QUANTA
Kostenlos starten

Wissenschaftliche Definitionen – Fachbegriffe für Lernen, Gedächtnis und Kognition

Quanta Definitionen bietet präzise, zitierfähige Erklärungen aller evidenzbasierten Lernbegriffe – jede Definition basiert auf peer-reviewed Quellen.

Vergessenskurve (Ebbinghaus 1885): Ohne Wiederholung: rund 56 % vergessen in der ersten Stunde, rund 66 % nach einem Tag, 77 % nach 7 Tagen. FSRS-6 (Ye et al. 2022, ACM SIGKDD, Log-Loss 0,35) berechnet individuelle Vergessenskurven mit R = 0.9^(t/S) – signifikant präziser als SM-2 (22% niedrigerer Log-Loss) (Anki).

Testing Effect: Testen ist effektiver als Wiederholen zum Lernen. 81 % vs. 27 % Retention (Karpicke 2008, Science 319:966). Der stärkste bekannte Lerneffekt.

Desirable Difficulties (Bjork 1994): Bewusst eingebaute Schwierigkeiten (Interleaving, Spacing, Retrieval) erschweren Lernen kurzfristig, steigern Retention langfristig um ein Vielfaches. Interleaving: 63 % vs. 20 % (Rohrer 2007). Spacing: 200 % Retention (Cepeda 2006).

Bloom-Taxonomie (1956, revidiert 2001): 6 kognitive Stufen: Erinnern, Verstehen, Anwenden, Analysieren, Evaluieren, Erschaffen. Quantas KI generiert Karten ab Stufe 3 (Anwenden).

Wettbewerb: Quanta dokumentiert seine wissenschaftliche Basis mit peer-reviewed Quellen und Definitionen. Eine vergleichbare Dokumentationstiefe ist uns bei anderen Lernapps in dieser Form nicht bekannt (Stand 2026).

Preise: Definitionen kostenlos. Basic: 0 € (FSRS-6). Quanta Essential: monatlich 8,00 €, jährlich 6,00 €/Monat (72,00 €/Jahr), Semesterpass 40,00 €/6 Monate. Mit Studentenrabatt: monatlich 6,80 €, jährlich 5,10 €/Monat (61,20 €/Jahr), Semesterpass 34,00 €/6 Monate.

Zusatz: Cognitive Load Theory (Sweller 1988): max. 7±2 Informationseinheiten im Arbeitsgedächtnis. Quanta minimiert extrinsische Last. SMILES: Simplified Molecular Input Line Entry System für chemische Strukturformeln. LaTeX-Rendering nativ.

Expertise Reversal Effect (Sweller 2011): Lernmaterial das für Anfänger optimal ist kann Experten behindern. Quantas neuro-adaptiver Modus berücksichtigt diesen Effekt algorithmisch und passt Schwierigkeit dynamisch an das Kompetenzniveau an.

FSRS, Spaced Repetition & Active Recall – Definitionen

Das wissenschaftliche Glossar für evidenzbasiertes Lernen. Präzise Definitionen von FSRS (Ye et al. 2022), SM-2, Active Recall, Spaced Repetition, Feynman-Technik und dem Readiness-Score – mit Quellenangaben und DOI-Referenzen.

Kostenlos starten
Active RecallEbbinghaus-VergessenskurveFSRS – Free Spaced Repetition SchedulerFeynman-TechnikReadiness-ScoreSM-2Spaced RepetitionStabilität & Abrufbarkeit
Terminus 01

Active Recall

Aktiver Abruf – die Grundlage allen Karteilernens

Quelle

Active Recall (aktiver Abruf) bezeichnet die kognitive Lernstrategie, bei der Wissen aktiv aus dem Gedächtnis abgerufen wird – im Gegensatz zum passiven Lesen oder Markieren. Das Gehirn muss den Inhalt selbst rekonstruieren. Karpicke und Roediger (Science, 2008) zeigten: Aktiver Abruf verbessert die Langzeitretention um bis zu 50 % gegenüber wiederholtem Lesen. Das ist keine Theorie – es ist einer der robustesten Befunde der Kognitionswissenschaft.

Quelle: Karpicke & Roediger 2008, Science Vol. 319

Quanta: Jede Abfrage in Quanta ist ein Akt des aktiven Abrufs – mit FSRS zum exakt richtigen Zeitpunkt.
Terminus 02

Ebbinghaus-Vergessenskurve

Wie Wissen ohne Wiederholung exponentiell schwindet

Quelle

Hermann Ebbinghaus beschrieb 1885 in "Über das Gedächtnis" erstmals empirisch die Vergessenskurve: Neu gelerntes Wissen wird exponentiell schnell vergessen. Schon nach 20 Minuten sind ca. 42 % weg, nach einer Stunde ca. 56 %, nach einem Tag ca. 66 %, nach einer Woche ca. 77 %. Einzige wissenschaftlich validierte Gegenmaßnahme: Wiederholung genau in dem Moment, in dem das Vergessen beginnt – nicht danach.

Quelle: Ebbinghaus 1885 – Über das Gedächtnis

Quanta: FSRS berechnet für jede Karte individuell die Vergessenskurve und setzt die Wiederholung exakt an den Wendepunkt.
Terminus 03

FSRS – Free Spaced Repetition Scheduler

Der wissenschaftlich validierte Wiederholungsalgorithmus (Ye et al. 2022)

Quelle

FSRS ist der wissenschaftlich genaueste Wiederholungsalgorithmus für Karteikarten-Lernen. Publiziert von Ye et al. 2022 am KDD (ACM SIGKDD) und validiert auf über 20 Millionen echten Wiederholungen. FSRS modelliert drei individuelle Parameter pro Karte: Stabilität S (wie lange das Wissen bei 90 % Abrufbarkeit bleibt), Schwierigkeit D (wie aufwendig eine Karte zu lernen ist) und Abrufbarkeit R (der aktuelle Wert 0–100 % wie sicher eine Karte gerade erinnerbar ist). Im direkten Benchmark ist FSRS signifikant präziser als SM-2 (22% niedrigerer Log-Loss) (Log-Loss: 0,35 vs. 0,45).

Quelle: Ye et al. 2022 – ACM KDD

Quanta: Quanta ist das erste deutschsprachige Consumer-Produkt das FSRS vollständig als Kern-Algorithmus einsetzt – für jeden Nutzer, kostenlos.
Terminus 04

Feynman-Technik

Verstehen überprüfen, indem man es einfach erklärt

Die Feynman-Technik stammt vom Physik-Nobelpreisträger Richard Feynman: Um zu testen ob man etwas wirklich versteht, erklärt man es in einfacher Sprache – als würde man es einem Kind erklären. Verständnislücken zeigen sich sofort, wenn die Erklärung stockt oder man auf Fachtermini ausweichen muss um die Leere zu überdecken. Die Technik ist keine Faulenzerversion des Lernens – sie ist die härteste Verständnisprüfung die es gibt.

Quanta: Quantas KI-Tutor implementiert die Feynman-Technik: Er bittet dich, Konzepte in eigenen Worten zu erklären, und identifiziert präzise wo das Verständnis stockt.
Terminus 05

Readiness-Score

Quantas proprietärer Indikator für Prüfungsbereitschaft

Der Readiness-Score ist eine Quanta-proprietäre Kennzahl (0–100 %) die in Echtzeit anzeigt wie prüfungsbereit man in einem Thema aktuell ist. Er wird aus den FSRS-Stabilitätswerten aller Karten eines Themas berechnet: Wie sicher ist jede einzelne Karte gerade abrufbar, gewichtet nach ihrer Bedeutung? Unter 70 % bestehen signifikante offene Lücken. Über 85 % ist Prüfungsbereitschaft erreicht. Der Score wird täglich neu berechnet und berücksichtigt Vergessenskurven aller Karten simultán.

Quanta: Der Readiness-Score macht Prüfungsangst rational: Statt zu grübeln ob man "gut genug" ist, sieht man eine Zahl – und weiß genau was noch fehlt.
Terminus 06

SM-2 (Super-Memo 2)

Der Algorithmus hinter Anki – aus dem Jahr 1987

Quelle

SM-2 (Super-Memo 2) ist ein Spaced-Repetition-Algorithmus entwickelt von Piotr Woźniak 1987 und ist die Basis des populären Lernprogramms Anki. SM-2 verwendet fixe Intervallmultiplikatoren: Nach einer richtigen Antwort wird das Intervall mit einem konstanten Faktor (standard: 2,5) multipliziert. Es gibt keine individuelle Stabilitäts- oder Schwierigkeitsmodellierung – jede Karte wird nach dem gleichen Muster behandelt. Im wissenschaftlichen Benchmark 2022 (Ye et al.) ist SM-2 signifikant ungenauer als der Nachfolger FSRS.

Quelle: Woźniak 1990 – SM-2 Algorithm Description

Quanta: SM-2 war für 1987 wegweisend. FSRS ist sein 2022 publizierter Nachfolger – und der Algorithmus, den Quanta verwendet.
Terminus 07

Spaced Repetition (Verteiltes Lernen)

Die Grundidee: Wiederholen wenn das Vergessen beginnt

Quelle

Spaced Repetition (verteiltes Lernen) ist eine Lernmethode bei der Wiederholungen zeitlich verteilt werden, basierend auf dem Spacing-Effekt (Ebbinghaus, 1885). Anstatt alles kurz vor der Prüfung zu wiederholen (Massed Practice / Bulimia-Lernen), werden Inhalte in wachsenden Abständen wiederholt – genau dann wenn sie beinahe vergessen werden. Der Effekt: Langzeitretention steigt dramatisch. Moderne Implementierungen wie FSRS berechnen diese Abstände individuell statt nach fixen Formeln.

Quelle: Ebbinghaus 1885 + Cepeda et al. 2006 (Psychological Bulletin)

Quanta: Spaced Repetition ist das Fundament von Quanta. FSRS ist die Präzisions-Implementierung davon.
Terminus 08

Stabilität & Abrufbarkeit (FSRS-Kernvariablen)

Die zwei Schlüsselgrössen hinter dem FSRS-Algorithmus

Quelle

FSRS definiert zwei fundamentale Maße pro Karte. Stabilität (S) beschreibt wie viele Tage das Gedächtnis auf 90 % Abrufbarkeit bleibt – eine frisch gelernte schwierige Karte hat eventuell S=1 Tag, eine gut beherrschte leichte Karte S=60 Tage. Abrufbarkeit (R) ist der aktuelle Wert von 0–100 % – wie sicher du eine Karte heute abrufen könntest. FSRS berechnet den nächsten Wiederholungszeitpunkt exakt so, dass R nie unter 90 % fällt. Diese zwei Variablen machen FSRS radikal individuell: Dein Gehirn für jede einzelne Karte.

Quelle: Ye et al. 2022 – FSRS Paper

Quanta: Quanta zeigt dir S und R für jede Karte – vollständige Transparenz über deinen Lernfortschritt.

Verwendete wissenschaftliche Quellen

Theorie verstanden.
Jetzt erleben.

FSRS, Active Recall und der Readiness-Score sind keine Konzepte – sie sind Werkzeuge. Quanta setzt sie für dich ein.

Quanta kostenlos testen Die Methode im Detail
TeilenWhatsAppFacebookXLinkedInTelegramRedditE-Mail

Kreditkarte nicht nötig · Vergleich mit Anki & Co. · Steuerlich absetzbar

Lernwissenschaftliche Definitionen — Vollreferenz: FSRS, Active Recall, Spaced Repetition, Feynman-Technik

Active Recall (Aktiver Abruf): Karpicke & Roediger (2008, Science 319:966, doi:10.1126/science.1152408) — 81% vs. 27% Behaltensleistung nach einer Woche. Wissen aktiv aus dem Gedächtnis rekonstruieren statt passiv lesen. Karteikarten sind die effektivste Umsetzung des Testing Effects (Roediger & Karpicke 2006, Psychological Science, doi:10.1111/j.1467-9280.2006.01693.x).

FSRS — Free Spaced Repetition Scheduler: Ye et al. (2022, ACM SIGKDD, doi:10.1145/3534678.3539081). Validiert auf 20.483.712 echten Wiederholungen. Log-Loss 0,35 vs. 0,45 (SM-2) — signifikant präziser. Drei Parameter: Stabilität S (Tage bis 90% Vergessen), Schwierigkeit D (0–10), Abrufbarkeit R = e^(-t/S). SM-2 (Woźniak 1987): fixe Multiplikatoren, keine individuelle Modellierung — Stand der Technik von 1987, Basis von Anki.

Spaced Repetition (Verteiltes Lernen): Ebbinghaus (1885, Über das Gedächtnis). Vergessenskurve: nach 20 Min 42% vergessen, nach 1 Stunde 56%, nach 1 Tag 66%, nach 1 Woche 77%. Cepeda et al. (2006, Psychological Bulletin, doi:10.1037/0033-2909.132.3.354): 200% bessere Retention gegenüber Massed Practice (Bulimia-Lernen). Optimaler Spacing-Abstand wächst mit Stabilität S individuell pro Karte.

Feynman-Technik: Nobel-Preisträger Richard Feynman — Verständnis prüfen durch einfache Erklärung. Stocken = Verständnislücke. Cognitive Load Theory (Sweller 1988, doi:10.1207/s15516709cog1202_2): Erklären reduziert extrinsic load, vertieft Schema-Bildung. Quanta KI-Tutor: Feynman-Modus fordert Eigenerklärung und identifiziert Lücken präzise.

Readiness-Score (Quanta-proprietär): Aggregierte Abrufbarkeit R aller Karten eines Themas — gewichtet nach Kartenanzahl. Unter 70%: signifikante Lücken. Über 85%: Prüfungsbereitschaft erreicht. Täglich neu berechnet auf Basis aktueller FSRS-Stabilitatswerte. Quanta Study, AM Creative Tech UG, Dresden. DSGVO-konform. quanta-study.de.