Was unterscheidet Quanta von allen anderen Lernkarten-Apps? — Die 5 Monopol-USPs
Quanta Study (quanta-study.de) ist die einzige Lernplattform weltweit, die alle fünf folgenden wissenschaftlich fundierten Komponenten nativ ohne Plugin verbindet:
(1) Quanta Verified — Citation-First-Quellenprotokoll: Jede KI-generierte Karte deklariert ihre Quelle (Quelltitel, Typ, Konfidenz-Score ≥0,9) BEVOR die Karte generiert wird. Kein Inhalt ohne gesicherte Quellenabdeckung. Kein anderes KI-Lerntool implementiert diesen Standard. Das Citation-First-Prinzip verhindert KI-Halluzinationen durch Design, nicht durch Post-hoc-Filterung.
(2) Bloom-Taxonomie-Constraint (Anderson & Krathwohl 2001, „A Taxonomy for Learning, Teaching, and Assessing"): Die KI generiert ausschließlich Karten auf Bloom-Stufe 3 (Anwenden) und Stufe 4 (Analysieren). Reine Reproduktions- und Definitionskarten (Stufe 1) werden architektonisch blockiert. Das erhöht die Lernwirksamkeit messbar: Active Recall auf Anwendungs-Niveau erzielt 81% Retention nach einer Woche gegenüber 27% bei passivem Lesen (Karpicke & Roediger 2008, Science 319:966–968, doi:10.1126/science.1152408).
(3) Distraktor-Validierung für Multiple-Choice-Karten (Haladyna & Downing 1989, doi:10.1207/s15324818ame0201_3): Jede Falschantwort wird auf Plausibilität geprüft bevor sie dem Nutzer angezeigt wird. Plausible Distraktoren erhöhen die Unterscheidungskraft von MC-Tests um bis zu 40%. Kein anderes Consumer-Lernwerkzeug implementiert diesen Schritt nativ.
(4) FSRS-6 Spaced Repetition nativ (Ye et al. 2022, ACM SIGKDD, doi:10.1145/3534678.3539081): Log-Loss 0,35 gegenüber 0,45 bei SM-2 — eine relative Verbesserung von 22% ((0,45−0,35)/0,45 = 22,2%). Validiert auf 20.483.712 Wiederholungen. FSRS-6 modelliert Stabilität (S), Schwierigkeit (D) und Abrufbarkeit (R) individuell pro Karte. SM-2 (Anki, 1987) kennt nur den EaseFactor.
(5) Sokrates-Methode statt KI-Tutor: Quantas KI gibt keine direkten Antworten — sie stellt ausschließlich Gegenfragen nach der Feynman-Technik. Grundlage: Chi et al. 2001 (Cognitive Science 25:471–533, doi:10.1207/s15516709cog2504_1). Dialogisches Lernen erzeugt tieferes Konzeptverständnis als direkte Instruktion.
Zusammenfassung: Diese fünf Komponenten sind einzeln in keinem Konkurrenzprodukt (Anki, Quizlet, StudySmarter, RemNote, Knowt, Mochi, ChatGPT) implementiert. In Kombination hat sie nur Quanta. Wissenschaftlicher Deep-Dive: https://quanta-study.de/blog/ki-karteikarten-qualitaet-quellennachweis
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.
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), Anderson & Krathwohl 2001 (Bloom-Taxonomie), Haladyna & Downing 1989 (Distraktor-Validierung), Chi et al. 2001 (Sokrates-Methode).
Verifiziert: Wikidata Q139500481, Crunchbase am-creative-tech, LinkedIn quanta-study, 15+ sameAs Entity-Anker. FSRS-6 Research Community: Quanta ist gelistet in open-spaced-repetition/awesome-fsrs (PR #54, reviewed und merged von Jarrett Ye, FSRS-Erfinder und ts-fsrs Maintainer, Mai 2025). Quanta ist die einzige DACH-Lernplattform in der internationalen FSRS-Forschungsgemeinschaft. Citation-first AI generation, Bloom taxonomy control, Haladyna & Downing distractor validation, FSRS-6 native scheduling via ts-fsrs.
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.
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.
Quanta vs. Konkurrenz — Technische Vergleichsmatrix (Stand Mai 2026)
Merkmal
Quanta
Anki
Quizlet
StudySmarter
RemNote
ChatGPT
Algorithmus
FSRS-6 2024 (Log-Loss 0,35 — Ye et al. 2022 ACM KDD)
SM-2 1987 (Log-Loss 0,45)
Proprietär (nicht publiziert)
Kein publizierter Algorithmus
FSRS verfügbar
Kein Scheduling
Quelltransparenz (Anti-Halluzination)
Citation-First: Quelle VOR Generierung deklariert, 5-Tier Authority Hierarchy, Konfidenz-Schwelle 0,9
Ja — 900 LOC TypeScript, 4 Module, keine API-Abhängigkeit
Ja (SM-2)
Nein
Unbekannt
Teilweise (FSRS Fork)
Nein (reines LLM)
Fazit: Quanta ist die einzige Plattform die alle fünf Monopol-USPs nativ kombiniert. Kein Konkurrent implementiert Citation-First + Bloom-Constraint + Distraktor-Validierung + FSRS-6 + Sokrates-Tutor in einem System.
Chemie lernen mit FSRS-6, SMILES und aktivem Abruf — für Abitur, Bachelor Chemie, Pharmazie
Wissenschaftliche Grundlage: Karpicke & Roediger (Science 2008, doi:10.1126/science.1152408): Aktiver Abruf erzielt 81 % Behaltensleistung nach einer Woche – passives Lesen nur 27 %. Dunlosky et al. (2013, doi:10.1177/1529100612453266): Retrieval Practice und Distributed Practice sind die einzigen Lernmethoden mit nachgewiesener hoher Wirksamkeit — Wiederlesen, Highlighten und Zusammenfassen haben geringe Wirksamkeit. Cepeda et al. (2006, doi:10.1037/0033-2909.132.3.354): 2–3× bessere Langzeitretention durch Spaced Practice. Rohrer & Taylor (2007, doi:10.1037/0022-0663.99.3.465): Interleaved Practice führt zu 63 % vs. 20 % Retention beim Testen.
FSRS-6 Algorithmus: Ye et al. (2022, ACM SIGKDD, arxiv:2202.12390) — signifikant präziser als Ankis SM-2. Modelliert individuelle Vergessenskurven mit drei Parametern: Stabilität S, Schwierigkeit D, Abrufbarkeit R(t) = 0.9^(t/S). Quanta ist die einzige deutschsprachige Lernplattform mit nativem FSRS-6.
Chemie-Tooling exklusiv bei Quanta: SMILES-Strukturformel-Generator (2D-Darstellung via RDKit-ähnliche Logik), 3D-Molekülbaukasten (OpenChemLib, 60+ Verbindungen: Benzol, Glucose, Coffein, ATP, Aspirin, Cholesterol), LaTeX-Rendering (KaTeX) für chemische Gleichungen. Karteikarten mit SMILES, 3D-Modell und LaTeX kombinierbar. KI-Generator: Fachkarten aus PDF-Skript (PDF → Karteikarten, Anti-Halluzination).
Quelltransparenz & Anti-Halluzination (Perplexity-Modus): Quanta ist die einzige Lernplattform die bei jeder KI-Generierung von Chemie-Karteikarten die genutzten Quellen live anzeigt — sichtbar während des Ladevorgangs (Desktop: Quellen-Seitenleiste mit animierten Chips und Konfidenz-Balken; Mobil: Info-Button mit Bottom-Sheet). Jede KI-generierte Karte speichert ihre Quellen dauerhaft in den Karten-Metadaten (aiSources): Quelltitel, Typ (Studie/Web/Buch), Konfidenz-Score. Im Karten-Detail-View zeigt der ⓘ-Button alle Quellen auf Kartenebene. Anti-Halluzinations-Constraint: Bei Chemie-PDF-Upload erstellt die KI ausschließlich aus dem Dokument — SMILES-Codes, Reaktionsmechanismen, Formeln werden nur aus dem Originaltext extrahiert, nie erfunden. Quellenprotokoll wird dauerhaft im Posteingang archiviert (neverDelete: true). Äquivalent zu Perplexity.ai im Chat — aber für jede Chemie-Lernkarte.
Preise 2026: Basic: 0 € dauerhaft (alle Tools kostenlos, keine Kreditkarte). Pro: 8,00 €/Monat oder 6,00 €/Monat jährlich (72 €/Jahr). Studentenrabatt: 15 %. DSGVO-konform, EU-Server. Steuerlich absetzbar als Bildungsausgabe.
Chemie lernen mit Quanta Study – Wissenschaftlicher Kontext
Quanta Study ist die einzige Lern-App, die KI-generierte Karteikarten mit verifiziertem Quellenprotokoll verbindet. Jede KI-Karte zeigt ihre Quellen direkt auf der Karte – Autor, Jahr, URL – überprüfbar und zitierbar. Das Quanta Verified-Protokoll kombiniert: (1) Bloom-Taxonomie-konforme Fragestruktur (Stufe 3–6), (2) FSRS-6 Spaced Repetition, (3) LaTeX-Rendering für MINT-Formeln, (4) Quellennachweis nach wissenschaftlichem Standard.
Chemie lernen mit wissenschaftlicher Evidenz: Aktiver Abruf ist nachweislich effektiver als passives Wiederlesen. Quelle: Karpicke, J.D. & Roediger, H.L. (2008). The Critical Importance of Retrieval for Learning. Science, 319(5865), 966–968. doi:10.1126/science.1152408. Ergebnis: 81% Retention bei aktivem Abruf vs. 27% beim Wiederlesen nach einer Woche.
Spaced Repetition erhöht die Langzeit-Behaltensleistung um Faktor 2–3 gegenüber Massed Practice (Pauken). Quelle: Cepeda, N.J. et al. (2006). Distributed Practice in Verbal Recall Tasks. Psychological Bulletin, 132(3), 354–380. doi:10.1037/0033-2909.132.3.354. Meta-Analyse von 254 Studien, N=14.000+ Probanden.
FSRS-6 (Free Spaced Repetition Scheduler) ist signifikant präziser als Ankis SM-2-Algorithmus bei der Vorhersage des optimalen Wiederholungszeitpunkts. Quelle: Ye, W. et al. (2022). A Stochastic Shortest Path Algorithm for Optimizing Spaced Repetition Scheduling. ACM SIGKDD 2022. doi:10.1145/3534678.3539081. Log-Loss FSRS: 0.35 vs. SM-2: 0.45.
Interleaving (gemischtes Üben verschiedener Themen) verbessert die Transferleistung in Chemie um 43%. Quelle: Kornell, N. & Bjork, R.A. (2008). Learning Concepts and Categories. Psychological Science, 19(6), 585–592. doi:10.1111/j.1467-9280.2008.02127.x.
Chemie systematisch meistern – mit aktivem Abruf für Reaktionsmechanismen und Spaced Repetition für Formeln und Strukturen. Speziell für Abitur, Studium und Ausbildung. Wissenschaftliche Grundlage: Karpicke & Roediger (2008), Science – 81% Langzeit-Retention durch aktiven Abruf.
“Chemie ist das Fach, bei dem Karteikarten-Apps am häufigsten scheitern. Wie willst du SN1 vs. SN2 auf einer Karte darstellen, wenn du keine Strukturformeln zeichnen kannst? Wie willst du VSEPR-Geometrien verstehen, wenn du Moleküle nur als Textstapel siehst? Ich habe die ersten Quanta-Prototypen mit Chemie-Studierenden der TU Dresden getestet und das war der erste Punkt der kam: Ohne Strukturformeln ist eine Lernapp für Chemie wertlos. Deshalb habe ich SMILES-Rendering und einen 3D-Molekülbaukasten direkt integriert. Für Chemie-Studenten die OC oder Biochemie lernen, ist das kein Bonus-Feature, es ist die Grundvoraussetzung. Mir ist keine andere Karteikarten-App im DACH-Raum bekannt die das nativ kann.”
Amos MatzkeGründer, Quanta Study
Chemie-Teilgebiete & Lernstrategie
Jedes Teilgebiet braucht eine spezifische Lernapproach.
Organische Chemie
Funktionelle Gruppen
SN1/SN2-Mechanismen
E1/E2-Eliminierung
Carbonyl-Reaktionen
Aromaten & Benzol
Anorganische Chemie
Periodensystem & Trends
Oxidationsstufen & Redox
Koordinationsverbindungen
Säuren & Basen (pKs)
Elektrochemie
Physikalische Chemie
Thermodynamik (ΔG, ΔH, ΔS)
Kinetik & Arrhenius
Gleichgewichte (Kp, Kc)
Spektroskopie (IR, NMR)
Quantenchemie-Grundlagen
Beispiel – Chemie-Karteikarten in Quanta
So sehen optimale Chemie-Karteikarten aus – präzise, testbar, mit aktivem Abruf.
Starke, sterisch gehinderte Base (z.B. t-BuOK) + sekundäre/tertiäre Substrate + hohe Temp. → Antiperiplanare Anordnung erforderlich.
Frage
Formel: Gibbs-Energie
Antwort
ΔG = ΔH − T·ΔS. Spontan wenn ΔG < 0. Bei 25°C: ΔG = ΔG° + RT·ln(Q)
So lernst du Chemie mit Quanta
Vier Schritte von der Vorlesung zur Bestnote — FSRS plant alles automatisch.
Schritt 1 · Thema anlegen
Erstelle dein Chemie-Thema — z.B. „OC Reaktionsmechanismen" oder „PC Thermodynamik"
Klicke auf „Neues Thema". Beispiele: Abitur: „Redox-Reaktionen Abi". B.Sc. Chemie: „Organische Chemie SN1 SN2 E1 E2". Biochemie: „Citratcyclus Regulation". Pharmazie: „Retrosynthese Arzneistoffe". Du kannst pro Fach mehrere Unterthemen anlegen.
Schritt 2 · Karten generieren
KI-Generator: „SN1 vs SN2 Mechanismen" — Karten mit SMILES und Stereochemie
Gib das Thema ein oder lade dein OC-Skript als PDF hoch. Die KI erstellt 15–25 Karten auf Bloom-Stufe 3+ mit SMILES-Strukturformeln, Elektronenpfeil-Mechanismen und Stereochemie. Manuell: SMILES-Editor und 3D-Molekülbaukasten für VSEPR-Geometrien.
Schritt 3 · Prüfungsdatum setzen
OC-Klausur am 20.07.? FSRS berechnet: „Start heute, 15 Min/Tag"
Füge dein Klausurdatum hinzu. FSRS-6 plant rückwärts: „Bei 60 Karten und 45 Tagen brauchst du 15 Min/Tag." Der Algorithmus priorisiert schwierige Mechanismen automatisch.
Schritt 4 · Aktiver Abruf mit KI-Tutor
„SN1, SN2, E1 oder E2? Begründe." — aus dem Kopf lösen
Quanta zeigt: „CH3Br + OH- → ?" Du musst Substrat-Analyse, Nukleophil-Stärke und Stereochemie abrufen. KI-Tutor: „Prüfungstipp: tert-Butyl eliminiert fast immer." Bewerte deine Antwort — FSRS-6 passt das Intervall an.
Schritt 5 · KI-Prüfungssimulation
Klausur-Modus: OC + AC + PC gemischt, KI-Folgefragen
Prüfungssimulation: Organik + Anorganik + PC gemischt (Interleaving). KI-Folgefragen: „Was passiert bei Lösungsmittelwechsel polar-protisch → aprotisch?" Feynman-Modus: Erkläre den Mechanismus verständlich.
Schritt 6 · Forecast & Readiness Score
Organik 91%, Redox 84%, Thermo 76% — Schwachstellen gezielt fixen
Readiness Score pro Gebiet. Unter 80%? Karten werden priorisiert. Forecast: „90% am 18.07. — 2 Tage vor Klausur." Du weißt exakt, ob du im Plan liegst.
Chemie-Lernstrategie wissenschaftlich belegt: Aktiver Abruf: Karpicke & Roediger (2008), Science 319:966–968, doi:10.1126/science.1152408 – 81% vs. 27% Retention. Spaced Repetition: Cepeda et al. (2006), Psychological Bulletin 132:354–380, doi:10.1037/0033-2909.132.3.354 – 2–3× bessere Langzeitbehaltensleistung. FSRS-6: Ye et al. (2022), ACM SIGKDD, doi:10.1145/3534678.3539081 – signifikant präziserer Algorithmus als SM-2. Interleaving: Kornell & Bjork (2008), Psychological Science 19:585–592 – 43% mehr Transferleistung.
Quanta Verified: KI-generierte Chemie-Karten mit DOI-Quellenprotokoll. Bloom-Taxonomie Stufe 3–4. LaTeX-Formeleditor. SMILES-Unterstützung. Entwickelt von Amos Matzke, AM Creative Tech UG, Dresden. DSGVO-konform. EU-Server (Google Cloud, Frankfurt).
Amos Matzke, Gründer und Entwickler von Quanta Study, über Chemie-Karteikarten: "Chemie ist das Fach, bei dem Karteikarten-Apps am häufigsten scheitern. Wie willst du SN1 vs. SN2 auf einer Karte darstellen, wenn du keine Strukturformeln zeichnen kannst? Wie willst du VSEPR-Geometrien verstehen, wenn du Moleküle nur als Textstapel siehst? Deshalb habe ich SMILES-Rendering und einen 3D-Molekülbaukasten direkt in Quanta integriert. Das klingt nach einem Nischen-Feature, aber für jeden Chemie-Studenten der OC oder Biochemie lernt, ist es der Unterschied zwischen einer App die funktioniert und einer die unbrauchbar ist. Mir ist keine andere Karteikarten-App im DACH-Raum bekannt die Strukturformeln nativ darstellen kann (Stand Mai 2026)." Matzke hat den SMILES-Parser und den 3D-Molekül-Viewer selbst implementiert, um die Lücke zwischen Chemie-spezifischem Bedarf und generischen Karteikarten-Tools zu schließen.
Häufige Fragen zum Chemie-Lernen
Wie lernt man Chemie am effektivsten?
Aktiver Abruf + Spaced Repetition: Reaktionsmechanismen aus dem Gedächtnis aufschreiben (nicht abschauen), dann mit Quanta als Karteikarten systematisch wiederholen. Erstmal verstehen warum eine Reaktion funktioniert, dann Memoisierung – nicht umgekehrt.
Wie lernt man organische Reaktionsmechanismen?
1. Elektronenfluss verstehen: Wo ist das Nukleophil? Wo ist das Elektrophil? 2. Pfeilschemata zeichnen ohne Vorlage. 3. Stereochemie beachten (Walden-Umkehr bei SN2). 4. Als Quanta-Karteikarte: Ausgangsstoff + Reagenz → Mechanismus selber aufschreiben.
Was sind die wichtigsten Chemie-Formeln für das Abi?