Zum Hauptinhalt springen
OpenAI

29. Juli 2025

Produkt

Jetzt neu: Lernmodus

Eine neue Art zu lernen mit ChatGPT: Schritt-für-Schritt-Anleitungen statt schneller Antworten.

Laden …

Ab heute gibt es den Lernmodus in ChatGPT – eine Lernhilfe, die dich Schritt für Schritt bei Problemen begleitet, statt dir einfach nur eine Antwort zu geben. Ab heute steht der Lernmodus angemeldeten Nutzern der Free-, Plus-, Pro- und Team-Pläne zur Verfügung. In den nächsten Wochen folgt die Verfügbarkeit in ChatGPT Edu.

ChatGPT entwickelt sich zu einem der meistverwendeten Lerntools der Welt. Lernende nutzen es, um schwierige Hausaufgaben zu bewältigen, sich auf Prüfungen vorzubereiten und neue Konzepte zu erkunden. Der Einsatz im Bildungsbereich wirft aber auch eine wichtige Frage auf: Wie stellen wir sicher, dass der Lernmodus echtes Verstehen fördert und nicht nur Lösungen liefert, ohne den Lernenden zu helfen, diese zu verstehen?

Genau dafür haben wir den Lernmodus entwickelt. Wenn Lernende diesen Modus aktivieren, werden ihnen Leitfragen gestellt, die die Antworten an ihre Ziele und ihr Fähigkeitsniveau anpassen, um ihnen zu helfen, ein tieferes Verständnis zu entwickeln. Der Lernmodus ist interaktiv und motivierend gestaltet. Er hilft Schülern, wirklich etwas zu lernen, statt nur Aufgaben abzuschließen.  

So wurde der Lernmodus entwickelt

Im Hintergrund stützt sich der Lernmodus auf nutzerspezifische Systemanweisungen, die wir in Zusammenarbeit mit Lehrkräften, Wissenschaftlern und Pädagogikfachleuten formuliert haben, um bestimmte Kernverhaltensweisen zu reflektieren, die tieferes Lernen unterstützen, darunter: ​Motivieren zu aktiver Teilnahme, Umgang mit der kognitiven Last, proaktive Entwicklung von Metakognition und Selbstreflexion, Förderung von Neugier und Bereitstellung von umsetzbarem und unterstützendem Feedback. Diese Verhaltensweisen stützen sich auf langjährige Forschung in der Lernwissenschaft und prägen die Reaktion des Lernmodus auf die Lernenden.

„Statt die Arbeit für die Lernenden zu übernehmen, regt der Lernmodus sie dazu an, kritisch über ihr Lernen nachzudenken. Solche Funktionen sind ein wichtiger Schritt hin zu einem effektiven Einsatz von KI beim Lernen. Auch im KI-Zeitalter gelingt Lernen am besten, wenn Lernende begeistert sind und sich aktiv mit dem Unterrichtsstoff auseinandersetzen.“ Robbie Torney, Senior Director of AI Programs bei Common Sense Media.

Wichtige Funktionen

Interaktive Prompts: Kombiniert sokratische Fragen, Hinweise und Anregungen zur Selbstreflexion, um das Verständnis zu unterstützen und aktives Lernen zu fördern, statt direkt Antworten zu liefern.

Unterstütze Antworten: Informationen sind in leicht verständliche Abschnitte unterteilt, die die wichtigsten Zusammenhänge zwischen den Themen hervorheben. So wird genau das richtige Maß an Kontext gewährleistet, damit die Informationen interessant bleiben und Überforderung bei komplexen Themen verhindert wird.

Personalisierter Support: Die Lerneinheiten sind auf das entsprechende Niveau des Benutzers zugeschnitten und basieren auf Fragen, die die Fähigkeiten und Erinnerung aus früheren Chats bewerten.

Wissensprüfungen: Quizze und offene Fragen sowie individuelles Feedback zum Nachverfolgen der Fortschritte unterstützen den Wissenserhalt und die Fähigkeit, dieses Wissen in neuen Kontexten anzuwenden.

Flexibilität: Der Lernmodus kann während eines Gesprächs einfach ein- und ausgeschaltet werden, wodurch jedes Gespräch flexibel an deine Lernziele angepasst werden kann

So nutzen Studierende den Lernmodus

Der Lernmodus richtet sich vor allem an Studierende. Feedback, das wir aus den ersten Tests von Studierenden erhalten haben:

„Am besten lässt sich das so beschreiben: eine ständig erreichbare, allwissende Sprechstunde rund um die Uhr.“ – Noah Campbell, Student

Der Lernmodus hat komplexes Material großartig in klare und gut strukturierte Erklärungen aufgeteilt.“ – Caleb Masi, Student

„Ich habe den Lernmodus ausprobiert, um mir ein Konzept erklären zu lassen, das ich schon oft versucht habe zu verstehen: sinusförmige Positionscodierungen.“ Es war wie ein Tutor, dem meine Fragen nie zu viel werden. „Nach einer dreistündigen Arbeitssitzung habe ich das Thema endlich gut genug verstanden, um mich sicher zu fühlen.“ – Maggie Wang, Studentin

Anwendungsarten des Lernmodus, inspiriert von Studierenden aus dem ChatGPT‑Labor

I want to learn about Game Theory, specifically the broad spectrum that the field entails, then also the ways in which you think it'd be useful for me to understand in my daily life. I want you to of course follow my curiousity, but mostly you will be teaching me about it, and keeping a high level plan to iterate through so I can cover the full scope here. I will ask questions when I am curious, but be deadset on quickly educating me on this.

Perfect. Here’s the high-level plan I’ll drive us through—think of it as a layered roadmap from foundational ideas to practical intuition:


🔹 Phase 1: Core Foundations

1. What is Game Theory, really?

  • Strategic interaction, rational agents, assumptions.

2. Types of Games

  • Cooperative vs non-cooperative
  • Simultaneous vs sequential
  • Zero-sum vs non-zero-sum

3. Basic Concepts

  • Players, strategies, payoffs, information
  • Dominant strategies
  • Nash equilibrium (core to nearly everything)

🔸 Phase 2: Classic Games & Concepts

4. Famous Games

  • Prisoner’s Dilemma
  • Chicken
  • Battle of the Sexes
  • Stag Hunt
  • Matching Pennies

5. Mixed Strategy Equilibria

  • When no pure strategy works
  • Randomization and expected payoffs

🔹 Phase 3: Deepening the Model

6. Repeated Games & Folk Theorems

  • Cooperation emerging over time
  • Tit for Tat, Grim Trigger, etc.

7. Extensive-Form Games

  • Game trees, backward induction
  • Subgame Perfect Equilibria

8. Bayesian Games

  • Games with incomplete information
  • Beliefs, types, and expected utility

🔸 Phase 4: Real-Life Relevance

9. Mechanism Design / Reverse Game Theory

  • Voting systems, auctions, contracts

10. Behavioral Game Theory

  • Bounded rationality, fairness, heuristics

11. Daily Life Applications

  • Negotiation, dating, politics, AI systems, etc.

🔹 Phase 5: Advanced & Optional

12. Evolutionary Game Theory

  • Strategies that reproduce over time

13. Algorithmic Game Theory

  • Network effects, internet auctions

14. Your world: How it matters to Parker

  • Systems design, incentives, power structures

Throughout this, I’ll mix in:

  • 🔄 Guided examples
  • 🧠 Thought experiments
  • 🎭 Real-life situations to map theory onto
  • 🧩 Quick checks to make sure ideas are sticking

Let’s kick off Phase 1.
First quick one: In your own words, what do you think Game Theory is about? No need to be polished—just get it out.

I think Game Theory is sort of this meta aspect framing of modern society in life where we look at people in situations and complex systems and we try to analyze how people in them make decisions, sometimes why they make it, and how this affects the situation/system

Nice—you're already circling the core.

Let’s sharpen it a bit together. Game Theory is fundamentally about strategic decision-making—situations where the outcome for each person depends not just on what they do, but on what others do too.

So real quick:

If you’re making a decision and it depends entirely on nature or chance—like a dice roll—is that Game Theory?

And then:

If you’re making a decision and it depends on what someone else does—like whether they cooperate or betray you—is that Game Theory?

Walk me through your thinking on both.

No random chance isn't game theory, though agents in game theory may end up having things depend on random chance. But if youre decision matters then of course it is. Also please remember you should be teaching this to me, via paragraphs of information and moving through a high level plan. If I want to do interactions and questions, I will ask. Continue

Got it—I'll stay in teaching mode and drive forward through the roadmap unless you tap in.


📍Phase 1: Core Foundations — What Game Theory Is

At its heart, Game Theory studies strategic interactions: any situation where the outcome for each agent (person, company, nation, etc.) depends on the actions of others. It’s not about games in the traditional sense, but rather any “game” where decisions must be made in the presence of others who are also making decisions.

Key Assumptions (Classical Game Theory):

1. Rational agents – Everyone acts to maximize their own utility (whatever that means to them).

2. Strategic thinking – Agents consider what others might do before acting.

3. Common knowledge – Everyone knows the rules, the payoffs, and that everyone is rational (though later variants relax this).


🧩 Core Building Blocks

Here are the elements every formal game model needs:

  • Players – The decision-makers.
  • Strategies – The complete set of actions each player could take.
  • Payoffs – The outcomes (usually represented numerically) each player receives depending on the combination of strategies chosen.
  • Rules of play – Whether players move simultaneously or in turns, whether they see each other’s moves, whether they play once or repeatedly.

These get framed into a “game form”, and from there, you look for solutions—most famously, Nash equilibrium (more on that soon).


🎲 Quick Clarification: Game Theory vs Probability

You're exactly right—pure chance (like dice) isn’t Game Theory. That’s probability theory. But if you are choosing a strategy knowing that others may randomize their own moves? That’s Game Theory.

For example: in rock-paper-scissors, the “optimal” strategy is not deterministic—it’s a mixed strategy, which involves randomizing your choices. But you’re doing so strategically, in response to an opponent.


🧠 Where We’re Going Next

Next up, I’ll walk through types of games (Phase 1 continued), then move into dominant strategies and Nash equilibrium to set up the first actual game analysis.

Let me know if you want to pause, go deeper, or shift gears—but otherwise I’ll keep pressing forward.

I like the rock paper scissors example. Keep going, connecting to my life where possible. want to internalize this to be a better person/decision maker

Wird gestartet 

Der Lernmodus ist besonders hilfreich bei Hausaufgaben, Prüfungsvorbereitung und beim Erlernen neuer Themen. Um ihn auszuprobieren, wähle in ChatGPT unter „Tools“ die Option „Studieren und Lernen“ und stelle deine Frage. 

Einschränkungen und Ausblick

Dies ist der erste Schritt eines längeren Wegs zur Verbesserung des Lernens in ChatGPT.  Heute stützt sich der Lernmodus auf nutzerspezifische Systemanweisungen. Wir haben uns für diesen Ansatz entschieden, weil wir dadurch schnell aus dem Feedback der Studierenden lernen und das Erlebnis verbessern können – auch wenn dies in einigen Gesprächen zu inkonsistentem Verhalten und Fehlern führt. Wir planen, unsere Modelle direkt mit diesem Verhalten zu versehen, sobald wir durch Iteration und Feedback von Lernenden herausgefunden haben, was am besten funktioniert. 

Wir prüfen außerdem, mit welchen Funktionen wir den Lernmodus für Schüler und Studierende noch ansprechender und hilfreicher gestalten können, darunter:

  • Klarere Visualisierungen für komplexe oder textlastige Konzepte
  • Zielsetzung und Fortschrittsverfolgung aus allen Gesprächen
  • Noch stärkere Personalisierung, zugeschnitten auf das Leistungsniveau und die Ziele jedes Studierenden

Die Forschungslandschaft hinsichtlich der besten Anwendungsmöglichkeiten von KI in der Bildung befindet sich noch im Entwicklungsstadium. Im Rahmen der NextGenAI unterstützt OpenAI die Forschung zu KI und Lernen und arbeitet mit Expert*innen der SCALE-Initiative am Stanford Accelerator for Learning zusammen(wird in einem neuen Fenster geöffnet), um zu erforschen und zu teilen, wie KI-Tools wie der Lernmodus Lernerfolge in der K-12-Bildung fördern.

Mit längerfristigen Studien dazu, wie Menschen am besten mit KI lernen, beabsichtigen wir, eine tiefergehende Analyse unserer Erkenntnisse über die Zusammenhänge zwischen Modelldesign und Kognition zu veröffentlichen, zukünftige Produkterlebnisse auf Basis dieser Erkenntnisse zu entwickeln und eng mit dem breiteren Bildungsökosystem zusammenzuarbeiten, um sicherzustellen, dass Lernende weltweit von KI profitieren.