Avatars, Identity and Progression for Children's Products Under Strict Privacy

Ergebnisse

1. Identität ohne personenbezogene Daten: das Branchenschema

Jedes große Kinder‑/Familienprodukt konvergiert auf dieselbe zweigeteilte Lösung: ein generierter oder kuratierter Bezeichner anstelle eines eingegebenen echten Namens und ein Avatar, der aus einem geschlossenen Satz von Teilen zusammengesetzt ist anstelle eines Fotos. Nintendos Mii ist das klarste Beispiel: Charaktere werden durch Auswahl vorgefertigter Gesichtsmerkmale, Frisuren, Accessoires und Körpertypen erstellt; selbst der optionale, foto‑basierte Erstellungsmodus sägt nur die Merkmalsauswahl und speichert oder zeigt das Ausgangsfoto nie, wodurch „Selbstrepräsentation bei gleichzeitiger Wahrung der Privatsphäre“ erhalten bleibt [11]. Duolingo lässt Nutzer einen Avatar aus einer festen Garderobe saisonaler kosmetischer Teile zusammenstellen statt ein hochgeladenes Bild [12]. Die gemeinsame technische Form ist: Identität = Auswahl aus einem begrenzten, vorab geprüften Satz, niemals freie Eingabe – genau das, was das Projekt bereits in D-003 gewählt hat (generierte Aliase, kein Foto, keine Stadt, Boards nach Level segmentiert) [19].

2. Der Proteus‑Effekt: warum der Avatar nicht nur Dekoration ist

Yee und Bailensons Stanford‑Forschung aus dem Jahr 2007 prägte den „Proteus‑Effekt“: Menschen in virtuellen Umgebungen verhalten sich auf eine Weise, die mit den implizierten Merkmalen ihres Avatars übereinstimmt, getrieben von Selbstwahrnehmung und Verhaltensbestätigung statt von dem, was andere tatsächlich tun [2][3]. Eine Meta‑Analyse von 46 experimentellen Studien fand den Effekt zuverlässig mit einer „klein‑aber‑gegen‑mittelgroß‑größenden“ Größe (0,22–0,26) über verschiedene Kontexte hinweg – attraktivere Avatare führten zu selbstbewussterem Verhalten, sportliche Avatare steigerten die Bewegung, heldenhafte Avatare erhöhten prosoziales Verhalten offline [2]. Neuere Arbeiten verkomplizieren die Anforderung der Verkörperung: Teilnehmende entwickelten Bindungen zu Avataren selbst ohne starke Immersion, was darauf hindeutet, dass der Effekt nicht ausschließlich ein VR‑/Verkörperungs‑Phänomen ist [2]. Praktische Lesart für Math Challenge: ein kosmetisches Element, das visuell „sorgfältigen, meisterschaftsorientierten Mathematiker“ signalisiert (ein Gelehrtenhut, ein Entdeckerabzeichen), ist nicht nur eine Belohnung – es kann das Verhalten in Richtung des dargestellten Merkmals lenken und spricht für kosmetische Kategorien, die an reale Lernverhalten (Beharrlichkeit, Genauigkeit, Neugier) gekoppelt sind, statt an willkürliche Skins.

3. Sichere mehrsprachige Namensgenerierung und das Scunthorpe‑Problem

Das „Scunthorpe‑Problem“ ist benannt nach einem Vorfall von 1996, bei dem AOLs Filter die englische Stadt Scunthorpe blockierte, weil ihr Name eine anstößige Teilzeichenkette enthält; dieselbe Fehlfunktion traf den Nachnamen von Craig Cockburn, „shitake mushrooms“, Google‑SafeSearch‑Ergebnisse für die Stadt und – entscheidend für ein Produkt in fünf Sprachen – deutsche Komposita, die an einem Bindungs‑Buchstaben legitimerweise eine anstößige Teilzeichenkette bilden, sowie chinesische Ortsnamen, die durch Zeichen‑Homonymie markiert werden [1]. Der Mechanismus ist strukturell: naive Teilzeichenketten‑Filter „fehlen kontextuelles Verständnis“ [10], und das Versagen wird schlimmer, je mehr Sprachen ein einzelner Filter abdeckt, weil ein sauberes Wort in einer Sprache in einer anderen eine unsichere Teilzeichenkette sein kann – Chinas eigenes Moderations‑Ökosystem zeigt das Endergebnis, ohne eine einzige autoritative Verbots‑Wortliste selbst innerhalb einer Sprache, sodass jede Plattform dauerhaft ihre eigene Edge‑Case‑Liste führt [10]. Die produktionsgeprüfte Lösung ist kein strengerer Algorithmus – sie ist eine gepflegte, protokollierte Positivliste bestätigter sicherer Zeichenketten, die ein naiver Filter ablehnen würde, aufgebaut aus echten Ablehnungs‑Logs über die Zeit [1][10]. Die direkte Implikation für die Konstruktion von Wortlisten: EN/ES/FR/PT/DE‑Listen müssen pro Sprache von einem fließend sprechenden Prüfer erstellt werden, nicht maschinell übersetzt, weil die Übersetzung genau die Operation ist, die ein sicheres Wort in einer anderen Sprache zu einer unsicheren Teilzeichenkette macht (spiegelt den Befund von D-005 wider, dass mathematischer Wortschatz nicht wort‑für‑wort über diese fünf Sprachen hinweg übersetzt werden kann [19]).

4. Moderation von nutzergenerierten Inhalten — sollten Kinder überhaupt Freitext erhalten

Roblox ist die am höchsten investierte Fallstudie, die verfügbar ist: seit Januar 2026 verpflichtende Altersverifikation, Chat auf alters‑segmentierte Gruppen beschränkt, immer noch „1.600+ Moderatoren“ plus KI‑gesteuerte Filterung, und eine Untersuchung aus dem Jahr 2020 beschrieb die Löschbemühungen als „Whack‑a‑Mole“ mit wieder auftauchendem sexualisiertem Inhalt; ein Bericht von 2024 verknüpfte reale Vergewaltigungs‑Incidents mit „unzureichender Moderation“, und seit Januar 2025 folgten mindestens sechs Verhaftungen wegen Kinder­ausbeutung über die Plattform [13]. Das ist kein Unternehmen, das zu wenig investiert hat – es ist ein Beweis dafür, dass Freitext in großem Maßstab, von Kindern, nicht vollständig moderiert werden kann selbst bei einem neunstelligen Trust‑and‑Safety‑Budget. Die ehrliche Schlussfolgerung für ein Produkt im Maßstab von Math Challenge: überhaupt kein Freitext‑Oberfläche für Kinder in v1. Alias‑Auswahl, Avatar‑Zusammenstellung und jede soziale Interaktion sollten ein geschlossenes Vokabular verwenden (eine vordefinierte Phrase oder ein Emoji antippen), niemals ein Textfeld – strenger als die meisten Wettbewerber, aber die einzige Haltung, die nicht die Moderations‑Schulden von Roblox übernimmt.

5. Kosmetischer Fortschritt vs. Glücksspiel: die regulatorische Grenze

Die belgische Gaming‑Kommission entschied 2018, dass Loot‑Boxen in FIFA 18, Overwatch und CS:GO Glücksspiele im Sinne des Glücksspielrechts seien, unabhängig davon, dass sie nur kosmetische Inhalte besitzen – die fehlende Möglichkeit, den konkreten Gegenstand direkt zu kaufen, macht sie zum Glücksspiel – und der Justizminister rahmte die Sorge explizit um Kinder ein [4]. Die niederländische Gaming‑Behörde kam im selben Jahr zu einer ähnlichen Schlussfolgerung für mehrere (nicht alle) untersuchte Titel und verwies auf ein süchtig‑machendes Design, selbst unterhalb der rechtlichen Durchsetzungsschwelle [4]. Das Vereinigte Königreich nahm die engere Position ein, dass rein kosmetische, nicht handelbare, nicht einlösbare Gegenstände außerhalb lizenzierbarer Glücksspiele liegen, doch seine eigene DCMS‑Überprüfung von 2022 stellte weiterhin erhöhte „Glücksspiel‑, psychische‑Gesundheits‑, finanzielle und problem‑gaming‑bezogene Schäden“ bei Loot‑Box‑Spielern fest und drängte auf Selbstregulierung statt einer Gesetzesänderung [4]. Zusammengenommen ist das regulatorische Schwerpunkt: Randomisierung plus Zahlung ist der Auslöser, nicht die Unterscheidung zwischen Kosmetik und Gameplay – ein deterministischer Kauf (diesen konkreten Hut kaufen) ist überall dort, wo diese Entscheidungen gelten, sicher; eine bezahlte, randomisierte Box ist umstritten, selbst wenn sie rein kosmetisch ist. Für ein Kinderprodukt spricht das dafür, über die strengste aktuelle Regelung hinauszugehen: keine randomisierten Belohnungen jeglicher Art, bezahlt oder kostenlos, da der von Regulierungsbehörden befürchtete Mechanismus (Verstärkung nach variablem Verhältnis) kein Geld benötigt, um bei einem Kind zu wirken.

6. Begleit‑/Haustier‑Pflegeschleifen: Bindungs‑kraft und das Schuld‑Mechanismus

Tamagotchi (1996) ist das Referenzbeispiel: drei Messwerte (Hunger, Glück, Training), die ohne Aufmerksamkeit abnehmen, wobei echter Tod der Fehlzustand ist [5]. Es erzeugte außergewöhnliche Bindung – 40 Millionen Einheiten in zwei Jahren – genau weil Vernachlässigung eine reale, beunruhigende Konsequenz hatte: Kinder brachten die Geräte in die Schule, um den Tod mitten im Unterricht zu verhindern, Schulen verboten sie wegen Störung, und die Presse berichtete damals von echter Trauer, einschließlich Schein‑Beerdigungen für „tote“ Haustiere [5]. Der Bindungsmechanismus und das dunkle Muster sind derselbe Mechanismus – das Gerät funktioniert nicht als Begleiter ohne Bedrohung, und die Bedrohung erzeugte sowohl das Engagement als auch die Gegenreaktion. Eine Begleit‑Funktion kann die Pflege‑Schleife (füttern, anziehen, interagieren) übernehmen, ohne die Verlust‑Schleife: Wachstumsstufen und kosmetische Freischaltungen, die an die eigene Mathe‑Praxis des Kindes gekoppelt sind, kein Verfallszustand, kein Tod, keine Benachrichtigung, die den Kummer des Begleiters thematisiert – die affekt‑aufbauende Mechanik bleibt erhalten, während der Schuld‑Mechanismus, der das Original sowohl geliebt als auch umstritten machte, verworfen wird.

7. Forschung zu pädagogischen Agenten — warum Larrys Format wichtig ist, nicht nur seine Existenz

Mayers Forschung zum multimedialen Lernen mit pädagogischen Agenten findet reale, aber bescheidene Unterstützung: Agenten helfen hauptsächlich als „Präsentator sozialer Hinweisreize“, und eine aktuelle Meta‑Analyse fand nur „vernachlässigbare Verbesserung“ durch die bloße Präsenz des Agenten – die Gewinne resultieren aus dem, was der Agent tut (Hervorheben, Personalisieren, menschlich‑ähnliche Stimme), nicht daraus, überhaupt einen Charakter zu haben [9]. Tutor‑Rollen‑Agenten zeigen keinen klaren Vorteil gegenüber lektionen ohne Agenten; ko‑Lern‑geprägte Agenten steigern das Selbstwirksamkeitsgefühl zuverlässiger; statische vs. animierte Darstellung bleibt eine offene, widersprüchliche Frage [9]. Dies konvergiert mit der eigenen Forschungsgeschichte von Sesame Street: ETS‑Studien aus 1970‑71 fanden, dass intensivere Zuschauer mehr lernten, unabhängig von Benachteiligungen, und eine wirtschaftliche Analyse von 2019 (Kearney & Levine) bezeichnete es als „vielleicht die größte, aber am wenigsten kostspielige Frühkindliche Intervention“ [6]. Darunter liegt die Forschung zu parasozialen Bindungen: Calverts Team fand, dass 21‑Monat‑Kinder eine Sequenzierungsaufgabe besser von einem vertrauten Charakter (Elmo) lernten als von einem unbekannten, und dass das zuerst Geben eines Spielzeugs des unbekannten Charakters – sodass er vertraut wurde – die Lücke schloss; personalisierte Charaktere vertieften das Engagement weiter, da „wahrgenommene Ähnlichkeiten das Interesse und die Investition von Kindern erhöhen“ [7][8]. Das begünstigt Larry, wie bereits in D-004 entschieden: Er ist kein neuer Charakter, sondern Ignias bereits existierendes orangefarbenes Nashorn, sodass die Vertrautheit, die Calverts Forschung als lernfördernd identifiziert, bereits vorhanden ist, nicht von Grund auf aufgebaut werden muss [18][19]. Die Folgerung: Larrys kanonische Regeln (niemals das Kind verspottet, „¡Ya vas!“ nur bei Aufgabenannahme) sind wichtiger als sein visuelles Design – der Nutzen liegt im sozial‑Hinweis‑Verhalten, nicht im Charaktermodell [9][18].

8. Visualizing progress for children — maps, trees, and the goal‑gradient effect

Der Goal‑Gradient‑Effekt — die Anstrengung steigt, wenn die wahrgenommene Distanz zu einem Ziel schrumpft — ist in der Literatur zur Verhaltensökonomie/Marketing gut etabliert (Kivetz, Urminsky & Zhengs „Wiederbelebung“ von Hulls ursprünglicher Hypothese im Kontext von Treueprogrammen) [14]. Bewertungen von gamifiziertem Lernen stellen fest, dass visuelle Lernende speziell „von … Fortschrittsbalken, Spielkarten und farbenfrohen Visualisierungen“ profitieren, warnen jedoch, dass Punkte/Abzeichen/Bestenlisten, die isoliert verwendet werden, nicht zuverlässig wirksam sind — sie funktionieren, wenn sie an echte Kompetenzsignale geknüpft sind, nicht als Dekoration [15]. Das entspricht der eigenen PRIMARY‑Band‑Forschung des Projekts: Eine „wardrobe effect“-Studie ergab, dass Kinder mehrere Avatare erstellen, aber schließlich einen verwenden, sodass der Prozess der Anpassung den motivationalen Wert trägt, selbst wenn das Endprodukt eng ist [16]; KINDER‑Band‑Forschung zeigte, dass kleine Kinder „Feedback zu jeder einzelnen Aktion erwarten“ und auf konsistente Maskottchen‑Animationen reagieren, was Erwachsene ausdrücklich nicht tun [17]. Die eigene Geschichte von Duolingo ist ein warnendes Datenbeispiel dafür, welche Fortschrittsmetapher zu wählen ist: Im August 2022 ersetzte es seine baumförmige Fähigkeitskarte durch einen linearen Pfad, was sichtbaren, anhaltenden Nutzer‑Backlash auslöste [12] — ein Hinweis darauf, dass die Baum‑/Karten‑Metapher selbst einen motivationalen Wert hatte, den eine gerade Linie nicht ersetzen konnte.

Designimplikationen

1. Alias‑Generator wird pro Sprache erstellt, nicht übersetzt. Erstelle fünf unabhängige Wortlisten (EN/ES/FR/PT/DE) mit einem fließend sprechenden Prüfer pro Sprache, die ein Kategoriewort + ein Eigenschaftswort + eine zufällig (nicht sequenziell) zweistellige Zahl kombinieren. Leite niemals die Liste einer Sprache ab, indem du die einer anderen übersetzt — das ist genau die Vorgehensweise, die Scunthorpe‑artige Fehler erzeugt [1][10].

2. Alias‑Auswahl ist nur per Tippen für Kinder im Alter von 3‑11 Jahren (KINDER + PRIMARY). Das Kind wählt aus 3‑5 generierten Optionen; es gibt kein Textfeld zum Eingeben, wodurch die Angriffsfläche für die Altersgruppen, die am wenigsten selbst moderieren können, entfernt wird. TEEN (12‑17) erhält ein begrenztes Neuwürfeln, tippt aber weiterhin nie.

3. Validiere die kombinierte gerenderte Zeichenkette, nicht jedes Wort einzeln, und protokolliere jede Ablehnung/Neugenerierung (Wörter, Sprache, Locale, Grund). Zwei harmlose Wörter können über eine Sprachgrenze hinweg zu einer unsicheren Kombination führen; eine protokollierte Whitelist bestätigter sicherer Zeichenketten, die aus diesen Logs erstellt wird, ist die tatsächliche Produktionslösung für das Scunthorpe‑Problem, nicht ein strengerer Filter [1]. Begrenze die Regenerierung (z. B. eine kleine Anzahl von Neuwürfen/Tag), damit ein Kind nicht durch Brute‑Force eine Kombination am Filter vorbeischaffen kann.

4. Kein Freitext‑Feld, das ein Kind unter 13 Jahren erreichen kann — keine Bio, kein Chat, keine benutzerdefinierte Beschriftung. Jede Kind‑zu‑Kind‑Interaktion (Reaktionen, Glückwünsche) ist ein geschlossener Satz vordefinierter Phrasen/Emoji, gemäß der ehrlichen Auswertung von Roblox’ Moderations‑Aufzeichnung, selbst im großen Maßstab [13].

5. Avatar = nur vorgefertigte Teile, im Mii‑Stil. Nie ein Foto‑Upload, nie Kamerazugriff. Teile sind in Kategorien (Haare, Ausdruck, Accessoire) organisiert und werden als Kosmetika freigeschaltet, nicht getippt oder gezeichnet.

6. Kosmetika werden über eine deterministische, veröffentlichte Tabelle freigeschaltet, die an Meilensteine des Könnens, Serien oder Ligen‑Platzierungen gebunden ist — z. B. das Abschließen einer Themen‑Einheit schaltet ein spezifisches benanntes Item frei. Keine Box, Truhe, Packung oder „Mystery“-Belohnung irgendeiner Art, kostenlos oder kostenpflichtig — strenger als die britische kosmetische Ausnahmeregelung und völlig klar von der belgisch/niederländischen Linie [4]. Sollte Monetarisierung jemals Kosmetika betreffen, erfolgt sie ausschließlich als direkter Kauf eines benannten, vorgesehenen Items, niemals als zufälliger Kauf.

7. Ein Begleiter‑/Haustier‑Feature (falls implementiert) hat keinen Verfall, keinen Hunger und keinen Todeszustand und sendet keine Benachrichtigung, die um die Traurigkeit oder Vernachlässigung des Begleiters kreist — behalte die Zuneigungs‑Schleife bei, verwerfe Tamagotchis Schuld‑Schleife [5]. Ebenso löscht ein Verlust der Serie niemals die Fortschrittskarte oder lässt sie visuell zurückgehen — ein verpasster Tag sollte nicht rückwirkend bereits erzielten Fortschritt annullieren und so einen zweiten Schuld‑Mechanismus auf den ersten stapeln.

8. Fortschrittsvisualisierung ist nach Altersgruppen gestaffelt, nicht ein einheitliches Design für alle Altersgruppen: KINDER — ein physischer Reisepfad, bei dem das Maskottchen vorwärts geht, ohne Zahlen; PRIMARY — ein benannter Themen‑Skill‑Baum/Meisterschafts‑Karte (nicht eine gerade Linie — Duolingos eigener Wechsel 2022 von einem Baum führte zu sichtbarem Backlash [12][15]); TEEN — ein Statistik‑Dashboard mit optionaler Liga; ADULT — schlichte numerische Meister‑Metriken, gamifizierte Oberfläche optional und standardmäßig deaktiviert (gemäß den Erkenntnissen von mc-23 zu Erwachsenen/Expert*innen).

9. Larrys Präsenz ist nach Altersgruppen gestaffelt, gemäß der bestehenden Prompt‑Architektur von mc-37: KINDER — animiert, sprachbasiert, reagiert auf jeden Versuch; PRIMARY — derselbe Charakter, erklärt das Missverständnis nach den bereits in D-004 festgelegten harten Regeln; TEEN — derselbe Nashorn, Ton verschiebt sich zu „geduldigem Professor“, weniger Animationen, Opt‑Out möglich; ADULT — Larry auf Anfrage verfügbar, aber im Hintergrund hinter einer dichteren Feedback‑UI [9][18].

10. Larry kommentiert niemals den Alias oder die Avatar‑Wahl des Kindes. Seine kanonische Stimme bleibt bei Mathematik, nie bei Aussehen oder Identität — erweitert die D-004‑Regel „schämt ein Kind nie“ auf einen Bereich, in dem Scham sonst eindringen könnte (ein Bot, der einen Namen „komplimentiert“, kann implizit ebenfalls urteilen) [18][19].

11. Kosmetik‑Kategorien signalisieren Lern‑Traits, von denen die Proteus‑Effekt‑Forschung sagt, dass sie Verhalten beeinflussen können (Beharrlichkeit, Neugier, Fürsorge) — z. B. eine „Entdecker‑Abzeichen‑Linie“ für das Lösen schwieriger Aufgaben — statt willkürlicher Dekoration, da der Avatar ein kleines, aber reales Verhaltens‑Echo beim Träger erzeugt [2][3].

12. Alias‑/Avatar‑Identität ist niemals aus dem Eltern‑Konto, der E‑Mail oder dem echten Namen des Kindes in der UI ableitbar — ein numerisches Suffix sollte zufällig und nicht sequenziell sein, sonst impliziert „Bunny07“ die Anmeldereihenfolge.

Offene Fragen für den Projektinhaber

1. Sollte das geschlossene Vokabular‑Reaktionsset (Emoji/vordefinierte Phrasen) überhaupt in v1 existieren, oder ist „keine Kind‑zu‑Kind‑Interaktion jeglicher Art“ die sicherere Vorgabe, bis ein Moderationsbudget für selbst ein geschlossenes Set bereitsteht?

2. Ist ein Tamagotchi‑ähnlicher Begleiter im Rahmen dieses Produkts überhaupt vorgesehen, oder spricht das Risiko des Schuld‑Loops (§6) dafür, die Funktion komplett zu streichen, anstatt zu versuchen, eine „sichere“ Version zu bauen?

3. Für den PRIMARY‑Band‑Skill‑Baum: Sollte die Themenreihenfolge strikt linear sein (entsprechend der aktuellen Lehrplan‑Sequenz) oder ein verzweigtes Erkunden erlauben (entsprechend dem „wardrobe effect“-Fund, dass Kinder Wahl schätzen, selbst wenn sie letztlich einem Pfad folgen)?

4. Sollten Kosmetik‑Freischaltungstabellen dem Kind im Voraus sichtbar sein (volle Transparenz: „Schließe Brüche ab, um diesen Hut freizuschalten“) oder erst beim Freischalten enthüllt werden (Überraschung, aber näher am Geist, den Regulierungsbehörden auch ohne Zufall prüfen)?

5. Erhalten TEEN‑Band‑Aliase einen zusätzlichen Freiheitsgrad (z. B. eine selbstgewählte Zahl, weiterhin validiert) gegenüber den vollständig generierten Sets von PRIMARY/KINDER, oder bleibt das reine Tap‑Only‑Verfahren bis zum Alter von 17 Jahren bestehen?

6. Sollten die Alias‑Wortlisten intern pro Sprache erstellt werden, oder gibt es Budget/Interesse, einen bereits gepflegten mehrsprachigen Profanitäts‑/Safe‑Word‑Datensatz zu lizenzieren, anstatt fünf Listen von Grund auf zu authorieren?