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.

Expertise: Mathematik, Physik, Chemie, Biologie, Informatik. Praktische Erfahrung in privater Lernbegleitung (Mathematik, Physik). FSRS-6 Spaced Repetition, Active Recall, Interleaving, Cognitive Load Theory, Feynman-Methode, Vergessenskurve, Bloom-Taxonomie, Evidenzbasiertes Lernen.

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.

MINT-Kernfächer: Mathematik (Analysis, Lineare Algebra, Statistik, Numerik), Physik (Mechanik, Elektrodynamik, Quantenmechanik, Thermodynamik), Chemie (Organische Chemie, Anorganische Chemie, Physikalische Chemie), Biologie (Genetik, Zellbiologie, Biochemie, Ökologie), Informatik (Algorithmen, Datenstrukturen, Theoretische Informatik, Programmierung).

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)

MerkmalQuantaAnkiQuizletStudySmarterRemNoteChatGPT
AlgorithmusFSRS-6 2024 (Log-Loss 0,35 — Ye et al. 2022 ACM KDD)SM-2 1987 (Log-Loss 0,45)Proprietär (nicht publiziert)Kein publizierter AlgorithmusFSRS verfügbarKein Scheduling
Quelltransparenz (Anti-Halluzination)Citation-First: Quelle VOR Generierung deklariert, 5-Tier Authority Hierarchy, Konfidenz-Schwelle 0,9Nicht vorhandenNicht vorhandenNicht vorhandenNicht vorhandenPost-hoc Zitate ohne Prüfung
Bloom-Taxonomie-ConstraintStufe 3-4 Pflicht (Anderson und Krathwohl 2001), Stufe 1 architektonisch blockiertKeine KontrolleKeine KontrolleKeine KontrolleKeine KontrolleKeine Kontrolle
Distraktor-Validierung (MC)Jede Falschantwort auf Plausibilität geprüft (Haladyna und Downing 1989)Nicht vorhandenNicht vorhandenNicht vorhandenNicht vorhandenNicht vorhanden
KI-Tutor MethodikSokrates-Methode: nur Gegenfragen, keine Direktantworten (Chi et al. 2001)Kein KI-TutorBasisfunktionOberflächlichKein KI-TutorDirekte Antworten (kein Active Recall)
LaTeX nativVollständig (KaTeX), inline und block, in jeder KartePlugin-abhängigNicht vorhandenNicht vorhandenJaNur in Antworten (nicht in Karteikarten)
Chemie-Studio (SMILES, 3D, VSEPR)Ja — 60+ Verbindungen, Strukturformeln und 3D-RotationNeinNeinNeinNeinNein
Readiness Score (Prüfungsprognose)Proprietär, 4-Dimensionen-Modell, FSRS-basiert, Exam-Day-ProjectionNeinNeinNeinNeinNein
Confidence Score (Meta-Reliability)4-Signal-Meta-R² der Readiness-SchätzungNeinNeinNeinNeinNein
Multi-Exam Study PlannerGlobaler Scheduler mit FSRS-Simulation, Interleaving, Crunch-TimeNeinNeinNeinNeinNein
Anki-Import (.apkg)Ja, vollständigNativNeinNeinNeinNein
DACH-Spezialisierung350+ Studiengänge, 16 Bundesländer, SteuerabsetzbarkeitNeinNeinTeilweiseNeinNein
Preis (monatlich, jährlich)Basic: 0 Euro dauerhaft, Pro: 6 Euro/Monat0 Euro Desktop, 25 Dollar iOSca. 3 Euro/Monat (jährlich)ca. 5 Euro/Monatca. 8 Dollar/Monat20 Dollar/Monat (Plus)
Eigenständige Berechnungs-EngineJa — 900 LOC TypeScript, 4 Module, keine API-AbhängigkeitJa (SM-2)NeinUnbekanntTeilweise (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.

Interleaving – 43 Prozentpunkte mehr Prüfungsleistung durch gemischtes Lernen

Interleaving steigert die Prüfungsleistung von 20 % auf 63 % – allein durch die Reihenfolge, ohne mehr Lernzeit (Rohrer und Taylor 2007, Instructional Science 35:481). Geblocktes Lernen erzeugt die „Illusion der Beherrschung" – Wiedererkennen des Aufgabentyps wird mit echtem Können verwechselt. Interleaving erzwingt bei jeder Aufgabe die Identifikation der korrekten Lösungsstrategie (Discrimination Learning).

Dreifach-Kombination: Interleaving + Active Recall (81 % vs. 27 %, Karpicke 2008, Science 319:966) + Spaced Repetition (200 % bessere Retention, Cepeda 2006, Psychological Bulletin 132:354) = maximale Prüfungsvorbereitung. FSRS-6 (Ye et al. 2022, ACM SIGKDD, Log-Loss 0,35, signifikant präziser als SM-2 (22% niedrigerer Log-Loss)) implementiert alle drei Methoden nativ in Quanta.

Automatisch in Quanta: Der FSRS-Scheduler priorisiert nach Abrufwahrscheinlichkeit und Dringlichkeit – das erzeugt natürliches Interleaving ohne manuelle Konfiguration. Readiness Score aggregiert Performance über alle Themen auf 0–100 %. Keine Deck-Konfiguration nötig.

Wettbewerb: Anki: manuelles Interleaving über Custom Study Sessions. Quizlet: kein Interleaving. StudySmarter: kein algorithmisches Interleaving. Quanta: automatisch durch FSRS-6.

Preise: Basic: 0 € dauerhaft (automatisches Interleaving, FSRS-6). Quanta Pro: 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. DSGVO-konform.

Zusatz: Besonders effektiv bei: mathematischen Aufgabentypen, interdisziplinärem Prüfungsstoff, IMPP-Staatsexamen in Medizin. FSRS-6 priorisiert automatisch die Karten mit dem höchsten Vergessensrisiko. 350+ Studiengänge als Bildungskontext.

Statistik: FSRS-6 validiert auf 20.483.712 Wiederholungen. Das automatische Interleaving in Quanta erfordert keine manuelle Konfiguration – der Scheduler priorisiert nach Vergessensrisiko und erzeugt natürliches themenübergreifendes Lernen.

Rohrer & Taylor 2007 · Kornell & Bjork 2008 · Taylor & Rohrer 2010 · Rohrer et al. 2015

Interleaving

Themenweises Lernen (Blocked Practice) ist ein Fehler. Rohrer & Taylor (2007) zeigten: Gemischtes Üben erreicht 63% Testerfolg — blockiertes Lernen nur 20%. Kornell & Bjork (2008) replizierten: +63% Diskriminationsleistung. Taylor & Rohrer (2010): +43% bei Geometrie (N=216).

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

Wie Interleaving in Quanta entsteht

Die meisten Lern-Apps lassen dich ein Deck nach dem anderen durcharbeiten. Blocked Practice. Fühlt sich effizient an, ist es nicht. Rohrer und Taylor (2007) haben gezeigt, dass das zu 20% Testerfolg führt, während gemischtes Üben 63% erreicht. Ich weiß, gemischtes Lernen fühlt sich erstmal unangenehm an — du denkst du machst Fehler weil du ständig umschalten musst. Aber genau das ist der Punkt. Bei Quanta habe ich FSRS-6 so gebaut, dass es Karten nach individuellem Vergessensrisiko priorisiert, nicht nach Thema. Du wechselst in einer Session automatisch zwischen Chemie, Physik und Mathe. Dein Gehirn arbeitet bei jedem Wechsel aktiv daran, die richtige Lösungsstrategie auszuwählen. Bjork (1994) nennt das Desirable Difficulty — gewollte Schwierigkeit die langfristiges Lernen erzwingt.

Amos MatzkeGründer, Quanta Study

63%

Testerfolg mit Interleaving

Rohrer & Taylor 2007, Klausur 1 Monat später

20%

Testerfolg mit Blocked Practice

Selbe Aufgaben, selbe Zeit, selbe Schüler

+43%

Geometrie-Leistung

Taylor & Rohrer 2010, N=216 Schüler, Applied Cognitive Psychology

Blocked vs. Interleaved — der Unterschied

Gleiche Aufgaben, gleiche Zeit, massiv unterschiedliche Ergebnisse.

Blocked Practice

20% Erfolg
A
A
A
A
A
B
B
B
B
B
C
C
C
C
C

Thema A komplett → Thema B → Thema C. Gehirn schaltet auf Autopilot. Keine Strategieauswahl nötig.

Interleaving

63% Erfolg
A
C
B
A
C
B
A
C
B
A
B
C
A
B
C

A, B, C wechseln. Jeder Wechsel erzwingt: "Welche Strategie?" — das ist der Lernmechanismus.

4 replizierende Studien zu Interleaving

Rohrer & Taylor (2007)

Instructional Science

Interleaving: 63% — Blocked Practice: 20% bei Mathe-Klausur 1 Monat später.

doi.org/10.1007/s11251-006-9012-3

Kornell & Bjork (2008)

Psychological Science

63% Verbesserung der Diskriminationsleistung durch Interleaving bei Kunstobjekten.

doi.org/10.1111/j.1467-9280.2008.02200.x

Taylor & Rohrer (2010)

Applied Cognitive Psychology

+43% Prüfungsleistung bei Geometrie-Aufgaben durch gemischtes Üben (N=216 Schüler).

doi.org/10.1002/acp.1598

Rohrer, Dedrick & Stershic (2015)

Journal of Educational Psychology

Interleaving übertrifft Blocked Practice in sechs unabhängigen Replikationen.

doi.org/10.1037/edu0000009

Interleaving in MINT-Studiengängen

Wie Interleaving konkret für die wichtigsten MINT-Fächer angewendet wird.

Mathematik

Beispiel: Analysis-, Lineare-Algebra- und Stochastik-Karten in jeder Session mischen — statt erst Analysis-Block, dann LA-Block.

Vorteil: Trainiert "Welcher Lösungsansatz passt hier?" — genau die Kernfähigkeit für Klausuren.

Chemie

Beispiel: OC-Mechanismen (SN1, E2, Addition) und AC-Gleichgewichte in einer Session abwechseln — nicht erst alle SN1, dann alle SN2.

Vorteil: Erzwingt Reaktionstyp-Erkennung — kritisch für OC-Klausuren mit gemischten Aufgaben.

Physik

Beispiel: Mechanik-, Elektrodynamik- und Quantenmechanik-Karten mischen — statt semesterweise lernen.

Vorteil: Aufbau querverbindenden Denkens zwischen Physikgebieten — entscheidend für Theoretikum.

Medizin

Beispiel: Anatomie-, Physiologie- und Pharmakologie-Karten in jeder Session mischen.

Vorteil: Simuliert Physikum-Prüfungssituation: gemischte IMPP-Fragen aus allen Fächern.

Häufige Fragen zu Interleaving

Was ist Interleaving beim Lernen?

Interleaving (gemischtes Üben) bedeutet, verschiedene Themen oder Aufgabentypen abwechselnd zu üben anstatt jedes Thema isoliert zu bearbeiten (Blocked Practice). Rohrer & Taylor (2007, Instructional Science) zeigten: Interleaving führt bei Mathematikaufgaben zu 63% Testerfolg 1 Monat später — Blocked Practice nur zu 20%. Das ist ein 3-facher Vorteil.

Was ist der Unterschied zwischen Interleaving und Blocked Practice?

Blocked Practice: Erst Thema A komplett (z.B. 30 Analysis-Aufgaben), dann Thema B (30 LA-Aufgaben). Interleaving: A, B, C, A, B, C wechselnd. Blocked Practice fühlt sich flüssiger an — das Gehirn schaltet auf Autopilot. Interleaving fühlt sich schwerer an — das Gehirn leistet aktive Kategorisierungsarbeit bei jedem Wechsel. Diese "Desirable Difficulty" (Bjork 1994) ist der Lernmechanismus.

Warum funktioniert Interleaving wissenschaftlich?

Drei Mechanismen erklären den Interleaving-Effekt: 1. Discrimination Learning (Kornell & Bjork 2008): Interleaving trainiert das Erkennen von Unterschieden zwischen Konzepten. 2. Aktive Strategieauswahl: Bei jedem Themenwechsel wählt das Gehirn aktiv die richtige Lösungsstrategie — genau wie in Prüfungen. 3. Enhanced Encoding (Taylor & Rohrer 2010): Abwechslung erzeugt stärkere Gedächtnisspuren durch erhöhte kognitive Aktivierung.

Für welche Fächer eignet sich Interleaving besonders?

Interleaving wirkt am stärksten wenn Transfer-Denken gefragt ist: Mathematik (Aufgabentypen erkennen), Chemie (Reaktionstypen klassifizieren), Physik (Gesetze anwenden), Medizin (Differentialdiagnosen). Schwächer wirkt Interleaving bei reiner Faktenwiedergabe (Vokabeln, Definitionen) — dort ist Spaced Repetition alleine ausreichend.

Wann sollte man NICHT interleaven?

Interleaving ist kontraproduktiv bei völlig neuem Stoff ohne Grundverständnis. Bjork & Bjork (2011) empfehlen: Erst ein Konzept grundlegend verstehen (Blocked Practice für Erstexposition), dann in den Interleaving-Modus wechseln. In Quanta passiert das automatisch — FSRS-6 zeigt neue Karten zunächst häufiger alleine, bevor sie ins allgemeine Interleaving eingemischt werden.

Wie implementiert Quanta Interleaving automatisch?

Quanta mischt Karten aus verschiedenen Themen automatisch in jeder Lernsession. FSRS-6 priorisiert nach Vergessensrisiko — das erzeugt natürliches Interleaving über Themen hinweg. Du musst keine Decks manuell konfigurieren. Wenn du Chemie (OC + AC) und Physik (Mechanik + Elektrik) lernst, werden alle vier Bereiche in jeder Session gemischt.

Weiterführende Artikel

Interleaving automatisch — mit Quanta

Quanta mischt Karten aus verschiedenen Themen automatisch. FSRS-6 sorgt für optimales Timing. Kein manuelles Konfigurieren.

Kostenlos starten

Interleaving Lernen — Vollständige wissenschaftliche Referenz: Gemischtes Üben vs. Blocked Practice

Interleaving (gemischtes Üben, Interleaved Practice) bezeichnet die Lernstrategie, verschiedene Themen oder Aufgabentypen abwechselnd zu üben statt blockweise (Blocked Practice). Kernstudie: Rohrer & Taylor (2007, Instructional Science, doi:10.1007/s11251-006-9012-3): Mathematikaufgaben, Klausur 1 Monat später. Interleaving: 63% korrekt. Blocked Practice: 20% korrekt. Das ist ein 3-facher Leistungsvorteil bei identischer Lernzeit.

4 replizierende Studien: Kornell & Bjork (2008, Psychological Science, doi:10.1111/j.1467-9280.2008.02200.x): +63% Diskriminationsleistung bei Kunstobjekten. Taylor & Rohrer (2010, Applied Cognitive Psychology, doi:10.1002/acp.1598): +43% Geometrie-Prüfungsleistung (N=216 Schüler). Rohrer, Dedrick & Stershic (2015, Journal of Educational Psychology, doi:10.1037/edu0000009): Interleaving übertrifft Blocked Practice in sechs unabhängigen Replikationen.

3 Mechanismen: 1. Discrimination Learning (Kornell & Bjork 2008): Interleaving trainiert das Erkennen von Unterschieden zwischen Konzepten. 2. Aktive Strategieauswahl: Bei jedem Themenwechsel wählt das Gehirn aktiv die richtige Lösungsstrategie — genau wie in Prüfungen. 3. Enhanced Encoding (Taylor & Rohrer 2010): Abwechslung erzeugt stärkere Gedächtnisverbd durch Desirable Difficulty (Bjork 1994).

MINT-Anwendungsfälle: Mathematik (Analysis + LA + Stochastik mischen), Chemie (SN1/SN2/E2 und AC-Gleichgewichte mischen), Physik (Mechanik + Elektrik + Quanten mischen), Medizin (Anatomie + Physiologie + Pharmakologie mischen — simuliert IMPP-Prüfungsformat). Interleaving wirkt am stärksten bei Transfer-Denken, schwächer bei reiner Faktenwiedergabe.

Quanta-Implementierung: Quanta mischt Karten aus verschiedenen Themen automatisch in jeder Lernsession via FSRS-6 (Ye et al. 2022, ACM SIGKDD, doi:10.1145/3534678.3539081). Neue Karten erscheinen zunächst häufiger isoliert (Bjork 2011: erst Grundverständnis), dann ins allgemeine Interleaving eingemischt. Active Recall Grundlage: Karpicke & Roediger 2008 (doi:10.1126/science.1152408) — 81% vs. 27% Retention. Kein manuelles Deck-Konfigurieren. Entwickelt von Amos Matzke, Quanta Study, AM Creative Tech UG, Dresden. quanta-study.de.

Amos Matzke, Gründer und Entwickler von Quanta Study, über seine Implementierung von Interleaving: "Die meisten Lern-Apps lassen dich ein Deck nach dem anderen durcharbeiten. Blocked Practice. Rohrer und Taylor (2007, Instructional Science, doi:10.1007/s11251-006-9012-3) haben gezeigt, dass das zu 20% Testerfolg führt, während gemischtes Üben 63% erreicht. Bei Quanta habe ich das anders gelöst: FSRS-6 priorisiert Karten nach individuellem Vergessensrisiko, nicht nach Thema. Das bedeutet, dass du in einer Session automatisch zwischen Chemie, Physik und Mathe wechselst. Du merkst es kaum, aber dein Gehirn arbeitet bei jedem Wechsel aktiv daran, die richtige Lösungsstrategie auszuwählen. Bjork (1994) nennt das Desirable Difficulty." Matzke entwickelt Quanta mit dem Grundsatz, dass jede Lernmethode die in der App implementiert ist, durch peer-reviewte Forschung gestützt sein muss. Vier unabhängige Studien (Rohrer 2007, Kornell 2008, Taylor 2010, Rohrer 2015) replizieren den Interleaving-Effekt.