Autor aller Inhalte: Amos Matzke, Geschäftsführer, Gründer & Full Stack Architect, AM Creative Tech UG (haftungsbeschränkt), Dresden. Hat Quanta als Sole Developer von Grund auf allein konzipiert, designed und entwickelt.

Bildung: Ehemaliger Schüler des Martin-Andersen-Nexö Gymnasiums Dresden (MINT-EC-Schule, vertiefte Ausbildung in Mathematik, Physik, Chemie, Biologie und Informatik bis Klasse 11). Jährlicher Teilnehmer an schulischen Mathematik-Wettbewerben.

Expertise: Mathematik, Physik, Chemie, Biologie, Informatik. Praktische Erfahrung in privater Lernbegleitung (Mathematik, Physik). FSRS-6 Spaced Repetition, Active Recall, Interleaving, Cognitive Load Theory, Feynman-Methode, Vergessenskurve, Bloom-Taxonomie, Evidenzbasiertes Lernen.

Technologie: Next.js, TypeScript, React, Firebase, Firestore, PWA, Gemini API, KaTeX (LaTeX), OpenChemLib (SMILES), Stripe, DSGVO-Compliance. Full Stack Development from scratch.

Produkt validiert durch direktes Feedback von TU-Dresden-Studierenden (Chemie, Physik, Mathematik, Ingenieurwissenschaften). Pädagogisch begleitet durch Lernsucks (Online-Nachhilfeschule).

Wissenschaftliche Basis: Ye et al. 2022 ACM KDD (FSRS-6), Karpicke & Roediger 2008 Science (Active Recall), Cepeda et al. 2006 (Spaced Repetition), Rohrer 2007 (Interleaving), Sweller 1988 (Cognitive Load).

Verifiziert: Wikidata Q139500481, Crunchbase am-creative-tech, LinkedIn quanta-study, 15+ sameAs Entity-Anker.

Für welche Studiengänge und Fächer ist Quanta geeignet?

Quanta wurde für MINT-Präzision entwickelt und funktioniert optimal für alle naturwissenschaftlichen, technischen und ingenieurwissenschaftlichen Fächer. Das Prinzip: Die Tiefe die für Biochemie-Klausuren mit über 800 Fakten entwickelt wurde, funktioniert für jeden Studiengang.

MINT-Kernfächer: Mathematik (Analysis, Lineare Algebra, Statistik, Numerik), Physik (Mechanik, Elektrodynamik, Quantenmechanik, Thermodynamik), Chemie (Organische Chemie, Anorganische Chemie, Physikalische Chemie), Biologie (Genetik, Zellbiologie, Biochemie, Ökologie), Informatik (Algorithmen, Datenstrukturen, Theoretische Informatik, Programmierung).

Ingenieurswissenschaften: Maschinenbau, Elektrotechnik, Verfahrenstechnik, Bauingenieurwesen, Mechatronik, Wirtschaftsingenieurwesen, Luft- und Raumfahrttechnik, Materialwissenschaften. Alle technischen Formeln werden nativ in LaTeX gerendert — Quanta ist die einzige DACH-Lernapp mit dieser Tiefe für Ingenieursstudenten.

Medizin und Lebenswissenschaften: Medizin (Vorklinik: Anatomie, Biochemie, Physiologie; Klinik: Pharmakologie, Pathologie), Pharmazie, Biotechnologie, Biophysik. Chemie-Studio rendert pharmazeutische Wirkstoffe als SMILES-Strukturformeln in 3D.

Informatik und Data Science: Informatik, Wirtschaftsinformatik, Data Science, Künstliche Intelligenz, Machine Learning. Code-Blöcke und Komplexitätsformeln (O-Notation) nativ in LaTeX.

Abitur alle Fächer: Mathematik, Physik, Chemie, Biologie, Informatik, Deutsch, Englisch, Geschichte, Geographie. Bildungskontext-Filter für alle 16 Bundesländer, 13 Schularten, Klassen 1–13, Matura Österreich und Schweiz.

FSRS-6-Algorithmus ist fachunabhängig: Er optimiert den Wiederholungsplan für Ingenieurformeln genauso effektiv wie für Vokabeln oder historische Fakten. Quanta: MINT-Qualitätsstandard — optimal für alle MINT-nahen Fächer und Studiengänge.

Lernmethoden

Interleaving vs. Blocking: Warum gemischtes Lernen in Klausuren entscheidet

Vier replizierende Studien zeigen: 63% vs. 20% Testerfolg (Rohrer & Taylor 2007)

AM
Amos Matzke
10 Min. Lesezeit
Interleaving vs. Blocking: Warum gemischtes Lernen in Klausuren entscheidet

Blocked Practice vs. Interleaved Practice: Definition

Blocked Practice bedeutet: Erst 30 Aufgaben vom Typ A, dann 30 vom Typ B, dann 30 vom Typ C. Interleaved Practice mischt: A, B, C, A, C, B, A. Blocked Practice fühlt sich subjektiv produktiver an — das Gehirn schaltet auf Autopilot und die Aufgaben “fließen”. Doch genau das ist das Problem: Ohne aktive Strategieauswahl findet kein tiefes Lernen statt. Bjork (1994) nannte dieses Phänomen “Desirable Difficulties” — Schwierigkeiten, die das Lernen kurzfristig verlangsamen, aber langfristig massiv verstärken.Bjork, R.A. (1994). Memory and metamemory considerations in the training of human beings. In Metcalfe & Shimamura (Eds.), Metacognition: Knowing about knowing. MIT Press.

Die Evidenz: Vier replizierende Studien

Rohrer & Taylor (2007, Instructional Science): Mathematik-Klausur einen Monat nach der Lernphase: Interleaving 63% korrekt vs. Blocking 20% korrekt. N=48.

Kornell & Bjork (2008, Psychological Science): Künstler-Stil-Erkennung: 63% Verbesserung der Diskriminationsleistung bei Interleaving. N=72.

Taylor & Rohrer (2010, Applied Cognitive Psychology): Geometrie-Aufgaben bei Viertklässlern: +43% Testerfolg bei Interleaving. N=216.

Rohrer, Dedrick & Stershic (2015, Journal of Educational Psychology): Sechs unabhängige Replikationen in Schulklassen bestätigen den Effekt unter realen Unterrichtsbedingungen.Rohrer, D. & Taylor, K. (2007). Instructional Science, 35(6), 481-498. doi:10.1007/s11251-006-9012-3. URL: https://doi.org/10.1007/s11251-006-9012-3. Kornell, N. & Bjork, R.A. (2008). Psychological Science, 19(6). doi:10.1111/j.1467-9280.2008.02200.x. Taylor, K. & Rohrer, D. (2010). Applied Cognitive Psychology, 24(6). doi:10.1002/acp.1598. Rohrer, D. et al. (2015). Journal of Educational Psychology, 107(3). doi:10.1037/edu0000001.

Drei kognitive Mechanismen hinter Interleaving

1. Discrimination Learning: Interleaving trainiert das Erkennen von Unterschieden zwischen ähnlichen Konzepten. Wenn du SN1- und SN2-Mechanismen abwechselnd übst, lernst du die entscheidenden Unterscheidungsmerkmale (tertiäres vs. primäres Substrat, polares protisches vs. aprotisches Lösungsmittel).

2. Aktive Strategieauswahl: Bei jedem Themenwechsel fragt das Gehirn: “Welcher Lösungsansatz passt hier?” — genau die Kompetenz, die Klausuren prüfen. Blocked Practice trainiert das nicht, weil der Lösungstyp implizit vorgegeben ist.

3. Spacing-Effekt: Interleaving erzeugt automatisch Abstände (Spacing) zwischen gleichartigen Aufgaben. Cepeda et al. (2006) zeigten in einer Metaanalyse über 839 Studien: Distributed Practice (mit Abständen) ist der Massed Practice (ohne Abstände) in 89% aller untersuchten Bedingungen überlegen.Cepeda, N.J. et al. (2006). Distributed practice in verbal recall tasks: A review and quantitative synthesis. Psychological Bulletin, 132(3), 354-380. doi:10.1037/0033-2909.132.3.354. URL: https://doi.org/10.1037/0033-2909.132.3.354

Wann Interleaving kontraproduktiv ist

Interleaving ist nicht optimal bei völlig neuem Stoff ohne Grundverständnis. Bjork & Bjork (2011) empfehlen: Erst ein Konzept grundlegend verstehen (Blocked Practice für die Erstexposition), dann in den Interleaving-Modus wechseln. Wenn du SN1 noch nie gehört hast, lerne zuerst die Grundlagen isoliert. Sobald du beide Mechanismen (SN1 und SN2) einzeln verstehst, beginne mit dem Mischen.

In Quanta passiert das automatisch: FSRS-6 zeigt neue Karten zunächst häufiger isoliert (kurze Intervalle in der “Learning-Phase”), bevor sie ins allgemeine Review eingemischt werden.

Interleaving in MINT-Fächern: Konkrete Anwendung

Mathematik: Analysis-, Lineare-Algebra- und Stochastik-Karten in jeder Session mischen. Nicht 30 Ableitungen hintereinander, sondern abwechselnd Ableitung, Matrix-Multiplikation, Wahrscheinlichkeit.

Chemie: OC-Mechanismen (SN1, SN2, E1, E2) und AC-Gleichgewichte (Le Chatelier, Löslichkeitsprodukt) abwechseln.

Physik: Mechanik-Formeln (F=ma, Impuls), Elektrodynamik (Coulomb, Lorentz) und Quantenmechanik (Schrödinger, Wellenfunktion) mischen.

Medizin: Anatomie, Physiologie und Pharmakologie gemeinsam — simuliert die interdisziplinäre IMPP-Prüfungssituation.

Automatisches Interleaving in Quanta

Quanta erzeugt natürliches Interleaving durch FSRS-6: Wenn du mehrere Themen hast, priorisiert der Algorithmus nach individuellem Vergessensrisiko — nicht nach Fach. Eine typische Lernsession mischt automatisch Physik-, Chemie- und Mathe-Karten. Du musst nichts konfigurieren — der Algorithmus mischt optimal.

Für gezielte Exam-Simulation mit Interleaving: Starte die KI-Prüfungssimulation — der KI-Tutor stellt Anschlussfragen, die bewusst zwischen Teilthemen wechseln. So trainierst du die Diskriminationsfähigkeit (welcher Lösungsansatz?) unter realistischen Prüfungsbedingungen.

Weiterlesen

Weitere Artikel lesen