetzungen der Klasse an. Adaptive Lernsysteme können sie dabei unterstützen.

Braucht adaptives Lernen künstliche Intelligenz?

Nein. Regelbasierte adaptive Systeme gibt es seit Jahrzehnten. KI macht es aber leichter, Erklärungen, Beispiele und Übungen in ausreichender Zahl direkt aus vorhandenen Unterlagen zu erzeugen.

Für wen eignet sich adaptives Lernen?

Überall dort, wo Gruppen unterschiedlich weit sind: an Hochschulen, bei Bildungsträgern und Akademien, in der Prüfungsvorbereitung und im Corporate Learning.

Ist ein KI-Lerncoach dasselbe wie ein KI-Tutor?

Im Kern ja: Beide Begriffe meinen eine KI, die beim Lernen begleitet. Tarsus nennt seinen KI-Tutor KI-Lerncoach, weil er tiefer geht als ein Tutor, der Fragen beantwortet: Er misst nach jeder Antwort den Lernstand, wählt den nächsten Schritt, übt auf dem Niveau, das Sie nach DQR und IHK-Operatoren einstellen, und dokumentiert den Fortschritt im LMS.

Ist adaptives Lernen mit der DSGVO vereinbar?

Ja, wenn Zweck, Speicherort und Zugriffe geregelt sind. Lerndaten sind personenbezogen. Tarsus arbeitet DSGVO-konform und speichert die Inhalte der Kunden bei Microsoft Azure in Deutschland.

Quellen

  1. Bloom, B. S. (1984). The 2 Sigma Problem. Educational Researcher, 13(6), 4–16. doi.org/10.3102/0013189X013006004
  2. VanLehn, K. (2011). The Relative Effectiveness of Human Tutoring, Intelligent Tutoring Systems, and Other Tutoring Systems. Educational Psychologist, 46(4), 197–221. doi.org/10.1080/00461520.2011.611369
  3. Ma, W., Adesope, O. O., Nesbit, J. C. und Liu, Q. (2014). Intelligent Tutoring Systems and Learning Outcomes: A Meta-Analysis. Journal of Educational Psychology, 106(4), 901–918. doi.org/10.1037/a0037123
  4. Kulik, J. A. und Fletcher, J. D. (2016). Effectiveness of Intelligent Tutoring Systems: A Meta-Analytic Review. Review of Educational Research, 86(1), 42–78. doi.org/10.3102/0034654315581420
  5. Pelánek, R. (2016). Applications of the Elo Rating System in Adaptive Educational Systems. Computers & Education. doi.org/10.1016/j.compedu.2016.03.017
  6. Cepeda, N. J., Pashler, H., Vul, E., Wixted, J. T. und Rohrer, D. (2006). Distributed Practice in Verbal Recall Tasks: A Review and Quantitative Synthesis. Psychological Bulletin, 132(3), 354–380. doi.org/10.1037/0033-2909.132.3.354
  7. Settles, B. und Meeder, B. (2016). A Trainable Spaced Repetition Model for Language Learning. Proceedings of ACL 2016. aclanthology.org/P16-1174
Tarsus ausprobieren

Adaptives Lernen mit Ihren eigenen Unterlagen

Tarsus übernimmt Ihre vorhandenen Unterlagen, trainiert Lernende adaptiv im eigenen Tempo und dokumentiert den Fortschritt. Im Erstgespräch (45 Minuten) zeigen wir, wie das mit Ihren Inhalten aussieht.

Mehr zur adaptiven Lernplattform