Mündigkeit

Für Lernende selbst sowie für Lehrkräfte in Integrations- und Berufssprachkursen, Migrationsberater:innen, Sozialarbeitende, Mitarbeitende in kommunalen Verwaltungen und Bibliotheken, Journalist:innen und Wissenschaftler:innen aus Migrations-, Bildungs- und Rechtsforschung.

Die strukturelle Zugangslücke

Der Einbürgerungstest besteht aus 300 bundesweit einheitlichen Fragen und 10 bundeslandspezifischen Fragen — insgesamt 310 Fragen, von denen in der eigentlichen Prüfung 33 vorgelegt werden (drei der zehn Landesfragen plus 30 bundesweite). Diese Texte und Lösungen sind als amtliche Werke nach § 5 UrhG vom Urheberrechtsschutz ausgenommen und dürfen vollständig vervielfältigt, übersetzt und weiterverbreitet werden. Rechtlich ist der Lernstoff Allgemeingut.

Faktisch jedoch ist er sprachlich verschlossen:

• Das offizielle Online-Übungsportal des BAMF stellt die Fragen ausschließlich auf Deutsch zur Verfügung.
• Kommerzielle Vorbereitungsmaterialien erscheinen überwiegend auf Deutsch, vereinzelt auf Englisch; mehrsprachige Angebote in nennenswerter Tiefe fehlen.
• Wer die Voraussetzungen für einen geförderten Integrationskurs nicht erfüllt — etwa EU-Bürger:innen, Langzeitaufenthaltsberechtigte aus Drittstaaten oder Familienangehörige im Familiennachzug —, ist auf autodidaktisches Lernen oder kostenpflichtige Drittangebote angewiesen.

Das Urheberrecht öffnet den Stoff, die Sprache schließt ihn wieder. Mündigkeit antwortet auf diese strukturelle Zugangslücke mit 50 Übersetzungen, zweisprachiger Darstellung und Originalaudio.

StAG § 10 Abs. 1 — Nr. 6 versus Nr. 7: eine Verschiebung von Zweck und Mittel

Das Staatsangehörigkeitsgesetz benennt in § 10 Abs. 1 unter anderem zwei Einbürgerungsvoraussetzungen nebeneinander:

• Nr. 6 — ausreichende Kenntnisse der deutschen Sprache (in der Praxis Niveau B1 GER) — die Sprache als Mittel.
• Nr. 7 — Kenntnisse der Rechts- und Gesellschaftsordnung sowie der Lebensverhältnisse in Deutschland, geprüft durch den Einbürgerungstest — civic literacy als Zweck.

Im Gesetzestext stehen beide Voraussetzungen gleichrangig. Im Vollzug aber stellt das BAMF civic-bezogene Lernmaterialien ausschließlich auf Deutsch bereit. Daraus folgt operativ: Wer Nr. 6 noch nicht erfüllt, kann Nr. 7 nicht erlernen. Das Mittel wird zur Vorbedingung des Zwecks; eine eigentlich eigenständige Aneignung des civic-Wissens wartet auf den Spracherwerb, anstatt parallel zu ihm zu verlaufen.

Diese Verschiebung von Zweck und Mittel verkennt einen didaktisch zentralen Sachverhalt: civic literacy — die Kenntnis von Verfassung, Gewaltenteilung, historischer Verantwortung und gesellschaftlichen Institutionen — entfaltet sich am sichersten in der Sprache, in der die Lernenden ihre Bedeutungswelt aufgebaut haben. Es geht um Bedeutung, nicht um Vokabeln. Mündigkeit trennt die beiden Anforderungen deshalb wieder voneinander. Der civic-Inhalt steht in der Erstsprache zur Verfügung; der deutsche Originaltext und das DE-Audio sichern parallel die schrittweise Aneignung des fachterminologischen Vokabulars, das in Prüfungssituation und Verwaltungskontakt benötigt wird.

EU-Bürger:innen im Zwischenraum: Art. 21 AEUV und FreizügG/EU

EU-Bürger:innen genießen nach Art. 21 AEUV und dem Freizügigkeitsgesetz/EU das Recht auf Aufenthalt, Erwerbstätigkeit, Sozialleistungen und Familiennachzug in Deutschland — ohne Aufenthaltstitel, ohne Sprachnachweis, ohne Integrationskursauflage. Aus dieser umfassenden Freizügigkeit folgt im deutschen Migrationsrecht, dass EU-Bürger:innen nicht zur Teilnahme am Integrationskurs verpflichtet sind und in der Regel auch keinen geförderten Zugang dazu erhalten. Die Annahme: Wer das Recht auf Aufenthalt qua EU-Bürgerschaft besitzt, bedarf keiner zusätzlichen staatlichen Förderung des Sprach- oder civic-Erwerbs.

In der Lebenspraxis öffnet sich damit ein Zwischenraum:

• EU-Bürger:innen, die seit Jahren oder Jahrzehnten in Deutschland leben, ohne das politische System, die Geschichte und das Grundgesetz systematisch durchdrungen zu haben.
• Eine politische Teilhabe auf Bundes- und Landesebene, die ohne deutsche Staatsangehörigkeit nicht zugänglich ist (Bundestagswahl, Landtagswahlen).
• Alltagserfahrungen mit Schule, Verwaltung und Nachbarschaft, in denen civic-Vokabular fehlt.
• Eine institutionelle Unterstützungslandschaft, die diese Gruppe ausdrücklich ausschließt — weil sie schon Rechte hat.

Eine wachsende Zahl von EU-Bürger:innen erwägt zudem die deutsche Einbürgerung — wegen des Wahlrechts auf Bundesebene, wegen des konsularischen Schutzes außerhalb Europas, wegen der seit der StAG-Reform 2024 grundsätzlich möglichen Mehrstaatigkeit, wegen einer langjährigen Bindung an das Land. Auch sie müssen den Einbürgerungstest bestehen und § 10 Abs. 1 Nr. 6 und Nr. 7 StAG erfüllen — ohne dass für sie eine vergleichbare Vorbereitungsinfrastruktur existiert.

Mündigkeit öffnet dieselbe Tür für sämtliche Gruppen im Zwischenraum: EU-Bürger:innen außerhalb des Integrationskurses, einbürgerungsinteressierte EU-Bürger:innen, Langzeitaufenthaltsberechtigte aus Drittstaaten, Familienangehörige im Familiennachzug, Schutzberechtigte mit anderer Lernbiografie.

Civic literacy ist keine Privatsache der Einbürgerungswilligen

Die Kenntnis von Verfassung, Geschichte und Institutionen einer demokratischen Gesellschaft betrifft nicht ausschließlich diejenigen, die einen Einbürgerungsantrag stellen. Sie ist relevant für:

• in Deutschland geborene Angehörige der zweiten und dritten Migrationsgeneration mit anderer Erstsprache,
• Langzeitaufenthaltsberechtigte ohne unmittelbare Einbürgerungsperspektive,
• Studierende, Forschende und Fachkräfte mit befristetem Aufenthalt,
• Lehrkräfte und Sozialarbeitende, die mit migrantischen Communities arbeiten,
• alle, die wissen möchten, wie das Land funktioniert, in dem sie leben.

Für diese Gruppen sind die 310 Fragen weniger ein Test als ein Einstieg in eine demokratische Gesellschaft. Die Prüfungsvorbereitung wird damit zum Nebenprodukt einer eigenständigen civic-Bildung.

Was Mündigkeit anbietet

Drei Lernmodi

• Lernmodus — Fragen in selbst gewählter Reihenfolge, einzeln. Nach jeder Antwort werden Erstsprachenübersetzung, deutscher Originaltext und eine kurze juristische Einordnung sofort sichtbar.
• Vollprüfung — Originalformat: 33 Fragen in 60 Minuten, ab 17 richtigen Antworten als bestanden ausgewiesen, mit Auswertung nach Themenbereichen.
• Bundesland-Prüfung — die 10 Fragen des gewählten Bundeslandes. In MVP-A zunächst Niedersachsen; Ausbau auf alle 16 Länder in Phase 2.

17 Kategorien in 3 Themenbereichen

Die inhaltliche Aufteilung folgt den drei offiziellen Themenbereichen des BAMF-Rahmencurriculums:

• I. Leben in der Demokratie (9 Kategorien) — Grundgesetz, Wahlrecht, Parteien, Föderalismus, Rechtsprechung, Medien, Bürgerrechte, Religionsfreiheit, Gleichberechtigung.
• II. Geschichte und Verantwortung (4 Kategorien) — Weimarer Republik, Nationalsozialismus, Nachkriegszeit und Teilung, Wiedervereinigung.
• III. Mensch und Gesellschaft (4 Kategorien) — Bildung, soziale Sicherung, Arbeit, Familie und Vielfalt.

Die Kategorien sind als Tags filterbar, sodass Lernende gezielt einzelne Themen wiederholen können.

Zweisprachige Darstellung

Jede Frage zeigt deutschen Originaltext und gewählte Erstsprachenübersetzung gleichzeitig. Der Originaltext steht oben in voller Größe, die Übersetzung erscheint darunter als Verstehensgerüst. Bei rechts- und verwaltungssprachlichen Termini können Lernende beide Versionen unmittelbar nebeneinander prüfen — eine Form der Aushandlung, die die Forschung zum Heritage-Spracherwerb (Polinsky, Montrul u. a.) als besonders ertragreich für das Behalten beschreibt.

Civic Audio — Originaltext mit Neural TTS

Der deutsche Originaltext jeder Frage ist als Audio abrufbar. Eingesetzt wird Azure Neural TTS mit der Stimme de-DE-KatjaNeural. Die Erstsprachenübersetzung wird bewusst nicht vertont — der Übergang Schrift → Ton → Bedeutung bleibt auf das Deutsche fokussiert und gewöhnt das Ohr an die Diktion, mit der Fragen in der Prüfungssituation und in Verwaltungsgesprächen tatsächlich auftreten. Lernenden mit Sehbeeinträchtigung oder Dyslexie eröffnet das Audio zugleich einen barrierearmen Zugang.

51 Sprachen mit qualityTier-Kennzeichnung Geplant

Die geplante Vollfassung deckt 51 Sprachen ab (deutsches Original plus 50 Übersetzungen) und enthält alle 24 EU-Amtssprachen vollständig. Jeder Sprache ist eine vierstufige Qualitätskennzeichnung zugeordnet:

• verified — muttersprachlich geprüft und freigegeben.
• pro-dict — Pro-Modell-Übersetzung mit Fachterminologie-Wörterbuch; muttersprachliche Prüfung steht aus.
• best-effort — Pro-Modell-Übersetzung ohne vollständige Fachwörterbuch-Abdeckung; terminologische Unschärfen möglich.
• lazy — kostengünstige Modell-Übersetzung; ausschließlich als Orientierungshilfe gedacht.

Wer eine Übersetzung liest, soll wissen, wie verlässlich sie ist — Transparenz über die Qualität ist Teil des didaktischen Konzepts, nicht nur des Risikomanagements.

Athene — eine Begleiterin in der Dämmerung β

In der Vorrede zu den Grundlinien der Philosophie des Rechts (1820) formuliert Hegel einen Satz, der das Anliegen dieses Bausteins berührt: „Die Eule der Minerva beginnt erst mit der einbrechenden Dämmerung ihren Flug." Die Reflexion über eine gesellschaftliche Verfassung setzt nicht vor dem Tun ein, sondern nach ihm; verstanden wird, was zuvor geschehen ist. Minerva — bei Hegel im römischen Namen — entspricht der griechischen Athene; ihr Begleittier ist seit der Antike die Eule. Mündigkeit greift dieses Bild auf und nennt seine optionale Lernbegleitung Athene. Sie erscheint als weiße Eule und tritt erst dann hinzu, wenn Lernende eine Frage bereits gelesen, beantwortet oder erwogen haben — nicht voraus, sondern in der Dämmerung der Aufgabe.

Drei Bezugspunkte je Frage — und wo Künstliche Intelligenz beginnt

Zu jeder der 310 Fragen zeigt Athene drei thematisch verwandte Bezugspunkte mit jeweils einer kurzen Erläuterung. Diese Inhalte stammen aus einem vor-kuratierten Bestand von rund 15 000 vorbereiteten Sätzen, der jedem Item statisch zugeordnet ist. An dieser Stelle ist keine externe KI beteiligt; die Kontextkarten sind redaktionell verfasst und überprüfbar — sie sind insofern eher dem Modell eines vielsprachigen Begleitlexikons verwandt als einem generativen Modell.

Erst wenn Lernende über die kuratierten Karten hinaus eine eigene Anschlussfrage stellen möchten, wird ein externes Sprachmodell hinzugezogen. Pro Frage sind bis zu drei Anschlussfragen zulässig; danach schließt Athene das Gespräch für dieses Item ab. Die Begrenzung folgt einer didaktischen wie einer ressourcenbezogenen Überlegung: ein gerahmter Dialog hält die Aufmerksamkeit am eigentlichen Lerngegenstand, und ein kostenfrei zugänglicher Civic-Dienst kann den externen Modellverbrauch nicht beliebig wachsen lassen.

Warum ein externes Modell — vorerst

Mündigkeit ist kostenfrei zugänglich und arbeitet ohne Werbe-, Abonnement- oder Datenertrag. Ein selbst gehosteter Sprachmodell-Stack ist unter diesen Bedingungen finanziell gegenwärtig nicht tragbar; die Antwort auf eine Anschlussfrage wird daher über eine externe API in der EU-Edge bezogen. Sobald sich ein belastbarer Lerneffekt zeigt und entsprechende Förderung verfügbar ist, ist ein Übergang zu einer eigenen, vollständig in der EU betriebenen Modellinfrastruktur ausdrücklich vorgesehen — dies ist ein erklärtes Entwicklungsziel, kein bloßer Ausblick.

Datensparsamkeit bleibt das Grundprinzip — auch hier

Die Eule der Minerva fliegt nicht voraus. Sie kommt zur Dämmerung; und sie wird, wenn das Verstehen es trägt, irgendwann auf eigenen Schwingen fliegen.

Was es ist — und was es nicht ist

Für Software-Entwickler:innen, Forschende in Bildungstechnologie, Migrationsforschung und Rechtswissenschaft, Gutachter:innen für Förderprogramme, Lehrkräfte mit Informatikbezug und Open-Source-Mitwirkende.
Serverlos. Keine Datenbank. 51 Sprachen über eine geteilte Engine. Die Civic-Variante neben Word Catch auf derselben Lernitem-Engine.

Vier-Schichten-Architektur

Mündigkeit teilt mit dem Schwesterprojekt Word Catch (mehrsprachiger Grundschulwortschatz, 184 Sprachen) die Lernitem-Engine — einen inhaltsunabhängigen Lern-Item-Verarbeitungskern:

Layer 3 — UI-Shell        HTML/CSS/JS-Schicht, Internationalisierung   
─────────────────────────────────────────────────────────────────
Layer 2 — Variant         Civic-Variant                          
                          Schwesterprojekt: Catch-Variant (Word Catch)
─────────────────────────────────────────────────────────────────
Layer 1 — Engine-Kern     Item-Loader · Scheduler · Scorer                       
─────────────────────────────────────────────────────────────────
Layer 0 — Inhalt          Civic-Item-Datensatz (310 Items mit       
                          mehrsprachigen Faces, Bildverknüpfungen, Tags)

Mit Face ist die sprachspezifische Darstellungsvariante eines Items gemeint. Ein Item trägt intern mehrere Faces (de, ja, en, fr, ar u. a.); das UI liest jeweils das zur aktuellen Sprache passende Face und kombiniert es mit dem deutschen Originaltext. Dieselbe Struktur trägt im Schwesterprojekt Word Catch den mehrsprachigen Grundwortschatz; im Mündigkeit-Kontext trägt sie 4-Antwort-civic-test-Fragen mit Bildfragen-Erweiterung (Stamm-Bild oder Optionsbilder). Weil jede Sprache als eigenständiges Face geführt wird, lassen sich Übersetzungen je Sprache unabhängig voneinander schrittweise überarbeiten, ohne dass andere Sprachen oder die deutsche Bezugsfassung berührt werden.

Warum diese strikte Trennung? Damit eine zusätzliche Variant — etwa ein Lückentextformat, ein Hörverstehensformat oder ein anderes Inhaltsfeld (Berufsorientierung, Verkehrskunde) — implementierbar bleibt, ohne den Engine-Kern oder die übrigen Variants anzufassen. Inhalte wissen nichts vom Spielmodus, Variants wissen nichts von der Sprache, das UI abonniert ausschließlich Standardereignisse der Variant.

Hybride Übersetzungs-Pipeline mit Fachwörterbuch

Civic-Texte enthalten konzentriert juristische und verwaltungssprachliche Begriffe (Bundesverfassungsgericht, Grundgesetz, Bundespräsident, Bundesrat, Länderparlament, Föderalismus, Subsidiarität, Sozialstaatsprinzip). Eine reine LLM-Übersetzung erzeugt hier Schwankungen in der Terminologie, die in einem Prüfungskontext nicht hinnehmbar sind. Mündigkeit nutzt daher eine zweistufige Pipeline:

1. Fachwörterbuchschicht — eine kuratierte Term-Datenbank ersetzt rechts- und verwaltungsdeutsche Begriffe in jeder Zielsprache durch die jeweils etablierte Fachübersetzung (Beispiel: Grundgesetz → en Basic Law, fr Loi fondamentale, es Ley Fundamental, ja 基本法).
2. Kontextschicht (KI-Pro-Modell) — die übrigen Satzteile werden über ein Pro-Sprachmodell asynchron in Batches übersetzt; die Pipeline ist kosten- und latenzoptimiert ausgelegt.

Die Übersetzungen entstehen durch KI. Mit der weiteren Verbesserung der KI-Qualität wird auch die Übersetzungsgenauigkeit kontinuierlich zunehmen. Aus dem Zusammenspiel der beiden Schichten ergibt sich die qualityTier-Kennzeichnung; der Tier wird automatisch aus dem Generierungspfad bestimmt. Manuelles Anheben auf 🟢 verified ist erst nach muttersprachlicher Prüfung möglich.

Die mehrsprachigen Faces entstehen nicht durch eine einmalige Maschinenübersetzung, sondern in einem mehrstufigen, KI-gestützten Arbeitsablauf. Die deutsche Fassung bleibt dabei die fachliche Bezugsfassung — der Maßstab, gegen den jede Zielsprache geprüft wird. KI kommt schrittweise zum Einsatz: bei der Terminologiekontrolle, bei der Übersetzung, bei Konsistenzprüfungen über Items hinweg, bei Stichproben im Quervergleich und bei der gezielten Überarbeitung auffälliger Stellen. Ziel ist nicht, Verantwortung an Modelle abzugeben, sondern eine mehrsprachige civic-Qualitätssicherung in einem Umfang überhaupt erst praktikabel zu machen, der manuell kaum zu leisten wäre. Auffällige Passagen werden anschließend gezielt nachgebessert, statt eine ganze Sprache erneut vollständig zu übersetzen.

qualityTier als Information für Lernende, nicht als Marketing

Die Versuchung, jede maschinell erzeugte Übersetzung als „muttersprachlich" auszuweisen, ist groß. Mündigkeit widersteht ihr aus zwei Gründen:

• Empirisch. Bei 51 Sprachen ist eine muttersprachliche Prüfung jeder Frage in jeder Sprache eine Aufgabe, die über Jahre und ein Reviewer-Netzwerk hinweg gelöst werden muss. Bis dahin sind Aussagen über die Qualität nur dann redlich, wenn sie an die Generierungskette gekoppelt bleiben.
• Didaktisch. Lernende, die civic-Inhalte zwischen zwei Sprachen aushandeln, profitieren davon, das Vertrauensniveau jeder Formulierung einschätzen zu können. Die Tier-Markierung ist insofern eine erkenntnistheoretische Information, nicht nur ein Risikohinweis.

Der Tier ist damit ein Transparenzsignal, kein Qualitätsversprechen: Er bildet den jeweiligen Reviewpfad und die aktuelle Sicherheit einer Sprache ab — nicht als Garantie, sondern als nachvollziehbare Information. Lernende können erkennen, ob ein Text rein maschinell erzeugt, durch mehrstufige KI-Konsistenzprüfung gegangen oder bereits muttersprachlich geprüft ist. Diese Einstufung ist nicht statisch: Mit besseren Modellen, ausgereifteren Reviewabläufen und zusätzlichen muttersprachlichen Prüfungen kann eine Sprache schrittweise überarbeitet und auf einen höheren Tier gehoben werden.

Civic Audio — DE-Originalfragen über Azure Neural TTS

• Stimme: de-DE-KatjaNeural, ausgewählt nach Vergleich mehrerer DE-Azure-Stimmen anhand von Verständlichkeit, Sprechtempo und ruhiger civic-Diktion.
• Generierung: Ein internes Vorab-Generierungs-Skript synthetisiert pro Frage zwei Audio-Schnipsel (Fragetext und Lösungserläuterung); Bildfragen erhalten zusätzlich je einen Schnipsel pro Antwortoption.
• Speicherung: Vercel Blob, ausgeliefert über das EU-CDN-Edge.
• Wiedergabe: im UI eine 16 × 16 Inline-SVG-Lautsprecherschaltfläche neben Frage und Antwortoptionen. Auf das Emoji 🔊 wird bewusst verzichtet, um die ruhige typografische Wirkung des Layouts nicht zu stören.
• Lazy-Erzeugung: Audio für seltener aufgerufene Bundesland-Fragen wird beim erstmaligen Aufruf erzeugt und gecacht; der Generierungspfad ist identisch zur Übersetzungs-Pipeline.

Datenschutz by Design — DSGVO-Konformität ohne Konto

• Kein Account, keine Sessions, keine Cookies, keine Drittanbieter-Skripte.
• Lernfortschritt und Spracheinstellung werden ausschließlich im localStorage des Browsers gehalten — niemals serverseitig gespeichert.
• Übersetzungs-API und TTS-API erhalten ausschließlich die zu verarbeitenden Fragetexte — keine Nutzungs- oder personenbezogenen Daten.
• Externe KI-Dienste werden ausschließlich serverseitig angesprochen; clientseitig werden keine Identifikatoren erzeugt.
• Konformität mit DSGVO Art. 5 (Datenminimierung), Art. 6 Abs. 1 lit. b (Rechtsgrundlage: Vertragsdurchführung) und Art. 13 (Informationspflicht).

Der optionale β-Begleiter Athene folgt denselben Grundsätzen: Eingaben für Anschlussfragen werden ausschließlich serverseitig an ein externes Sprachmodell in der EU-Edge weitergegeben — kein persistentes Logging, IP-Werte werden zur Ratenbegrenzung als HMAC-SHA256-Pseudonym verarbeitet, und ein vorgelagerter Filter entfernt offensichtliche personenbezogene Angaben (E-Mail, Telefon, IBAN, Geburtsdatum) vor dem Versand. Die rechtlich verbindliche Darstellung findet sich in der Datenschutzerklärung.

Serverlose Auslieferung

Es gibt keinen Backend-Server im klassischen Sinn. Externe KI-Dienste (Übersetzung, Sprachsynthese) werden ausschließlich über sichere serverlose Funktionen angesprochen; sämtliche Statehaltung erfolgt clientseitig. Statische Inhalte und Audio-Schnipsel werden über ein CDN-Edge ausgeliefert. Mit wachsender Nutzungszahl steigen die Betriebskosten praktisch nicht — der Betrieb ist so ausgelegt, dass er dauerhaft im Rahmen kostenfreier Plattform- und Modell-Kontingente bleibt.

Aktualisierungen werden über git push und automatischen Vercel-Deploy ausgespielt; in der Civic-Variante wird auf einen Service Worker bewusst verzichtet, damit Lernende jederzeit die aktuelle Fassung erhalten.

Item / Face — Schema

Ein Item enthält den deutschen Originaltext sowie sprachspezifische Faces:

{
  "id": "lid-001",
  "nr": 1,
  "teil": "bund",
  "kategorie": ["grundgesetz", "meinungsfreiheit"],
  "bildfrage": null,
  "faces": {
    "de": {
      "frage": "In Deutschland dürfen Menschen offen etwas gegen die Regierung sagen, weil …",
      "a": "hier Religionsfreiheit gilt.",
      "b": "die Menschen Steuern zahlen.",
      "c": "hier Meinungsfreiheit gilt.",
      "d": "die Menschen das Wahlrecht haben.",
      "loesung": "c",
      "notiz": "Art. 5 GG — Meinungsfreiheit."
    },
    "en": {
      "frage": "In Germany, people are allowed to openly speak out against the government because …",
      "a": "freedom of religion applies here.",
      "b": "people pay taxes.",
      "c": "freedom of expression applies here.",
      "d": "people have the right to vote.",
      "loesung": "c",
      "notiz": "Article 5 of the Basic Law — freedom of expression."
    }
  }
}

Bildfragen (11 von 310) tragen zusätzlich bild_dateiname (Stamm-Bildfrage) oder bild_dateinamen.{a,b,c,d} (Options-Bildfrage) sowie bildfrage_kind ∈ { "stem", "options" }. Bundeslandfragen tragen das Attribut bundesland.

Mündigkeit und Word Catch — eine geteilte Engine, zwei Variants

Mündigkeit und Word Catch laufen auf derselben Lernitem-Engine und teilen Übersetzungs-Pipeline, Audio-Pipeline und das Designtokensystem (design-tokens.css). Sie unterscheiden sich durch Variant, Datenmodell, Zielgruppe und Designsprache:

Einordnung im Tool-Vergleich

Die Kombination aus Mehrsprachigkeit, qualityTier-Transparenz, DE-Originalaudio und konsequenter Datensparsamkeit ist nach unserer Recherche in keinem unmittelbar vergleichbaren System verfügbar.