Spielschleife als Therapietreue: VR-Trainingsdesign am Beispiel AmblyoPunch
Supernatural ist in Early Access auf Meta Quest gestartet. Aus Entwicklersicht lohnt sich die Frage: Was macht eine VR-App zu etwas, das man täglich öffnet — und was bedeutet das für Trainingsanwendungen außerhalb von Fitness?
Ich schreibe das aus der Perspektive eines Teams, das ein VR-Vision-Training für Meta Quest baut: AmblyoPunch, gedacht für Menschen mit Amblyopie (lazy eye). Und genau da wird die Frage nach der Retention nicht zu einer Marketingfrage, sondern zu einer Architekturfrage.
Das Designproblem
Klassisches Sehtraining besteht aus Pflaster und monokularen Übungen. Klinisch etabliert, aber für Nutzer schwer durchzuhalten — wenig Feedback, kein sichtbarer Fortschritt, keine Belohnung. Zusätzlich isoliert es das schwache Auge, statt binokulares Sehen zu fördern.
Kurz gesagt: Das Problem ist selten die Wirksamkeit, sondern die Adhärenz. Und Adhärenz ist, nüchtern betrachtet, ein Loop-Design-Problem. Wer eine Trainings-App baut, baut in Wahrheit zwei Systeme gleichzeitig: ein Spiel, das man freiwillig wieder öffnet, und eine Trainingslogik, die sich an ein Profil anpasst. Wenn diese beiden Systeme im selben Code verflochten sind, wird jedes Balancing-Experiment zum Risiko für die andere Seite.
Die Spielschleife
- Input: Gabor-Muster-Coins (soft-edged Streifenmuster, variable Orientierung) mit Controller oder Handtracking boxen.
- Druck: rote Spikes, denen man ausweicht; drei Herzen, Neustart bei Verlust.
- Progression: Dorf → Stadt → Weltraum → Mond → Mars → Venus; Objekte kleiner und schneller, Spikes größer.
- HUD: vierstufiger dichoptischer Tracker mit geteiltem Augenbild.
Aus Engineering-Sicht ist das eine klassische Arcade-Schleife: Input → Risiko → Eskalation → Belohnung. Nichts daran ist medizinisch. Das ist Absicht.
Der Trainings-Layer
Der Trainings-Layer sitzt daneben, nicht darin. Automatik-Modus: (1) monokulares Warm-up, (2) Suppression brechen über starkes Dimmen des dominanten Auges, (3) Rebalancing, (4) Fusionstraining mit leichter Fehlausrichtung im Panum-Fusionsbereich. Freischaltung leistungsabhängig — typischerweise ab ~70 % in den letzten zehn Ergebnissen, bei Strabismus-Profilen ab ~80 %. Unter 40 % ist eine Rückstufung möglich.
Wichtig für die Implementierung: Die Spielmechanik kennt diese Stufen nicht. Sie fragt nur nach Zielgröße, Tempo und Disparität. Der Trainings-Layer entscheidet, welche Werte er liefert. Das ist ein Interface, kein if-Baum.
Konfiguration
Betroffenes Auge links/rechts (falsche Wahl kehrt den Effekt um), Schweregrad mild/moderat/schwer, Strabismus Esotropie/Exotropia (englisch) → Disparität/Vergenz in Stufe 4. Automatik empfohlen, Custom für erfahrene Nutzer mit manuellen monokularen, binokularen und Fusions-Toggles.
Die State-Machine dahinter ist bewusst flach gehalten: Profil rein, Parameter raus. Keine versteckten Seiteneffekte im Gameplay, keine Sonderfälle, die nur ein Tester kennt.
Take-away für Entwickler
Wer Trainingsanwendungen baut, sollte Spielschleife und Trainingslogik sauber trennen. Bei AmblyoPunch bleibt die Arcade-Mechanik konstant, während der dichoptische Layer Zielgröße, Tempo und Disparität pro Profil anpasst. Das reduziert Verzweigungen im Gameplay-Code und macht das Balancing testbar — man kann die Schleife tunen, ohne die Trainingsparameter anzufassen, und umgekehrt.
Die eigentliche Lehre aus Supernatural und aus diesem Projekt ist dieselbe: Retention entsteht nicht aus Belohnungen allein, sondern daraus, dass die Schleife sich lohnt. Bei Trainings-Apps heißt das, den medizinischen Layer so zu kapseln, dass die Spielschleife frei atmen kann.
Wichtiger Hinweis
AmblyoPunch ist ein Trainings-/Assistenzspiel, kein Medizinprodukt, keine Behandlung und kein Heilmittel. Es ergänzt professionelle augenärztliche Betreuung und ersetzt sie nicht.
https://www.meta.com/en-gb/experiences/amblyopunch/1239507485902689/
Top comments (0)