Algorithmen & Technik

SM-2, FSRS oder Leitner? Die drei wichtigsten Algorithmen im Vergleich

Wie SM-2 in Anki funktioniert, was FSRS besser machen soll und wann das Leitner-System mit Schuhkarton noch sinnvoll ist, mit Formeln und Intervallen.

10 Min. Lesezeit Zuletzt geprüft:

Jedes Karteikarten-Programm trifft tausende kleine Entscheidungen für dich: Welche Karte kommt heute dran? Welche darf zwei Wochen schlafen? Hinter diesen Entscheidungen steckt ein Algorithmus, und es gibt im Wesentlichen drei, die in der freien Welt zählen, Leitner aus den 1970ern, SM-2 aus den späten 80ern und FSRS, das gerade die Anki-Community aufmischt. Welcher zu dir passt, hängt weniger von der Mathematik ab als davon, wie viele Karten du verwaltest und wie tief du in das Thema reingehen willst.

Leitner: Schuhkarton statt Software

Sebastian Leitner war ein Wissenschaftsjournalist, der 1972 ein Buch namens So lernt man lernen geschrieben hat. Sein System ist eigentlich nur eine Karteikiste mit mehreren Fächern, aber konsequent gedacht. Eine verbreitete Variante, die hier als Beispiel dient, hat fünf Fächer; die Abstände sind je nach Quelle verschieden. Jede neue Karte landet in Fach 1, das du täglich durchgehst. Was du gewusst hast, wandert in Fach 2 (alle zwei Tage), dann Fach 3 (wöchentlich), Fach 4 (alle zwei Wochen) und schließlich Fach 5 (monatlich). Was du nicht wusstest, fällt zurück in Fach 1. Mehr Logik braucht es nicht.

Der Charme liegt im Analogen: Du brauchst keinen Account, keine App, keinen Strom. Bei 100 bis 300 Karten, einer Schul-Vokabelkiste etwa, funktioniert das hervorragend. Sobald du aber 500 oder 1.000 Karten verwaltest, wird die Schachtel unhandlich, und du verbringst die Zeit mehr mit Sortieren als mit Lernen. Der zweite Haken: Eine Karte, die dir leicht von der Hand geht, muss trotzdem brav Fach für Fach durchwandern. Eine echte Anpassung an deine individuelle Stärke gibt es nicht.

SM-2: Wie Anki tickt

Piotr Woźniak entwickelte 1987 den SuperMemo-2-Algorithmus (Originalbeschreibung) (die ausführliche Beschreibung stammt aus seiner Masterarbeit von 1990), den er selbst über Jahre an seinem eigenen Wortschatz feingetunt hatte. Anki, lernkarten-planer.de und die meisten anderen Programme bauen bis heute darauf auf, oft leicht modifiziert. Jede Karte trägt drei Werte mit sich: einen Easiness Factor (EF, Startwert 2,5, der angibt, wie locker dir die Karte fällt), das aktuelle Intervall in Tagen, und die Anzahl der Reviews. Nach jeder Wiederholung bewertest du auf einer Skala von 0 (totaler Blackout) bis 5 (perfekt). Die Mathematik dahinter sieht so aus:

// Neues Intervall
I(1) = 1 Tag
I(2) = 6 Tage
I(n) = I(n-1) × EF   für n ≥ 3

// Easiness Factor nach Bewertung q (0–5)
EF' = EF + (0.1 - (5-q)×(0.08 + (5-q)×0.02))
EF' = max(1.3, EF')  // Untergrenze

// Bei q < 3: zurück zu n=0, I=1

Konkret: Du siehst eine neue Karte zum ersten Mal, bewertest mit 4. Sie kommt morgen wieder. Diesmal bewertest du mit 5, EF steigt auf 2,6, das nächste Intervall ist 6 Tage. Läuft weiter alles glatt, liegt das nächste Intervall bei 16 Tagen (6 × 2,6 = 15,6, aufgerundet), dann bei 44 (16 × 2,7) und bei 124 (44 × 2,8). Bruchteile werden immer aufgerundet. Der fünfte Review liegt damit rund ein halbes Jahr nach dem Anlegen der Karte. Das ist der ganze Trick: Was du wirklich kannst, kommt fast nie wieder; was du verhauen hast, ist morgen wieder da.

SM-2 ist seit über 35 Jahren bewährt, gut dokumentiert und für die allermeisten Lernkontexte mehr als ausreichend. Was er nicht ist: datengetrieben. Woźniak hat die Konstanten in der Formel im Wesentlichen an seinem eigenen Lernverhalten kalibriert. Manche Karten vergisst du häufiger, als das Modell vorhersagt, und der Algorithmus hat keinen Mechanismus, das individuell zu erkennen.

FSRS: Der Daten-Newcomer

Der Free Spaced Repetition Scheduler entstand ab 2022 in einer Open-Source-Community rund um Anki. Die Idee: Statt einer per Hand abgestimmten Formel ein statistisches Modell, trainiert auf Millionen echter Review-Daten aus anonymen Anki-Dumps. FSRS arbeitet mit drei Größen pro Karte, Stability (Tage bis zum geschätzten Vergessen), Difficulty (wie inhärent schwer die Karte ist) und Retrievability (Wahrscheinlichkeit, dass du sie jetzt gerade abrufen könntest).

Du gibst FSRS dein gewünschtes Retention-Ziel mit, etwa 90 Prozent. Das Modell rechnet daraus für jede Karte den optimalen nächsten Reviewzeitpunkt. Nach Benchmarks des FSRS-Projekts braucht FSRS bei gleichem Retention-Niveau weniger Wiederholungen als SM-2. Wie groß die Ersparnis ist, hängt vom Datensatz ab; die Angaben stammen von den Entwicklern selbst und sind keine unabhängige Studie. Das ist Zeitersparnis, vor allem wenn du tausende aktive Karten verwaltest. Seit Anki 23.10 ist FSRS offizielle Alternative zum SM-2-Standard.

Der Preis: Ein bisschen mehr Setup-Aufwand, und ein persönliches Modell wird erst nach einigen hundert Reviews besser als die Standardparameter. Wer ein neues Deck startet und sich zum ersten Mal mit Spaced Repetition beschäftigt, ist mit SM-2 pragmatischer beraten, die Effizienz-Gewinne von FSRS spielen erst bei größeren, etablierten Decks ihre Stärke aus.

Welcher passt zu dir?

Dein ProfilEmpfehlung
Schüler, <300 Karten, analog gewünschtLeitner
Einsteiger, neues Deck, wenig Zeit fürs SetupSM-2 (Anki-Default oder lernkarten-planer.de)
Sprachen-Lerner, 500–2.000 KartenSM-2 reicht völlig
Medizin, Jura, >2.000 aktive KartenFSRS, die Zeitersparnis zahlt sich aus
Bestehender Anki-Nutzer mit Review-HistorieFSRS (mit dem eingebauten Optimizer auf eigene Daten trainiert)

Wenn du bereits ein Anki-Deck mit SM-2 pflegst und neugierig auf FSRS bist: Anki hat seit 23.10 einen eingebauten Optimizer, der deine Review-Historie heranzieht, ein individuelles Modell trainiert und die Intervalle umstellt. Der Wechsel kostet keine Karten und dauert rund eine Viertelstunde Konfiguration. Dabei geht keine Karte verloren; die Anpassungsphase dauert ein paar Wochen, in denen einzelne Karten häufiger als gewohnt kommen können.

Ein Zahlenbeispiel: SM-2 gegen FSRS bei 3.000 Karten

Nehmen wir eine Medizinstudentin mit 3.000 aktiven Anatomie-Karten, die auf 90 Prozent Retention zielt. Angenommen, die durchschnittlichen Intervalle zwischen den Reviews liegen unter SM-2 bei 16,5 Tagen und unter FSRS bei 22 Tagen (Annahmen für die Rechnung, keine Messwerte). Dann fallen pro Jahr 3.000 × 365 ÷ 16,5 ≈ 66.000 Reviews an, bei FSRS 3.000 × 365 ÷ 22 ≈ 50.000. Der Unterschied von rund 16.000 Reviews entspricht rund 25 Prozent, das ist hier eine reine Rechenannahme. Bei zehn Sekunden pro Review sind das etwa 45 Stunden Zeitersparnis über das Studienjahr.

Leitner schneidet in diesem Szenario klar am schlechtesten ab: Mit physischer Kiste und fünf festen Fächern gibt es kein adaptives Intervall. Eine Karte in Fach 3 kommt immer nach sieben Tagen, egal ob sie für dich trivial oder knifflig ist. Bei 3.000 Karten wird die Sortierlogistik zum Hauptproblem, nicht mehr der Lerninhalt.

Was Bewertungs-Skalen wirklich bedeuten

SM-2 bewertet von 0 bis 5. FSRS in der Anki-Implementierung hat vier Stufen: Wieder, Schwer, Gut, Leicht. Viele Lernende nutzen nur die Extreme, also entweder „Gut“ oder „Wieder“, und lassen „Schwer“ und „Leicht“ links liegen. Das ist ein Fehler: Wer eine Karte mit Mühe abruft und trotzdem „Gut“ klickt, signalisiert dem Algorithmus, dass das Intervall passen soll. Der Algorithmus hat keine Möglichkeit zu ahnen, dass du innerlich gezögert hast.

Eine sinnvolle Daumenregel, die auch zu den Knöpfen in lernkarten-planer.de passt: „Leicht“ nur, wenn die Antwort sofort und sicher kommt. „Gut“ für eine richtige Antwort ohne Mühe. „Schwer“ für eine richtige Antwort, die nur mit Mühe oder nach längerem Nachdenken kam. „Nochmal“ (in Anki-Versionen oft „Again“ oder „Wieder“) für alles, was du nicht gewusst hast oder nicht vollständig richtig war. Mit dieser Kalibrierung bekommt der Algorithmus brauchbare Signale.

Leitner physisch: wann es die beste Wahl bleibt

Es gibt Szenarien, in denen digitale Algorithmen keinen echten Vorteil haben, und manchmal sogar im Weg stehen. Wer mit Kindern im Grundschulalter lernt, profitiert vom Anfassen, Sortieren und physischen Anfeuern, wenn eine Karte ins letzte Fach wandert. Das ist Gamification ohne App, und sie funktioniert. Wer in Berufen arbeitet, in denen Bildschirmzeit ohnehin hoch ist (Programmieren, Design, Büroarbeit), empfindet analoge Review-Sessions oft als wirksame Abwechslung.

Leitner-Systeme funktionieren außerdem hervorragend als Gruppenformat: Lerngruppen können gemeinsam durch Fächer arbeiten, Karten laut vorlesen, diskutieren. Eine Anki-Session ist zwangsläufig ein Solo-Erlebnis. Das ist keine Wertung, nur ein Hinweis, dass der beste Algorithmus der ist, den du wirklich täglich nutzt.

Praktisch gedacht

Wer heute mit Karteikarten anfängt, tut gut daran, SM-2 in einer sauberen App (Anki, lernkarten-planer.de) zu nutzen und erst nach einigen hundert absolvierten Reviews zu entscheiden, ob FSRS einen Wechsel rechtfertigt. In dieser Anfangsphase sind Deck-Qualität und Konsequenz beim täglichen Review wichtiger als algorithmische Feinheiten. Der Algorithmus ist selten der Engpass; die Qualität der Karten und die Regelmäßigkeit der Reviews entscheiden meist mehr.

Was passiert bei sehr großen Decks mit vielen Leeches

Ein Problem, das SM-2 strukturell nicht löst: Karten, die du immer wieder falsch beantwortest, fangen bei jedem Fehler wieder bei kurzen Intervallen an und kommen deshalb sehr häufig. In einem großen Deck können sich so mehrere hundert Leeches ansammeln, die einen spürbaren Teil der täglichen Review-Zeit fressen, obwohl sie inhaltlich häufig gar nicht wichtig sind.

FSRS hat dafür einen eleganteren Mechanismus: Die Difficulty-Komponente steigt bei wiederholten Fehlern, und das Modell kann intern zwischen „schwere Karte mit aktiver Lernkurve“ und „Leech, der hoffnungslos ist“ unterscheiden. Ob das in der Praxis weniger Leeches im täglichen Stapel bedeutet, hängt von den Einstellungen und vom Deck ab.

Bei beiden Algorithmen gilt die praktische Empfehlung: Karten, die nach zehn Reviews nie richtig beantwortet wurden, nicht weiter mitschleppen, sondern löschen, verstehen und neu schreiben. Kein Algorithmus der Welt kann schlechte Karten in gute verwandeln.

SM-2 in der Praxis: was die Standard-Einstellungen nicht zeigen

Die Default-Einstellungen von Anki (Lernschritte 1 und 10 Minuten, Graduating Interval 1 Tag, Easy Interval 4 Tage) sind für Einsteiger oft zu aggressiv. Wer 20 neue Karten täglich lernt und die Steps nicht anpasst, erlebt nach vier Wochen einen Review-Peak, der 80 bis 100 Karten täglich erreichen kann. Das liegt nicht am Algorithmus selbst, sondern daran, dass die Initial-Steps sehr kurz sind und viele Karten schnell in die tägliche Review-Rotation rutschen.

Eine persönliche Faustregel, kein Standard und nicht aus einer Studie: Für Einsteiger Steps auf 15 min, 1 Tag, 3 Tage setzen, Graduating Interval auf 7 Tage, Easy Interval auf 15 Tage. Das verteilt den Review-Peak gleichmäßiger und verhindert, dass das System in Woche drei wie eine Flut wirkt. Wer das einmal eingestellt hat, profitiert für die gesamte Laufzeit seines Decks.

Häufige Fragen

Ist FSRS wirklich besser als SM-2?

In den Vergleichen des FSRS-Projekts ja: FSRS erreicht nach Angaben der Entwickler dasselbe Retention-Niveau mit weniger Wiederholungen, die Größenordnung hängt vom Datensatz ab. Das entspricht einer Zeitersparnis für aktive Lerner. Bei sehr kleinen Decks (unter 100 Karten) ist der Unterschied vernachlässigbar.

Kann ich von SM-2 zu FSRS wechseln, ohne alle Karten neu lernen zu müssen?

Ja. Anki 23.10+ hat einen FSRS-Optimizer, der deine bestehende Review-Historie nutzt und die zukünftigen Intervalle anpasst. Die schon gelernten Karten bleiben im Gedächtnis, nur die Zeitpunkte ändern sich.

Warum nutzen nicht alle FSRS?

FSRS ist noch jung (2023 in Anki integriert) und braucht für ein persönliches Modell einige hundert Reviews zum Trainieren. Bei neuen Decks oder Wenig-Lernern zeigt SM-2 ähnliche Ergebnisse bei geringerer Setup-Komplexität.

Ist das Leitner-System veraltet?

Nein, aber eingeschränkt. Für 100–300 Karten und analoges Lernen funktioniert es sehr gut. Bei 1.000+ Karten wird die physische Kiste unhandlich, und digitale Algorithmen sind deutlich effizienter.

Welcher Algorithmus ist in lernkarten-planer.de implementiert?

SM-2 nach Woźniaks Originalbeschreibung von 1990, mit vier Knöpfen statt sechs Noten: Nochmal (Note 1), Schwer (3), Gut (4), Leicht (5). Jede Karte bekommt ein Fälligkeitsdatum, der Lernmodus fragt zuerst die heute fälligen Karten ab. Alle Karten werden lokal in deinem Browser gespeichert, keine Account-Erstellung nötig.