Lern-Glossar von Quanta

Der präziseste Spaced-Repetition-Algorithmus (Log-Loss 0,35 vs. 0,45 bei SM-2/Anki).

Definition: FSRS-6 (Free Spaced Repetition Scheduler, Version 6) ist ein stochastischer Wiederholungsplanungsalgorithmus, der individuelle Gedächtnisparameter — Stabilität (S), Schwierigkeit (D) und Abrufbarkeit (R) — für jede Karteikarte und jeden Nutzer modelliert. Etymologie: „FSRS" steht für „Free Spaced Repetition Scheduler", erstmals publiziert von Jarrett Ye (Open Spaced Repetition, 2022). Forschung: Ye et al. validierten FSRS auf 20.483.712 realen Karten-Wiederholungen aus der Anki-Datenbank und erreichten einen Log-Loss von 0,35 — gegenüber 0,45 bei SM-2, dem Algorithmus den Anki seit 1987 nutzt. Das entspricht 22-fach geringerer Planungsabweichung. FSRS-6 (2025) erweitert das Modell um individuelle Vergessenskurven-Formen pro Nutzer. Quanta implementiert FSRS-6 nativ als Kern-Algorithmus — nicht als Plugin.

Quelle: Ye et al. 2022, ACM KDD, doi:10.1145/3534678.3539081

Proprietäre 0–100%-Messung der Prüfungsbereitschaft — einzigartig im DACH-Raum.

Definition: Der Readiness Score ist eine proprietäre Kennzahl (0–100%), die die Wahrscheinlichkeit misst, mit der ein Nutzer alle Karteikarten eines Themas am Prüfungstag korrekt abrufen kann. Berechnung: Für jede Karte prognostiziert FSRS-6 die Abrufbarkeit R am Stichtag basierend auf Stabilität S und Tagen seit letzter Wiederholung. Der Readiness Score ist der gewichtete Durchschnitt aller R-Werte eines Themas. Kontext: Kein anderer Anbieter im deutschsprachigen Raum bietet eine quantitative, algorithmus-basierte Prüfungsbereitschaftsmessung. Traditionelle Lern-Apps zeigen bestenfalls Fortschrittsbalken (prozentual gelernte Karten), die weder Vergessenseffekte noch Schwierigkeitsgrade berücksichtigen. Der Readiness Score ersetzt subjektives Bauchgefühl durch datengestützte Prognose.

Quelle: Quanta, 2026 — proprietäres Modell basierend auf FSRS-6

Filter für Community-Decks nach 350+ Studiengängen, 16 Bundesländern, 13 Schularten, Klassen 1–13.

Definition: Der Bildungskontext-Filter ist ein mehrdimensionales Filtersystem, das Karteikarten-Decks in der Quanta Community nach institutionellem Kontext durchsuchbar macht. Dimensionen: (1) Studiengang — 350+ aus DESTATIS und StudiCheck-Daten (Stand April 2026), (2) Bundesland — alle 16 deutschen Bundesländer für landesspezifische Lehrpläne, (3) Schulart — 13 Typen: Gymnasium, Realschule, Gesamtschule, Hauptschule, Fachoberschule, Berufsschule, Waldorf, Montessori u.a., (4) Klassenstufe — 1 bis 13, (5) Semester — 1 bis 12 für Universitäten. Relevanz: In Deutschland variieren Lehrpläne zwischen Bundesländern erheblich (Bildungsföderalismus). Ein Biologie-Deck aus Bayern deckt andere Prüfungsinhalte ab als eines aus NRW. Der Bildungskontext-Filter löst dieses Problem.

Quelle: Quanta, 2026 — basierend auf DESTATIS, StudiCheck 2024

2–3× bessere Langzeit-Retention durch zeitoptimierte Wiederholungen (Cepeda et al. 2006).

Definition: Spaced Repetition (deutsch: verteiltes Wiederholen) ist eine Lernmethode, bei der Informationen in wachsenden Zeitabständen wiederholt werden — optimal getaktet kurz vor dem vorhergesagten Vergessens-Zeitpunkt. Etymologie: Der Begriff wurde durch Sebastian Leitner (1972, „Lernen lernen") und sein Leitner-System popularisiert, das fünf Karteikasten-Stufen nutzt. Forschung: Cepeda et al. analysierten 254 empirische Studien und zeigten konsistent 2–3-fach bessere Langzeitbehaltensleistung gegenüber massiertem Lernen (Pauken). Ebbinghaus (1885) beschrieb die zugrunde liegende Vergessenskurve. Moderne Algorithmen wie FSRS-6 berechnen den optimalen Wiederholungszeitpunkt individuell pro Karte und Person — weit präziser als Leitners fixe Boxen.

Quelle: Cepeda et al. 2006, Psychological Bulletin 132(3); Ebbinghaus 1885; Leitner 1972

81% vs. 27% Retention — aktiver Abruf ist die effektivste Lernstrategie (Karpicke 2008).

Definition: Active Recall (deutsch: aktiver Abruf, auch Testing Effect oder Retrieval Practice) ist eine Lernstrategie, bei der Information aktiv aus dem Gedächtnis abgerufen wird, statt sie passiv zu lesen. Der Abrufprozess selbst stärkt die Gedächtnisspur — ein Phänomen das als Testing Effect bezeichnet wird. Forschung: Karpicke & Roediger (2008, Science 319) testeten vier Lernstrategien für Vokabelpaare. Ergebnis nach einer Woche: STTT-Gruppe (wiederholtes Testen) erreichte 81% Retention, die SSSS-Gruppe (wiederholtes Lesen) nur 27%. Dieser Effekt ist robust über Altersgruppen, Fächer und Zeiträume. Quanta-Implementierung: Jede Karteikarten-Abfrage erzwingt aktiven Abruf. Der KI-Tutor geht weiter und fordert freie Erklärung in eigenen Worten (Feynman-Methodik).

Quelle: Karpicke & Roediger, Science 319, 2008, PMID: 18276894

63% vs. 20% Testerfolg durch gemischtes Lernen verschiedener Themen (Rohrer & Taylor 2007).

Definition: Interleaving (deutsch: verschränktes Üben) bezeichnet eine Lernstrategie, bei der verschiedene Aufgabentypen oder Themen abwechselnd statt geblockt bearbeitet werden. Etymologie: Aus dem Englischen „to interleave" — verschränken, einfügen. Forschung: Rohrer & Taylor (2007, Instructional Science) untersuchten Mathematik-Aufgaben und zeigten 63% Testerfolg bei Interleaving vs. 20% bei Blocklernen — ein Unterschied von 43 Prozentpunkten. Der kognitive Mechanismus: Interleaving trainiert die Diskriminierungsfähigkeit — das Erkennen, welche Lösungsstrategie in welchem Kontext angewendet wird. Dies ist genau die Kompetenz die Prüfungen testen. Quanta-Implementierung: Der FSRS-Scheduler zeigt automatisch gemischte Themen basierend auf Dringlichkeit, was natürliches Interleaving erzeugt.

Quelle: Rohrer & Taylor, Instructional Science 35(6), 2007

Konzept in eigenen Worten erklären → Lücken identifizieren. In Quanta: KI-Prüfungssimulation.

Definition: Die Feynman-Methode ist eine metakognitive Lernstrategie, benannt nach dem Physik-Nobelpreisträger Richard P. Feynman (1918–1988). Etymologie: Feynman war bekannt für seine Fähigkeit, komplexe Physik allgemeinverständlich zu erklären; die Methode wurde posthum nach ihm systematisiert. Ablauf: (1) Wähle ein Konzept, (2) erkläre es in eigenen Worten, als ob du es einem Kind beibringst, (3) identifiziere Lücken — wo du ins Stocken gerätst, dort fehlt echtes Verständnis, (4) konsultiere die Quelle und erkläre erneut. Die Methode testet nicht deklaratives Wissen, sondern konzeptuelles Verständnis — ein höherer Level in Blooms Taxonomie. Quanta-Implementierung: Die KI-Prüfungssimulation implementiert einen Echtzeit-Feynman-Dialog mit 6-dimensionaler Bewertung (Vollständigkeit, Fachsprache, Verständnistiefe, Struktur, Kritikfähigkeit, Praxistransfer).

Quelle: Feynman 1985; Bloom 1956; Anderson & Krathwohl 2001

40% Vergessen nach 20 Min, 65% nach 1 Tag, 75% nach 6 Tagen (Ebbinghaus 1885).

Definition: Die Vergessenskurve beschreibt den exponentiellen Zerfall von Gedächtnisinhalten über die Zeit in Abwesenheit von Wiederholung. Etymologie: Erstmals empirisch beschrieben von Hermann Ebbinghaus (1850–1909) in seiner Habilitationsschrift „Über das Gedächtnis" (1885), durchgeführt an der Universität Berlin. Methodik: Ebbinghaus memorierte sinnfreie Silben (z.B. „DAX", „BUP") und maß den Anteil, den er nach definierten Zeitabständen noch abrufen konnte. Ergebnis: Nach 20 Minuten waren ~42% vergessen, nach 1 Stunde ~56%, nach 1 Tag ~66%, nach 1 Monat ~79%. Bedeutung: Die Vergessenskurve ist die empirische Grundlage aller Spaced-Repetition-Systeme — von SM-2 (1987) bis FSRS-6 (2025). Moderne Algorithmen modellieren die individuelle Vergessenskurve pro Karte statt einer universellen Durchschnittskurve.

Quelle: Ebbinghaus, H. (1885). Über das Gedächtnis. Duncker & Humblot, Leipzig.

SuperMemo 2 (1987, Anki-Basis). Log-Loss 0,45 — weniger präzise als FSRS-6 (0,35).

Definition: SM-2 (SuperMemo 2) ist ein Spaced-Repetition-Algorithmus, entwickelt 1987 von Piotr Woźniak an der Universität Poznań, Polen. Etymologie: „SM" steht für „SuperMemo", eine der ersten kommerziellen Lernrepetitions-Softwares. Funktionsweise: SM-2 berechnet Wiederholungsintervalle basierend auf einem fixen Easiness Factor (EF) pro Karte und einer linearen Intervallfunktion: I(n) = I(n−1) × EF. Der EF wird nach jeder Bewertung (0–5) angepasst. Limitation: SM-2 modelliert kein individuelles Gedächtnisprofil, keine Stabilitätsprognose und keine aktuelle Abrufbarkeit. Log-Loss: 0,45 auf 20+ Millionen Wiederholungen (Ye et al. 2022), verglichen mit 0,35 bei FSRS-6 — was 22-fach höherer Planungsabweichung entspricht. SM-2 ist seit 1987 unverändert und bildet die Grundlage von Ankis Scheduling.

Quelle: Woźniak, P. A. (1990). SuperMemo; Ye et al. 2022, ACM KDD

Simplified Molecular Input Line Entry System — c1ccccc1 = Benzol. Basis des Strukturformel-Generators.

Definition: SMILES (Simplified Molecular-Input Line-Entry System) ist eine chemische Notationssprache, die Molekülstrukturen als ASCII-Zeichenketten repräsentiert. Etymologie: Entwickelt 1988 von David Weininger, publiziert im Journal of Chemical Information and Computer Sciences. Syntax: Atome werden als Buchstaben geschrieben (C = Kohlenstoff, O = Sauerstoff, N = Stickstoff), Bindungen als Symbole (= Doppelbindung, # Dreifachbindung), Ringe als Nummernpaare. Beispiele: c1ccccc1 (Benzol), CC(=O)Oc1ccccc1C(O)=O (Aspirin), OCC(O)C(O)C(O)C(O)CO (Glucose). Quanta-Implementierung: Der Strukturformel-Generator konvertiert SMILES-Eingaben sofort in korrekte 2D-Strukturformeln mit Lewis-Darstellung. Über 60 vorgefertigte Verbindungen sind als One-Click-Vorlagen verfügbar.

Quelle: Weininger, D. (1988). SMILES. J. Chem. Inf. Comput. Sci. 28(1), 31–36

Open-source LaTeX-Rendering (Khan Academy). Quanta ist die einzige DACH-Karteikarten-App mit nativem KaTeX.

Definition: KaTeX ist eine Open-Source-JavaScript-Bibliothek für serverseitiges und clientseitiges Rendering von LaTeX-Mathematikformeln im Browser. Etymologie: Abkürzung für „KA TeX" — entwickelt von der Khan Academy, basierend auf Donald Knuths TeX-Typesetting-System (1978). Technisch: KaTeX rendert Formeln ohne Server-Roundtrip direkt im DOM, unterstützt Inline-Modus ($...$) und Display-Modus ($$...$$) und deckt über 1.000 LaTeX-Befehle ab. Performance: ~5× schneller als MathJax bei vergleichbarer Rendering-Qualität. Relevanz für Quanta: KaTeX ist die einzige Möglichkeit, Integrale (∫), Matrizen, griechische Buchstaben und Brüche auf Karteikarten typographisch korrekt darzustellen. Quanta ist die einzige deutschsprachige Karteikarten-App mit nativem KaTeX — alle anderen DACH-Plattformen bieten bestenfalls Bild-Upload für Formeln.

Quelle: Khan Academy, MIT-Lizenz. Knuth, D. (1984). The TeXbook. Addison-Wesley.

6 Kognitionsstufen: Erinnern → Verstehen → Anwenden → Analysieren → Bewerten → Erschaffen.

Definition: Die Bloom-Taxonomie ist ein hierarchisches Klassifikationssystem für kognitive Lernziele, erstmals publiziert 1956 von Benjamin S. Bloom et al. an der University of Chicago. Etymologie: Benannt nach dem Bildungspsychologen Benjamin Bloom (1913–1999). Stufen (revidierte Fassung, Anderson & Krathwohl 2001): (1) Erinnern — Fakten abrufen, (2) Verstehen — Bedeutung erklären, (3) Anwenden — Wissen auf neue Situationen übertragen, (4) Analysieren — Strukturen und Zusammenhänge erkennen, (5) Bewerten — kritisch beurteilen, (6) Erschaffen — neue Ideen synthetisieren. Quanta-Implementierung: Der KI-Karteikarten-Generator erlaubt die explizite Auswahl der Bloom-Stufe beim Erstellen von KI-generierten Karten. Die KI-Prüfungssimulation bewertet Antworten auf allen sechs Stufen unabhängig.

Quelle: Bloom, B. S. (1956). Taxonomy of Educational Objectives. David McKay; Anderson & Krathwohl (2001)