Prüfungsfrage
Wie verändern sich Massenzahl und Protonenanzahl beim Alpha-Zerfall?
Wie sicher war deine Antwort?
Erstelle Karten manuell, per KI-Generator, aus PDF oder Foto, per Spracheingabe, via Import oder aus einem geteilten Community-Deck.
6 Methoden · KI + LaTeX · FSRS-6
Starter kostenlos · ein KI-Lauf inklusive
Physik · Radioaktivität
Karteikarte
Prüfungsfrage
Wie verändern sich Massenzahl und Protonenanzahl beim Alpha-Zerfall?
Wie sicher war deine Antwort?
„Der größte Vor[t]eil […] ist, dass die KI jede Karte mit Hilfe seriöser Quellen erstellt und diese Quellen auch als Link anzeigt, sodass man dort selber nachlesen kann."Vorderseite und Rückseite eingeben. LaTeX-Formeln werden nativ gerendert, kein Plugin nötig. Bilder, Markdown und mathematische Ausdrücke funktionieren sofort.
Thema eingeben, Anzahl und ab Essential auf Wunsch eines von drei Niveaus über den Bloom-Stufen 1 bis 6 wählen. Die KI erstellt daraus ein Thema; die Dauer hängt von Umfang und Auslastung ab. Profil- und Promptangaben helfen bei der Niveau-Anpassung.
PDF, Foto oder Screenshot hochladen. Quanta erstellt dokumentbezogene Karteikarten und ordnet Belegzitate zu, wo der Text extrahierbar ist. Karten ohne bestätigten Quote-Match erhalten kein Verified-Siegel; Duplikate werden innerhalb des verfügbaren Kontexts reduziert.
Karteikarten sprechen statt tippen. Quanta konvertiert gesprochene Formeln in LaTeX, "a quadrat" wird zu $a^2$. Die Aufnahme wird zuerst transkribiert, und zwar über den Standard-Endpunkt des europäischen KI-Anbieters (Mistral, Paris), für den er keinen bestimmten Verarbeitungsort zusagt. Die anschließende Formelumwandlung ist eine Textfunktion und läuft über den EU-Endpunkt des Anbieters.
Bestehende Text-Karteikarten aus Anki-Decks (.apkg), CSV- oder TSV-Dateien übernehmen. Medien und alte Scheduling-Historie werden nicht übertragen; FSRS berechnet Termine nach deiner ersten neuen Bewertung.
Von der Community öffentlich geteilte Decks durchsuchen und mit einem Klick in dein Profil übernehmen. Nach dem Import kannst du direkt mit dem Lernen beginnen.
Kontrollen und Kennzeichnungen, die du selbst nachvollziehen kannst.
Ab Essential wählst du eines von drei Niveaus über den Stufen nach Anderson und Krathwohl (2001); ohne eigene Wahl gibt Quanta Stückzahlen je Niveau vor, alle drei vertreten.
Im Standardpfad arbeitet Quanta mit Quelltext. Nur Karten mit bestätigtem Quote-Match erhalten das Verified-Siegel; ohne passende Quelle entstehen keine Karteikarten.
Vorhandene Profilangaben können den Prompt ergänzen. Fehlen sie, orientiert sich die Generierung an den Angaben in deiner Eingabe.
Der Generierungs-Prompt verlangt eine Plausibilitätsprüfung der Multiple-Choice-Falschantworten. Haladyna und Downing (1989) liefern die methodische Einordnung; eine fehlerfreie Ausgabe ist damit nicht garantiert.
Karpicke und Roediger (2008, Science 319:966 bis 968, doi:10.1126/science.1152408) untersuchten Retrieval Practice in einer kontrollierten Studie. Quanta nutzt das Frage-Antwort-Format für aktiven Abruf; die Studie ist eine methodische Grundlage, kein Wirksamkeitsnachweis für Quanta.
Quanta verwendet FSRS-6 (Free Spaced Repetition Scheduler, Version 6). Im offenen Vergleich der open-spaced-repetition-Gemeinschaft erreicht FSRS-6 einen Log-Loss von 0,3460 auf 349.923.850 Wiederholungen aus 9.999 Sammlungen (abgerufen am 5. September 2026); Log-Loss misst den Vorhersagefehler, kleiner ist besser, und eine Zeile für SM-2 führt diese Tabelle nicht. Die begutachtete Arbeit dahinter, Ye et al. 2022, berichtet 220 Millionen Verhaltensprotokolle und eine Verbesserung von 12,6 % gegenüber dem Stand der Technik. Beides sind Ergebnisse dieser Datensätze und keine pauschale Produktwirkung. Anki unterstützt heute ebenfalls FSRS; Quanta integriert den Scheduler ohne separates Setup. Neue Karten erhalten ihren nächsten FSRS-Termin nach der ersten Nutzerbewertung.
Distraktor-Prüfung: Der Quanta-Prompt verlangt vor der Ausgabe eine Plausibilitätsprüfung von Multiple-Choice-Falschantworten. Grundlage: Haladyna, T. M. und Downing, S. M. (1989), Applied Measurement in Education 2(1), 37 bis 50, doi:10.1207/s15324818ame0201_3. Die Prompt-Regel ist keine Garantie für fehlerfreie Distraktoren.
Der Quanta KI-Tutor stellt kontextbezogene Rückfragen und kann anschließend Feedback sowie eine Modellantwort geben. Die separate KI-Erklärung pro Karte liefert bei Bedarf eine direkte, kontextbezogene Erläuterung. Chi, M.T.H. et al. (2001), Learning from human tutoring, Cognitive Science 25(4), 471 bis 533, doi:10.1207/s15516709cog2504_1, untersucht menschliches Tutoring und dient hier als didaktischer Bezug, nicht als Produktwirksamkeitsnachweis.
Methodische Bezüge: Karpicke und Roediger (2008) berichten nach einer Woche rund 80 % erinnerte Vokabelpaare in den beiden Bedingungen mit wiederholtem Abruf und 36 % und 33 % in den beiden Bedingungen, in denen die Paare nach dem ersten Treffer aus dem Test genommen wurden; die Werte gelten für diese Versuchsanordnung und sind kein allgemeines Wirkversprechen für jede Lernsituation oder für Quanta. Im offenen Vergleich der open-spaced-repetition-Gemeinschaft erreicht FSRS-6 einen Log-Loss von 0,3460 auf 349.923.850 Wiederholungen aus 9.999 Sammlungen (abgerufen am 5. September 2026); Log-Loss misst den Vorhersagefehler, kleiner ist besser, und eine Zeile für SM-2 führt diese Tabelle nicht. Die begutachtete Arbeit dahinter, Ye et al. 2022, berichtet 220 Millionen Verhaltensprotokolle und eine Verbesserung von 12,6 % gegenüber dem Stand der Technik. Beides sind Ergebnisse dieser Datensätze und keine pauschale Produktwirkung. Anderson und Krathwohl (2001) beschreiben die Bloom-Taxonomie; Haladyna und Downing (1989) Regeln für MC-Items. Diese Quellen belegen die jeweiligen Methoden, nicht automatisch einen bestimmten Lernerfolg mit Quanta.
Was mich an der Qualität von KI-generierten Karten am Anfang schockiert hat
“Frühe KI-Karten waren teilweise inhaltlich fragwürdig: falsche Formeln, erfundene Jahreszahlen oder unbelegte Definitionen. Deshalb arbeitet der Standardpfad heute Source-First: Quanta holt Quelltext, generiert daraus und kennzeichnet Karten nur bei erfolgreichem Quote-Match als verifiziert. Findet sich keine passende Quelle, entstehen keine Karteikarten; Datei oder URL sind der Weg. Profilangaben können das Niveau zusätzlich einordnen; ohne vollständiges Profil folgt die Generierung den Angaben im Prompt.”
Wir haben erzeugte Karteikarten Wort für Wort gegen ihre Quelle gehalten und offengelegt, welche dabei verworfen wurden und woran es lag.
Fünf Prüfpunkte für eine brauchbare KI-Karteikarte: Bloom-Stufe, Plausibilität der Falschantworten, Quellenstatus, Rückfragen des Tutors und die Wiederholungsplanung.
Kostenlos starten. Nach deiner ersten Bewertung berechnet FSRS den nächsten Wiederholungstermin.