KI-gestützte Nachhilfe: So funktioniert die Plattform mit Gedächtnis

Seit Jahren dominieren KI-gestützte Lernplattformen den Bildungsmarkt. Doch eine fundamentale Schwäche bleibt bestehen: Sie behandeln jede Lerneinheit wie ein neues Gespräch. Ein Schüler kämpft im September mit Brüchen, zeigt im Oktober Fortschritte – und im November beginnt die KI erneut bei null, sobald das Thema Dezimalzahlen aufkommt. Die Konsequenz? Personalisiertes Lernen wird zur Aneinanderreihung isolierter Sessions.

Genau hier setzt Evenfield an, eine KI-basierte Homeschooling-Plattform, die entwickelt wurde, weil bestehende Lösungen dieses zentrale Problem ignorieren. Die Plattform speichert nicht nur den aktuellen Wissensstand, sondern die gesamte Lernhistorie jedes Nutzers. Basierend auf Anthropics KI-Modell Claude und der eigenen H.U.N.I.E.-Speicherschicht erinnert sich die Plattform an jeden Durchbruch, jede Hürde und jedes Lernmuster – und nutzt diese Daten für zukünftige Interaktionen.

Warum Gedächtnis in der KI-Bildung unverzichtbar ist

Die meisten KI-Nachhilfeplattformen arbeiten mit sitzungsbasiertem Gedächtnis. Jede neue Unterhaltung startet ohne Vorwissen. Zwar kann die KI innerhalb einer Session Anpassungen vornehmen, doch bereits am nächsten Tag beginnt sie erneut bei null. Sie vergisst, welche Methoden dem Lernenden helfen, welche Themen bereits gemeistert wurden und wo kontinuierliche Schwierigkeiten auftreten.

Dabei ist Gedächtnis kein optionales Feature, sondern die Grundlage effektiven Lehrens. Menschliche Tutoren bauen ihr Verständnis für einen Schüler über Monate auf – sie wissen nicht nur, was gelernt wurde, sondern auch, wie der Lernprozess ablief. Eine KI, die diesen Ansatz übernimmt, kann pädagogisch wertvolle Entscheidungen treffen und den Unterricht individueller gestalten.

Technische Umsetzung: Wie Evenfield Erinnerungen speichert

Evenfield kombiniert moderne Webtechnologien mit einer spezialisierten Speicherarchitektur. Die Plattform basiert auf Next.js für das Frontend, während Supabase die Datenpersistenz übernimmt. Die Bereitstellung erfolgt über Railway, und das Design nutzt Tailwind CSS für eine responsive Oberfläche auf allen Geräten.

Der Kern der Innovation liegt jedoch in der Integration von H.U.N.I.E., einer eigenen Speicherschicht für persistente Erinnerungen. Jede Lerneinheit – ob Algebra-Probleme, Leseverständnis oder Programmierkonzepte – wird in H.U.N.I.E. gespeichert. Beim nächsten Start der Plattform greift die KI auf diese Daten zu und passt den Unterricht entsprechend an.

Die KI berücksichtigt dabei:

• Lernstile: Visuelle Lerner erhalten andere Beispiele als auditive.
• Fortschrittsanalyse: Wird ein Thema schneller begriffen als erwartet, passt die KI den Schwierigkeitsgrad an.
• Wiederholungsbedarf: Themen mit häufigen Fehlern werden priorisiert.
• Lernmuster: Erkennt die Plattform, dass ein Schüler logische Erklärungen bevorzugt, werden zukünftige Inhalte entsprechend strukturiert.

Fünfzehn Fächer, drei Lernende – und ein zentrales Profil

Evenfield deckt 15 Fächer ab, darunter Mathematik, Programmieren, Finanzbildung, Spanisch, Naturwissenschaften und unternehmerische Grundlagen. Jedes Fach verfügt über ein eigenes Fortschritts-Tracking, das jedoch in einem einheitlichen Lernprofil zusammenfließt.

Aktuell nutzen drei Lernende mit zwei Betreuern die Plattform. Der Algorithmus differenziert dabei nicht nur nach Alter, sondern auch nach individuellen Lernpräferenzen. Die Darstellung einer mathematischen Gleichung kann für einen visuellen Lerner durch Grafiken unterstützt werden, während ein logisch denkender Nutzer Schritt-für-Schritt-Anleitungen erhält.

Für administrative Zwecke generiert die Plattform vierteljährliche PDF-Berichte, die den Fortschritt dokumentieren. Diese Berichte sind keine generischen Vorlagen, sondern basieren auf den tatsächlichen Lernergebnissen, die durch das persistente Gedächtnis erfasst werden.

H.U.N.I.E. als Ökosystem für KI-gestütztes Lernen

Evenfield ist die erste H.U.N.I.E.-Anwendung, die den Nutzen persistenter KI-Erinnerungen in der Praxis demonstriert. Jeder Lernende agiert als eigenständiger Agent, der nach jeder Session Daten in H.U.N.I.E. schreibt. Über die Zeit entsteht so ein umfassendes Bild der Bildungsbiografie.

Die Speicherschicht geht dabei weit über einfache Datenspeicherung hinaus. Sie versteht pädagogische Kontexte, erstellt Zeitachsen des Lernfortschritts und ermöglicht komplexe Analysen von Entwicklungsmustern. Lehrkräfte oder Eltern können etwa gezielt nachfragen: „Wie hat sich die Fehlerquote in geometrischen Aufgaben seit Februar entwickelt?“ – und erhalten eine präzise Antwort.

Vom Prototyp zur täglichen Lernbegleitung

Evenfield wurde nicht als Experiment oder Demo entwickelt, sondern als praktische Lösung für den Alltag. Die Plattform wird täglich von den eigenen Kindern des Entwicklers genutzt – jede Feature-Entscheidung entstand aus realen Unterrichtssituationen.

Der Bedarf nach persistenter Erinnerung entstand aus der Beobachtung, wie menschliche Tutoren Wissen aufbauen: Sie merken sich nicht nur die aktuellen Lernstände, sondern auch die Wege dorthin. Eine KI, die diesen Ansatz übernimmt, kann echte pädagogische Beziehungen aufbauen – nicht nur transaktionale Interaktionen.

Die Technologie beweist, dass KI-Nachhilfe über die Grenzen sitzungsbasierter Systeme hinauswachsen kann. Statt isolierter Gespräche entsteht eine kontinuierliche Lernbegleitung, die den Schülern das Gefühl gibt, verstanden zu werden. Mit Evenfield wird aus einer simplen Lernsoftware eine echte Bildungsplattform, die sich an die Bedürfnisse jedes Einzelnen anpasst.

Die Zukunft des digitalen Lernens liegt nicht in kurzfristigen Interaktionen, sondern in langfristigen Beziehungen zwischen Technologie und Lernendem. Evenfield zeigt, wie diese Vision Realität werden kann.