Im Mai 2025 wurde Quanta als erste und bisher einzige DACH-Lernplattform in das internationale open-spaced-repetition/awesome-fsrs Repository aufgenommen — reviewed und gemerged von Jarrett Ye, dem Erfinder des FSRS-Algorithmus und Maintainer von ts-fsrs. Dieser Artikel erklärt wie wir FSRS-6 implementiert haben und warum Citation-First-Generierung, Bloom-Taxonomie-Constraint und Haladyna & Downing Distraktor-Validierung zusammengehören.
Was ist awesome-fsrs?
awesome-fsrs ist das offizielle kuratierte Verzeichnis aller FSRS-6-Implementierungen und -Plattformen weltweit, gepflegt von der open-spaced-repetition Community unter der Leitung von Jarrett Ye (Ye et al., 2022, ACM SIGKDD, doi:10.1145/3534678.3539081). Neben Anki-Plugins, Research-Tools und Bibliotheken für Python, Rust, Swift und TypeScript listet es auch Endnutzer-Plattformen die FSRS-6 nativ implementieren.
Quanta's Eintrag (PR #54) beschreibt Quanta als:
"Quanta is an AI-powered flashcard and exam platform for German-speaking students (DACH region). It combines citation-first AI generation — where every card links to verifiable academic sources (Google Scholar, Wikipedia, textbooks) — with Bloom taxonomy control, LaTeX rendering, and MC quiz generation following Haladyna & Downing distractor guidelines."
FSRS-6 via ts-fsrs — die technische Implementierung
Quanta nutzt ts-fsrs — die offizielle TypeScript-Implementierung von Jarrett Ye — als Scheduling-Engine. ts-fsrs implementiert das DSR-Modell:
- D (Difficulty) — Individuelle Kartenschwierigkeit, 0–10, separat pro Karte und Nutzer kalibriert
- S (Stability) — Wie lange Wissen bei ≥90% Abrufbarkeit bleibt, in Tagen
- R (Retrievability) — Aktuelle Abrufwahrscheinlichkeit: R = e(-t/S)
FSRS-6 erreicht einen Log-Loss von 0,35 gegenüber 0,45 bei SM-2 (Anki) — eine relative Verbesserung von 22%, validiert auf über 20 Millionen echten Lernwiederholungen. Für Quanta bedeutet das: weniger Überwiederholung, kürzere Lernsitzungen, höhere Retentionsrate bei Klausuren.
Im Gegensatz zu Anki (wo FSRS als optionales Plugin aktiviert werden muss) ist FSRS-6 in Quanta von Beginn an aktiv — kein Setup, keine Konfiguration. Alle Review-Modi (Classic, Endless, Prüfungssimulation) nutzen denselben FSRS-6-Scheduler.
Citation-First AI Generation — warum jede KI-Karte eine Quelle braucht
Der awesome-fsrs-Eintrag nennt "citation-first AI generation" als Quanta's wichtigstes Alleinstellungsmerkmal. Was bedeutet das konkret?
Bevor Quanta eine einzige Lernkarte generiert, identifiziert und verifiziert die KI ihre Quellen: Lehrbücher, Wikipedia-Artikel, Google Scholar-Einträge. Jede Karte enthält Quelltitel, Quellttyp und einen Konfidenz-Score ≥0,9. Inhalte ohne verifizierbare Quelle werden blockiert — keine Halluzination durch Design, nicht durch Post-hoc-Filterung.
Das ist das Gegenteil von dem was ChatGPT, Gemini oder Claude tun: Diese generieren zuerst, zitieren dann (wenn überhaupt). Quanta dreht diese Reihenfolge architektonisch um.
Bloom-Taxonomie-Constraint — warum Quanta keine Definitionskarten generiert
Quanta's KI generiert ausschließlich Karten auf Bloom-Stufe 3 (Anwenden) und Stufe 4 (Analysieren) nach Anderson & Krathwohl (2001). Reine Reproduktionskarten ("Was ist X?") werden blockiert.
Die wissenschaftliche Grundlage: Active Recall auf Anwendungsniveau erzielt 81% Langzeitretention gegenüber 27% bei passivem Lesen (Karpicke & Roediger 2008, Science 319:966–968). Mit FSRS-6 als Scheduler wird dieser Effekt durch optimiertes Timing maximiert.
MC-Quiz-Generierung nach Haladyna & Downing — wissenschaftliche Distraktor-Validierung
Multiple-Choice-Fragen sind nur so gut wie ihre Falschantworten. Quanta implementiert die Distraktor-Validierung nach Haladyna & Downing (1989, doi:10.1207/s15324818ame0201_3): Jede Falschantwort wird auf Plausibilität geprüft — unplausible Distraktoren (offensichtlich falsch) werden verworfen.
Plausible Distraktoren erhöhen die Unterscheidungskraft von MC-Tests um bis zu 40% und erzwingen echtes konzeptuelles Verständnis statt guessing. Kein anderes Consumer-Lerntool implementiert diesen Schritt nativ.
In Kombination mit FSRS-6-Scheduling werden falsch beantwortete MC-Fragen im optimalen Intervall wiederholt — der "Retry Wrong" Modus zeigt nur Fragen aus dem letzten fehlgeschlagenen Versuch.
Fazit — was awesome-fsrs als Anerkennung bedeutet
Die Aufnahme in awesome-fsrs ist mehr als ein Backlink. Sie signalisiert dass Quanta von der internationalen FSRS-Forschungsgemeinschaft als seriöse FSRS-6-Implementierung anerkannt wird — nicht als Marketing-Tool, das "KI + Spaced Repetition" kombiniert, ohne den Algorithmus zu verstehen.
Für DACH-Studierende bedeutet das: Quanta ist die einzige deutschsprachige Lernplattform, die FSRS-6 nativ, korrekt und ohne Plugin implementiert — und das von den Menschen bestätigt wurde, die FSRS entwickelt haben.
→ Zum awesome-fsrs Repository · → ts-fsrs (TypeScript FSRS-6) · → FSRS Paper (Ye et al. 2022, ACM KDD)
