- Lehrbücher haben grundsätzlich die Einschränkung, ein uniformes Medium zu sein. Google untersucht daher, wie sich mit generativer KI alternative Darstellungen und personalisierte Beispiele automatisch erzeugen lassen, um Lernerfolg und Engagement zu steigern
- Das Forschungsprojekt Learn Your Way überarbeitet Lehrbücher passend zum Niveau und zu den Interessen der Lernenden und wandelt sie in mehrfach codierte (multimodale) Inhalte um, um aktives Lernen zu fördern
- Kern ist eine Personalisierungs-Pipeline, die durch Neuabstufung auf Klassenstufen und den Austausch allgemeiner Beispiele gegen interessenbasierte Beispiele die Grundlage für die Erzeugung verschiedener Darstellungsformen wie Folien, Narration, Audio und Mindmaps schafft
- Rund um LearnLM + Gemini 2.5 Pro werden Agenten-Workflows und spezialisierte Modelle kombiniert, um hochwertige Lerndarstellungen wie Bildungsillustrationen, Quizze und Narration zu erzeugen
- RCT-Ergebnisse zeigen signifikante Verbesserungen, darunter 11 Prozentpunkte mehr Langzeitgedächtnisleistung, und deuten auf das Potenzial hin, statische Lehrmaterialien zu interaktiven, selbstgesteuerten Lernerfahrungen weiterzuentwickeln
Hintergrund und Problemstellung
- Lehrbücher haben aufgrund von Produktionskosten und Zeitbeschränkungen strukturelle Grenzen: Es fehlt an alternativen Perspektiven, vielfältigen Formaten und maßgeschneiderten Varianten
- Vorgestellt wird ein Ansatz, der mit generativer KI (GenAI) automatisch Darstellungen erzeugt, die bei Wahrung der Integrität des Originaltexts auf Interessen und Niveau der Lernenden zugeschnitten sind
- Ziel ist es, eine Umgebung zu schaffen, in der Lernende Format und Lernpfad selbst wählen und so Lernerfolg und Motivation gesteigert werden
Überblick über den Ansatz: zwei Säulen
- Erzeugung multipler Darstellungen: Konzepte sollen durch multimodale Ausdrucksformen wie Text, Folien, Audio, Mindmaps und Quizze besser verknüpft werden
- Auf Basis der Dual Coding Theory und nachfolgender Forschung tragen Verbindungen zwischen verschiedenen Repräsentationen zur Stärkung konzeptueller Schemata bei
- Personalisierung: Durch die textliche Anpassung an Klassenstufe und Interessen sowie reaktionsbasierte Quiz-Anpassung sollen Motivation und tiefes Lernen gestärkt werden
Technische Architektur: LearnLM + Gemini 2.5 Pro
- Eingesetzt wird eine hierarchische Architektur auf Basis von Gemini 2.5 Pro mit integriertem LearnLM
- Stufe 1, die Personalisierungs-Pipeline: Originale wie PDFs werden auf die passende Klassenstufe neu eingeordnet, und allgemeine Beispiele werden durch interessenbezogene Beispiele ersetzt; dieser Text dient anschließend als Referenz für weitere Darstellungen
- Stufe 2, die Erzeugung multipler Darstellungen:
- Für Mindmaps und Zeitachsen werden die allgemeinen Fähigkeiten des Basismodells genutzt
- Für Folien und Narration kommt ein Multi-Agenten-Workflow zum Einsatz, um die didaktische Wirkung zu optimieren
- Für Bildungsillustrationen reichen allgemeine Bildmodelle allein nicht aus, daher wird zusätzlich ein spezialisiertes feinabgestimmtes Bildmodell eingesetzt
- So unterstützt die Kombination aus leistungsstarkem Foundation Model + Agenten-Stufen + spezialisierten Komponenten die großskalige Erzeugung hochwertiger multimodaler Lerndarstellungen
Aufbau der Learn-Your-Way-Erfahrung
- Immersive text: Segmentierte Leseeinheiten, generierte Bilder und eingebettete Fragen machen aus passivem Lesen ein aktives Erlebnis
- Section-level quizzes: Sofortiges Feedback und die Erkennung von Wissenslücken fördern aktives Lernen
- Slides & narration: Folien, die den gesamten Stoff abdecken, Lückentext-Aktivitäten und Narration im Stil einer aufgezeichneten Unterrichtsstunde
- Audio lesson: Simulierte Lehrer-Schüler-Gespräche und visuelle Hilfen helfen, Fehlvorstellungen gezielt auszuarbeiten
- Mind map: Durch hierarchische Strukturierung von Wissen kann flexibel zwischen Gesamtbild und Details gewechselt werden
- Für alle Komponenten gilt eine Personalisierung nach Klassenstufe und Interessen; interaktive Quizze passen den Lernpfad anhand der Leistung in Echtzeit neu an
Evaluation des Instruktionsdesigns
- Zehn Originallehrbücher von OpenStax wurden in drei Personalisierungsbedingungen umgewandelt und in verschiedenen Fächern von Geschichte bis Physik eingesetzt
- Drei Bildungsexperten bewerteten Korrektheit, Umfang und lernwissenschaftliche Prinzipien (LearnLM); das Ergebnis waren in allen Kategorien durchschnittlich über 0,85 und damit positive Werte
- Weitere Details der Bewertung werden im begleitenden tech report dargestellt
Wirksamkeitsstudie (RCT)
- In der Region Chicago wurden 60 Jugendliche im Alter von 15 bis 18 Jahren mit vergleichbarem Leseverständnis zufällig zugeteilt und lernten bis zu 40 Minuten
- Vergleich: Learn Your Way vs. normaler PDF-Reader
- Unmittelbare Leistung: Die Learn-Your-Way-Gruppe lag im Mittel 9 Prozentpunkte höher
- Langfristige Behaltensleistung (nach 3–5 Tagen): Die Learn-Your-Way-Gruppe lag 11 Prozentpunkte höher (78 % vs. 67 %)
- Subjektive Bewertung: Komfort 100 % vs. 70 %, Bereitschaft zur Wiederverwendung 93 % vs. 67 %; damit zeigte sich ein Vorteil bei der Zufriedenheit
- Zur Ergänzung der quantitativen Kennzahlen wurden in 30-minütigen Tiefeninterviews qualitative Erkenntnisse gesammelt; dabei zeigte sich positives Feedback zu Lernwert und Immersion
Warum war es wirksam?
- Die Personalisierungs-Pipeline passt Textniveau und Beispiele an den Kontext der Lernenden an und trägt so zur Reduktion kognitiver Belastung und zu höherer Relevanz bei
- Multiple Darstellungen fördern Verknüpfungen zwischen Konzepten und erhöhen Abrufhinweise im Gedächtnis sowie die Transferfähigkeit
- Quiz-Anpassung und Feedback-Schleifen unterstützen metakognitive Steuerung und die Korrektur von Fehlvorstellungen
Grenzen und nächste Schritte
- Der Ansatz befindet sich noch in einer frühen Forschungsphase; es braucht weitere Wiederholungsstudien mit breiteren Stichproben, mehr Fächern und weiteren Altersgruppen
- Vorgeschlagen wird eine Erweiterung zu einem kontinuierlich adaptiven System, das Darstellungen und Schwierigkeitsgrad fortlaufend anhand von Lernfortschritt und Fehlermustern anpasst
- Auch künftig sollen didaktische Prinzipien und Wirksamkeitsmessung die Grundlage bilden, ergänzt durch Lokalisierungsstrategien für regionale Kontexte
Implikationen und Anwendungspunkte
- Zentrale Ressource ist eine operative Pipeline, die statische Lehrmaterialien in interaktive, selbstgesteuerte Lernartefakte verwandelt
- Schulen, Verlage und EdTech-Anbieter können über ein standardisiertes Produktionssystem skalieren, das Content-Releveling + Austausch durch interessenbezogene Beispiele + multimodale Ausspielung + Quiz-Anpassung kombiniert
- Aus Engineering-Sicht sind Agenten-Orchestrierung, modulare Generierungs-Pipelines und Prüfschleifen für Qualität und Korrektheit entscheidend
2 Kommentare
Ich sage das als jemand, der so etwas selbst gebaut hat: Für Personalisierung braucht man eine Informationsmenge von bis zu über 2 Gigabyte.
Hacker-News-Kommentare
Ich habe ein Tool namens asXiv gebaut. Man kann Fragen zu arXiv.org-Papers stellen, und auf der Startseite gibt es empfohlene Fragen, die beim Verstehen oder Erkunden der Papers helfen. Es gibt auch eine Demo zum populären Paper Attention Is All You Need. Der Code ist vollständig Open Source, und um die Kosten zu senken, wird das Modell Google 2.5 flash lite verwendet (derzeit komplett kostenlos). Falls nötig, kann man es per Umgebungsvariable ändern und lokal auch mit anderen Modellen ausführen.
asXiv ist interessant. Ich habe den Show-HN-Beitrag dem second-chance pool hinzugefügt. Dadurch wird er zufällig auf der HN-Startseite angezeigt. Erklärung zum second-chance pool
asXiv ist auch cool, aber etwas Ähnliches geht bei alphaxiv ebenfalls über die Assistant-Funktion. Einfach zum Paper gehen und auf tools → assistant klicken. alphaxiv-Beispiel
Sieht gut aus, ich würde das später auf jeden Fall gern ausprobieren. Eine Frage habe ich aber: Warum hast du daraus kein kommerzielles SaaS gemacht?
Wirkt wie ein wirklich fantastisches Tool. Ich habe ebenfalls ein ähnliches Produkt zum Lesen von arXiv/epub/pdf gebaut: Ruminate (www.tryruminate.com). Ich würde gern Feedback dazu hören.
Ich frage mich ehrlich, was hier anders ist als bei klassischem RAG.
Ich habe bei den Beispielen zu den Informatik-Grundlagen eine Situation gesehen, in der ein Siebtklässler Essen mag. Da kamen Erklärungen wie: „Listen kann man für Rezepte verwenden“, „Sets eignen sich für eine eindeutige Liste von Zutaten für eine Woche“, „Maps kann man in einem Kochbuch verwenden“, „Priority Queues eignen sich zur Bestellverwaltung in einer hektischen Küche“ und „Food-Pairing-Graphen zeigen, welche Zutaten gut zusammenpassen“. Meiner Meinung nach überschätzt das den Geschmack von Siebtklässlern. Mir wäre das schnell langweilig geworden.
Informatik in der Oberstufe war für mich damals, vor 20 Jahren, definitiv ziemlich langweilig. Damals herrschte diese Stimmung von „Microsoft Office muss man unbedingt lernen“. Während vieler Jahre Bildungsarbeit habe ich oft erlebt, dass Kinder sehr praktische Fragen stellten wie „Wofür braucht man Trigonometrie eigentlich im echten Leben?“. Die Beispiele in Unterricht und Prüfungen wirkten oft von der Realität abgekoppelt und damit sinnlos. Zu zeigen, wie Konzepte tatsächlich in der Wirklichkeit verwendet werden, hat eindeutig pädagogischen Wert. Der Vorteil von LLMs ist, dass sie solche Beispiele aus dem Alltag an persönliche Interessen anpassen können. So wie etwa die Erklärungen zur A*-Pfadsuche in der Red-Blob-Games-Reihe, die Graphsuchalgorithmen anhand des attraktiven Beispiels Spiele wirklich gut vermitteln.
Ich habe schon einmal das in Gemini integrierte Quiz-Generierungs-Lerntool benutzt. Für Dinge, wie sie in typischen K-12-Lehrbüchern vorkommen, ist es recht brauchbar. Die ersten 30 bis 40 Multiple-Choice-Fragen sind ziemlich nützlich, aber danach wiederholen sich Fragen, falsche Antworten und Erklärungen, und es tauchen auch falsche Antworten oder mehrere richtige Antworten auf. Auch die Erklärungen sind nur auf erwartetem Niveau, und die QA wirkt schwach. Wenn Nutzende selbst kontrollieren, ist es immer noch brauchbar. Wenn man es aber ungeprüft übernimmt, kann es eher schädlich sein.
Schon das Beispiel „Listen kann man für Rezepte verwenden“ ergibt für mich ehrlich gesagt keinen Sinn. Für Siebtklässler würde das eher nur Verwirrung stiften.
Das erinnert mich an den Hawthorne-Effekt, also einen Neuheitseffekt. Es ist nicht klar, ob Schüler solche Inhalte wirklich besser finden oder nur deshalb, weil sie neuartig sind. Hawthorne-Effekt auf Wikipedia
Besonders das Set-Beispiel würde Siebtklässler verwirren, erst recht, wenn sie das Konzept von Sets ohnehin nicht kennen. Zu sagen, man packe eine „eindeutige Zutatenliste“ in ein Set, ist technisch zwar korrekt, hilft beim realen Einkaufen aber kaum weiter, weil man Mengen braucht. Es vermittelt auch nicht intuitiv, was ein Set ist, und wenn man den Unterschied zwischen Liste und Set erklären soll, stiftet es eher zusätzliche Verwirrung. Schon die Formulierung „eindeutige Zutaten“ könnte für Kinder in dem Alter unverständlich sein.
Ich bin ehemaliger Physiklehrer. Die Technik ist beeindruckend, aber ich halte das für eine Innovation mit geringer pädagogischer Wirksamkeit. Wenn man Jugendlichen Newtons Bewegungsgesetze beibringt, ist die eigentliche Schwierigkeit das Konzept, dass Reibung nicht immer vorhanden ist. Schülerinnen und Schüler kommen mit einer lebenslang durch reale Bewegungen geprägten „Impulstheorie“ ins Klassenzimmer (Wikipedia-Link). Eine AI, die die Vorstellungen einzelner Lernender erkennt und Fragen stellt, die diese Impulstheorie widerlegen, wäre wirklich nützlich. Aber was Google hier vorgestellt hat, ist nur eine Variation von Tafelunterricht im Stil „Folien + Quiz“. Dass in der Bildung unter der Annahme diskutiert wird, man könne „alle Fächer auf dieselbe Weise unterrichten“, ist einer der Gründe, warum ich den Lehrberuf verlassen habe. Wir sind an die Grenze eines fachneutralen Ansatzes gekommen; der Schlüssel zur Verbesserung liegt aus meiner Sicht darin, sich darauf zu konzentrieren, was tatsächlich gelehrt werden soll und wie.
„Ein guter Lehrer kann jedes Fach unterrichten“ — war die Person, die das gesagt hat, zufällig für Sprachen zuständig? Ich stimme dir sehr zu, aber selbst bei fachneutralen Ansätzen sind wirksame Lernmethoden, die in der Praxis gar nicht umgesetzt werden — verteilte Wiederholung, Abrufübungen usw. — in den unteren 80 % des Unterrichts immer noch nicht angekommen. Wir wissen aus Bildungs- und Lerntheorie bereits sehr viel, aber es wird noch immer nicht ins Schulsystem übertragen.
Aus Schülersicht kann ich dem wirklich zustimmen. Der Grund, warum Lernen für mich schwer ist, ist nicht fehlende Personalisierung, sondern einfach, dass der Stoff umfangreich und schwierig ist. Entscheidend ist, dass jemand überprüft, ob ich den Stoff im jeweiligen Schritt wirklich verstanden habe — ich nenne das die „Mundgerechte-Happen-Methode“ — und dass Formelsprache oder Fachbegriffe in einfache Worte übersetzt werden. Der Study mode von ChatGPT macht das in bestimmten Fächern ziemlich gut.
Wenn man über Unterrichtserfahrung spricht, werden die Leute aus der Edutech-Branche schnell wütend, also Vorsicht. Diese Leute versprechen seit 15 Jahren eine Revolution.
Damals hättest du der Sprachbereichsleitung mal Tensorrechnung beibringen lassen sollen.
Mich würde interessieren, warum die Sprachbereichsleitung so etwas gesagt hat, ob das auch Auswirkungen auf die naturwissenschaftliche Abteilung hatte und ob du den Physikunterricht wirklich wegen dieser Aussage aufgegeben hast.
Wenn ich mir die aktuellen AI-Dienste und die erzwungene Änderung der Preispolitik bei Copilot anschaue, habe ich das Gefühl, dass die gesamte AI-Branche der breiten Masse verzweifelt ein teures Spielzeug aufdrängen will. Ich frage mich, warum noch keine typische Warnung von PG, also Paul Graham, gekommen ist, dass hier eine Lösung nach einem Problem sucht.
Ich halte AI für nicht vertrauenswürdig genug, um sie aktiv fürs Lernen einzusetzen. Wenn ich sie bitte, 100 Zitate aus einem Paper zu ordnen, löscht sie 10 davon und erfindet 10 weitere ohne Grundlage. Unter solchen Bedingungen kann ich mir einen Ersatz für Lehrbücher nicht einmal vorstellen.
Aus der Erfahrung „AI war schlecht beim Umgang mit Zitaten“ direkt zu schließen, „AI kann keine Lehrbücher zusammenfassen und erklären“, ist ein logischer Sprung. Viele Menschen sind schlecht darin, Zitate zu ordnen, können aber Lehrbücher sehr gut zusammenfassen oder erklären.
Ich habe oft die Erfahrung gemacht, dass LLMs Lehrbuchinhalte gut erklären. Wenn ich eine Stelle, die ich nicht verstehe, einfüge und Fragen stelle, bekomme ich ziemlich gute Antworten.
Mich würde interessieren, welches Modell du verwendet hast, was dein Prompt war und wann du das ausprobiert hast.
Ich lerne gern. Dank Khan Academy bin ich bis zur Universität gekommen, und auch heute nutze ich beim Studium von Papers ChatGPT, Claude und andere. Aber das Beispiel von Google war schnell enttäuschend.
Das ist nicht dein Fehler. Alle Antwortoptionen sind falsch. Die Soziologie untersucht Gesellschaft, Kultur, Gruppenverhalten usw. Das ist eine Halluzination des LLM.
Alle Antworten im Lösungsschlüssel sind falsch. Das System will vermutlich „C) Psychologie = Genetik, Soziologie = Interaktion“ als Lösung, aber dass sich Psychologie auf Genetik konzentriert, stimmt schlicht nicht.
Auch im Text selbst werden Psychologie und Soziologie nicht definiert oder kontrastiert. Man soll nur auf Grundlage des Textes antworten, aber die Frage ist nur mit externem Wissen lösbar. Solche Fragengenerierung entsteht daraus, dass das LLM seine Trainingsdaten schlampig interpretiert. Das Modell unterscheidet nicht zwischen Reading-Comprehension-Modus und didaktischem Modus; deshalb ist so etwas kein bloßer Bug, sondern eine strukturelle Grenze.
Es mag wie ein kleiner Bug wirken, aber in der Bildung ist Genauigkeit extrem wichtig. Dass solche grundlegenden Fehler stehen bleiben, macht es schwer, die Vertrauensschwelle zu überschreiten.
Diese Technologie scheint erhebliches Potenzial zu haben. Menschliche Lehrkräfte haben schließlich keine unendliche Geduld. Als ich in der Oberstufe meinen Chemielehrer fragte, warum eine bestimmte Reaktion stattfindet, bekam ich zur Antwort: „Akzeptier es einfach und lerne es auswendig, versuch nicht, es zu verstehen.“ Danach wurde ich kein Chemiker. Inzwischen finde ich Chemie im Gegenteil sogar interessant. Damals aber hat mir dieser Lehrer jede Neugier völlig ausgetrieben, sodass ich bei der Wahl meines Studienfachs alles mit Chemie konsequent vermieden habe. Wenn es damals so ein AI-Tool gegeben hätte, hätte das mein Leben vielleicht verändert. Andererseits könnte AI nie an den einprägsamen Unterricht meines Geschichtslehrers heranreichen, der mittelalterliche Rüstungen und echte Schwerter mitbrachte und Fechttechniken direkt vorführte. Von den 20 Leuten in unserer Klasse wurden 2 später Geschichtsprofessor und Archäologe, also war er wirklich ein großartiger Lehrer. Solche Menschen sind selten.
Du meinst also, dass dich die Antwort „Lern es einfach auswendig“ frustriert hat; vielleicht war das eine Form von „lie-to-children“ (Erklärung). Du wolltest ein tieferes Verständnis, aber bevor man fortgeschrittene Konzepte versteht, braucht man auf einer bestimmten Stufe auch grundlegendes Auswendiglernen.
Ich war eher der Typ, der nicht nur das Ergebnis wollte, sondern auch wissen wollte, wie man dorthin gekommen ist, wer es warum herausgefunden hat und so weiter. Ich denke, generative AI hat das Potenzial, auch den Kontext und den historischen Hintergrund von Informationen erzählerisch zu vermitteln.
Ich frage mich, wie diese Technik in einer Zeit sinkender Lesekompetenz, zunehmender Antiintellektualität und sozialer Isolation wirken wird. So gut die Technik auch sein mag — vielleicht ist sie am Ende eher ein Rückschritt. Vielleicht bin ich pessimistisch, aber ich habe das Gefühl, dass das nicht bei einer Unterstützung von Lehrkräften bleibt, sondern in Richtung Ersatz für Lehrkräfte geht.
Der pessimistische Blick auf Lesekompetenz — dieser gesellschaftliche Nachruf — ist immer verfrüht. Im Gegenteil: Manche Leser orientieren sich gerade an langen Originaltexten oder gehaltvollen Inhalten und betreiben eine Art intellektuellen Widerstands durch Lesen. Ich erweitere meinen Wortschatz und meine Ausdrucksfähigkeit mit Norman Lewis’
Word Power Made Easyund Tom HeehlersThe Well-Spoken Thesaurus. Dabei nutze ich ChatGPT und Gemini als persönliche Tutoren. Wenn man ihnen direkt Anweisungen gibt, helfen sie bei Wortneuschöpfungen oder bei der Klarheit von Sätzen. Ich merke tatsächlich, dass meine Ausdrucks- und Kommunikationsfähigkeit durch die Technik eher stärker wird. Obwohl ich früher kaum mehr als E-Mails oder Tagebuch geschrieben habe, nutze ich AI heute als Kollaborateur und Stütze, um Episoden aus meinem Leben in Kurzgeschichten umzuwandeln oder in den Stil bewunderter Autoren zu übertragen. Das ist kein Ersatz für Lehrkräfte, sondern eher die Grundlage einer Renaissance des selbstgesteuerten Lernens.Wenn du dir wegen sinkender Lesekompetenz Sorgen machst, liegt das Problem nicht in zusätzlicher Technologie, sondern in den gesellschaftlichen Werten insgesamt. Eine Gesellschaft, die Lesekompetenz schätzt, lässt sich nicht von Demos oder Blog-Marketing beeindrucken. Eine Gesellschaft dagegen, die Verständnis, Fachwissen und Lehrkräfte nicht wertschätzt, wird jederzeit nach Abkürzungen suchen, die diese Dinge ersetzen.
Ich glaube nicht, dass dieser Ansatz optimal ist, aber ich teile das Problembewusstsein sehr. Auch ich erinnere mich noch lebhaft daran, dass Lehrkräfte in der Grund- und Sekundarschule meine Fragen oft ohne große Erklärung schnell abgetan haben. Mein Kopf blieb an solchen frustrierenden Fragen hängen, und ich konnte mich nicht auf das Eigentliche konzentrieren. Vielleicht hatten Lehrkräfte im öffentlichen Schulsystem einfach nicht die Zeit, meinen Fragen nachzugehen, oder waren nicht ausreichend vorbereitet. Die Rolle, die ich mir für LLMs wünsche, ist die eines Hilfsmittels, das Schülerinnen und Schüler sicher durch Erkundungen führt, die vom bestehenden Curriculum abweichen — Abschweifungen, Neugier und ähnliche Prozesse — und sie am Ende doch wieder zu den gewünschten Lernzielen zurückführt.
Meiner Erfahrung nach führen gerade solche kleinen Neugiermomente zu viel tieferem Verständnis.
Im TFA heißt es: „Was wäre, wenn Schüler ihre eigene Lernreise selbst gestalten könnten?“
Tatsächlich ist das im Bereich Sachbuch und Lehrbuch längst machbar.
Bis zur Oberstufe kannte ich das Buch
How to Read a Book(Wiki) nicht, aber es hat mir die Augen dafür geöffnet, dass sequentielles Komplettlesen nicht immer der einzig richtige Weg ist.Ich hoffe, dass mit AI mehr Schülerinnen und Schüler lernen, dass es neben dem festgelegten Curriculum auch andere Arten des Lernens gibt.
Ich hoffe, dass wir irgendwann wirklich eine Technologie wie den „A Young Lady's Illustrated Primer“ aus Diamond Age erleben.
Hat der Autor dieses Romans die Zukunft damals schon vorausgesagt? Eine Welt voller Nanotechnologie und Nanobots.
Als ich mir das pinenote gekauft habe, dachte ich auch an so eine Zukunft. Ein Gerät, das einem beim Mathelernen hilft wie Todd Liddles Tagebuch, hätte Spaß gemacht. Aber die Linux-Entwicklung für pinenote ging nur langsam voran, und ich selbst wurde dann zu beschäftigt, sodass das Interesse wieder nachließ.