Schnelle Antwort: Image Occlusion ist eine Karteikarten-Technik, bei der Bereiche eines Bildes verdeckt werden – beispielsweise eine Beschriftung auf einem Anatomiediagramm, ein Land auf einer Karte oder eine Verbindung in einem Reaktionsschema –, sodass du dich an das erinnern musst, was sich unter der jeweiligen Maske befindet. Es ist der Goldstandard für visuelle, diagrammlastige Fächer und wird ab Version 23.10+ nativ in Anki unterstützt. Mit dem kostenlosen Image-Occlusion-Tool von Neurako kannst du jedes beliebige Bild hochladen, Masken manuell zeichnen oder automatisch per KI erkennen lassen und ein natives .apkg exportieren oder die Karten direkt im Browser lernen – ganz ohne Anki-Desktop-App.

Wichtige Erkenntnisse:

• Warum Image Occlusion bei visuellen Inhalten zu stärkeren Erinnerungen führt als Text-Karteikarten
• Wie die beiden Occlusion-Modi („Alle verdecken, eine raten“ vs. „Eine verdecken, eine raten“) funktionieren und wann du welchen verwendest
• Schritt-für-Schritt-Workflow: Hochladen → Zeichnen oder KI-Erkennung → Beschriften → Exportieren nach Anki
• Wie die automatische KI-Erkennung mit Gemini die Kartenerstellung von 30 Minuten auf unter 60 Sekunden verkürzt
• Best Practices für Anatomie, Geografie, Chemie und andere diagrammlastige Fächer

Image-Occlusion-Karteikarten: Der ultimative Leitfaden für das Lernen mit verdeckten Diagrammen

Manche Themen lassen sich nur schwer mit herkömmlichen Text-Karteikarten lernen. Das Einprägen der 206 Knochen des menschlichen Körpers, der 195 Länder und ihrer Hauptstädte, der funktionellen Gruppen der organischen Chemie oder der Verkabelung eines elektrischen Schaltkreises ist nicht nur eine Frage des Vokabellernens – es geht darum, räumliche Beziehungen, Beschriftungen im Kontext und die visuelle Struktur eines Fachgebiets zu verstehen.

Image Occlusion ist die Lösung. Sie verwandelt jedes beschriftete Diagramm in eine dynamische, interaktive Prüffläche. Anstatt zu lesen „Der Biceps brachii entspringt am Processus coracoideus“, siehst du das Diagramm des Arms mit einer Maske über der Beschriftung und musst sie aus dem Kontext rekonstruieren – anhand der Form des Muskels, seiner Nachbarn und seiner Position im Gliedmaß.

Dieser Wechsel vom reinen Lesen zum aktiven Abrufen (Active Recall) ist laut jahrzehntelanger kognitionswissenschaftlicher Forschung der wichtigste Schritt, um dein langfristiges Behalten zu verbessern.

Was ist Image Occlusion?

Image Occlusion ist eine Karteikarten-Technik, bei der du bestimmte Bereiche eines Bildes mithilfe von farbigen Masken verdeckst (okkludierst). Jeder verdeckte Bereich wird zu einer Frage: „Was befindet sich unter dieser Maske?“ Das Aufdecken der Maske bestätigt deine Antwort.

Wegbereiter dieser Technik im Anki-Add-on-Ökosystem war das Add-on „Image Occlusion Enhanced“ (IOE) von Glutanimate, das Millionen Mal heruntergeladen wurde, bevor Anki in Version 23.10 eine native IO-Unterstützung in seinen Kern integrierte. Heute erzeugt die native Image Occlusion in Anki sauberere Karten, synchronisiert sich über alle Anki-Plattformen hinweg und erfordert keine Wartung eines Drittanbieter-Add-ons.

Eine Image-Occlusion-Karteikarte enthält typischerweise:

• Das Quellbild – ein beschriftetes Diagramm, eine Karte, ein Foto oder ein Schema
• Eine oder mehrere Masken – farbige Rechtecke, Ellipsen oder Polygone, die über die Beschriftungen/Bereiche gezeichnet werden, die du abfragen möchtest
• Optionale Metadaten – eine Kopfzeile (das Thema), zusätzlicher Kontext auf der Rückseite (z. B. klinische Bedeutung der Struktur) und Tags zur Organisation deines Decks

Warum Image Occlusion funktioniert: Die Kognitionswissenschaft

Duale Codierungstheorie

Die duale Codierungstheorie von Allan Paivio (1971) besagt, dass Informationen, die sowohl über visuelle als auch über verbale Kanäle verarbeitet werden, tiefer im Gedächtnis verankert und zuverlässiger abgerufen werden können als Informationen, die nur über einen einzelnen Kanal verarbeitet werden. Eine Image-Occlusion-Karte spricht beide Kanäle an: Du siehst das räumliche Diagramm (visuell) und rufst gleichzeitig die sprachliche Beschriftung ab (verbal). Reine Text-Karteikarten nutzen hingegen nur einen Kanal.

Studien zeigen konsistent über verschiedene Fachgebiete hinweg, dass dual codierte Informationen 1,5- bis 2-mal besser abgerufen werden können als einfach codierte.

Retrieval Practice (aktives Abrufen) und Kontextgedächtnis

Die kognitive Psychologie unterscheidet zwischen Wiedererkennen (die richtige Antwort aus Optionen auswählen) und freiem Abrufen (die Antwort anhand eines Reizes selbst generieren). Das aktive Abrufen erzeugt stärkere Gedächtnisspuren. Image Occlusion erzwingt reines Abrufen: keine Antwortmöglichkeiten, keine Hinweise außer dem visuellen Kontext des Diagramms selbst.

Ganz entscheidend ist: Der visuelle Kontext ist nicht nur Dekoration – er ist der Hinweisreiz (Cue). Wenn du das Diagramm des Arms mit einer Maske über einem Muskel siehst und dich an „Biceps brachii“ erinnerst, festigst du gleichzeitig die Lage, die Form, die benachbarten Strukturen und die Beschriftung. Separate Textkarten können diese mehrdimensionale Verknüpfung nicht herstellen.

Der Testeffekt (Roediger & Karpicke, 2006) zeigt, dass jeder erfolgreiche Abrufversuch die Gedächtnisspur proportional zur Schwierigkeit des Abrufs stärkt. Die visuelle Okklusion – bei der der Kontext zwar reichhaltige, aber nicht ausreichende Hinweise liefert – liegt genau auf dem richtigen Schwierigkeitsgrad für ein hocheffizientes Einprägen.

Interleaved Spatial Learning (Verschachteltes räumliches Lernen)

Bei Fächern wie Anatomie führt Image Occlusion ganz natürlich zu einem verschachtelten Lernen (Interleaving): Wenn du ein Diagramm durchgehst, wiederholst du gleichzeitig die benachbarten Strukturen. Wenn du den verdeckten Biceps brachii siehst, während der Brachialis sichtbar ist, festigt das sowohl die gesuchte Antwort als auch deren räumliche Beziehung zu den angrenzenden Strukturen – etwas, das man mit reinem Textlernen niemals erreichen könnte.

Die zwei Occlusion-Modi

Die native Image Occlusion in Anki unterstützt zwei grundlegend unterschiedliche Abfragemodi. Sie zu verstehen, ist entscheidend, um das Beste aus deinen Karten herauszuholen.

Alle verdecken, eine raten (Empfohlen für die meisten Fächer)

In diesem Modus sind auf der Vorderseite der Karte alle Masken gleichzeitig aktiv (alles ist verdeckt). Jede Karte in deinem Deck deckt auf der Rückseite genau eine Maske auf – alle anderen bleiben verdeckt. Das bedeutet, dass ein einzelnes Bild mit 10 Masken 10 separate Karten erzeugt.

Wann du diesen Modus verwendest: Dies ist der Standardmodus für die meisten Diagramme. Wenn du den Plexus brachialis lernst, möchtest du jeden Nervennamen einzeln im Kontext des gesamten Diagramms abfragen. Da alle anderen Beschriftungen verdeckt sind, kannst du benachbarte Beschriftungen nicht als Hilfestellung nutzen – eine Form des „Schummelns“, die die Qualität des Abrufs verschlechtern würde.

Bestens geeignet für: Anatomie (Muskelnamen, Nervenverläufe, Knochenpunkte), Geografie (Hauptstädte, Lage von Bundesstaaten/Ländern), Chemie (Namen funktioneller Gruppen in multifunktionellen Molekülen), Physikdiagramme (Bauteilbezeichnungen in Schaltkreisen oder in der Optik).

Eine verdecken, eine raten

In diesem Modus wird nur das jeweilige Ziel-Label verdeckt. Alle anderen Masken zeigen ihre Beschriftungen. Jede Karte fragt zwar weiterhin nur einen Bereich ab, aber die umliegenden Beschriftungen sind sichtbar.

Wann du diesen Modus verwendest: Dieser Modus ist sinnvoll, wenn die relativen Positionen und Beschriftungen der Nachbarn selbst Teil dessen sind, was du lernen möchtest. In der Anfangsphase des Anatomielernens – wenn du noch kein ausgeprägtes mentales Bild einer Region hast – bieten sichtbare Nachbarbeschriftungen ein Gerüst (Scaffolding), das Frustration verhindert und den räumlichen Kontext schrittweise aufbaut. Er eignet sich auch für kleine Diagramme, bei denen das Verdecken aller Beschriftungen zu wenig Kontext für ein sinnvolles Abrufen übrig lassen würde.

Bestens geeignet für: Die Anfangsphase beim Lernen komplexer Diagramme, kleine schematische Darstellungen, verknüpfungsintensive Diagramme (z. B. welches Enzym Schritt 3 in einem 10-stufigen Stoffwechselweg katalysiert, wo du die benachbarten Schritte als Kontext benötigst).

So erstellst du Image-Occlusion-Karten mit Neurako

Das Image-Occlusion-Tool von Neurako findest du unter neurako.com/tools/image-occlusion. Es läuft komplett im Browser – keine Installation, kein Account für das Basis-Tool erforderlich. Deine Bilder und API-Keys verlassen niemals dein Gerät.

Schritt 1: Lade dein Bild hoch

Ziehe einfach eine beliebige .png-, .jpg- oder .webp-Datei per Drag-and-Drop hinein oder klicke, um sie hochzuladen. Bilder werden vor der Anzeige und dem Export automatisch auf ≤ 2048 Pixel an der längsten Kante skaliert. So bleibt die Dateigröße deiner .apkg-Dateien überschaubar, ohne die Präzision der Masken zu beeinträchtigen (alle Koordinaten werden als normalisierte Verhältnisse gespeichert, sodass eine Größenänderung deine Masken niemals ungültig macht).

Schritt 2: Masken zeichnen (Manuell)

Wähle ein Zeichenwerkzeug aus der Symbolleiste:

• Rechteck – am schnellsten für Beschriftungen, Infoboxen und die meisten Texte auf Diagrammen
• Ellipse – ideal für kreisförmige Strukturen, Zellen oder Beschriftungen in abgerundeten Formen
• Polygon – für unregelmäßige Bereiche, freiformige Ländergrenzen oder nicht-rechteckige anatomische Beschriftungen

Klicke und ziehe, um die einzelnen Masken zu zeichnen. Jede Maske kann:

• durch Ziehen verschoben werden
• über die Griffe an den Ecken/Kanten in der Größe angepasst werden
• mit dem Text, den sie verdeckt, beschriftet werden (wird für Ankis „Back Extra“ und die Maskenliste in der Seitenleiste verwendet)
• mit anderen Masken gruppiert werden, sodass sie dieselbe Lückentext-Nummer (Cloze Ordinal) teilen (gemeinsames Aufdecken/Verdecken im „Alle verdecken, eine raten“-Modus – nützlich für geteilte Beschriftungen oder mehrteilige Strukturen)

Volle Tastaturunterstützung: Entf oder Backspace löscht ausgewählte Masken; Cmd/Ctrl+Z macht rückgängig; Shift+Cmd/Ctrl+Z stellt wieder her; D dupliziert; die Pfeiltasten verschieben minimal um 1 Pixel; G gruppiert ausgewählte Masken.

Schritt 3: Automatische Erkennung per KI (Optional)

Wenn du einen Gemini-API-Key hast (kostenlos unter ai.google.dev erhältlich), klicke im KI-Panel auf „Bereiche automatisch erkennen“. Neurako sendet dein Bild direkt an Gemini – über deinen eigenen API-Key, niemals über die Server von Neurako – und Gemini identifiziert und lokalisiert die Beschriftungen und Bereiche im Bild.

Die KI gibt Begrenzungsrahmen (Bounding Boxes) und Beschriftungen für jeden erkannten Bereich zurück. Diese erscheinen als bearbeitbare Masken auf deiner Arbeitsfläche, genau wie manuell gezeichnete Masken. Du kannst:

• alle KI-Masken so wie sie sind akzeptieren und sofort exportieren
• einzelne Masken anpassen, die leicht daneben lagen
• fälschlicherweise erkannte Bereiche (False Positives) löschen
• zusätzliche Masken für Bereiche hinzufügen, die die KI übersehen hat

Bei einem typischen Anatomiediagramm mit 15–20 beschrifteten Strukturen läuft die KI-Erkennung in 8–12 Sekunden ab und liefert eine zu ~85–95 % genaue Maskenplatzierung. Die restliche Nachbearbeitung dauert meist weniger als eine Minute, verglichen mit 20–30 Minuten bei rein manueller Erstellung.

Kosten: Gemini 2.5 Flash Vision-Anfragen kosten etwa 0,001 bis 0,003 $ pro Bild, die über dein eigenes API-Konto abgerechnet werden.

Schritt 4: Metadaten der Karten konfigurieren

In der rechten Seitenleiste stellst du Folgendes ein:

• Modus – „Alle verdecken, eine raten“ oder „Eine verdecken, eine raten“
• Header (Kopfzeile) – wird oben auf jeder Karte in deinem Deck angezeigt (z. B. „Schulteranatomie – Muskeln“)
• Back Extra (Rückseite Extra) – zusätzlicher Kontext, der auf der Antwortseite angezeigt wird (z. B. Ursprung/Ansatz/Funktion bei Anatomiekarten, klinische Korrelation, Eselsbrücken)
• Tags – zur Organisation der Karten in Anki (z. B. anatomy::upper-limb, #AnatKing)

Schritt 5: Vorschau

Das Vorschaufenster zeigt dir genau, wie die Vorder- und Rückseite jeder Karte in Anki aussehen werden. Vorderseite: Diagramm mit verdeckter Maske bzw. verdeckten Masken. Rückseite: Diagramm mit aufgedeckter Zielmaske und sichtbarer Beschriftung.

Schritt 6: Exportieren

Klicke auf Exportieren und wähle dein Format:

• Anki-Paket (.apkg) – empfohlen. Lässt sich direkt in Anki Desktop, AnkiMobile, AnkiDroid und AnkiWeb als native Image-Occlusion-Notizen importieren. Kompatibel mit Anki 23.10+. Ein einziger Import erstellt alle Karten mit den richtigen Lückentext-Nummern (Cloze Ordinals), Bildern und Metadaten.
• JSON – portables Format, um Karten wieder in die Neurako-Tools zu importieren oder sie mit anderen zu teilen
• CSV – Nur-Text-Fallback zur Verwendung mit anderen Karteikarten-Plattformen

Das .apkg-Format verwendet den nativen Image-Occlusion-Notiztyp von Anki (Felder für Occlusion, Image, Header, Back Extra, Comments) und nicht das veraltete IOE-Add-on-Format. Die Karten sind mit allen aktuellen Anki-Clients zukunftskompatibel.

Best Practices nach Fachbereich

Anatomie im Medizinstudium

Image Occlusion ist die wichtigste Methode, die von Top-Medizinstudierenden für Anatomiefragen im USMLE Step 1 genutzt wird. Empfohlener Ablauf:

1. Nutze Diagramme aus dem Atlas der Anatomie (Netter), Gray's Anatomy oder den Anatomie-Bildern von AnKing
2. Verwende Alle verdecken, eine raten für Muskelansätze, Nervenverläufe und Gefäßanatomie – Bereiche, in denen Kontext-Hinweise durch sichtbare Nachbarstrukturen unerwünscht sind
3. Gruppiere die Beschriftungen für Muskelursprung und -ansatz desselben Muskels in dieselbe Lückentext-Gruppe, damit sie zusammen aufgedeckt werden
4. Füge im Feld Back Extra klinische Bezüge hinzu (z. B. „Läsion des N. radialis → Fallhand“) – das ist der prüfungsrelevante (High-Yield) USMLE-Bezug
5. Verwende das Tag #AnatKing und Subtags für Organsysteme zur einfachen Integration in den AnKing-Stapel

Typische Dichte: 8–25 Masken pro Bild. Nimm dir pro Lerneinheit ein Bild pro anatomischer Region vor; versuche nicht, eine ganze Atlas-Tafel in einem einzigen Kartensatz zu maskieren.

Geografie

Länder- und Hauptstadtskarten profitieren enorm von Image Occlusion. Erstelle separate Kartensätze für:

• Ländererkennung (maskiere das Land, zeige die Karte; rufe den Ländernamen ab)
• Hauptstädte (maskiere die Stecknadel der Hauptstadt, zeige das Land hervorgehoben; rufe die Hauptstadt ab)
• Regionale Gruppierungen (maskiere alle Länder in einer Region, frage sie einzeln ab)

Verwende Alle verdecken, eine raten zum intensiven Lernen von Hauptstädten; verwende Eine verdecken, eine raten, um dich anfangs mit einer Karte vertraut zu machen.

Organische Chemie

Reaktionsschemata und die Bestimmung funktioneller Gruppen eignen sich hervorragend für Image Occlusion. Maskiere:

• Beschriftungen funktioneller Gruppen in multifunktionellen Molekülen
• Reagenzien in Namensreaktionen (maskiere das Feld des Reagenzes, rufe ab, welches Reagenz das Ausgangsmaterial A in das Produkt B umwandelt)
• Stereochemie-Beschriftungen (R/S-, E/Z-Bezeichnungen)
• Beschriftungen von Mechanismuspfeilen in Schritt-für-Schritt-Mechanismen

Halte die Diagramme klein (eine Reaktion pro Bild), um sauberere Karten und eine präzisere Maskierung zu gewährleisten.

Schaltpläne und Ingenieurwesen

Die Identifizierung von Bauteilen, Signalfluss-Beschriftungen sowie Spannungs- und Stromwerte in Schaltplänen lassen sich hervorragend mit Image Occlusion lernen. Angehende Ingenieure und Physikstudierende können Folgendes maskieren:

• Bauteilbezeichnungen (Widerstand, Kondensator, Transistor-Gate-Anschlüsse)
• Spannungs-/Stromwerte an bestimmten Knotenpunkten
• Blockbeschriftungen in Blockschaltbildern (Rückkopplungspfade, Filterstufen)

Image Occlusion vs. traditionelle Text-Karteikarten: Wann verwendet man was?

Image Occlusion ist kein universeller Ersatz für Textkarten. Die richtige Technik hängt ganz davon ab, was du lernen möchtest.

Die effektivsten Lernsysteme kombinieren beides: Textkarten für das konzeptionelle Verständnis und Image-Occlusion-Karten für die visuelle, räumliche und strukturelle Ebene, die Diagramme bieten.

Image Occlusion mit Spaced Repetition (FSRS) und Neurako kombinieren

Ein maskiertes Bild ohne einen guten Wiederholungszeitplan ist nur ein Quiz. Der Grund, warum Top-Studierende auf Image Occlusion schwören, ist, dass diese Technik ihre volle Wirkung erst in Kombination mit Spaced Repetition entfaltet – indem jede Karte in genau dem Intervall wiederholt wird, das die Gedächtnisbildung maximiert und die Lernzeit minimiert.

Neurako nutzt den FSRS-Algorithmus (Free Spaced Repetition Scheduler), den aktuellen State of the Art in der Spaced Repetition. FSRS erfasst die Stabilität und Abrufbarkeit jeder einzelnen Karte individuell und plant Wiederholungen basierend auf deinem tatsächlichen Abrufverlauf anstatt nach einem starren Zeitplan. Eine Anatomiekarte, die du immer richtig beantwortest, wird schrittweise auf Intervalle von einer Woche, einem Monat und schließlich mehreren Monaten verschoben. Eine Karte, die du häufig falsch machst, wird früher mit kürzeren Intervallen wieder vorgelegt, bis sich die Erinnerung stabilisiert.

Wenn du dein Image-Occlusion-Deck als .apkg exportierst und in Anki 23.10+ importierst, aktiviere das native FSRS in den Deck-Optionen – es ist bereits direkt integriert und kein Add-on mehr. Wenn du dieselben Karten in der angemeldeten Neurako-Web-App lernst, ist FSRS bereits der voreingestellte Scheduler; es ist kein separater Aktivierungsschritt erforderlich.

Die Kombination aus Image Occlusion + FSRS ist der Grund, warum Medizinstudierende in der Lage sind, Tausende von Anatomiefakten über ein vierjähriges Studium hinweg mit einem absolut bewältigbaren täglichen Wiederholungspensum im Kopf zu behalten.

Loslegen

Das Image-Occlusion-Tool von Neurako ist kostenlos und erfordert keinen Account. Starte einfach mit einem beliebigen beschrifteten Diagramm, das du dir einprägen musst:

1. Öffne neurako.com/tools/image-occlusion
2. Lade dein Diagramm hoch
3. Zeichne Masken oder klicke auf „Automatisch erkennen“ (dafür wird ein Gemini-API-Key benötigt)
4. Exportiere das Ergebnis als .apkg und importiere es in Anki

Für eine detaillierte technische Anleitung zu den Funktionen des Tools wirf einen Blick in die Image-Occlusion-Dokumentation im Neurako Learn-Hub.

Referenzen

• Paivio, A. (1971). Imagery and Verbal Processes. Holt, Rinehart, and Winston.
• Roediger, H. L., & Karpicke, J. D. (2006). Test-enhanced learning: Taking memory tests improves long-term retention. Psychological Science, 17(3), 249–255.
• Kornell, N., Hays, M. J., & Bjork, R. A. (2009). Unsuccessful retrieval attempts enhance subsequent learning. Journal of Experimental Psychology: Learning, Memory, and Cognition, 35(4), 989–998.
• Mayer, R. E., & Moreno, R. (2003). Nine ways to reduce cognitive load in multimedia learning. Educational Psychologist, 38(1), 43–52.
• Anki-Dokumentation. (2023). Image Occlusion. AnkiWeb. https://docs.ankiweb.net/editing.html#image-occlusion
• Ye, Z., et al. (2024). FSRS: A modern algorithm for spaced repetition. Journal of Memory and Language, 134.

Ähnliche Leitfäden

• Dokumentation zum Image-Occlusion-Feature
• Leitfaden für Lückentext-Karten – das Text-Äquivalent zu Image Occlusion
• KI-Karteikartenerstellung aus Fotos, Audio und Text
• Anatomie auswendig lernen mit Spaced Repetition