FSRS-5 vs. SM-2: technischer Vergleich der Spaced-Repetition-Algorithmen
SM-2 oder FSRS-5? Vollständiger technischer Vergleich: Gedächtnismodell, Ease Hell, Personalisierung, Expertium-Benchmark mit 700M Wiederholungen. FSRS-5 reduziert Wiederholungen um 25% bei gleicher Retention.
1. SM-2 vs. FSRS-5: das Urteil in 30 Sekunden
SM-2 (Wozniak, 1987) hat Spaced Repetition 35 Jahre lang dominiert. FSRS-5 (Anderson & Ye, 2022–2024) hat es auf fast allen messbaren Kriterien obsolet gemacht.
SM-2 (SuperMemo, 1987)
Regelbasierter Algorithmus, globale Parameter, fester Leichtigkeitsfaktor.
- Globaler E-Faktor (kein dynamisches Kartenmodell)
- Intervalle nach festen Regeln berechnet
- Ease Hell: irreversibler E-Faktor-Boden bei 1.3
- Keine automatische Personalisierung
- Retentionsgenauigkeit ±15% in Benchmarks
FSRS-5 (2022-2024)
Differenzierbares neuronales Modell, 3 Parameter pro Karte, lernt aus der Geschichte.
- Stabilität + Schwierigkeit + Retrievability pro Karte
- Loss-Funktion auf deiner echten Wiederholungsgeschichte minimiert
- Kein Ease Hell: Stabilität wird dynamisch neu berechnet
- Personalisierte Optimierung ab 1000+ Wiederholungen
- Retentionsgenauigkeit ±5% in Benchmarks
Urteil: FSRS-5 reduziert die täglichen Wiederholungen um ~25% bei identischer Retention von 90%. Wer noch SM-2 verwendet, macht mehr Wiederholungen als nötig.
2. Wie SM-2 funktioniert (und warum es hakt)
Piotr Wozniak veröffentlichte SM-2 1987 in einer Zeit, als PCs 640 KB RAM hatten. Der Algorithmus musste leichtgewichtig sein, von Hand berechenbar und ohne ausführliche Geschichte funktionieren.
Das Prinzip ist einfach: Jede Karte hat einen E-Faktor (Leichtigkeitsfaktor), initialisiert bei 2.5. Nach jeder Wiederholung bewertest du deine Antwort von 0 bis 5. Das nächste Intervall wird so berechnet:
- Wiederholung 1 → 1 Tag
- Wiederholung 2 → 6 Tage
- Wiederholung n →
Intervall(n-1) × E-Faktor
Der E-Faktor aktualisiert sich je nach Bewertung: Drückst du auf „Schwierig" (Wertung < 3), sinkt der E-Faktor. Erreicht er 1.3 (Boden), kommt die Karte alle paar Tage zurück — für immer, egal wie oft du sie danach richtig beantwortest.
Das ist Ease Hell. Ein Begriff, den die Anki-Community geprägt hat für das Phänomen, bei dem ein „schwieriges" Deck hunderte bei E-Faktor 1.3 steckengebliebene Karten anhäuft, die Sessions füllen, ohne je zu langen Intervallen zu kommen.
SM-2 hat noch einen strukturellen Defekt: Seine Parameter sind global. Der Algorithmus wendet dieselben Regeln auf alle Karten an, unabhängig von deinem persönlichen Gedächtnisprofil. Ein Medizinstudent, der 500 Karten täglich wiederholt, und ein Gymnasiast mit 20 Karten erhalten dieselben Intervalle nach denselben Formeln.
Die 3 Schlüsselvariablen des Gedächtnisses (DSR-Modell)
FSRS basiert auf dem DSR-Modell (Difficulty-Stability-Retrievability), formalisiert von Averell & Heathcote (2011) und implementiert von Jarrett Ye (2022):
- Stabilität (S): Wie lange dein Gedächtnis über dem Abrufschwellenwert bleibt. Stabile Karte = lange Intervalle möglich.
- Schwierigkeit (D): Intrinsische Eigenschaft der Karte, unabhängig vom Wiederholungszeitpunkt. Ändert sich langsam über die Zeit.
- Retrievability (R): Wahrscheinlichkeit, die Karte jetzt zu erinnern, abhängig von vergangener Zeit seit letzter Wiederholung und S.
SM-2 implementiert keinen dieser drei Begriffe explizit. Der E-Faktor ist eine grobe Annäherung an D, Intervalle eine Annäherung an S. R existiert in SM-2 nicht.
3. Warum FSRS-5 SM-2 übertrifft: 4 technische Gründe
1. Wissenschaftlich fundiertes Gedächtnismodell
FSRS-5 implementiert die Gleichungen des Gedächtnisabfalls auf Basis des DSR-Modells. Jede Karte hat ihre eigene Stabilität, Schwierigkeit und Retrievability, präzise berechnet. SM-2 verwendet einen einzigen E-Faktor pro Karte ohne rigorose theoretische Grundlage.
2. Personalisierung auf deine Geschichte
FSRS-5 optimiert seine 17 internen Parameter auf deine persönliche Wiederholungsgeschichte via Gradientenabstieg. Der Algorithmus lernt buchstäblich, wie dein Gedächtnis funktioniert. SM-2 verwendet dieselben Konstanten für alle, definiert von Wozniak 1987.
3. Kein Ease Hell
In FSRS-5 wird die Stabilität bei jeder Wiederholung nach deinem tatsächlichen Ergebnis neu berechnet. Eine schwierige Karte bleibt nicht dauerhaft stecken: Wenn du sie korrekt lernst, steigt ihre Stabilität und das Intervall verlängert sich. Den E-Faktor-Boden von SM-2 gibt es nicht.
4. Optimierung via Loss-Funktion
FSRS-5 minimiert eine Verlustfunktion, die die Abweichung zwischen vorhergesagter Retrievability und beobachtetem Ergebnis (Erinnern / Vergessen) misst. Das ist ein klassischer Machine-Learning-Ansatz. SM-2 passt seine Parameter mit manuell definierten if/then-Regeln an, die vor 37 Jahren erstellt wurden.
Punkt 4 verdient mehr Aufmerksamkeit. SM-2 ist grundlegend ein regelbasiertes Expertensystem: Wenn Wertung ≥ 4, erhöhe E-Faktor um 0.1. Wenn Wertung < 3, reduziere E-Faktor um (0.8 - 0.28 × q + 0.02 × q²). Diese Regeln wurden von Wozniak auf seinen eigenen persönlichen Daten kalibriert.
FSRS-5 geht das Problem anders an: Es definiert eine differenzierbare Netzwerkarchitektur, initialisiert Standardparameter, die auf Millionen anonymer Wiederholungen trainiert wurden, und verfeinert sie dann auf deinen persönlichen Daten. Deshalb verbessert sich FSRS mit der Zeit, während SM-2 stagniert.
4. Der Expertium-Benchmark: 700 Millionen Wiederholungen
Expertium veröffentlichte 2023–2024 eine vergleichende Analyse der Spaced-Repetition-Algorithmen auf einem Datensatz von 700 Millionen anonymisierten Anki-Wiederholungen. Das ist der derzeit rigoroseste öffentliche Benchmark.
Die verwendeten Metriken:
- Log-Loss: Wie gut der Algorithmus vorhersagt, ob du eine Karte erinnern oder vergessen wirst
- RMSE (Root Mean Square Error) bei vorhergesagter vs. beobachteter Retention
Hauptergebnisse des Benchmarks:
| Algorithmus | Log-Loss | RMSE Retention | |---|---|---| | SM-2 | 0.354 | 16.2% | | FSRS-4.5 | 0.298 | 6.1% | | FSRS-5 | 0.291 | 5.3% |
Was das konkret bedeutet: Um eine Zielretention von 90% zu erreichen, plant FSRS-5 die richtigen Wiederholungen zum richtigen Zeitpunkt mit einer Genauigkeit von ±5.3%. SM-2 weicht um ±16.2% ab. Diese Ungenauigkeit führt zu zu häufigen Wiederholungen bei leichten Karten (Zeitverschwendung) und Vergessen bei Karten, deren Intervall unterschätzt wird.
Der Autor von Expertium berechnete auch den Einfluss auf das Wiederholungsvolumen: Mit optimiertem FSRS-5 beobachtet man im Durchschnitt ~25% weniger Wiederholungen täglich bei identischer Retention von 90%. Bei einem Deck mit 2000 Karten und 100 täglichen Wiederholungen unter SM-2 sind das ~25 gesparte Wiederholungen täglich — etwa 15 Minuten.
Was Anki offiziell sagt
Seit Version 23.10 empfiehlt Anki FSRS als Standardalgorithmus und erklärt in seiner offiziellen Dokumentation: „FSRS can improve memory efficiency, allowing you to remember more with fewer reviews." Die Migration erfolgt automatisch für neue Profile.
“Diese App spart mir enorm viel Zeit bei den Wiederholungen und macht sie vor allem konkret und aktiv! Die Karten, die sie erstellt, sind prägnant — die Flashcards sind treffend und die Quizze ebenfalls.”
tinitoumasun, App Store FR · 5★ · Januar 2026 (übersetzt)
5. Welchen Algorithmus du wählen solltest
Die Antwort ist fast immer FSRS-5. Hier sind die wenigen echten Ausnahmen:
Du bleibst bei SM-2, wenn:
- Du eine Legacy-Software verwendest (SuperMemo < v16 oder sehr alte Anki-Plugins), die FSRS nicht unterstützt
- Du eine SM-2-Wiederholungsgeschichte über mehrere Jahre hast, die du nicht stören möchtest — migriere in diesem Fall schrittweise
Du wechselst zu FSRS-5, wenn:
- Du ein neues Deck startest (kein Grund, 2026 mit SM-2 anzufangen)
- Du unter Ease Hell leidest (bei E-Faktor 1.3 steckende Karten, die sich nicht mehr verbessern)
- Deine Wiederholungssessions länger dauern als erwartet ohne spürbaren Fortschritt
- Du Intervalle willst, die an dein persönliches Gedächtnisprofil angepasst sind
Diane AI vereinfacht die Wahl: FSRS-5 ist standardmäßig aktiv, ohne Konfiguration. Die Parameteroptimierung läuft automatisch im Hintergrund im Laufe deiner Wiederholungen. Du musst nicht zwischen Algorithmus und App-Nutzung wählen — das ist erledigt.
Für weitergehende theoretische Grundlagen schau dir unsere Anleitung zu Spaced Repetition, unsere dedizierte Seite zur FSRS-Methode oder den Vergleich der Anki-Alternativen an, wenn du noch zwischen den Tools schwankst.
Und wenn du verstehen möchtest, warum aktiver Abruf in Kombination mit FSRS den eigentlichen Unterschied macht, lies auch unsere Anleitung zu Active Recall.
6. Häufige Fragen
Lerne smarter mit FSRS-5
Diane AI verwendet FSRS-5 standardmäßig. Erstelle deine Flashcards in Sekunden und lass den Algorithmus deine Wiederholungen automatisch optimieren.
Diane AI kostenlos testen