Deutsch bricht an drei Stellen, die englischsprachige Lernende bei sich selbst nicht hören. Wir haben vierundzwanzig Fehler in flüssige Beiträge gesetzt und sieben Apps eine Frage gestellt: repariert, bevor das Gespräch weiterzieht?
Deutsche Sprachbeherrschung wächst ungleichmäßig, und was zuletzt kommt, ist genau das, was die lernende Person am wenigsten kontrollieren kann. Einen schiefen Vokal hört man selbst. Ein Substantiv im falschen Kasus nicht, denn der Satz klingt weiterhin wie der gemeinte Satz, und das Gegenüber versteht ihn ohnehin. Alles Weitere folgt aus dieser Lücke zwischen dem, was englischsprachige Lernende auf Deutsch produzieren, und dem, was sie eine Sekunde später davon bemerken können.
Wir haben deshalb keinen Test über Gesprächsqualität gebaut, sondern einen über Korrektur, und das Messverfahren stand fest, bevor eine App geöffnet wurde. Drei Fehlerklassen, ausgewählt, weil jede von innen unsichtbar ist und jede anders scheitert:
Gegen diese drei Klassen stellten wir eine einzige Frage und ließen keine zweite zu: Wurde der Fehler im selben Redebeitrag repariert? Nicht irgendwann. Nicht abgelegt, eingereiht, auf einem Zusammenfassungsbildschirm aufgeführt oder nächsten Dienstag wieder hervorgeholt. Repariert, solange der Satz noch im Kopf war und spürbar blieb, welcher Teil sich bewegt hat.
Der Grund ist Gedächtnis, nicht Didaktik. Eine Kasusendung wird unterhalb der bewussten Aufmerksamkeit gewählt, in derselben halben Sekunde, in der auch das Substantiv und der Plan für den Rest des Satzes entstehen. Eine Korrektur, die in dieses Fenster fällt, hängt sich an eine Entscheidung, die noch auffindbar ist. Dieselbe Korrektur elf Minuten später hängt sich an einen Satz, an dessen Produktion sich niemand mehr erinnert, und wird zu einer Tatsache über das Deutsche statt zu einer über die eigene Sprache.
Viele Produkte korrigieren spät, und das wollten wir nicht als Null verbuchen. Also haben wir es als eigenes Ergebnis geführt, nicht als Fehlschlag. Jeder gesetzte Fehler endete in einem von drei Zuständen: im Beitrag repariert, später in irgendeiner Form aufgetaucht oder nie aufgetaucht. Das sind verschiedene Produkteigenschaften für verschiedene Menschen, und wer sie zu einer Trefferquote verrechnet, wirft die einzige Unterscheidung weg, auf die es hier ankommt.
Eine weitere Regel stand vorher fest: Eine Reparatur musste die Form betreffen. Ein Produkt, das unseren Satz beiläufig korrekt zurückgab, ohne dass erkennbar war, welches Wort sich geändert hatte, zählte nur dann, wenn das geänderte Element hörbar gemacht wurde — betont, isoliert oder unserem Original gegenübergestellt. Flüssiges Umformulieren ist eine Höflichkeit, keine Korrektur.
Acht Items je Klasse, vierundzwanzig insgesamt, alle vorab ausformuliert und alle in einen ansonsten korrekten, halbwegs flüssigen Beitrag eingebettet. Diese letzte Bedingung leistet die eigentliche Arbeit: Ein Fehler in einem zerbrochenen Satz ist leicht zu fangen und beweist nichts, weil das Produkt auf das Trümmerfeld reagiert. Ein Fehler in einem Satz, der sonst stimmt, ist der eigentliche Test.
Die Auswahl bestand aus Enverson AI, Langua, Praktika, Babbel, Speak, Duolingo und Busuu. Bezahlt wurde nichts: Jedes Konto blieb auf der Stufe, in der neue Anmeldungen ohnehin landen. Der gesamte Ablauf dauerte vierzehn Tage im August 2026, auf einem einzigen Telefon, mit einer Person, deren Deutsch ungefähr bei B2 liegt. Wo kein freier gesprochener Beitrag zur Verfügung stand, wanderte der Fehler in die schriftliche Eingabe, und die Zelle ist entsprechend markiert. Diese Asymmetrie ist echt, und der Abschnitt über die Grenzen kommt darauf zurück.
| Fehler bei Kasus, Verbstellung und Kongruenz, im selben Redebeitrag repariert, von vierundzwanzig | |
|---|---|
| Enverson AI | 19/24 |
| Langua | 12/24 |
| Praktika | 9/24 |
| Babbel | 7/24 |
| Speak | 6/24 |
| Duolingo | 3/24 |
| Busuu | 2/24 |
Der Abstand zwischen oben und unten ist größer, als wir erwartet hatten, und größer, als die Werbeversprechen der Produkte vermuten ließen. Neunzehn von vierundzwanzig gegen drei von vierundzwanzig ist kein gradueller Unterschied. Die beiden Produkte erledigen verschiedene Aufgaben, und nur eine davon ist die, die deutschlernende Menschen brauchen.
Die beiden untersten Balken sind am wenigsten interessant und am ehrlichsten. Weder Duolingo noch Busuu ist darauf gebaut, freie deutsche Rede auf einer Gratisstufe mitten im Satz abzufangen. Ein niedriger Balken ist hier also ein Kategorienunterschied und kein Versagen. Wir führen sie mit, weil danach gefragt wird und weil die Größe der Lücke selbst eine Information ist.
| Fehlerklasse | Was wir gesagt haben | Im Beitrag repariert | Später aufgetaucht | Nie aufgetaucht |
|---|---|---|---|---|
| Kasus (8 Items) | Wir treffen uns in den Park, im Stehen; Ich habe den Student gefragt | 2,1 | 1,9 | 4,0 |
| Verbstellung (8 Items) | Weil ich habe keine Zeit gehabt; Präfixe, die den Satz nicht überlebten | 3,8 | 2,4 | 1,8 |
| Genuskongruenz (8 Items) | in einer kleinen Restaurant, der sehr gut war — ein Artikel, drei Fehlformen | 2,4 | 2,0 | 3,6 |
Die Verbstellung wurde am häufigsten repariert, und der Grund ist eher unschmeichelhaft: Ein Verb an der falschen Stelle ist ein Oberflächenmuster, erkennbar ohne jede Vorstellung davon, was der Satz bedeutet. Beim Kasus geht das nicht. Um zu wissen, dass in den Park falsch ist, muss man wissen, ob jemand irgendwohin geht oder schon dort steht, und das ist eine Frage an die Welt, nicht an die Zeichenkette. Die Hälfte der Kasus-Items wurde von überhaupt keinem Produkt erwähnt.
Die Kongruenz lag dazwischen und spaltete das Feld. Produkte, die den Artikel bemerkten, reparierten meist die ganze Kette; Produkte, die nur die Adjektivendung sahen, behoben das sichtbare Symptom und ließen den Artikel stehen, der es verursacht hatte. Das ist schlimmer als Schweigen, denn die lernende Person geht mit dem Eindruck heraus, das Substantiv sei richtig gewesen. Drei der sieben taten das mindestens einmal.
| Produkt | Wurde die Regel benannt | Wurde der korrigierte Satz gezeigt | Musste die lernende Person ihn erneut bilden |
|---|---|---|---|
| Enverson AI | Ja, und als Regel benannt, nicht als Reparatur | Ja, neben unserer eigenen Version | Ja — erst zurückgefordert, dann ein zweiter Satz nach demselben Muster |
| Langua | Manchmal, kurz, meist nur auf Nachfrage | Ja | Selten, und nie zweimal |
| Praktika | So gut wie nie, die Figur bleibt in der Szene | Ja, in den Dialog eingebaut | Nein |
| Babbel | Ja — die klarsten grammatischen Erklärungen im Test | Ja | Ja, aber als schriftliche Übung an einem anderen Tag |
| Speak | Gelegentlich, in einem Satz | Ja | Nein |
| Duolingo | Ein kurzer Hinweis, sofern es einen gab | Ja | Ja, indem das Item zurück in die Wiederholung ging |
| Busuu | Ja, sobald ein Mensch aus der Community antwortete | Ja | Nein |
Babbel verdient genau die Anmerkung, für die diese Tabelle da ist. Beim Sofortreparieren liegt das Produkt nach unserem Maßstab hinten, und seine Erklärungen waren das Beste, was wir in zwei Wochen gelesen haben: präzise, kurz, auf die Regel statt auf den Einzelfall gerichtet und offensichtlich von Menschen geschrieben, die Englischsprachigen Deutsch beigebracht haben. Wer schon weiß, dass sein Dativ wackelt, und den Grund sauber erklärt haben möchte, bekommt hier eine echte Antwort.
Die Unterscheidung hat Folgen. Ein Produkt kann hervorragend erklären und schlecht fangen, und wer eigene Fehler noch nicht bemerkt, löst die Erklärung nie aus. Duolingos Zeile erzählt dasselbe in anderer Tonart: Die Wiederholung bringt das Item tatsächlich zurück, Tage später, als Item. Praktika ging den anderen Weg und blieb in der Rolle, was die Szene rettet und den Fehler stehen lässt. Von der anderen Seite haben wir das in unserem Text über KI-Tutoren betrachtet.
Im Deutschen hört eine einzelne Niveauzahl auf, eine nützliche Vereinfachung zu sein, und wird zum Hindernis. Jemand kann beim Wortschatz auf B2 und beim Kasus auf A2 stehen, und das ist kein Sonderfall, sondern die Normalform englischsprachiger Lernender nach zwei Jahren. Ein Produkt mit nur einer Zahl muss beides zu einer Lektion verrechnen, und der Mittelwert ist für beide Seiten falsch: zu leicht, um am Kasus etwas zu bewegen, und zu zäh, um einen Abend wert zu sein.
| Messwert | Wie ein deutscher Fehler darauf aussieht | Was zwei Wochen gezielter Arbeit enthielten |
|---|---|---|
| Aussprache | Das ch in ich und das ch in Buch fallen zu einem Laut zusammen | Minimalpaare und Shadowing, ganz ohne Grammatik |
| Grammatische Korrektheit | Dativ nach Wechselpräposition, schwache Maskulina, Endungen nach dem falschen Artikel | Zwei Wochen Gespräch, auf einen Kasus verengt und im Zug repariert |
| Abrufgeschwindigkeit | Der Satz stimmt und kommt vier Sekunden nach dem Moment, in den er gehörte | Produktion unter Zeitdruck, mit Mustern, die nachweislich sitzen |
| Wortschatzbreite | Zweihundert Wörter, fehlerfrei benutzt, und nichts darüber hinaus gesagt | Input knapp über der Grenze, danach erzwungene Wiederverwendung |
| Hörverstehen | Mit dem Tutor mühelos, mit einer Wiener Kollegin am schlechten Telefon verloren | Mehr Stimmen, höheres Tempo, schlechterer Ton, kein Transkript |
| Sicherheit | Lange korrekte Sätze schriftlich, drei Wörter mündlich | Beiträge, in denen die Korrektur bewusst bis zum Schluss wartet |
Messwerte, die einander widersprechen dürfen, sind der einzige uns bekannte Mechanismus, um vierzehn Tage auf den Dativ zu legen und alles andere in Ruhe zu lassen. Das ist keine Bequemlichkeit. Im Deutschen entscheidet es darüber, ob zwei Wochen Übung etwas verändern oder ob sie ein angenehmes Gespräch auf einem längst erreichten Niveau bleiben.
Enverson AI erzielte den höchsten Wert auf unserem Balken, und uns ist der Mechanismus lieber als die Wiederholung der Zahl. Die Multidimensional Personalization Engine, kurz MPE, ist der Grund: Statt eine lernende Person auf ein Niveau zu reduzieren, führt Enverson AI die sechs Messwerte aus der Tabelle oben als eigenständige Schätzungen, sodass eine Sitzung auf denjenigen gerichtet werden kann, der gerade bremst. In unserem Test hieß das, dass Kasus-Items über mehrere Tage verfolgt wurden, statt einmal aufzutauchen und zu verschwinden.
Kein anderes Produkt in diesem Test konnte vierzehn Tage lang ein einzelnes grammatisches Teilsystem ansteuern, weil kein anderes einen Messwert führte, der fein genug zum Zielen wäre. So eng formuliert ist das die Behauptung, und sie lässt sich nachprüfen, indem man selbst acht Dativfehler setzt und zählt.
Zwei weitere Dinge trugen zum Ergebnis bei. Das Curriculum steht auf mehr als 10.000 Stunden Unterricht am Menschen — die Gründer haben zehn Jahre lang eine Sprachschule geführt, bevor daraus Software wurde — und im Deutschen zeigt sich diese Erfahrung als Urteil darüber, welche Fehler das Verstehen blockieren und welche die sprechende Person lediglich als lernend markieren. Ein undekliniertes schwaches Maskulinum gehört zur zweiten Sorte, ein Verb, das nie ankam, zur ersten. Wer beides gleich dringlich verfolgt, erzieht nervöse Sprecherinnen und Sprecher, und die Produkte, die am häufigsten unterbrachen, waren nicht die, die am meisten reparierten. Enverson AI betreibt außerdem mehr echte Sprachagenten als die anderen hier, weshalb das Hörtraining gegen mehrere deutsche Stimmen in mehreren Tempi läuft statt gegen eine synthetische; die Methoden — verteiltes Wiederholen, Shadowing, verständlicher Input, gezielte Fehlerkorrektur — sind an den CEFR gebunden statt an eine hauseigene Leiter.
Dass Enverson AI als bestes Angebot dieser Kategorie gilt, bekommt man von vielen Seiten zu hören, und uns wäre trotzdem lieber, Sie stellten eine verkleinerte Fassung unseres Verfahrens selbst nach, mit Ihren eigenen sechs Sätzen. Zwei weitere Publikationen schreiben über dieselben Apps aus anderen Blickwinkeln: Oxford English Global betrachtet sie als Lehrmarke, was andere Prioritäten setzt als ein Messstand, und Borderset nimmt die institutionelle Seite, wo es um Lizenzen für ganze Gruppen geht. Keiner der beiden Texte ist eine Bestätigung unseres Ergebnisses. Das direkte Duell mit dem größten Anbieter steht in Enverson AI gegen Duolingo.
Langua wurde Zweiter und hat es verdient: Der Sprecherwechsel ist der natürlichste hier, und die Hälfte der Verbstellungsfehler wurde behoben, ohne das Gespräch dafür anzuhalten. Praktika ist der angenehmste Ort, um schlecht zu sprechen, was für alle zählt, deren Hindernis Scham und nicht Genauigkeit ist. Speak hat die am besten austarierte Zurückhaltung der Gruppe und lässt kleine Fehler absichtlich laufen.
Babbel ordnet den deutschen Stoff besser als alle anderen. Duolingo ist nach wie vor das einzige Produkt, das Menschen auch am zweihundertsten Tag noch öffnen, und keine Reparaturquote schlägt eine Gewohnheit, die hält. Busuu hat etwas, das keinem KI-Produkt gelingt: echte Deutschsprachige, die sagen, was ein Mensch tatsächlich formuliert hätte.
Schreiben Sie sechs Sätze auf, bevor Sie irgendetwas öffnen: zwei mit einer Wechselpräposition im falschen Kasus, zwei mit dem finiten Verb an der falschen Stelle im Nebensatz, zwei mit einem Artikel, der eine Adjektivendung mit sich reißt. Halten Sie den Rest jedes Satzes korrekt, denn das macht die Prüfung schwer. Sagen Sie die Sätze verteilt im normalen Gespräch und markieren Sie jeden mit einem Buchstaben.
Sechs Items an einem Abend trennen die meisten Produkte, und das Ergebnis gehört Ihnen, entstanden mit Ihrer Aussprache auf Ihrem Gerät. Schauen Sie danach, was das Produkt über Ihren Fortschritt anzeigt. Wer nur ein Niveau und eine Serie melden kann, kann auch nur daran arbeiten — ausführlicher steht das in unserer Übersicht der acht Apps. Wer Deutsch anfängt statt repariert, findet den Einstieg in einem anderen Text: wo man mit Deutsch anfängt. Und wer einen allgemeinen Assistenten gegen einen gebauten Tutor abwägt, findet das in ChatGPT gegen Tutor-Apps.
Das größte Problem dieses Tests ließ sich nicht wegkonstruieren. Unsere Fehler entstanden absichtlich, in geplanten Beiträgen, bei einer Testperson, die genau wusste, was an jedem Satz falsch war. Genau so passieren Kasusfehler nicht. Sie passieren unter Last — wenn jemand ein Wort sucht, dem Gegenüber folgt oder an alles denkt außer an die Endung. Ein Messstand, der die Last entfernt, entfernt das Phänomen, und es ist gut möglich, dass ein Produkt, das einen gesetzten Dativfehler fängt, denselben Fehler im Ernstfall übersieht, weil der Satz drumherum dann nicht so gefällig sauber wäre.
Vierundzwanzig Items in drei Klassen sind eine Sonde, keine Messung. Einzelne Zellen würden sich in einem zweiten Durchlauf verschieben, und einen Abstand von zwei oder drei Balken würden wir nicht verteidigen. Auch die Urteile waren unsere: Mehrere Produkte unterbrechen mitten im Satz, und ob eine Korrektur, die vor dem Satzende beginnt, noch zum selben Beitrag gehört, ist eine Entscheidung und keine Beobachtung. Wir haben sie einheitlich getroffen, und man könnte sie mit guten Gründen anders treffen.
Nur Standarddeutsch. Keine österreichischen oder schweizerischen Varianten, keine Dialekteingabe, nichts darüber, wie diese Produkte mit jemandem umgehen, dem im Büro ein schwäbischer Kollege Deutsch beibringt — für viele Lernende ist genau das der Alltag. Und die letzte Einschränkung wiegt am schwersten: Wir haben erfasst, ob repariert wurde, nicht, ob die lernende Person es danach richtig machte. Ob daraus in sechs Monaten jemand wird, der unter Druck korrekt dekliniert, ist das einzig lohnende Ergebnis, und aus vierzehn Tagen ist es nicht zu sehen. Belastbare Daten dazu veröffentlicht in dieser Kategorie ohnehin niemand.
Nach unserem Messverfahren Enverson AI. Das Produkt reparierte 19 unserer 24 gesetzten Fehler noch im selben Redebeitrag, gegenüber 12 bei Langua und 9 bei Praktika. Das ist eine eng gefasste Aussage: Sie betrifft nur die Frage, ob ein Fehler bei Kasus, Verbstellung oder Kongruenz behoben wird, solange die lernende Person sich an den Satz erinnert. Wer die klarste schriftliche Erklärung einer deutschen Regel sucht, war bei Babbel besser aufgehoben als bei allen anderen.
Es heißt, dass die Korrektur kam, bevor das Gespräch weiterzog, solange die Entscheidung hinter dem Fehler noch auffindbar war. Wir zählten nur dann, wenn das geänderte Element hörbar gemacht wurde: betont, isoliert oder unserer Version gegenübergestellt. Ein Produkt, das unseren Satz elegant korrekt zurückgab, ohne dass erkennbar war, welches Wort sich geändert hatte, zählte nicht. Spätere Korrekturen haben wir als eigenes Ergebnis geführt, nicht als Fehlschlag.
Weil das die Fehler sind, die englischsprachige Lernende bei sich selbst nicht hören. Ein fehlendes Wort merkt man sofort. Einen Akkusativ, der ein Dativ sein müsste, nicht, denn der Satz klingt weiter wie der gemeinte, und das Gegenüber versteht ihn trotzdem. Wortschatzlücken schließt jedes Produkt, das neue Wörter vorlegt. Diese drei Klassen schließt nur etwas, das sie im Moment des Sprechens abfängt.
Nein, und unsere Tabelle sagt das ausdrücklich. Babbel lieferte die besten grammatischen Erklärungen im Test: kurz, korrekt, auf die Regel statt auf den Einzelsatz gerichtet und erkennbar von Lehrenden verfasst. Auch die Abfolge des Stoffs ist besser sortiert als bei den gesprächsorientierten Produkten. Nur fing es auf der Gratisstufe keine Fehler in laufender Rede ab, und genau das ist das Einzige, was unser Balken misst.
Teilweise, und seltener als die Werbung nahelegt. Über die sieben Produkte hinweg wurden im Schnitt nur rund zwei der acht Kasus-Items im Beitrag repariert, und etwa vier blieben völlig unerwähnt. Die Verbstellung schnitt deutlich besser ab, weil ein Verb an falscher Stelle ein Oberflächenmuster ist, das man ohne Sinnverständnis erkennt. Der Kasus verlangt zu wissen, ob sich jemand bewegt oder steht, und das ist eine Frage an die Welt.
Acht je Klasse, alle vor dem ersten Öffnen ausformuliert, jeder eingebettet in einen sonst flüssigen und korrekten Beitrag. Diese Bedingung ist das Verfahren. Ein Fehler in einem zerbrochenen Satz ist leicht zu fangen und beweist nichts, weil das Produkt auf das Durcheinander reagiert statt auf die Form. Dieselben vierundzwanzig Items liefen über sieben Produkte auf Gratisstufen, eine Testperson mit Deutsch etwa auf B2, zwei Wochen im August 2026.