Nasvytis & Fan: Einsicht und „Transfer“ zeigen sich in der Art zu sprechen — Fukai liest

Zusammenfassung in einem Absatz

Manchmal erlebt man, wie sich ein Problem, an dem man festhing, plötzlich löst — eine „Einsicht“ (insight; der Moment, in dem sich die Sichtweise auf ein Problem umschaltet und die Antwort erscheint). Diese Studie untersucht diese Einsicht und wie der dabei gewonnene Trick auf das nächste, ähnliche Problem übertragen wird (Transfer, transfer; dass eine bei einer Aufgabe erworbene Lösungsweise auch bei einer anderen Aufgabe wirkt), mithilfe eines Experiments, bei dem Teilnehmer laut denken.

189 Teilnehmer lösten fünf Streichholz-Rechenrätsel hintereinander, während ihre Äußerungen automatisch transkribiert und analysiert wurden. Bei der Gruppe, in der derselbe Aufgabentyp wiederkehrte, wurden Tempo und Genauigkeit nach dem ersten Erfolg deutlich besser, und die Häufigkeit, mit der sie den Aufgabentyp laut benannten — „das ist derselbe Typ wie eben“ —, nahm zu.

Mit anderen Worten: Wenn Transfer stattfindet, wird man in der Lage, den selbst gefundenen Trick in Worte zu fassen — das ist die zentrale Beobachtung dieser Studie. Ich lese sie als eine Untersuchung, die die Faustregel des Level-Designs, „durch Wiederholung desselben Mechanismus zur Meisterschaft führen“, experimentell untermauert.

Einleitung

Die Autoren sind Linas Nasvytis und Judith E. Fan, beide an der Stanford University (Fachbereich Psychologie, Graduiertenschule für Bildung und Fachbereich Informatik). Dieser Beitrag ist ein im Mai 2026 auf arXiv veröffentlichtes Preprint (arXiv:2605.12970 — ein Manuskript vor der Begutachtung, im Format eines kurzen kognitionswissenschaftlichen Konferenzbeitrags), und ich kann nicht bestätigen, dass es das Peer-Review bereits durchlaufen hat. Positiv zu vermerken ist jedoch, dass das Experiment präregistriert wurde (preregistration; Hypothesen und Analyseverfahren werden vor der Durchführung veröffentlicht, um nachträgliche Analysen zu verhindern) und dass Daten und Code öffentlich zugänglich sind.

Ich habe diesen Beitrag heute ausgewählt, weil das Thema unmittelbar Puzzles selbst betrifft. Die behandelte Aufgabe ist das klassische Einsichtsproblem der „Streichholz-Rechenrätsel“, ein Material, das Puzzle-Machern direkt unter die Haut geht. Und das Ergebnis, dass „Wiederholung desselben Typs die Meisterschaft beschleunigt“, hängt unmittelbar mit der Reihenfolge im Level-Design zusammen. Nach einer Reihe von KI-Studien wollte ich heute eine Arbeit vorstellen, die die menschliche Kognition selbst betrachtet.

Hintergrund

Einsicht wurde seit jeher als ein diskontinuierlicher Sprung beschrieben, begleitet von einem plötzlichen „Aha-Erlebnis“. Eine einflussreiche Erklärung der Kognitionswissenschaft besagt, Einsicht sei der Wechsel des Suchraums von einer ursprünglichen Auffassung des Problems (Problemrepräsentation, problem representation) zu einer anderen (Kaplan & Simon, 1990). Dieser Wechsel wird beispielsweise durch das Lockern impliziter Annahmen oder das Zerlegen vertrauter Einheiten ausgelöst (Knoblich et al., 1999).

Das Problem ist, dass dieser Wechsel im Kopf stattfindet und von außen nicht direkt sichtbar ist. Um den Prozess zu erfassen, wurde bislang das Lautdenk-Protokoll (think-aloud protocol; eine Methode, bei der man Teilnehmer bittet, während der Arbeit alles laut auszusprechen, was ihnen durch den Kopf geht) verwendet, doch das Transkribieren und Kodieren der Aufnahmen war aufwendig und bei großen Teilnehmerzahlen schwer zu handhaben.

Hier kommen die jüngsten Fortschritte in der automatischen Spracherkennung und der Verarbeitung natürlicher Sprache (NLP; eine Reihe von Technologien, die Computern das Verarbeiten von Text ermöglichen) ins Spiel. Man kann nun in großem Maßstab nicht nur Dauer und Menge des Gesprochenen, sondern auch dessen Inhalt und die Rolle, die eine Äußerung im Schlussfolgerungsprozess spielt, analysieren. Diese Studie versucht, mit diesem Instrumentarium Einsicht und Transfer zu beobachten.

Ansatz / Methode

Die Aufgabe ist das Streichholz-Rechenrätsel: eine „falsche Gleichung“ aus römischen Zahlen, die mit Streichhölzern dargestellt wird und durch Verschieben genau eines Streichholzes richtig gemacht werden muss. Die Autoren erstellten neu fünf Typen von Transformationen mit insgesamt 25 Aufgaben. Die Teilnehmer, 202 Personen, wurden über Crowdsourcing (Prolific) rekrutiert; nach Anwendung präregistrierter Ausschlusskriterien (nicht bestandene Übung, schlechte Tonqualität, fehlende Daten usw.) wurden schließlich 189 analysiert.

Der Kern liegt in der Gruppeneinteilung. Die „gleiche Gruppe“ (Same) sieht bei allen fünf Aufgaben denselben Transformationstyp, sodass sich der Typ wiederholt. Die „verschiedene Gruppe“ (Different) erhält jedes Mal einen anderen Transformationstyp, sodass sich der Typ nie wiederholt. Damit lassen sich zwei Phasen trennen: der Moment des ersten Erfolgs (den die Autoren als Indikator dafür behandeln, dass eine Umdeutung des Problems stattgefunden hat) und die Frage, ob der Trick danach wiederverwendet werden kann. Jede Aufgabe hatte ein Zeitlimit von vier Minuten, und die Teilnehmer wurden während des gesamten Lösungsvorgangs beim lauten Denken aufgezeichnet.

Die Analyse verläuft mehrschichtig. Zunächst misst der Stille-/Sprache-Detektor Silero, „wie viel gesprochen wurde“ (Sprechdichte). Anschließend wird mit WhisperX transkribiert, und jede Sprachsequenz wird mit dem Einbettungsmodell von OpenAI (text-embedding-3-large, ein Modell, das die Bedeutung eines Satzes in eine Zahlenfolge umwandelt) numerisch erfasst; ein Klassifikator prüft, ob sich daraus Korrektheit oder Phase vorhersagen lassen. Zudem versieht GPT-5.1 jede Äußerung mit einem von sieben Labels — Vorschlag, Bewertung, Kategorisierung, Umformulierung, Emotion, Füllwort, Sonstiges —, um zu verfolgen, welche Denkzüge vollzogen wurden. Die Gleichungen selbst werden nicht herangezogen; das Design stützt sich auf Veränderungen in der Sprechweise als Hinweis.

Ergebnisse

Zunächst wurde die Bandbreite der Schwierigkeit bestätigt. Die Gesamttrefferquote lag bei 47,5 % (449 von 945 Versuchen korrekt). Nach Typ war „value-loose-chunk“ mit 80,7 % am leichtesten und „tautological“ mit 19,2 % am schwersten — eine Verteilung, die die Autoren als für die Untersuchung von Lernen und Transfer gut geeignet beschreiben.

Das zentrale Ergebnis lautet: In der Same-Gruppe, in der sich der Typ wiederholte, stieg die Trefferquote von 0,32 bei Versuch 1 auf 0,75 bei Versuch 5. Die Different-Gruppe blieb dagegen zwischen 0,32 und 0,39 (Interaktion Versuch × Gruppe β=-0,524, p<.001). Betrachtet man nur jene, die ihren ersten Erfolg bis Versuch 4 erreichten, und schaut auf die Leistung danach, löste die Same-Gruppe 83,7 % der folgenden Aufgaben korrekt gegenüber 44,0 % in der Different-Gruppe, und auch die benötigte Zeit betrug in der Same-Gruppe 89,9 Sekunden gegenüber 179,0 Sekunden in der Different-Gruppe. Die Wiederholung desselben Typs hebt die Leistung erheblich an.

Auch die Sprechweise veränderte sich. Bei korrekten Versuchen war die Sprechdichte höher (Differenz=0,067, p<.0001), und im Moment des ersten Erfolgs stieg die Sprechmenge in beiden Gruppen. Doch nur in der Same-Gruppe stieg die Sprechmenge auch nach dem ersten Erfolg weiter (Veränderung nach dem Erfolg=0,074, p<.0001; Different-Gruppe 0,007, nicht signifikant). Auch bei der inhaltlichen Klassifikation ließ sich Korrektheit allein aus dem Gesprochenen mit 71,7 % Genauigkeit vorhersagen, doch der Unterschied zwischen Same und Different bei derselben Aufgabe ließ sich nicht vorhersagen (Genauigkeit 49,2 % — nahe dem Zufallsniveau).

Das deutlichste Anzeichen für Transfer war „Kategorisierungs“-Sprache. In der Same-Gruppe stieg der Anteil, mit dem der Aufgabentyp nach dem ersten Erfolg explizit benannt wurde — „das ist derselbe Typ wie eben“ — von 0,3 % auf 2,1 %, eine etwa siebenfache Zunahme (Differenz=+1,8 Punkte). In der Different-Gruppe blieb dieser Wert nahezu bei null. Gleichzeitig sank die Zahl der erwogenen Kandidatenzüge in beiden Gruppen zum Zeitpunkt des ersten Erfolgs (ein Zeichen dafür, dass die Umdeutung die Suche eingeengt hatte), doch nur in der Same-Gruppe sank sie danach weiter.

Anwendungsfälle

Erstens die Anordnung von Levels. Wer ein Mechanik-lehrendes Sokoban-like oder eine Puzzle-Action baut, für den wird das Design gestützt, aufeinanderfolgende Levels zu platzieren, die denselben „Lösungsansatz“ (Trick) nutzen, sodass Spieler den Trick festigen können, bevor sie weiterziehen. Die alte Faustregel „ein neues Element nach dem anderen, eine Weile wiederholen lassen, dann weiter“ erhält damit, so lässt sich lesen, eine experimentelle Bestätigung für Transfer.

Zweitens die Einschätzung der Schwierigkeit. Diese Studie liefert eine Schwierigkeitsreihenfolge für die Transformationstypen der Streichholz-Rechnung (value-loose-chunk leicht, tautological schwer). Wer Gleichungsrätsel oder Ein-Zug-Rätsel der Art „löse dich von der Annahme“ entwirft, kann diese Reihenfolge als Grundlage für die Schwierigkeitskurve verwenden.

Drittens der Kniff, Mechaniken einen „Namen“ zu geben. Da das Kennzeichen von Transfer war, „den Aufgabentyp laut zu benennen“, könnte es Transfer fördern, Spieler den von ihnen gefundenen Trick beschriften zu lassen oder mit einer kurzen Frage wie „was für eine Art Rätsel war das gerade?“ zu einer Rückschau anzuregen. Das geht in Richtung einer sanften Gamifizierung der Metakognition (das eigene Denken selbst reflektieren).

Viertens die Möglichkeit als Messinstrument für Playtests. Das Instrumentarium aus Stille-/Sprache-Erkennung, Transkription und semantischer Quantifizierung lässt sich in UX-Research übertragen, die aus der Tonspur von Testspielen in großem Maßstab erfasst, „wann ein Aha auftrat“ und „ob Transfer stattfindet“. Zunehmendes Sprechen und sich einengende Kandidatenzüge können als Zeichen dafür dienen, dass sich ein Spieler der Lösung nähert. Fünftens der Zeitpunkt für Hinweise: Der Befund, dass sich die Kandidatenzüge kurz vor dem ersten Erfolg einengen, lässt sich umgekehrt nutzen, um einen Spieler, der zu viele Kandidaten in Betracht zieht und feststeckt, als „festgefahren“ zu erkennen und Hinweise entsprechend zu timen.

Grenzen

Die von den Autoren selbst eingeräumten Grenzen sind offen benannt. Sie verwenden den ersten Erfolg als Indikator für „eine stattgefundene Umdeutung“, messen aber das subjektive Aha-Erlebnis pro Versuch nicht direkt. Das Lautdenk-Protokoll bildet nur einen Teil dessen ab, was im Kopf vorgeht, und automatische Transkription und Labeling bringen Rauschen mit sich. Zudem ist die Streichholz-Rechnung eine stark eingeschränkte Einsichtsaufgabe; in anderen Bereichen könnten sich andere sprachliche Anzeichen zeigen. Für die Zukunft nennen die Autoren Richtungen wie die Kombination mit Aha-Bewertungen, die Untersuchung, ob frühe sprachliche Merkmale späteren Transfer vorhersagen, und die kausale Überprüfung, ob das Fördern von Abstraktion die Wiederverwendung tatsächlich erhöht.

Was ich, Fukai, hier ergänzend anmerken möchte: Erstens handelt es sich um einen Between-Subjects-Vergleich (ein Design, das Personen in zwei Gruppen aufteilt und vergleicht). Da Transfer nicht innerhalb derselben Person verfolgt wurde, können sich individuelle Unterschiede ins Ergebnis mischen. Zweitens wirkt die Siebenfachzunahme der „Kategorisierungs“-Sprache spektakulär, ist aber in absoluten Zahlen mit 2,1 % klein — ein realer Effekt, dessen Häufigkeit an sich jedoch niedrig bleibt.

Außerdem nimmt das Sprechen „parallel“ zum Erfolg zu; die Studie zeigt nicht, dass das Verbalisieren Einsicht oder Transfer tatsächlich „auslöst“. Es handelt sich um eine korrelative Beobachtung, nicht um Kausalität. Zudem verlangt der Einsatz von GPT-5.1 zum Labeln der Denkzüge Vorsicht gegenüber dem Zirkelschluss, menschliches Schlussfolgern mit dem Urteil einer Maschine zu messen (die Autoren geben an, einen Teil manuell überprüft zu haben). Schließlich ist dies, so präregistriert es auch sein mag, eine einzelne Studie und ein Preprint vor der Begutachtung. Ich halte es für angemessen, nicht zu „so sind Menschen“ zu verallgemeinern, sondern mit dem Vorbehalt zu lesen: „unter dieser Aufgabe und diesen Bedingungen wurde dies beobachtet“.

Fukais Lesart

Von hier an folgt meine eigene Interpretation. Ich möchte diese Studie als einen Versuch verorten, der die klassische kognitionswissenschaftliche Sichtweise „Einsicht = Umdeutung des Problems“ (Kaplan & Simon) mit dem handwerklichen Wissen, das sich im Game-Design angesammelt hat — „Mechaniken eine nach der anderen lehren“ —, über das Beobachtungsfenster der Sprache verbindet. Im Vokabular der Designkritik ausgedrückt: Diese Studie übersetzt „Meisterschaft durch Wiederholung desselben Mechanismus“ in ein von außen messbares Signal, nämlich die Sprache. Insbesondere der Hinweis, dass „den Trick in Worte fassen zu können“ das Kennzeichen von Transfer ist, gibt, wie ich es lese, der Designentscheidung, Spieler den Rätseltyp benennen zu lassen — über die Formulierung von Tutorials und Hinweisen —, eine leise, aber verlässliche Grundlage.

Zum Schluss

Für alle, die tiefer einsteigen möchten: Als Klassiker, der Einsicht als „Lockerung von Beschränkungen und Zerlegung von Einheiten“ fasst, sei Knoblich et al. (1999) empfohlen, und als Methodik, das Lautdenk-Verfahren im großen Maßstab durchzuführen, Wurgaft et al. (2025), „Scaling up the think-aloud method“, das auch diese Studie zitiert. Liest man beides zusammen, zeichnet sich eine Landkarte dieses Feldes ab. Wer den neurowissenschaftlichen Hintergrund der Einsicht erfassen möchte, findet in der Übersichtsarbeit von Kounios & Beeman (2014) einen Wegweiser.

Ich selbst habe im Ausdruck dieser Studie den Absatz über die „siebenfache Kategorisierungs-Sprache“ mit rotem Stift unterstrichen. Der Moment, in dem ein Spieler murmelt: „Ah, das ist dasselbe wie eben“ — genau das könnte das Signal sein, dass das von uns gebaute Puzzle wirklich angekommen ist. Bei einem Schluck starkem Kaffee habe ich darüber nachgedacht.

Quellen

In diesem Artikel referenzierte Studien und verwandtes Material:

・Leveraging Speech to Identify Signatures of Insight and Transfer in Problem Solving (Linas Nasvytis & Judith E. Fan, 2026, arXiv preprint arXiv:2605.12970)

・Verwandte Studie: Scaling up the think-aloud method (Wurgaft et al., 2025, arXiv preprint)

・Verwandte Studie: Constraint relaxation and chunk decomposition in insight problem solving (Knoblich, Ohlsson, Haider & Rhenius, 1999, Journal of Experimental Psychology: LMC)

・Verwandte Studie: The cognitive neuroscience of insight (Kounios & Beeman, 2014, Annual Review of Psychology)