Warum wir kostenlose Lerntools entwickelt haben
NerdSip macht Lernen mühelos. Unsere App liefert mundgerechte Kurse zu Wissenschaft, Psychologie, Geschichte und Hunderten weiterer Themen. Aber wir glauben auch, dass einige der besten Lernmomente außerhalb jeder App passieren — in einer Lernpause, an einem ruhigen Nachmittag oder in einem Moment der Neugier.
Deshalb haben wir diese Tools entwickelt. Sie sind völlig kostenlos, erfordern kein Konto und funktionieren sofort in jedem Browser. Jedes einzelne basiert auf einer einfachen Idee: Es absurd einfach machen, etwas Neues zu lernen oder effektiver zu lernen.
Wie diese Tools dir beim Lernen helfen
Zufallsfakten-Generator
Unser Fakten-Generator greift auf dieselbe kuratierte Wissensdatenbank zu, die unsere über 3.000 Mikro-Lektionen antreibt. Jeder Fakt ist geprüft, faszinierend und so aufbereitet, dass er hängen bleibt. Forschung zum Spacing-Effekt zeigt, dass Informationen in kurzen, zufälligen Dosen über die Zeit deutlich besser im Langzeitgedächtnis bleiben als beim Pauken. Ein Fakt nach dem anderen, Tag für Tag, baut echtes Breitenwissen auf.
Allgemeinwissenstest
Der Testing-Effekt gehört zu den best belegten Erkenntnissen der Lernwissenschaft: Ein Quiz zu machen ist für das Behalten effektiver als Nachlesen. Unser Wissenstest misst nicht nur, was du weißt — er stärkt aktiv dein Gedächtnis für die behandelten Themen. Die Aufschlüsselung nach Kategorien hilft dir, Wissenslücken zu erkennen, damit du genau weißt, worauf du dich beim Lernen konzentrieren solltest.
Pomodoro-Fokus-Timer
Die Pomodoro-Technik wird durch Jahrzehnte kognitionswissenschaftlicher Forschung gestützt. Kurze, zeitlich begrenzte Arbeitsphasen mit regelmäßigen Pausen halten die Konzentration auf Höchstniveau und verhindern den abnehmenden Ertrag von Marathon-Sitzungen. Unser Twist: In jeder Pause lernst du einen neuen Wissenschafts- oder Gehirnfakt. An einem typischen Lerntag sind das 8–12 neue Fakten, die du ganz nebenbei aufnimmst.
Denkfehler-Detektor
Kognitive Verzerrungen sind systematische Denkfehler, die jede unserer Entscheidungen beeinflussen. Die Psychologen Daniel Kahneman und Amos Tversky haben Dutzende dieser Verzerrungen durch jahrzehntelange Forschung identifiziert, wofür Kahneman 2002 den Nobelpreis erhielt. Unser Detektor präsentiert realitätsnahe Szenarien und fordert dich heraus, die jeweilige Verzerrung zu erkennen. Denkfehler in kontrollierten Situationen zu erkennen, trainiert dich, sie auch im Alltag zu entlarven — vom Ankereffekt in Gehaltsverhandlungen bis zur Sunk-Cost-Falle im Projektmanagement.
KI-Benchmarks: Wie wir maschinelle Intelligenz messen
Zwei unserer Tools — Du vs ChatGPT und ARC-AGI Test — basieren auf den Benchmarks, mit denen Forscher das Denkvermögen von KI messen. Zu verstehen, wie sich diese Benchmarks entwickelt haben, erklärt, warum bestimmte Fragen selbst die fortschrittlichsten KI-Systeme immer noch aus dem Konzept bringen.
Die Entwicklung der KI-Benchmarks
Die KI-Bewertung hat sich in nur wenigen Jahren dramatisch verändert. Frühe Benchmarks konzentrierten sich auf Wissensabruf — konnte ein Modell Faktenfragen beantworten? Als die Modelle das meisterten, gingen Forscher zu schwierigeren Aufgaben über:
- MMLU (2020) — 57 akademische Fächer, von Grundschulmathematik bis Fachjura. GPT-4 erreichte beim Launch 86,4 %. Bis 2025 schaffen Spitzenmodelle routinemäßig über 90 %. MMLU gilt inzwischen als ausgereizt.
- GPQA Diamond (2023) — Fragen auf Doktoranden-Niveau, verfasst von Fach-PhDs, so schwer, dass andere PhDs außerhalb der Spezialisierung nur ~34 % schaffen. Claude 3.5 Sonnet erreichte 59,4 % — nahe an Expertenniveau.
- SWE-bench Verified (2024) — Echte GitHub-Issues aus Produktiv-Codebasen. Testet, ob KI tatsächlich Bugs in komplexer Software beheben kann. Damit verschob sich das Benchmarking von „Kann es Fragen beantworten?“ zu „Kann es echte Arbeit leisten?“
- ARC-AGI (2019, aktualisiert 2024) — Visuelle Musterrätsel von François Chollet zum Testen fluider Intelligenz. Jedes Rätsel erfordert, eine neue Regel aus nur zwei Beispielen abzuleiten. Basis-Sprachmodelle erreichten jahrelang knapp 0 %. ARC-AGI-2 (2025) setzte die Messlatte mit schwierigeren Mustern noch höher.
- FrontierMath (2024) — Mathematikprobleme auf Forschungsniveau. Selbst die besten Modelle lösen weniger als 2 % — eine ernüchternde Erinnerung daran, dass echtes mathematisches Denken aktueller KI noch überlegen ist.
Warum manche Fragen KI noch immer überfordern
Unsere „Du vs ChatGPT“-Challenge basiert auf dokumentierten Schwachstellen — kein obskures Wissen, sondern systematische Schwächen in der Informationsverarbeitung von Sprachmodellen. Tokenisierung verursacht Zählfehler (das berühmte „Wie viele R's hat Erdbeere?“). Chain-of-Thought-Reasoning versagt bei Aufgaben mit gezielter Irreführung. Das sind keine Bugs, die gepatcht werden — sie spiegeln fundamentale Architekturentscheidungen wider, wie Modelle Sprache repräsentieren.
ARC-AGI testet eine völlig andere Dimension: die Fähigkeit, ein neues Konzept aus minimalen Beispielen zu lernen und zu verallgemeinern. Menschen tun das mühelos — ein Kind, das zwei Beispiele einer Gitter-Transformation sieht, kann oft die Regel ableiten. KI-Modelle, die auf Mustererkennung aus Billionen von Trainings-Token setzen, scheitern genau deshalb, weil ARC-Rätsel so konzipiert sind, dass sie nichts in den Trainingsdaten ähneln.
Wo wir im März 2026 stehen
Die Lage verändert sich rasant. OpenAIs o3-System (mit hohem Rechenaufwand) erreichte Ende 2024 87,5 % auf ARC-AGI-1 und bewies damit, dass Spitzenmodelle mit genügend Denkbudget neuartige Musteraufgaben bewältigen können. Claude Opus 4.6 und GPT-5.4 haben die GPQA-Werte über 70 % getrieben. Doch ARC-AGI-2 bleibt weitgehend ungelöst, und FrontierMath zeigt weiterhin die Lücke zwischen statistischer Mustererkennung und echtem mathematischen Denken.
Unsere Tools lassen dich diese Benchmarks aus erster Hand erleben. Wenn du ein ARC-Rätsel löst, an dem GPT-4 jahrelang gescheitert ist, demonstrierst du eine Form von Intelligenz, die KI-Forscher immer noch zu reproduzieren versuchen.
Die Wissenschaft hinter Microlearning
Alle unsere Tools basieren auf denselben Prinzipien, die auch die NerdSip-App antreiben:
- Spacing-Effekt — Kleine Informationshäppchen über die Zeit verteilt schlagen Pauken jedes Mal
- Testing-Effekt — Informationen aus dem Gedächtnis abzurufen stärkt die neuronalen Pfade zu dieser Erinnerung
- Neugiergetriebenes Lernen — Du merkst dir, was dich wirklich interessiert, deshalb funktionieren zufällige Fakten so gut
- Interleaving — Das Mischen von Themen (Wissenschaft, Geschichte, Psychologie) in einer einzigen Sitzung verbessert die Gesamtbehaltensleistung
- Metakognition — Die eigenen Denkmuster zu erkennen (wie kognitive Verzerrungen) verbessert die Entscheidungsfindung in jedem Bereich
- Kognitive Pausen — Kurze Ablenkungen von fokussierter Arbeit verbessern die Daueraufmerksamkeit dramatisch
Mehr NerdSip Lernpfade entdecken
Die Tools sind der schnellste Einstieg. Für tieferes Lernen nutzt du die wichtigsten NerdSip Hubs unten.
Tauche tiefer ein mit NerdSip
Diese Tools sind der Appetizer. Die App liefert das volle Menü: über 500 interaktive Kurse, KI-generierte Lektionen zu jedem Thema, XP und Levelsystem sowie eine Community neugieriger Köpfe.
NerdSip kostenlos laden
