geograsim/Konzept/spieldesign-recherche.md

Spieldesign-Recherche: Grundlagen für GeoGraSim

Forschungszusammenfassung zu Game-Design-Prinzipien für Lernsimulationen (Zielgruppe: 10-14 Jahre, Sek I)

Stand: April 2026 Kontext: Konzeptionelle Grundlagenarbeit für GeoGraSim — geografische Lernsimulationen für die 5.-8. Schulstufe.

---

Executive Summary

• Flow entsteht nicht durch Gamification-Lack, sondern durch ernstgenommene Spielmechanik. Das robusteste empirische Ergebnis (Sailer & Homner 2020, Meta-Analyse über 38 Studien) ist, dass Gamification moderate positive Effekte auf Lernen hat (g ≈ .49 kognitiv), aber die Effekte hängen massiv von "game fiction" und sinnvoller Einbettung ab — nicht von Punkten/Badges. "Chocolate-covered broccoli" funktioniert nicht.
• Spieler lernen durch Tun, nicht durch Lesen. Erfolgreiche Simulationen (Half-Life, Portal, Into the Breach) vermeiden Tutorial-Texte weitgehend und nutzen Level-Design, safe scripted encounters und systemische Rückmeldungen, um Mechaniken implizit zu lehren. Für GeoGraSim bedeutet das: keine einleitenden Lernziel-Folien, sondern Probleme, die sich durch Interaktion erschließen.
• Konkrete Repräsentation schlägt abstrakte. Visuelle Verkörperung ("50 kleine Figuren ohne Haus") aktiviert laut embodied-cognition-Forschung (Barsalou, Pezzulo) emotionale und kognitive Ressourcen deutlich stärker als Prozentzahlen. Dies ist ein Kernhebel für geografische Themen wie Migration, Ressourcenverteilung, Klimafolgen.
• Sandbox + Szenarien = didaktische Flexibilität. Tropico, SimCity, Civilization zeigen, wie offene Systeme mit optionalen Szenarien/Zielen kombiniert werden können. Für 15-25-Minuten-Schulstunden-Sessions sind kurze, gut gerahmte Szenarien mit robustem Save/Resume und Pause-Funktion notwendig — keine Echtzeit ohne Pause.

---

1. Flow-Theorie in Lernspielen (Csikszentmihalyi; Sweetser & Wyeth GameFlow)

Csikszentmihalyis Flow-Theorie (1990) beschreibt den optimalen Erlebniszustand, in dem Fähigkeit (skill) und Herausforderung (challenge) im Gleichgewicht sind. Unterforderung führt zu Langeweile, Überforderung zu Angst — Flow liegt im schmalen Korridor dazwischen. Die neun Dimensionen umfassen u.a. klare Ziele, unmittelbares Feedback, Konzentration, Handlungsgefühl, verändertes Zeiterleben und autotelische Erfahrung.

Sweetser & Wyeth (2005) übertrugen dies in ihr GameFlow-Modell mit acht Elementen: Concentration, Challenge, Skills, Control, Clear Goals, Feedback, Immersion, Social Interaction. Dieses Modell wurde über 2000 Mal zitiert und in 205+ Forschungspapers angewendet, mehr als die Hälfte davon auf Serious Games. GameFlow 2020 (Sweetser) hat das Modell für 15 Jahre Forschung aktualisiert und mit detaillierten Heuristiken versehen.

Neuere empirische Arbeiten (Schüler & Brunner 2019; Keller & Landhäußer 2021) zeigen: Challenge-Skill-Balance ist nicht nur Prädiktor für Enjoyment, sondern auch für Lernleistung, besonders bei komplexen Aufgaben. Die Beziehung ist nicht linear — der Balance-Bereich muss spürbar herausfordernd sein, leichte Übererfüllung demotiviert weniger als Unterforderung.

→ Implikation für GeoGraSim: Jede Simulation braucht ein abgestuftes Schwierigkeitsprofil mit klar sichtbaren Zielen und unmittelbarem Feedback. Die ersten 2-3 Minuten müssen Erfolgserlebnisse liefern (Onboarding-Flow), danach kontinuierliche Steigerung. Wichtig: Wenn SuS "stuck" sind, darf es keine Blackbox geben — Hints oder adaptive Erleichterung sind Pflicht.

2. Onboarding & Tutorial-Design in Serious Games

Mark Brown (Game Maker's Toolkit) hat in seiner Video-Reihe "How Games Teach Complex Mechanics" das Konzept des invisible tutorial populär gemacht. Half-Life (1998) ist das Paradebeispiel: Der einzige sichtbare Text sind die Tastenbelegungen — alle anderen Mechaniken werden durch das Level-Design gelehrt. Die berühmte "Barnacle-Szene" zeigt einen Vogel, der von der Deckententakel geschnappt wird, bevor der Spieler selbst in Gefahr ist: safe demonstration, dann Anwendung.

Valve-Designer Kim Swift (Portal) erweitert dies mit dem Prinzip der sequential teaching chambers: Jeder Raum führt eine Mechanik ein, kombiniert sie dann mit bereits Bekanntem, und testet schließlich das Verständnis. Keine Tutorial-Popups. Miyamoto beschrieb dies schon 1985 mit World 1-1 aus Super Mario Bros., das alle Kernmechaniken des Spiels in 30 Sekunden lehrt, ohne ein einziges Wort Text.

Aus der Lernforschung: Gee (2003) nennt dies das "Performance before Competence"-Prinzip — Lernende handeln erfolgreich, bevor sie die zugrunde liegenden Regeln explizit verstehen. Malone & Lepper (1987) hatten schon früh gezeigt, dass "incremental discovery" stärker motiviert als explizite Instruktion.

Anti-Muster: Dead Space, Assassin's Creed-Tutorials mit 25 Tooltips für dieselbe Aktion; "lies jetzt diese Textbox, bevor du spielen darfst"; separate Tutorial-Level, die vom eigentlichen Spiel entkoppelt sind.

→ Implikation für GeoGraSim: Kein einleitender Textblock, keine "Lernziele dieser Stunde"-Folie. Stattdessen: Erstes Szenario ist das Tutorial. Mechaniken werden durch Mini-Probleme eingeführt, die nur eine Lösung erlauben (geführte Entdeckung). Erste echte Entscheidung erst nach 60-90 Sekunden Hands-On. Tooltips nur on-demand (Hover/Klick), nie blockierend.

3. Feedback-Loops in Simulationsspielen

Simulationsspiele arbeiten mit kurzfristigen (sofort sichtbares Ergebnis einer Aktion) und langfristigen (Systemdrift, kumulative Effekte) Feedback-Loops. Machinations.io und Ernest Adams (2010) unterscheiden positive Loops (Erfolg erzeugt mehr Erfolg → Eskalation) und negative Loops (System pendelt sich selbst ein).

SimCity / Cities: Skylines: Klassisches Development-Problem-Lösung-Entwicklung-Muster. Kurzfristiges Feedback: Gebäude wird gebaut, Straße hat Verkehr, Bürger klagen. Langfristig: Stadt wächst, Probleme skalieren, Infrastruktur muss neu gedacht werden. Das macht sie zu "Ant Farms" (Kris Zhang).

Frostpunk: Bricht das freeform-Muster zugunsten von eng geführten Puzzle-Szenarien. Das Ressourcensystem ist vergleichsweise simpel, aber durch antagonistische Faktoren (Kälte, Hunger, Moral, Zeit) entstehen harte Trade-offs. Der Hope-Meter ist ein abstrakter Meta-Parameter, der den Spieler zu moralischen Abwägungen zwingt.

Civilization: Arbeitet mit sehr langen Feedback-Loops (Technologie-Tree, kulturelle Entwicklung über Jahrhunderte). Squire (2005) hat gezeigt, dass SuS durch Civ III Systemdenken über Weltgeschichte entwickeln, nicht Jahreszahlen lernen — genau das, was die moderne Geographiedidaktik fordert.

Banished: Langsame, oft tödliche Feedback-Loops — Bevölkerungsalterung, Nahrungsmittelknappheit im Winter. Lehrt durch Scheitern.

→ Implikation für GeoGraSim: Jede Aktion muss sofort sichtbares Mikro-Feedback erzeugen (Animation, Zahl, Farbänderung). Gleichzeitig müssen langfristige Konsequenzen sichtbar heranwachsen (Trendpfeile, Statistikpanel, visuelle Landschaftsveränderung). Niemals Aktion → nichts passiert.

4. Zeit-Mechaniken: Pause, Beschleunigung, Save/Resume

Für Unterrichtseinsatz (Einzelstunde 45 Min, effektive Spielzeit 15-25 Min) sind Zeit-Mechaniken entscheidend. Filament Games (Norton 2019) argumentiert explizit, dass rundenbasierte oder Real-Time-with-Pause-Systeme für Lernspiele überlegen sind, weil sie Reflexion ermöglichen und Sprachbarrieren reduzieren.

Real-Time-with-Pause (RTwP), bekannt aus Baldur's Gate, Frostpunk, Rimworld, kombiniert die Dynamik von Echtzeitsystemen mit der kognitiven Entlastung von Rundenspielen. Spieler können pausieren, analysieren, entscheiden — ohne dass das Spiel zum Stillstand wirkt. Sid Meier (Civilization) nutzt pures Turn-Based: jede Entscheidung ist bewusst und nachvollziehbar.

Speed-Up (2x, 4x, 10x) erlaubt Überspringen langer Diffusionsphasen. Wichtig: Automatisches Verlangsamen bei kritischen Ereignissen (Frostpunk pausiert bei Events automatisch), um keine wichtigen Momente zu verpassen.

Save/Resume für Klassenzimmer: Kritisch — ein Lernspiel ohne robustes Speichern ist für den Schulbetrieb unbrauchbar. Idealerweise: automatisches Speichern bei Pause/Exit, Cloud-unabhängig (Browser-localStorage ausreichend), Fortsetzen per Schülercode/Link ohne Login-Hürde.

→ Implikation für GeoGraSim: Default = pausiert. Kein automatischer Zeitablauf im Hintergrund. Aktiver "Spielen"-Button, mehrere Geschwindigkeitsstufen, automatisches Pausieren bei wichtigen Events. Auto-Save nach jeder Runde/jedem Event. "Weiter"-Link per Session-Token — kein Konto nötig.

5. Win/Loss-Bedingungen in offenen Simulationen

Offene Simulationen stehen vor dem Problem: Wann ist das Spiel "zu Ende"? SimCity und Tropico lösen dies über modulare Zielsysteme:

Tropico 6 erlaubt freie Kombination von Gewinnbedingungen: bestimmte Ära erreichen, Geldbetrag, Tourismus-Ziel, Bevölkerungszahl — oder gar keine (infinite sandbox). Difficulty-Slider separat für politisch/ökonomisch. Szenario-Modus (Missionen) liefert narrativ gerahmte Herausforderungen.

SimCity (2013) Sandbox Mode: §1M Startkapital, alle Gebäude offen, keine Verlustbedingung. Scenario-Modus dagegen: klare Katastrophen (Erdbeben, Epidemie) mit messbaren Erfolgskriterien.

Civilization: Mehrere parallele Siegtypen (Domination, Science, Culture, Diplomatic) — der Spieler wählt seinen eigenen Pfad.

Banished, Frostpunk: Überleben als implizite Win-Condition, aber mit moralischen Fail-States (in Frostpunk: "The city survived, but was it worth it?" wenn man zu weit gegangen ist).

Sandbox Mode (TV Tropes / Wikipedia): "Completion durch Exploration und Actualizing aller Optionen, nicht durch Winning." Für Lernkontexte ist die Kombination aus gerahmten Szenarien (klare Ziele, messbarer Erfolg, 15-25 Min) und optionalem Sandbox (freies Experimentieren zu Hause, für interessierte SuS) ideal.

→ Implikation für GeoGraSim: Jede Simulation bietet (a) 2-5 kurze Szenarien mit klarem Ziel und Erfolgsmetrik, und (b) einen optionalen Sandbox-Modus ohne Ziel. Kein "Game Over" im harten Sinn — bei Scheitern zeigt das Spiel die Konsequenz und lädt zum Neustart ein. Mehrere Siegpfade statt eines "richtigen" Ergebnisses.

6. Schwierigkeitskurven & adaptive Difficulty

Dynamic Difficulty Adjustment (DDA) passt die Herausforderung in Echtzeit an die Leistung an. Hendrix et al. (2018) und Rjiba et al. (2025) zeigen, dass DDA in Serious Games sowohl auf Content-Ebene (schwierigere Aufgaben) als auch auf Environment-Ebene (mehr Zeit, bessere Tools) wirken muss. Fuzzy-Logic- und Reinforcement-Learning-Ansätze sind dominant.

Zentrale Befunde (Constant & Levieux 2019; Zohaib 2018):

• Reines Skalieren numerischer Parameter (mehr HP bei Gegnern) wird oft als "unfair" empfunden.
• Besser sind indirekte Anpassungen: Hint-Frequenz, Zeitlimit, verfügbare Tools, Komplexität der Systemverknüpfungen.
• Emotional adaptation: Neuere Hybrid-Ansätze berücksichtigen nicht nur Performance, sondern auch Frustrationsindikatoren (Mausklick-Rate, Pausen, Rage-Quits).

Für heterogene Klassen (Inklusion, Migrationshintergrund, unterschiedliche Vorkenntnisse) ist DDA besonders wertvoll. Die ältere "fixed difficulty curves" einiger Mathe-Lernprogramme (Bruchrechnen-Skala) produziert typischerweise Frustration bei schwachen und Langeweile bei starken SuS.

Schwierigkeitskurve laut Gee (2003) = "well-ordered problems": Frühe Probleme lehren Strategien, die auch in späteren Problemen funktionieren. Kein "Wissens-Sprung", keine Sackgassen.

→ Implikation für GeoGraSim: Drei grundlegende Schwierigkeitsstufen (Einsteiger/Standard/Profi) + adaptive Hints, die nach mehreren Fehlversuchen einsetzen. Fehler werden nicht bestraft, sondern produktiv gemacht ("Oh, das ist interessant — schau, was jetzt passiert ist"). Lehrkraft kann Stufe für Klasse/Gruppe voreinstellen.

7. Konkrete vs. abstrakte Repräsentation

Ein Kernbefund der embodied-cognition-Forschung (Barsalou 1999, 2008; Pezzulo et al. 2013; Glenberg 2008): Abstrakte Konzepte werden über konkrete, körperlich erfahrbare Instanzen gelernt. Der Mensch denkt nicht in Prozenten, sondern in Bildern, Körpern, räumlichen Relationen.

Empirisch gut belegt ist der identifiable victim effect (Slovic 2007, später Small & Loewenstein): Die Darstellung einer einzelnen betroffenen Person erzeugt stärkere affektive und Handlungsreaktionen als Statistiken über Tausende Betroffene. "One death is a tragedy, a million deaths is a statistic" (Stalin, wissenschaftlich validiert).

Für Lernspiele bedeutet das: Statt "50% Obdachlosigkeit" → 50 kleine Figuren ohne Dach über dem Kopf, die sichtbar frieren/hungrig sind. Statt "CO₂-Emissionen +15%" → eine sichtbar grauer werdende Landschaft, hustende NPCs, schmelzende Gletscher.

Concrete-to-Abstract-Progression (Bruner 1966; Goldstone & Son 2005): Lernende beginnen mit konkreten Repräsentationen und bewegen sich graduell zu abstrakten. Sobald ein Konzept "verkörpert" verstanden ist, helfen Zahlen und Diagramme, es zu verdichten. Reine Abstraktion vorne dran: kontraproduktiv.

Papers, Please und This War of Mine sind Paradebeispiele: Statt "Bürgerkrieg tötet X Menschen" fühlt der Spieler die Entscheidung, ob er einer Familie Medizin gibt oder nicht. Hunger ist nicht eine Zahl, sondern das Gesicht des Kindes, das nicht mehr aufsteht.

→ Implikation für GeoGraSim: Jede abstrakte Metrik (BIP, Emissionen, Migrationsrate) hat zwingend eine konkrete visuelle Entsprechung. Bei Migration: einzelne Figuren, die sichtbar wandern, mit optionalem "Klick für Geschichte". Bei Klimafolgen: sichtbare Veränderung der Landschaft. Zahlen daneben sind erlaubt, aber nie primär.

8. Educational Gamification Research — was wirkt, was nicht

Sailer & Homner (2020), Meta-Analyse, Educational Psychology Review — der aktuell stärkste empirische Befund:

• Kognitive Lernergebnisse: g = .49 (kleine-mittlere Effektstärke, stabil)
• Motivation: g = .36 (klein, weniger stabil)
• Behavior: g = .25 (klein, abhängig von Kontext)
• Moderatoren: "Game fiction" (narrative Einbettung) und Kombination aus Wettbewerb und Kooperation erhöhen Wirkung signifikant. Isolierte Punktesysteme fast wirkungslos.

Hamari, Koivisto & Sarsa (2014), HICSS — die prägende frühe Review: "Gamification funktioniert, aber hochgradig kontext- und nutzerabhängig." Das ist ein Warnsignal gegen one-size-fits-all-Lösungen.

Deterding (2015), "The Lens of Intrinsic Skill Atoms" — warnt vor "pointsification": Wenn Badges und Punkte nur aufgesetzt sind, untergraben sie sogar intrinsische Motivation (Overjustification Effect, Lepper et al. 1973).

Plass, Homer & Kinzer (2015), "Foundations of Game-Based Learning", Educational Psychologist — integriert kognitive, affektive, motivationale und soziokulturelle Perspektiven. Schlüsselaussage: Lernen in Spielen ist nicht trotz, sondern wegen der emotionalen Involvierung erfolgreich.

Ryan, Rigby & Przybylski (2006) zeigen empirisch, dass die Sogkraft von Videospielen über Self-Determination Theory erklärbar ist: Autonomie, Kompetenz, Soziale Eingebundenheit. Lernspiele, die alle drei befriedigen, motivieren intrinsisch; solche, die Belohnungen aufsetzen, extrinsisch.

Was nicht wirkt: Punkte ohne Bedeutung, Badges ohne Progression, Bestenlisten ohne narrativen Kontext, "Level-Up"-Fanfaren bei trivialen Aktionen, Zwang zu Teilnahme.

→ Implikation für GeoGraSim: Keine Punkte, keine Badges, keine Leaderboards als primäres Motivations-Mittel. Stattdessen: bedeutungsvolle Konsequenzen, narrative Rahmung der Szenarien, echte Wahlmöglichkeiten. Falls Metriken sichtbar sind, dann als Spiegel systemischer Zustände (z.B. "Bevölkerungszufriedenheit 65%"), nicht als "Score".

9. Konkrete Beispiele erfolgreicher Lernsimulationen

PhET Interactive Simulations (Univ. Colorado Boulder, seit 2002, Wieman): Freie browserbasierte Physik/Chemie/Mathe-Sims. Studien (Wieman, Adams & Perkins 2008 Science; Correia et al. 2019) zeigen verbessertes konzeptuelles Verständnis, Motivation, self-efficacy. Kernprinzip: intuitive direct manipulation — keine Menüs, sondern Schieberegler und Drag-and-Drop. Keine Instruktion, nur Exploration mit unmittelbarem Feedback. → Lernen für GeoGraSim: UI muss einladen zum Herumprobieren. Kein "lies erst die Anleitung".

World Climate Simulation (Climate Interactive, MIT Sloan, UMass Lowell): Rollenspiel-Simulation mit C-ROADS-Modell. Teilnehmende verhandeln als Länderdelegationen Klimapolitik, sehen Konsequenzen in Echtzeit. In 100+ Ländern eingesetzt. Kernprinzip: systemisches Feedback auf Gruppenentscheidungen. Sterman et al. (2015) dokumentierten Wirkung auf Einstellungen und Verständnis. → Lernen für GeoGraSim: Rollen-basierte Perspektivenübernahme ist mächtig. Auch einzelne SuS können "Rollen" übernehmen (BürgermeisterIn, LandwirtIn).

Papers, Please (Lucas Pope 2013): Bürokratie-Simulation als Empathie-Werkzeug. Pope selbst nennt es eine Erkundung der "banality of evil". Spieler müssen Migrationsbeamte spielen und stehen vor unauflösbaren moralischen Trade-offs zwischen Familienüberleben und humanitärer Verantwortung. → Lernen für GeoGraSim: Moralische Dilemmata ohne "richtige" Lösung sind didaktisch wertvoll — sie zwingen zur Reflexion. Für Geographie: z.B. Migration, Landnutzung, Ressourcenkonflikte.

Block'hood (Jose Sanchez / Plethora Project 2017): Input-Output-basiertes Neighborhood-Building mit 200+ Blöcken. Jeder Block hat ökologische Inputs und Outputs; Verfall bei Ressourcenknappheit. Ursprünglich USC-Forschungsprojekt. → Lernen für GeoGraSim: Visuelle Repräsentation von Stoffflüssen. Verfall als sanfte Negativ-Konsequenz (Block "crumbles" statt "Game Over").

Eco (Strange Loop Games, 2018): Ursprünglich als Lernwerkzeug für Mittelschulen entwickelt. Spieler müssen gemeinsam Zivilisation aufbauen, bevor ein Meteorit einschlägt — ohne die Umwelt zu zerstören. Gesetze, Wirtschaft, Ressourcen werden spielerisch verhandelt. Einzigartiger Aspekt: kein PvP, Tod nicht möglich. → Lernen für GeoGraSim: Kollaborative Elemente (Gruppenarbeit in Klasse). Klare ökologische Rückkopplung. Kein Tod → psychologisch sicher für SuS.

This War of Mine (11 bit studios 2014): Zivilperspektive im Krieg, inspiriert von der Belagerung Sarajevos. de Smale et al. (2019) dokumentieren die didaktische Wirkung als "moral game design". In Polen offizielles Schulmaterial. → Lernen für GeoGraSim: Perspektivwechsel (nicht Herrscher, sondern Betroffene). Hunger, Kälte, Krankheit als erlebte nicht gemessene Zustände.

Universal Paperclips (Frank Lantz, NYU Game Center, 2017): Idle Clicker über exponentielles Wachstum und AI Alignment. Lantz: "Das menschliche Gehirn ist nicht für exponentielles Wachstum gebaut — Paperclips erlaubt, es körperlich zu spüren." Drei Phasen mit fundamental verschiedenen Gameplay-Loops. → Lernen für GeoGraSim: Exponentielles Wachstum (Bevölkerung, Klima, Rohstoffverbrauch) ist schwer intuitiv zu verstehen. Ein Clicker-Mini-Spiel könnte genau das vermitteln. Escalation Design: Mechaniken wechseln im Verlauf.

Frostpunk (11 bit studios 2018): City-Builder als moralisches Dilemma. Book of Laws zwingt Spieler zu harten Entscheidungen. "Hope" als abstrakter Meta-Parameter zwingt zur Reflexion. → Lernen für GeoGraSim: Ressourcen-Knappheit erzeugt dramatische Spannung. Gesetze als Entscheidungsinstrument sind einfacher als komplexe Politikmenüs.

Sweatshop (Littleloud 2011): iOS-Lernspiel über Kleidungsproduktion und Arbeitsausbeutung. Apple hat es später entfernt — zu unbequem. Zeigt: Mut zu Kontroverse ist Teil guter Serious Games. Wurde didaktisch breit rezipiert (Bogost, persuasive games). → Lernen für GeoGraSim: Globalisierung, Produktionsketten, Fair Trade sind geographische Themen, die didaktisch nicht weichgespült werden müssen.

10. Anti-Patterns: Warum scheitern die meisten Lernspiele?

Brenda Laurels "chocolate-covered broccoli"-Diagnose (2001) ist immer noch präzise: Edutainment scheitert, wenn Fun und Learning nur lose miteinander verklebt werden. Nicky Case ("Curse of the Chocolate-Covered Broccoli" 2018) und Matthew Farber (Edutopia 2016) haben die Kritik verfeinert.

Typische Anti-Patterns:

1. Mechanische Entkopplung von Lernen und Spiel. Der Spieler löst eine Mathe-Aufgabe, um dann als Belohnung Mario zu spielen. Beides hat nichts miteinander zu tun → Kinder merken es sofort (Case).
2. Condescending Tone. Hüpfende Comic-Figuren, die "Super!" schreien, wenn man 2+2 richtig löst. Fühlt sich an wie kleingemacht werden.
3. Lecture-Modus mit Quiz-Spray. Lange Textblöcke, die durch Multiple-Choice-Fragen unterbrochen werden. Keine Agency.
4. Fehlende Agency / illusorische Wahl. "Wähle A, B oder C" — alle führen zum gleichen Ergebnis. SuS durchschauen das sofort.
5. Keine realen Konsequenzen. Fehler werden weggeklickt, statt im System nachzuwirken. Dadurch auch: kein Lernen aus Fehlern.
6. "Das Lernen beginnt jetzt"-Signalisierung. Wenn das Spiel explizit sagt "Achtung, jetzt kommt ein Lerninhalt", schaltet der Spieler ab.
7. Fragmentierte Sessions ohne Progression. Jede Lektion ist eigenständig, kein Gefühl von Wachstum oder Mastery.
8. Bad UI / hohe Einstiegshürde. Jane McGonigal merkt an: Wenn ein Spiel so schlecht aussieht/funktioniert, dass Kinder lieber ins Lehrbuch schauen würden, hat man alles verloren.
9. Fehlende Sinnhaftigkeit. Warum sollte ich Holzscheite in eine Kiste sortieren? Wenn die Aktion keine Bedeutung im Spielsystem hat, ist sie ein Arbeitsblatt mit Grafik.
10. "Lehrer-Perspektive" statt Spieler-Perspektive. Game Designer: "Welche Mechanik ist spaßig und könnte diesen Inhalt tragen?" Lehrer: "Welcher Inhalt muss vermittelt werden und wie pack ich ihn in ein Spiel?" — letzteres scheitert meist.

Sam Liberty ("3 Serious Game Myths") betont: Serious Games müssen Spiele sein, die Lehrende nutzen, nicht Unterricht, der sich als Spiel verkleidet.

→ Implikation für GeoGraSim: Litmus-Test nach Case: "Würde ein Erwachsener das freiwillig spielen?" Wenn nein, zurück ans Reißbrett. Keine Belohnungs-Fanfaren für triviale Aktionen. Keine "Lernziel"-Folien. Keine Multiple-Choice-Einblendungen. Wenn ein SuS sagt "Das ist kein Spiel, das ist Schule" — haben wir versagt.

---

10 Design-Prinzipien für GeoGraSim

Aus der Recherche abgeleitete, konkrete Handlungsregeln für die Konzeption und Umsetzung unserer Simulationen:

1. Flow schlagen Wissen. Priorität 1 ist, dass SuS im Spiel bleiben und handeln wollen. Lerninhalt emergiert aus Handlung, nicht umgekehrt. Wenn wir zwischen "didaktisch sauber" und "spielbar" wählen müssen → spielbar.

2. Tutorial ist das erste Szenario. Keine eigenen Tutorial-Level, keine "So spielst du"-Screens. Die erste Spielminute ist ein geführtes Mini-Problem, das nur durch Ausprobieren gelöst werden kann. Tooltips nur on-demand.

3. Jede Aktion hat sofortiges und aufgeschobenes Feedback. Mikro-Feedback (< 200ms): Animation, Sound, Zahl. Makro-Feedback (über Runden hinweg): sichtbare Veränderung im System, Trendpfeile, Events. Nie: Aktion → nichts.

4. Konkret vor abstrakt. Metriken werden immer durch konkrete visuelle Entsprechungen begleitet: Figuren, Gebäude, Landschaftsveränderungen, Gesichter. Zahlen als sekundäre Info. "50 Menschen ohne Dach" schlägt "50% Obdachlose".

5. Pausierbar, speicherbar, resumierbar. Default = pausiert. Robustes Auto-Save. Wiederaufnahme per Link/Code ohne Login. Spielsession in 15-25 Min abschließbar.

6. Mehrere Siegpfade, kein Game Over. Szenarien haben klare Ziele, aber mehrere mögliche Lösungen. "Scheitern" zeigt Konsequenzen und lädt zum Neustart ein. Optional: offener Sandbox-Modus ohne Ziel.

7. Meaningful Choice über Gimmicks. Keine Punkte, keine Badges, keine Leaderboards als primärer Reiz. Stattdessen: echte Entscheidungen mit systemischen Konsequenzen. Moralische Dilemmata sind erwünscht.

8. Adaptive Hints statt starrer Schwierigkeit. Wenn SuS nach 2-3 Fehlversuchen stecken: sanfte Hinweise einblenden. Lehrkraft kann Grundschwierigkeit vorwählen. Keine Bestrafung für Fehler — Fehler werden produktiv gemacht.

9. Narrative Rahmung statt Lecture. Jedes Szenario hat eine kurze Situationsbeschreibung (1-3 Sätze) und einen Charakter/Kontext. Keine Wissensblöcke. Transfer ins Lehrbuchwissen passiert in der Nachbesprechung im Unterricht, nicht im Spiel.

10. Autonomie, Kompetenz, Relatedness (Deci & Ryan). Jede Simulation muss alle drei Grundbedürfnisse ansprechen: echte Wahlmöglichkeiten (Autonomie), spürbares Besserwerden (Kompetenz), Perspektivübernahme und ggf. kooperative Elemente (Relatedness).

---

Quellen

Peer-Reviewed / akademisch

1. Csikszentmihalyi, M. (1990). Flow: The Psychology of Optimal Experience. Harper & Row.
2. Sweetser, P., & Wyeth, P. (2005). GameFlow: A model for evaluating player enjoyment in games. Computers in Entertainment, 3(3). https://dl.acm.org/doi/10.1145/1077246.1077253
3. Sweetser, P., Johnson, D., Wyeth, P., et al. (2020). GameFlow 2020: 15 Years of a Model of Player Enjoyment. ANU Open Research. https://openresearch-repository.anu.edu.au/bitstreams/4ea7071c-9448-40a3-b5de-de626e16bb8f/download
4. Sailer, M., & Homner, L. (2020). The Gamification of Learning: A Meta-analysis. Educational Psychology Review, 32, 77-112. https://link.springer.com/article/10.1007/s10648-019-09498-w
5. Hamari, J., Koivisto, J., & Sarsa, H. (2014). Does Gamification Work? — A Literature Review of Empirical Studies on Gamification. HICSS 47. https://ieeexplore.ieee.org/document/6758978
6. Plass, J. L., Homer, B. D., & Kinzer, C. K. (2015). Foundations of Game-Based Learning. Educational Psychologist, 50(4), 258-283. https://files.eric.ed.gov/fulltext/EJ1090277.pdf
7. Plass, J. L., Mayer, R. E., & Homer, B. D. (Eds.) (2020). Handbook of Game-Based Learning. MIT Press. https://mitpress.mit.edu/9780262043380/handbook-of-game-based-learning/
8. Gee, J. P. (2003). What Video Games Have to Teach Us About Learning and Literacy. Palgrave Macmillan. https://en.wikipedia.org/wiki/What_Video_Games_Have_to_Teach_Us_About_Learning_and_Literacy
9. Squire, K. (2005). Replaying History: Learning World History through playing Civilization III. Indiana University Dissertation. https://www.learntechlib.org/p/125618/
10. Squire, K. (2011). Video Games and Learning: Teaching and Participatory Culture in the Digital Age. Teachers College Press.
11. Malone, T. W., & Lepper, M. R. (1987). Making Learning Fun: A Taxonomy of Intrinsic Motivations for Learning. In Snow & Farr (Eds.), Aptitude, Learning, and Instruction Vol. 3. https://edutainment.pbworks.com/f/malone_lepper_1987.pdf
12. Ryan, R. M., Rigby, C. S., & Przybylski, A. (2006). The Motivational Pull of Video Games: A Self-Determination Theory Approach. Motivation and Emotion, 30, 347-363. https://link.springer.com/article/10.1007/s11031-006-9051-8
13. Przybylski, A. K., Rigby, C. S., & Ryan, R. M. (2010). A Motivational Model of Video Game Engagement. Review of General Psychology. https://selfdeterminationtheory.org/SDT/documents/2010_PrzybylskiRigbyRyan_ROGP.pdf
14. Deci, E. L., & Ryan, R. M. (2000). Self-determination theory and the facilitation of intrinsic motivation, social development, and well-being. American Psychologist, 55(1), 68-78.
15. Hendrix, M., Bellamy-Wood, T., et al. (2018). Implementing Adaptive Game Difficulty Balancing in Serious Games. IEEE Transactions on Games. https://www.researchgate.net/publication/322510854
16. Rjiba, S., et al. (2025). Adaptive Difficulty and Stealth Assessment in Collaborative Game-Based Learning. Computer Applications in Engineering Education. https://onlinelibrary.wiley.com/doi/10.1002/cae.70102
17. Wieman, C. E., Adams, W. K., & Perkins, K. K. (2008). PhET: Simulations That Enhance Learning. Science, 322(5902), 682-683. https://www.science.org/doi/10.1126/science.1161948
18. Sterman, J., Franck, T., Fiddaman, T., et al. (2015). World Climate: A role-play simulation of climate negotiations. Simulation & Gaming, 46(3-4), 348-382.
19. de Smale, S., Kors, M. J. L., & Sandovar, A. M. (2019). The Case of This War of Mine: A Production Studies Perspective on Moral Game Design. Games and Culture, 14(4), 387-409. https://journals.sagepub.com/doi/full/10.1177/1555412017725996
20. Barsalou, L. W. (2008). Grounded Cognition. Annual Review of Psychology, 59, 617-645.
21. Pezzulo, G., Barsalou, L. W., Cangelosi, A., et al. (2013). Computational Grounded Cognition. Frontiers in Psychology, 3, 612.
22. Goldstone, R. L., & Son, J. Y. (2005). The transfer of scientific principles using concrete and idealized simulations. Journal of the Learning Sciences, 14(1), 69-110.
23. Slovic, P. (2007). "If I look at the mass I will never act": Psychic numbing and genocide. Judgment and Decision Making, 2(2), 79-95.
24. Bogost, I. (2007). Persuasive Games: The Expressive Power of Videogames. MIT Press.
25. Deterding, S. (2015). The Lens of Intrinsic Skill Atoms: A Method for Gameful Design. Human-Computer Interaction, 30(3-4), 294-335.
26. Schüler, J., & Brunner, S. (2009). The rewarding effect of flow experience on performance. Psychology of Sport and Exercise, 10(1), 168-174. https://www.researchgate.net/publication/226301604_Flow_performance_and_moderators_of_challenge-skill_balance
27. Keller, J., & Landhäußer, A. (2012). The flow model revisited. In Advances in Flow Research. Springer.
28. Zohaib, M. (2018). Dynamic Difficulty Adjustment (DDA) in Computer Games: A Review. Advances in Human-Computer Interaction.
29. Correia, A. P., Koehler, N., et al. (2019). The application of PhET simulation to teach gas behavior. Journal of Research in Science Teaching. https://pmc.ncbi.nlm.nih.gov/articles/PMC9761040/
30. MDPI (2020). Playing with Complex Systems? The Potential to Gain Geographical System Competence through Digital Gaming. Education Sciences, 10(5), 130. https://www.mdpi.com/2227-7102/10/5/130
31. Rigeo: How Geogames Can Support Geographical Education. https://rigeo.org/menu-script/index.php/rigeo/article/view/302
32. Lucha Rossi, M., et al. (2024). Effects of Meaningful Choices in Serious Games for Meaningful Learning. International Journal of Serious Games. https://journal.seriousgamessociety.org/~serious/index.php/IJSG/article/view/745

Design-Analyse / Praxis / Branche

33. Brown, M. (Game Maker's Toolkit). How Games Teach Complex Mechanics (Video-Serie). https://gamemakerstoolkit.com/
34. Brown, M. The 100 Games That Taught Me Game Design. https://gmtk.substack.com/p/the-100-games-that-taught-me-game
35. Laurel, B. (2001). Utopian Entrepreneur. MIT Press. (Ursprung "chocolate-covered broccoli")
36. Farber, M. (2016). Why Serious Games Are Not Chocolate-Covered Broccoli. Edutopia. https://www.edutopia.org/blog/serious-games-not-chocolate-broccoli-matthew-farber
37. Case, N. (2018). Curse of the Chocolate-Covered Broccoli (or: Emotion in Learning). https://blog.ncase.me/curse-of-the-chocolate-covered-broccoli-or-emotion-in-learning/
38. Liberty, S. 3 Serious Game Myths That Hold The Industry Back. https://sa-liberty.medium.com/3-serious-game-myths-that-hold-the-industry-back-1-problematic-fact-f0657559cef2
39. Norton, D. (Filament Games). Real-time vs. Turn-based Mechanics in Learning Games. https://www.filamentgames.com/blog/real-time-vs-turn-based-mechanics-learning-games/
40. Machinations.io. Game systems: Feedback loops and how they help craft player experiences. https://machinations.io/articles/game-systems-feedback-loops-and-how-they-help-craft-player-experiences
41. Lantz, F. (2017). Universal Paperclips & idle games. https://en.wikipedia.org/wiki/Universal_Paperclips
42. Pope, L. Papers, Please — Designer Notes Interview. https://www.idlethumbs.net/designernotes/episodes/lucas-pope
43. Sanchez, J. Block'hood. Plethora Project. https://www.plethora-project.com/blockhood
44. Krajewski, J. (Strange Loop Games). Eco — Global Survival Game. https://play.eco/
45. Climate Interactive: World Climate Simulation. https://www.climateinteractive.org/world-climate-simulation/
46. PhET Interactive Simulations: Research. https://phet.colorado.edu/en/research
47. Valve: Half-Life 2 Developer Commentary (in-game). Analysiert in: https://wnhub.io/news/other/item-11774
48. Chauri, G. Frostpunk – Player's Decisions in the Book of Laws. https://www.gabrielchauri.com/frostpunk-decisions/
49. Game Wisdom: Frostpunk Analysis. https://game-wisdom.com/analysis/frostpunk
50. Parametric Architecture: Playing with cities like an urban planner — Cities Skylines, Frostpunk, Block'hood. https://parametric-architecture.com/playing-with-cities-like-urban-planner/