FSRS erklärt: Wie ein Algorithmus Vergessen vorhersagt

Gestern war die Antwort auf einer Karte noch offensichtlich. Heute zögerst du. Nächste Woche ist sie vielleicht verschwunden – oder kommt dir sofort wieder in den Sinn. Ein guter Scheduler muss mit dieser Unsicherheit umgehen, statt anzunehmen, dass jede richtige Antwort dieselbe Verzögerung verdient.

Kurz gesagt: FSRS schätzt, wie sich eine Erinnerung verändert, sagt die Wahrscheinlichkeit voraus, mit der du eine Karte nach einer bestimmten Pause abrufst, und wählt ein Wiederholungsintervall für eine gewünschte Abrufwahrscheinlichkeit. Höhere Zielwerte bedeuten normalerweise frühere Wiederholungen. Die Vorhersage ist ein Modell, kein Versprechen für deine nächste Antwort.

Dieser Leitfaden verfolgt diese Entscheidung vom Gedächtniszustand bis zum Wiederholungstermin. Wenn du zuerst eine kürzere Einführung möchtest, erklärt unser einfacher Leitfaden zu FSRS die wichtigsten Begriffe.

Warum der Wiederholungszeitpunkt ein Gedächtnismodell braucht

Starre Zeitpläne können verschiedene Erinnerungen nicht unterscheiden

Ein Zeitplan wie „nach einem Tag, drei Tagen und dann nach einer Woche wiederholen“ ist leicht einzuhalten. Er behandelt aber ein vertrautes Wort und eine verwirrende Definition gleich. Selbst wenn beide Antworten heute richtig sind, kann ihre Chance, eine Woche zu überdauern, deutlich voneinander abweichen.

Das Problem ist nicht, dass starre Zeitpläne nutzlos wären. Sie geben Struktur und verteilen Abrufversuche über die Zeit. In einem wachsenden Kartensatz befinden sich Erinnerungen aber in unterschiedlichen Stadien. Wiederholungen sicherer Karten konkurrieren dann mit den Karten, deren Antworten du wirklich nur schwer abrufen kannst.

Adaptives Planen nutzt deine Antworten als Belege

FSRS steht für Free Spaced Repetition Scheduler. Der Algorithmus nutzt die Wiederholungshistorie einer Karte – darunter die vergangene Zeit und deine Bewertungen –, um einen geschätzten Gedächtniszustand zu aktualisieren. Aus dieser Schätzung wird dann das nächste Intervall abgeleitet.

Wichtig ist die Unterscheidung zwischen der Aktualisierung des Kartenzustands und der Optimierung der Modellparameter. Eine Wiederholung kann die Karte sofort mit den aktuellen Parametern aktualisieren. Die Anpassung der Parameter an die gesammelte Lernhistorie ist ein davon getrennter Vorgang, den manche Anwendungen unterstützen. Wenn eine App FSRS verwendet, heißt das nicht automatisch, dass sie eine personalisierte Optimierung durchführt.

Auch ältere Scheduler sind nicht alle starre Stufenmodelle. SM-2 passt Intervalle ebenfalls anhand der Antwortqualität an. FSRS trifft eine andere Modellierungsentscheidung: Der Algorithmus schätzt die Gedächtnisstabilität und die Wahrscheinlichkeit des Abrufs ausdrücklich. Das ist der sinnvolle Vergleich – nicht die Behauptung, alte Algorithmen würden sich nie anpassen.

Wie FSRS dein Gedächtnis modelliert

Schwierigkeit: Wie schwer dir die Karte fällt

Die Schwierigkeit beschreibt die geschätzte Herausforderung einer bestimmten Karte für eine bestimmte lernende Person. Eine kurze Definition kann schwierig sein, wenn sie drei anderen Definitionen ähnelt. Eine längere Antwort kann leicht fallen, weil du die Idee dahinter bereits verstanden hast.

In FSRS hilft die Schwierigkeit dabei zu bestimmen, wie sich die Stabilität nach Wiederholungen verändert. Sie ist nicht einfach ein Timer nach dem Muster „schwierige Karte gleich morgen“. Zwei schwierige Karten können trotzdem sehr unterschiedliche Intervalle erhalten, wenn eine der beiden Erinnerungen deutlich stabiler ist.

Stabilität: Die Zeitskala des Vergessens

Stabilität hat im Modell eine genaue Bedeutung: die Anzahl der Tage, bis die vorhergesagte Abrufwahrscheinlichkeit nach einer Wiederholung auf 90 % fällt. Eine Karte mit einer Stabilität von zehn Tagen hat unter der angenommenen Vergessenskurve also eine modellierte Abrufwahrscheinlichkeit von 90 % nach zehn Tagen.

Das bedeutet nicht, dass die Erinnerung am elften Tag verschwindet. Stabilität ist auch nicht dasselbe wie das gewählte Wiederholungsintervall. Bei gleicher Stabilität kann ein Scheduler für eine höhere gewünschte Behaltensleistung ein früheres Intervall wählen. Erfolgreicher Abruf erhöht oft die geschätzte Stabilität; ein Fehlschlag liefert Hinweise für eine andere Aktualisierung.

Abrufbarkeit: Die geschätzte Wahrscheinlichkeit, jetzt abzurufen

Die Abrufbarkeit ist die Wahrscheinlichkeit, die Antwort zu einem bestimmten Zeitpunkt zu erinnern. Sie hängt davon ab, wie lange die letzte Wiederholung zurückliegt und wie hoch die geschätzte Stabilität ist. Schwierigkeit und Stabilität beschreiben Eigenschaften der Erinnerung; die Abrufbarkeit beantwortet die unmittelbare Planungsfrage.

Stell dir zwei Vokabelkarten vor: Eine hat eine Stabilität von zwei Tagen, die andere von zwanzig Tagen. Nach zehn Tagen müssen ihre Abrufwahrscheinlichkeiten nicht vergleichbar sein, auch wenn du beide beim letzten Mal richtig beantwortet hast. Für die erste Erinnerung ist dieselbe vergangene Zeit eine viel größere Herausforderung.

Diese Definitionen stammen aus der Dokumentation des FSRS-Algorithmus. Sie beschreiben ein Vorhersagemodell für Wiederholungsergebnisse und messen nicht direkt, was in deinem Gehirn gespeichert ist.

Von Vergessenskurven zu Wiederholungsterminen

Ein Beispiel: Eine Erinnerung, drei Zielwerte

Halte die Stabilität bei zehn Tagen und stelle dir vor, dass keine weiteren Wiederholungen stattfinden. Das Modell beginnt mit einer hohen Abrufwahrscheinlichkeit und sagt einen allmählichen Rückgang voraus. Ein Wiederholungsschwellenwert ist der Punkt, an dem diese Kurve deine gewünschte Behaltensleistung erreicht.

Für die folgende beispielhafte Kurve ergibt ein Zielwert von 80 % ein Intervall von ungefähr 24 Tagen. Bei 90 % beträgt das Intervall zehn Tage, bei 95 % etwa 4,6 Tage. Die Schätzung der Erinnerung ist gleich geblieben; nur das akzeptierte vorhergesagte Risiko zum Zeitpunkt der Wiederholung hat sich verändert.

Das erklärt auch ein überraschend langes Intervall: Es kann auf eine als stabil eingeschätzte Erinnerung, einen niedrigeren Zielwert oder auf beides zurückgehen. Ein Datum allein verrät nicht, ob die App eine Karte für schwierig hält. Dafür musst du den geschätzten Gedächtniszustand und die Planungseinstellungen betrachten.

Erkunde den Schwellenwert für die Behaltensleistung

Ändere den Zielwert und beobachte, wie sich der Schwellenwert auf derselben Kurve verschiebt. Die waagerechte Linie stellt deine gewünschte Abrufwahrscheinlichkeit dar; ihr Schnittpunkt mit der Kurve ergibt das ungefähre Intervall.

FSRS-Retentionsziele erkundenBeispielhafte Demo

Angestrebte Abrufwahrscheinlichkeit

80 %90 %95 %

Ungefähre Wiederholungsschwelle

10

Tage

90 %

· Angestrebte Abrufwahrscheinlichkeit

Konstante Stabilität von zehn Tagen; FSRS-4.5-Kurve. Keine wiederholten Reviews oder persönliche Prognose.

Diese Demonstration verwendet die dokumentierte Vergessenskurve von FSRS-4.5 mit einer festen Stabilität von zehn Tagen, um eine einzelne Idee zu veranschaulichen. Sie simuliert keine aufeinanderfolgenden Reviews, passt keine persönlichen Parameter an und bildet nicht den Zeitplan einer bestimmten App nach. Neuere FSRS-Versionen können eine andere Kurvenform verwenden. Außerdem runden echte Anwendungen Intervalle möglicherweise, fügen kleine Abweichungen bei der Planung hinzu oder wenden Lernschritte und Intervallgrenzen an.

Beachte, dass ein höherer Zielwert die Kurve nicht stärker macht. Er verschiebt die Wiederholung nach vorn. Um die zugrunde liegende Erinnerung zu verbessern, brauchst du Lernen und Abrufübung; der Zielwert ändert nur, wann du sie erneut prüfen möchtest.

Was sich nach einer Wiederholung verändert

Wenn die nächste Wiederholung stattfindet, erhält der Scheduler eine weitere Beobachtung: die vergangene Zeit und deine Bewertung. Er aktualisiert Schwierigkeit und Stabilität und wählt dann aus dem aktualisierten Zustand das nächste Intervall. Die nächste Kurve kann deshalb anders aussehen als die vorherige.

Eine richtige Antwort nach einer längeren Pause liefert andere Hinweise als eine sofortige Wiederholung. Auch ein Fehlschlag ist wichtig: Er zeigt dem Modell, dass der Abruf unter diesen Bedingungen nicht gelungen ist. Deshalb lässt sich ein Zeitplan mit aufeinanderfolgenden Reviews nicht ehrlich darstellen, indem man unsere Kurve mit konstanter Stabilität einfach für immer verlängert.

Du kannst den Prozess als Kreislauf betrachten:

1. Versuche, die Antwort abzurufen, bevor du sie aufdeckst.
2. Bewerte das Ergebnis ehrlich.
3. Aktualisiere den geschätzten Gedächtniszustand.
4. Wähle das nächste Intervall für die gewünschte Behaltensleistung.
5. Wiederhole den Ablauf mit neuen Informationen.

Einen Zielwert für die Behaltensleistung wählen

Warum 90 % ein verbreiteter Ausgangspunkt sind

Die gewünschte Behaltensleistung ist die Wahrscheinlichkeit, die das Modell zum geplanten Wiederholungszeitpunkt anstreben soll. Anki verwendet 90 % als Standardwert und beschreibt ihn als Ausgleich zwischen Behaltensleistung und Arbeitsaufwand. Er ist ein Ausgangspunkt und kein wissenschaftlich universell optimaler Wert für jede lernende Person oder jede Aufgabe. (Anki-Deckoptionen)

Ein Zielwert von 90 % bedeutet nicht, dass du dauerhaft ein Zehntel deines Wissens opferst. Karten sind zu jedem Zeitpunkt unterschiedlich alt, und eine fehlgeschlagene Wiederholung wird zur Gelegenheit, die Erinnerung neu zu lernen. Der Zielwert garantiert auch nicht, dass genau neun deiner nächsten zehn Antworten richtig sind. Tatsächliche Ergebnisse schwanken, und ein unzureichend angepasstes Modell kann für dein Material schlecht kalibriert sein.

Betrachte Trends über genügend Wiederholungen, bevor du eine Einstellung bewertest. Ein schwieriger Nachmittag, einige neu gelernte Karten oder ein veränderter Kartensatz reichen nicht aus, um das Modell für genau oder ungenau zu erklären.

Höhere Zielwerte erhöhen den Lernaufwand

Ein höherer Zielwert verkürzt bei demselben Gedächtniszustand die Intervalle. In der Beispielrechnung halbiert sich das Intervall beim Wechsel von 90 % auf 95 % mehr als. Das ist ein Vergleich eines theoretischen Einzelintervalls, keine Behauptung, dass sich dein gesamter Wiederholungsaufwand exakt verdoppelt.

Der langfristige Aufwand hängt außerdem von neuen Karten, Fehlschlägen, Veränderungen der Stabilität, Lernschritten und deiner verfügbaren Lernzeit ab. Das Anki-Handbuch warnt, dass der Aufwand oberhalb von 90 % schnell steigt, besonders bei sehr hohen Zielwerten. 99 % zu wählen, weil es beinahe perfekt klingt, kann zu einem Zeitplan führen, den du nicht dauerhaft einhalten kannst.

Lass die Folgen des Vergessens deine Entscheidung leiten. Für langfristiges Vokabellernen und eine bevorstehende Prüfung können unterschiedliche Prioritäten sinnvoll sein. Wenn der Aufwand untragbar wird, denke neben der Behaltens-Einstellung auch über weniger neue Karten und ein besseres Kartendesign nach. Ein höherer Zielwert schafft keine zusätzliche Zeit in deinem Tag.

FSRS im Vergleich zu SM-2

Unterschiedliche Ansätze für das nächste Intervall

Der ursprüngliche SM-2-Algorithmus passt einen Ease-Faktor anhand der Antwortqualität an und verwendet ihn, um Intervalle nach erfolgreichen Wiederholungen zu vergrößern. Fehlgeschlagene Antworten setzen die Wiederholungsfolge zurück. SM-2 passt sich an, wählt Intervalle aber nicht ausdrücklich durch die Lösung für eine gewünschte Abrufwahrscheinlichkeit.

FSRS modelliert Schwierigkeit und Stabilität, leitet die Abrufbarkeit aus der vergangenen Zeit ab und wählt ein Intervall um einen Zielwert für die Behaltensleistung. Wenn eine Anwendung diesen Ablauf unterstützt, können ihre Parameter anhand von Wiederholungshistorien optimiert werden. Beide Systeme sind trotzdem auf Rückmeldungen aus Wiederholungen angewiesen.

Sei bei App-Vergleichen vorsichtig: Eine als „SM-2-basiert“ beschriebene Anwendung kann umfangreiche Änderungen enthalten. Ebenso können sich zwei Apps mit FSRS bei Version, Parametern, Lernschritten, Intervallgrenzen und Wiederholungsverhalten unterscheiden. Algorithmenamen allein legen nicht das gesamte Nutzungserlebnis fest.

Stärken und Grenzen in der Praxis

FSRS bietet eine ausdrückliche Möglichkeit, über vorhergesagten Abruf und den Zielkonflikt zwischen Behaltensleistung und Zeitpunkt nachzudenken. Dadurch lässt sich leichter erklären, warum eine Wiederholung fällig ist und wie ein Zielwert die Intervalle beeinflusst. Eine Parameteranpassung kann ein Modell außerdem an aufgezeichnete Wiederholungsmuster anpassen.

Seine Grenzen bleiben praktisch. Eine spärliche oder irreführende Historie, uneinheitliche Bewertungen, unklare Karten und außerhalb der App gelerntes Material können Vorhersagen erschweren. Ein Modell sieht protokollierte Belege, aber nicht jedes Gespräch, jede Vorlesung oder jede Übungsaufgabe, die deine Erinnerung gestärkt hat.

Du musst keine feste prozentuale Verringerung der Wiederholungen versprechen, um den Wert zu erklären. Eine bessere Vorhersage kann dabei helfen, Wiederholungen sinnvoller zu verteilen. Ob dadurch dein Aufwand und dein Erinnern besser werden, hängt von deinen Daten, Einstellungen und Gewohnheiten ab.

Wiederholungen in den Alltag einpassen

Volle Tage und überfällige Karten

Ein Fälligkeitstermin ist eine modellbasierte Empfehlung, kein biologisches Verfallsdatum. Wenn du ihn verpasst, sinkt die vorhergesagte Abrufbarkeit normalerweise weiter, aber die Karte ist nicht sofort vergessen. Wiederhole sie ehrlich, wenn du zurückkehrst, damit der Scheduler Hinweise darauf erhält, was nach der längeren Pause passiert ist.

Plane realistische Wiederholungszeit in deinem Kalender ein und reduziere die Aufnahme neuer Karten, wenn sich ein Rückstand aufbaut. Ein Kalender organisiert deine Zeit; der Scheduler organisiert einzelne Karten. Das sind ergänzende Aufgaben, und die Verwendung von FSRS bedeutet nicht automatisch, dass eine Kalenderintegration vorhanden ist.

SpaceRep verwendet FSRS, um Karteikartenwiederholungen zu planen, und berücksichtigt bei Prüfungskartensätzen auch Fristen. Betrachte diese Termine als Unterstützung für deine Lernroutine und reserviere trotzdem Zeit für Verständnis und Anwendung.

Prüfungsfristen verändern die Planung

Eine Prüfung stellt eine zweite Bedingung auf: Du brauchst bis zu einem bestimmten Datum einen brauchbaren Abruf, auch wenn ein langfristiger Scheduler eine spätere Wiederholung vorsehen würde. Apps können damit über höhere Zielwerte für die Behaltensleistung oder Intervallgrenzen umgehen, aber das Verhalten hängt von der jeweiligen Implementierung ab.

Verbringe nicht jede verfügbare Minute damit, eine perfekte Karteikartenstatistik zu verfolgen. Schriftliche Erklärungen, gemischte Aufgaben und Prüfungen unter Zeitdruck trainieren Fähigkeiten, die eine kurze Abruffrage nicht abdecken kann. Unser Leitfaden zum Pauken gegenüber verteiltem Lernen vor einer Prüfung zeigt, wie du Wiederholungen mit den tatsächlichen Anforderungen der Prüfung verbindest.

Ehrliche Bewertungen und klare Karten verbessern die Datenbasis

Wenn du die Antwort nicht abrufen konntest, melde einen Fehlschlag. In FSRS beschreibt „Schwer“ einen erfolgreichen, aber schwierigen Abruf; es sollte nicht zu einer höflichen Ersatzantwort für „Nochmal“ werden. Sonst deutet die Historie auf Erfolg hin, obwohl keiner stattgefunden hat.

Prüfe außerdem die Karte selbst. Enthält sie eine eindeutige Frage? Kannst du feststellen, ob deine Antwort richtig war? Prüft sie Verständnis oder nur einen vertraut wirkenden Satz? Unser Leitfaden für Karteikarten, die dich wirklich beim Lernen unterstützen hilft dir, Fragen zu verbessern, die unzuverlässige Bewertungen verursachen.

Gutes Planen beginnt mit aussagekräftigen Beobachtungen. Eine gut gestaltete Karte, ein echter Abrufversuch und eine ehrliche Bewertung geben dem Modell brauchbare Informationen – und machen die Wiederholung auch dann wertvoll, wenn die Vorhersage nicht perfekt ist.

FAQ

Bedeutet eine Behaltensleistung von 90 %, dass ich 10 % von allem vergesse?

Nein. Es ist ein Zielwert für die Abrufwahrscheinlichkeit zum geplanten Wiederholungszeitpunkt und keine dauerhafte Quote verlorenen Wissens. Kürzlich wiederholte Karten können eine höhere vorhergesagte Abrufwahrscheinlichkeit haben, und fehlgeschlagene Karten können neu gelernt werden.

Lernt FSRS nach jeder Wiederholung meine persönlichen Parameter?

Nicht unbedingt. Jede Wiederholung aktualisiert den Gedächtniszustand der Karte mit den aktuellen Parametern. Die Optimierung der Parameter anhand deiner Historie ist eine getrennte Funktion und hängt von der jeweiligen Anwendung ab.

Kann FSRS garantieren, dass ich mich am Prüfungstag an etwas erinnere?

Nein. FSRS schätzt Wahrscheinlichkeiten aus den Belegen deiner Wiederholungen. Eine fristenbewusste Planung kann dir helfen, aber dein Abruf hängt auch von der Qualität des Lernens, der Prüfungsaufgabe und den Bedingungen am Prüfungstag ab.