Jeder Sprachlerner erhält jetzt einen Tutor

Die beste Methode, eine Sprache zu lernen, war schon immer ein geduldiger Lehrer. Zum ersten Mal kann jeder einen haben. Das ändert alles – für Lernende, Lehrkräfte und Schulen.

Das Sprechen ist das Schwerste

Frag irgendjemanden, der eine zweite Sprache gelernt hat, was am schwierigsten war. Die meisten werden sagen: das Sprechen.

Letzten Monat haben wir einen KI-Tutor gebaut, um genau das zu üben. Hunderttausende Menschen sahen zu, wie er jemandem beibrachte, auf Japanisch einen Kaffee zu bestellen.

https://x.com/wayne_liang_/status/2098119361894752627

Viele der Shares kamen von japanischen Muttersprachlern. Ein Elternteil erzählte, seine Tochter habe das Englischüben mit einer reinen Sprach-KI aufgegeben, weil es nichts zum Anschauen gab – damit hier würde sie es vielleicht noch einmal versuchen. Eine andere Person flehte geradezu um taiwanesisches Mandarin. Ein Entwickler fragte einfach: „Und was soll ich jetzt bauen?"

Niemand fragte, ob es echt genug aussah. Sie wollten es einfach haben. Genau das hat beim Sprechenüben immer gefehlt: ein geduldiger Partner, in jeder Sprache, immer dann, wenn man ihn braucht. Die meisten Lernenden hatten so etwas nie.

Das 40 Jahre alte Problem

1984 veröffentlichte der Bildungsforscher Benjamin Bloom das, was er das 2-Sigma-Problem nannte. Schüler mit einem 1:1-Tutor schnitten um zwei Standardabweichungen besser ab als Schüler im normalen Unterricht. Der durchschnittlich betreute Schüler war besser als 98 % der Klasse.

Bloom, B. S. (1984). The 2 Sigma Problem. Educational Researcher, 13(6), 4–16. doi.org/10.3102/0013189X013006004

Wir wissen seit über 40 Jahren, wie man am besten lernt. Wir konnten nur nicht jedem einen Tutor geben.

Bei Sprachen wird es noch schwieriger. Sprechen lernt man nicht aus dem Lehrbuch. Du brauchst jemanden am Tisch, der zuhört, reagiert und wartet, während du nach dem richtigen Wort suchst. Am besten jemanden, der sowohl deine Muttersprache als auch die Zielsprache spricht, damit er dir erklären kann, was du falsch gemacht hast. Für die meisten Sprachkombinationen ist so eine Person schwer zu finden, kostet Geld und hat feste Bürozeiten. Und vor einem anderen Menschen fühlt sich jeder Fehler an, als würde man unter dem Mikroskop liegen.

Also nutzen die meisten Lernenden das, was da ist: Karteikarten, Apps, Grammatikübungen. Und dann blockieren sie völlig, sobald ihnen zum ersten Mal ein echter Mensch antwortet.

Was sich dieses Jahr geändert hat

Drei Dinge kamen gleichzeitig zusammen.

Sprachmodelle, die zuhören, während sie sprechen. Du kannst unterbrechen, ins Stocken geraten, dich mitten im Satz umentscheiden – das Gespräch läuft einfach weiter.

Ein Gesicht, das in Echtzeit reagiert. Es nickt, macht Pausen und schaut verwirrt, wenn du etwas Seltsames sagst. Genau so fühlt sich ein echtes Gespräch an, und genau das kann reiner Ton nicht trainieren.

Kosten, die immer weiter sinken. Live-Übungen waren früher ein Luxus-Feature. Jetzt wird minutenweise abgerechnet, und die Minute wird immer günstiger.

Unser Japanisch-Tutor bringt die ersten beiden Punkte zusammen. Wir haben ihn als einen der Launch-Partner für GPT-Live von OpenAI entwickelt, mit einem LiveAvatar-Gesicht. Versuch mal, einen Kaffee zu bestellen und dich auf halbem Weg umentscheiden: Der Tutor hält mit, korrigiert deine Aussprache und bringt dir das Wort bei, das dir gefehlt hat. Es fühlt sich chaotisch, schnell und ein bisschen nervenaufreibend an – genau wie ein echtes Gespräch.

Am härtesten haben wir an der dritten Veränderung gearbeitet. Als wir unsere Kunden fragten, was sie zurückhielt, war die Antwort Skalierbarkeit bei Kosteneffizienz, nicht Realismus. Also haben wir sechs Monate lang daran gearbeitet, jede Live-Session effizienter zu machen. Das Ergebnis: unbegrenzte Parallelität in jedem kostenpflichtigen Plan und Minutenpreise ab 0,01 $ in unseren Enterprise-Tarifen. Die ganze Geschichte steht in unserem Post:

https://x.com/TryLiveAvatar/status/2092281613682123061

Die Qualität entscheidet, ob ein Tutor gut ist. Die Kosten entscheiden, wer einen bekommt. Das sieht man schon bei der größten App der Branche. Duolingo hat das Sprechenüben selbst zur größten Lücke erklärt. Die Videocalls mit Lily haben die Anzahl der gesprochenen Wörter pro Lernendem mehr als verdoppelt, und da die KI-Kosten sinken, verlagert Duolingo diese Calls in einen günstigeren Tarif, damit etwa zehnmal mehr Lernende Zugang bekommen.

Das verändert alles für alle im Sprachenlernen: für Lernende, Lehrkräfte und Schulen.

Für Lernende: ein Tutor um 2 Uhr nachts, dem nie die Geduld ausgeht

Stell dir jemanden vor, der am Freitag den IELTS-Speaking-Test hat – und dessen Visum von der Punktzahl abhängt. Es ist 2 Uhr nachts. Der Lehrer schläft. Die Prüfung findet face-to-face mit einem Prüfer statt, und genau davor hat diese Person Angst.

Heute Nacht kann sie eine komplette Probeprüfung machen. Und danach gleich noch eine.

Oder stell dir jemanden vor, der Koreanisch lernt, um mit der Großmutter des Partners zu sprechen. Diese Person hat hundert Fragen, die ihr peinlich wären, einem echten Menschen zu stellen. „Wie sage ich das höflich?" „Entschuldigung, wie hieß das Wort für lecker noch mal?" Ein KI-Tutor hat jede dieser Fragen schon gehört und wird sie nie leid. Forscher stellen immer wieder fest, dass das Üben mit KI die Sprechangst im Moment senkt – und genau diese Angst hindert die meisten Menschen überhaupt erst am Sprechen.

Jede Sprache, jeder Akzent, jedes Setting: ein Café in Tokio, ein Vorstellungsgespräch in London, das Abendessen mit den Schwiegereltern. Und du wählst den Tutor, mit dem du auf einer Wellenlänge bist: seine Stimme, seine Persönlichkeit, wie geduldig er ist. Und beim nächsten Mal macht er genau dort weiter, wo ihr aufgehört habt. Jedes Mal.

Für Lehrkräfte: mehr Unterrichten, weniger Wiederholungen

Frag irgendeine Sprachlehrkraft, wie oft sie schon gefragt hat: „Also, woher kommst du?"

Ein riesiger Teil der Unterrichtszeit geht für Wiederholungen drauf: dieselben Aufwärmfragen, dieselben Korrekturen, dieselben Übungen. Sie sind notwendig, aber sie sind nicht das, worin großartige Lehrkräfte wirklich großartig sind.

Die Wiederholungen kann die KI übernehmen. Den Lehrkräften bleiben die Momente, die zählen: die Nuancen einer Kultur, der Motivationsschub, wenn jemand aufgeben will, der Unterrichtsplan, den nur jemand entwerfen kann, der den Schüler kennt. Die Lernenden kommen aufgewärmt und mit den Grundlagen fertig in den Unterricht, sodass die Stunde mit einem echten Menschen viel weiter trägt.

Die Harvard Business School nutzt dieses Modell bereits. In Foundry, ihrem achtwöchigen Programm für Gründer, unterrichten die Dozenten weiterhin jede Woche live. Zwischen den Sessions geben die LiveAvatars genau dieser Dozenten jedem Gründer Feedback zu Übungs-Pitches und simulierten Board-Meetings. Es ist kein Sprachprogramm, aber die Aufteilung ist dieselbe: Der Mensch unterrichtet, der Avatar übernimmt die Wiederholungen.

Die Direktorin des Programms sagte der New York Times, sie habe sich anfangs eher etwas in Richtung Chatbot vorgestellt. Die Studierenden wünschten sich stattdessen eine stärker geführte Erfahrung. Einer der Dozenten, der Risikokapitalgeber Jeff Bussgang, gab zu, sein digitaler Zwilling sei ein wenig „gruselig". Sein Fazit trotzdem: „Meine Studierenden lieben es."

Für Schulen und Institute: der Teil, der sich nie skalieren ließ

Jede Sprachschule unterrichtet Sprechen. Nur wenige können jedem Schüler genug davon bieten, denn zum Sprechenüben braucht es einen Menschen auf der anderen Seite – und eine Schule hat eben nur eine begrenzte Zahl an Lehrkräften.

Bei Prüfungen zeigt sich diese Lücke am deutlichsten. Viele Apps zur Vorbereitung auf Cambridge-Prüfungen haben gar keinen Speaking-Teil. Nicht, weil Sprechen unwichtig wäre. Sondern weil es einen echten Prüfer braucht, und man keinen Menschen in eine App packen kann.

Bei wichtigen Sprechprüfungen sitzt immer ein Mensch am Tisch. IELTS findet face-to-face statt. OET, der Englischtest für Ärzte und Pflegekräfte, ist ein Rollenspiel mit Patienten. Selbst beim TOEFL-Redesign 2026 kam die Aufgabe „Take an Interview" hinzu – mit einem Video eines Menschen, der die Fragen stellt.

Sprechen war immer der Teil, den Schulen nicht skalieren konnten. Jetzt kann jeder Schüler jeden Tag einen Prüfer haben, und Lehrkräfte bekommen Transkripte und Scores, statt raten zu müssen, wer geübt hat. Eine einzige Lehrkraft kann einer ganzen Kohorte tägliches Sprechtraining ermöglichen. Und ein Schüler, der sich nie einen Privatlehrer leisten konnte, bekommt exakt dasselbe Training wie jemand, der es kann.

Der Wandel passiert am schnellsten, sobald Lernende es selbst ausprobieren dürfen. Ein Unternehmen für Firmensprachtrainings, mit dem wir zusammenarbeiten, nannte KI-Avatare zunächst einen Gag. Dann stellten sie eine Demo auf ihren Messestand bei einer EdTech-Konferenz in Frankreich. Die Schlange reichte bis vor die Tür. Inzwischen haben sie einen Kunden, der genau dafür bereit ist, mehr zu zahlen.

Die Skeptiker haben ihre Meinung nicht durch einen Pitch geändert. Sondern indem sie den Lernenden zugesehen haben.

Wenn du im Bereich Sprachenlernen baust

Wir haben in den letzten Monaten mit unzähligen Sprachunternehmen gesprochen, von 20 Jahre alten Instituten bis zu 2 Jahre alten Apps. Keines fragte, warum Lernende das wollen sollten. Sie fragten, wo sie anfangen sollen und wie sich die Zahlen rechnen lassen. Das ist unsere Antwort.

1. Starte mit dem gruseligsten Moment, nicht mit deiner ganzen App. Die Probeprüfung, das Vorstellungsgespräch, das erste echte Gespräch. Genau dort verdient sich ein KI-Tutor zuerst seinen Platz. Und dann zeig ihn echten Lernenden. Deren Reaktionen überzeugen dein Team schneller als jede Präsentation.
2. Erwecke deine bestehenden Gesichter zum Leben. Die meisten Sprachprodukte haben bereits Gesichter: Slideshows, gefilmte Schauspieler, vorproduzierte Videos. Sie sind nur eingefroren und teuer zu aktualisieren. Du brauchst keinen perfekten Avatar, um loszulegen. Lernende beurteilen das Gespräch, nicht die Pixel – und was ihnen zuerst auffällt, ist die Stimme und wie schnell sie antwortet.
3. Gestalte Preise rund um die Nutzung. Live-Gespräche werden pro Minute abgerechnet, nicht pro Feature. Wähle das Modell, das zu deinem Geschäft passt – ob Übungsguthaben, Prüfungspakete oder ein Premium-Tier – und plane ein, dass der Minutenpreis weiter fallen wird. Teams, die warten, bis es billig genug ist, werden feststellen, dass die Konkurrenz längst gelauncht hat.
4. Baue für Lehrkräfte, nicht um sie herum. Lass die KI die Wiederholungen übernehmen und gib die wichtigen Momente an die Menschen zurück. So werden Lehrkräfte zu Fans, statt sich bedroht zu fühlen.

Links für Builder:

• Open-Source-Repo: https://github.com/heygen-com/liveavatar-gpt-live-demos
• Schritt-für-Schritt-Anleitung: https://docs.liveavatar.com/docs/guides/gpt-live-language-tutor
• Agent-Shortcut: npx skills add heygen-com/liveavatar-agent-skills, dann bitte deinen Coding-Agenten, „die LiveAvatar-Sprachtutor-Demo mit GPT-Live auszuführen"

Wer fließend sprechen darf

Fast die gesamte Geschichte hindurch gehörte Sprachfluss denen, die sich einen Tutor leisten konnten, ins Ausland zogen oder die Zeit hatten, sich öffentlich zu blamieren.

Das ändert sich gerade. Jeder Lernende bekommt einen geduldigen Partner, in jeder Sprache, zu jeder Uhrzeit. Jede Lehrkraft gewinnt Zeit zurück für die Arbeit, die nur sie machen kann. Und jede Schule kann endlich Sprechen unterrichten – die Fähigkeit, die am meisten zählt – und zwar in großem Maßstab.

Irgendwo bestellt heute Nacht jemand zum zehnten Mal auf Japanisch einen Kaffee, überlegt es sich auf halbem Weg anders und versucht es noch einmal. Bald wird er ihn wirklich bestellen.

Sprechen ist immer noch das Schwerste. Aber jetzt muss niemand mehr allein dafür üben.