FSRS erklärt: der Anki-Algorithmus im Vergleich mit SM-2

Jede Karteikarten-App muss eine einzige Frage beantworten: Wann zeige ich dir diese Karte wieder? Zu früh, und du verschwendest Zeit mit Zeug, das du sicher kannst. Zu spät, und du hast es vergessen und fängst von vorn an.

Anki hat diese Frage jahrelang mit einer Variante von SM-2 beantwortet. Seit Anki 23.10 gibt es eine Alternative direkt eingebaut: FSRS, den Free Spaced Repetition Scheduler. Der Wechsel ist der größte Umbau in Ankis Planung seit Langem, und er hat eine Reihe Begriffe mitgebracht, die viele Leute verwirren: Stabilität, Retrievability, Desired Retention. Hier ist, was dahintersteckt und was du davon wirklich einstellen musst.

SM-2 in Anki: der Ease-Faktor

Ankis SM-2-Variante arbeitet mit einem Faktor pro Karte, der Ease. Laut Anki-FAQ startet sie bei Wiederholungskarten standardmäßig bei 250 %, mit einer Untergrenze von 130 %. Bei jeder Antwort verändert sie sich:

• Again senkt die Ease um 20 Prozentpunkte und schickt die Karte ins Wiederlernen.
• Hard senkt sie um 15 Punkte und multipliziert das Intervall standardmäßig mit 1,2.
• Good lässt die Ease unverändert und multipliziert das Intervall mit der Ease.
• Easy erhöht sie um 15 Punkte und multipliziert zusätzlich mit einem Easy-Bonus.

Gegenüber dem ursprünglichen SM-2 hat Anki einiges geändert: vier statt sechs Bewertungen, konfigurierbare Lernschritte, Berücksichtigung verspäteter Reviews und den Easy-Bonus.

Das Problem kennt jeder, der länger mit Anki lernt: Ease Hell. Eine Karte, die du ein paarmal nach der Lernphase vergessen hast, rutscht mit ihrer Ease Richtung Untergrenze. Dann bekommt sie dauerhaft kurze Intervalle, auch wenn du sie längst kannst. Die Karte ist gefangen.

FSRS: drei Zahlen pro Karte

FSRS geht anders vor. Statt eines Faktors schätzt es für jede Karte drei Größen, nach ihren Anfangsbuchstaben das DSR-Modell:

• Difficulty (D), Schwierigkeit: wie schwer es ist, die Stabilität dieser Karte durch Wiederholung zu erhöhen. Skala von 1 bis 10.
• Stability (S), Stabilität: die Zeit in Tagen, nach der die geschätzte Abrufwahrscheinlichkeit auf 90 % gefallen ist. S = 30 heißt: Nach 30 Tagen weißt du die Karte laut Modell noch mit 90 % Wahrscheinlichkeit.
• Retrievability (R), Abrufwahrscheinlichkeit: wie wahrscheinlich du die Karte genau jetzt noch weißt. R hängt von S und der vergangenen Zeit ab und sinkt Tag für Tag.

D und S werden nach jeder Bewertung aktualisiert, R ändert sich mit der Zeit. Wichtig: Das sind Modellschätzungen, keine Messungen deines Gehirns. Aber es sind Schätzungen, die aus echten Wiederholungsdaten gelernt werden.

Was deine Antworten unter FSRS bewirken, beschreibt die Anki-FAQ so: Again senkt typischerweise die Stabilität und erhöht die Schwierigkeit. Hard erhöht die Schwierigkeit, die Stabilität bleibt gleich oder steigt. Good erhöht die Stabilität. Easy erhöht die Stabilität stärker und senkt die Schwierigkeit.

Den Ease-Mechanismus von SM-2 gibt es in FSRS nicht, also auch keine Ease Hell im klassischen Sinn. Ehrlich dazugesagt: Schwierige Karten kann FSRS trotzdem häufig zeigen. Nur eben, weil das Modell sie für schwierig hält, nicht weil ein Faktor festhängt.

Woher FSRS kommt

Entwickelt hat FSRS Jarrett Ye, Forschungsingenieur bei der Lern-App MaiMemo. Weiterentwickelt wird es offen im Projekt open-spaced-repetition auf GitHub. Ausgangspunkt war MaiMemos DHP-Modell, eine Variante des DSR-Modells. Die zugrunde liegende Konferenzarbeit erschien 2022 auf der KDD: „A Stochastic Shortest Path Algorithm for Optimizing Spaced Repetition Scheduling“ von Junyao Ye, Jingyong Su und Yilong Cao.

Die Versionen in Kurzform:

• FSRS v4: 17 Parameter, Vergessenskurve als Potenzfunktion.
• FSRS 4.5: weiterhin 17 Parameter, flachere Vergessenskurve.
• FSRS 5: 19 Parameter, eigene Behandlung von Wiederholungen am selben Tag, geänderte Schwierigkeitsberechnung.
• FSRS 6: 21 Parameter, bessere Behandlung von Same-Day-Reviews, und die Form der Vergessenskurve wird pro Person optimierbar.

Stand November 2026 führt der offizielle Benchmark bereits FSRS 7. Die Entwicklung geht also weiter.

Ist FSRS wirklich besser? Was der Benchmark misst

Der srs-benchmark von open-spaced-repetition wertet rückblickend echte Anki-Daten aus: rund 727 Millionen Reviews von 10.000 Nutzern, nach Abzug der Wiederholungen am selben Tag 349.923.850 Reviews aus 9.999 Sammlungen. Trainings- und Testdaten sind zeitlich getrennt. Gemessen wird, wie gut ein Algorithmus vorhersagt, ob du eine Karte beim nächsten Mal weißt. Kleiner ist besser.

Algorithmus	Log Loss	RMSE(bins)
FSRS v4	0,3726	0,0838
FSRS 4.5	0,3625	0,0764
FSRS 5	0,3561	0,0742
FSRS 6	0,3460	0,0653

SM-2 steht in der aktuellen Haupttabelle nicht. Das offizielle Rust-Port-Repository des Benchmarks nennt beim Log Loss aber: FSRS 6 kommt auf 0,3460, SM2 auf 0,7220, eine trainierbare SM-2-Variante auf 0,5805 und die Anki-typische SM-2-Ableitung auf 0,5127. Gegenüber SM2 ist das bei FSRS 6 ein um 52,1 % niedrigerer Log Loss.

Ein älterer Benchmark mit 71 Personen und 4.632.965 ausgewerteten Reviews kam für FSRS v4 gegenüber SM2 auf 47,1 % niedrigeren Log Loss und 77,9 % niedrigeren RMSE(bins). Die beiden Auswertungen haben andere Datenbasis und Gewichtung, du darfst sie nicht zu einer Rangliste zusammenwerfen.

Und jetzt der Teil, den Marketingseiten gern weglassen: Das alles misst Vorhersagegenauigkeit, nicht gesparte Lernzeit. Ein randomisierter Vergleich, bei dem eine Gruppe mit FSRS 6 und eine mit Ankis SM-2 lernt und am Ende Zeit und Behalten gemessen werden, wurde in der Recherche nicht gefunden. Die TKDE-Arbeit von Su, Ye und Kollegen (2023) nennt zwar 17 % geringere Kosten gegenüber mehreren Baselines, aber für den dort untersuchten Ansatz, nicht als pauschale Ersparnis für FSRS 6 in Anki. Die plausible Logik lautet: Wer genauer vorhersagt, wann du vergisst, verschwendet weniger Wiederholungen. Bewiesen ist die konkrete Ersparnis damit nicht.

Desired Retention: die eine Einstellung, die zählt

Bei FSRS legst du nicht mehr Intervalle oder Faktoren fest, sondern ein Ziel: Mit welcher Wahrscheinlichkeit willst du eine Karte noch wissen, wenn sie fällig wird? Das ist die Desired Retention.

• Standard: 90 %. Laut älterem FSRS-Tutorial für die meisten Nutzer die richtige Wahl.
• Vernünftiger Bereich: 80 bis 95 %. Auch aus dem Tutorial, das inzwischen nicht mehr aktualisiert wird und auf das Anki-Handbuch verweist.
• Obergrenze: unter 97 %. Das empfiehlt das Anki-Handbuch. Höhere Werte verkürzen die Intervalle, und nahe 100 % steigt der Aufwand stark.

Eine griffige Faustregel wie „95 % ist doppelt so viel Arbeit wie 90 %“ wird gern herumgereicht, ließ sich aber nicht verifizieren. Wie stark der Aufwand bei dir steigt, kannst du in Anki mit Help Me Decide simulieren. Die alte Funktion „Compute Minimum Recommended Retention“ wurde in Anki 25.07 entfernt, falls du in alten Anleitungen darüber stolperst.

Was du in Anki einstellen solltest

Aus Handbuch und Tutorial ergibt sich eine kurze Checkliste:

1. FSRS einschalten in den Deck-Optionen.
2. Optimize drücken. Damit passt Anki die Parameter an deine eigene Wiederholungshistorie an, auch an Reviews von vor der FSRS-Zeit. Seit Anki 24.06 gibt es keine feste Mindestzahl an Reviews mehr. Bei wenigen Daten werden nur einige Parameter angepasst. Ungefähr monatlich neu optimieren reicht.
3. Parameter nicht von Hand ändern und nicht von Freunden oder aus Foren übernehmen. Sie gehören zu deinen Daten.
4. Lernschritte unter einem Tag halten, zum Beispiel 10 oder 30 Minuten, damit sie am selben Tag abgeschlossen werden.
5. Reschedule Cards on Change zum Einstieg ausgeschaltet lassen, sonst bekommst du direkt eine große Fälligkeitswelle.
6. Getrennte Presets nur, wenn deine Decks sehr unterschiedlich sind.

Wenn du nur die Desired Retention änderst, musst du übrigens nicht neu optimieren. Ziel und Modellparameter sind unabhängig.

Der häufigste Fehler: Hard als „halb falsch“

Laut Anki-Handbuch heißt Again falsch oder nicht erinnert, Hard richtig, aber langsam oder unsicher, Good richtig mit normaler Anstrengung, Easy richtig ohne Anstrengung. Wenn dir vier Knöpfe zu viel sind, darfst du laut Handbuch auch nur Again und Good benutzen.

Viele drücken Hard, wenn sie die Antwort eigentlich nicht wussten, weil Again sich so hart anfühlt. Unter FSRS ist das schädlich: Hard zählt als bestanden. Du erzählst dem Modell, dass du die Karte konntest, und bekommst dafür zu lange Intervalle. Vergessen ist Again. Immer.

Und in checkst?

checkst plant deine Wiederholungen mit FSRS und startet mit einer Desired Retention von 90 %, also dem Wert, den Anki-Handbuch und Tutorial als Standard empfehlen. Du musst keine Parameter verstehen, um loszulernen. Wenn du aus Anki kommst, importierst du deine Decks als .apkg. Und wenn eine Klausur ansteht, gibt es einen Prüfungsmodus: Du setzt ein Datum, checkst plant bis dahin in kurzen Abständen von Stunden, ohne die normalen Intervalle deiner Karten dauerhaft zu verbiegen. Wie du die Wochen davor sinnvoll planst, steht im Lernplan für die Prüfungsphase. Wie Spaced Repetition überhaupt funktioniert, erklärt Spaced Repetition erklärt.