- Kunde
- Abbett Labs
- Rolle
- Co-founder & Product Director
- Zeitraum
- 2018–2021
- Branche
- Education / EdTech
- System
- Human Learning
- Domäne
- Education
- Design-Hebel
- Personalisation
- Hauptergebnis
- Retention
- Framework
- Human Learning System
Executive Summary
Sprachlern-Plattformen behandeln Lernende weiterhin alle gleich — generische Listen, standardisierte Übungen, keine Verbindung zu persönlicher Erfahrung. Als Co-Founder und Product Director wurde die Kategorie-Frage neu gerahmt: Wie liefert man One-to-One-Relevanz in digitaler Skalierung?
Ergebnis: Foto-verankerte Vokabel-Erlebnisse. ML-generierte personalisierte Lektionen. Eine Consumer-App im Apple App Store — der Nachweis, dass Personalisierung das Kernprodukt sein kann, nicht ein Feature.
Zentrale Ergebnisse
- Produktvision definiert, die Kognitionswissenschaft, KI und mobiles Lernverhalten verbindet
- Vokabel-Erlebnisse um persönliche Fotos statt generischer Wortlisten umgesetzt
- Machine Learning für individualisierte Inhalte ohne manuelle Lektions-Erstellung pro Lernendem eingesetzt
- Launch im Apple App Store — personalisiertes Lernen von Forschungshypothese zu nutzbarem Produkt
Prinzipien
- Personalisierung ohne Retention-Messung ist Experiment — kein Strategie; den Feedback-Loop vor der Feature-Roadmap designen.
- Lernsysteme verankern Inhalte in gelebter Erfahrung; generische Curricula optimieren Content-Produktion, nicht Gedächtnisbildung.
- KI gehört in die Learning Engine, die Delivery adaptiert — nicht als Versprechen auf der Landing Page.
- Consumer-Education-Produkte müssen Kognitionswissenschaft und Distributionsökonomie in der Architektur versöhnen.
Hello, World! Learning Operating System
Wie Hello, World! persönliche Fotos in skalierbares, individualisiertes Vokabellernen übersetzt
HELLO, WORLD! — LEARNING OPERATING SYSTEM
Forschungsgrundlagen
Kontextabhängiges Gedächtnis
Verteiltes Abruftraining
ML-Lektionsgenerierung
Personal Learning Engine
Lernkontext
- Persönliche Fotos
- Erinnerungen & Reisen
- Alltagserfahrungen
- Individuelle Vokabellücken
Hello, World!-Stack
- ML-generierte Lektionen
- Foto-verankerte Inhalte
- iOS Consumer-App
- Personalisierung in Skalierung
In-App-Lernschleife
Foto-Kontext
Vokabel erfassen
Verteiltes Abrufen
Reflexion
Lernergebnisse
Lernen verankert im eigenen LebenPersonalisiertes Vokabellernen — im App Store veröffentlicht
Hello, World!
Abbett Labs — personalisiertes Vokabellernen in mobiler Skalierung
Kennzahlen
Photos
Persönliche Erinnerungen als kontextuelle Vokabel-Anker
ML
Machine Learning für individualisierte Lektions-Generierung in Skalierung
2020
Jahr der Co-Gründung und Veröffentlichung im Apple App Store
4
Kernprinzipien: Kontext, Augmentation, Einfachheit und skalierbare Personalisierung
Framework
Human Learning System
Das Human Learning System übersetzt Lernprofil, Vokabelziele, Nutzungsmuster und Spaced-Repetition-Intervalle über eine adaptive Learning Engine in gehaltenes Vokabular, Lerngewohnheiten und messbaren individuellen Fortschritt. Inputs sind behavioural und kontextuell; der Kern personalisiert Delivery anhand von Retention-Signalen; Outputs sind dauerhafte Lernergebnisse. Das Framework ging aus Hello, World! als wiederverwendbares Modell für jedes Mandat hervor, in dem individueller Kontext entscheidet, ob Information haften bleibt.
Eingaben
Kernsystem
Adaptive learning engine that personalises content delivery based on retention signals
Ergebnisse