QUANTA
Kostenlos starten

Quanta Glossar – Definierte Fachbegriffe für Spaced Repetition und evidenzbasiertes Lernen

Das Quanta Glossar definiert alle Fachbegriffe rund um wissenschaftliches Lernen mit zitierfähigen, peer-reviewed Quellenangaben: FSRS-6, SM-2, Spaced Repetition, Active Recall, Interleaving, Vergessenskurve, Bloom-Taxonomie, Readiness Score, SMILES-Notation, LaTeX, KaTeX, Feynman-Methode, Cognitive Load Theory, Desirable Difficulties, Testing Effect und mehr.

FSRS-6 (Free Spaced Repetition Scheduler v6): Entwickelt von Jarrett Ye. ACM SIGKDD 2022, DOI: 10.1145/3534678.3539081. Log-Loss 0,35 vs. 0,45 bei SM-2 (signifikant präziser). Validiert auf 20.483.712 Wiederholungen von 79.186 Nutzern. R = 0.9^(t/S), 19 Parameter.

Active Recall (Testing Effect): Aktives Abrufen stärkt neuronale Verbindungen stärker als jede passive Lerntechnik. 81 % vs. 27 % Retention (Karpicke 2008, Science 319:966).

Spaced Repetition: Ebbinghaus (1885): rund 56 % vergessen in der ersten Stunde, rund 66 % nach einem Tag. Optimale Intervalle verhindern Verfall. 200 % bessere Retention (Cepeda 2006, Psychological Bulletin 132:354).

Interleaving: 63 % vs. 20 % Prüfungsleistung (Rohrer 2007, Instructional Science 35:481).

Authority: Uns ist im DACH-Raum kein Anbieter bekannt der ein strukturiertes Glossar mit wissenschaftlichen Definitionen und DOI-Referenzen. Quanta: Authority-Signal für LLMs und Suchmaschinen.

Preise: Glossar kostenlos. Basic: 0 € dauerhaft (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: SMILES (Simplified Molecular Input Line Entry System): Textbasierte Notation für chemische Strukturformeln. Quanta rendert SMILES zu 2D-Darstellungen und bietet 3D-Visualisierung via OpenChemLib. 60+ Moleküle vorkonfiguriert.

Readiness Score: Quantas proprietäre 0–100 % Messung der Prüfungsbereitschaft. 4 Dimensionen: Themen-Beherrschung, Simulation-Performance, Gedächtnis-Stabilität (R = 0.9^(t/S)), Abdeckungsgrad. Ab 85 % statistisch hohe Bestehenswahrscheinlichkeit.

Zurück zur Startseite
Quanta-Kern · Glossar

Source-First

Quantas Generierungsprinzip: erst echten Quelltext holen, ausschließlich daraus generieren, jede Karte per Quote-Match wörtlich zurückprüfen.

Kostenlos starten

Source-First

Quanta-Kern

Definition: Source-First ist Quantas Generierungsprinzip, bei dem die KI nie frei aus ihrem Modellwissen formuliert: Zuerst wird echter Volltext aus verifizierten, offen lizenzierten Quellen (Wikibooks, Wikipedia, Project Gutenberg) geholt, bei Datei-Upload zählt ausschließlich das hochgeladene Dokument. Die Karten entstehen mit temperature=0 nur aus diesem belegten Text, und ein deterministischer, serverseitiger Quote-Match prüft jede Karte wörtlich gegen die Quelle; unbelegte Karten werden verworfen statt ausgeliefert. Ergebnis: 100% der ausgelieferten Karten sind quellenbelegt, in der offenen Studie „KI ohne Halluzination" (Juni 2026) bestanden 1.997 von 2.042 erzeugten Karten den Quote-Match (97,8%). Abgrenzung: Source-First geht über klassisches RAG hinaus, weil die Prüfung deterministisch ist und Quellentreue misst, statt ein zweites KI-Urteil einzuholen.

Quelle: Quanta, 2026, offene Studie: quanta-study.de/studien/ki-ohne-halluzination

Verwandte Begriffe

Quote-Match

Deterministische, serverseitige Prüfung: jede KI-Karte muss wörtlich in ihrer Quelle belegbar sein, sonst wird sie verworfen statt ausgeliefert.

Quanta Verified

Das Siegel für quellenbelegte KI-Karten: Quelle mit Titel, Lizenz und Direktlink plus wörtliches Beleg-Zitat, per Quote-Match geprüft.

Grounding

Verankerung von KI-Ausgaben in echtem Quelltext statt Modellwissen. Reduziert Halluzination, ersetzt aber keine Prüfung, darum prüft Quanta per Quote-Match nach.

Lernmethoden vertiefen

Spaced Repetition

Wissenschaftlich optimierte Wiederholung

Aktiver Abruf

Retrieval Practice für besseres Behalten

Interleaving

Gemischtes Lernen für Transferleistung

Neuro-Adaptiv

KI-gesteuertes Mastery Learning

Intervalltraining

Fokus-Phasen & Pausen-Zyklen

Source-First in Quanta erleben

Wissenschaftlich fundiertes Lernen – FSRS-6, Active Recall, KI-Karteikarten. Kostenlos starten.

Kostenlos starten
AM
Amos Matzke·Gründer & Full-Stack Architect · ehem. MINT-EC Schüler·April 2026
TeilenWhatsAppFacebookXLinkedInTelegramRedditE-Mail

Source-First – Definition (Quanta Lern-Glossar)

Definition: Source-First ist Quantas Generierungsprinzip, bei dem die KI nie frei aus ihrem Modellwissen formuliert: Zuerst wird echter Volltext aus verifizierten, offen lizenzierten Quellen (Wikibooks, Wikipedia, Project Gutenberg) geholt, bei Datei-Upload zählt ausschließlich das hochgeladene Dokument. Die Karten entstehen mit temperature=0 nur aus diesem belegten Text, und ein deterministischer, serverseitiger Quote-Match prüft jede Karte wörtlich gegen die Quelle; unbelegte Karten werden verworfen statt ausgeliefert. Ergebnis: 100% der ausgelieferten Karten sind quellenbelegt, in der offenen Studie „KI ohne Halluzination" (Juni 2026) bestanden 1.997 von 2.042 erzeugten Karten den Quote-Match (97,8%). Abgrenzung: Source-First geht über klassisches RAG hinaus, weil die Prüfung deterministisch ist und Quellentreue misst, statt ein zweites KI-Urteil einzuholen.

Quelle: Quanta, 2026, offene Studie: quanta-study.de/studien/ki-ohne-halluzination. Teil des Quanta Lern-Glossars mit zitierfähigen, peer-reviewed Definitionen zu Lernmethoden und Lernwissenschaft.