Karteikarten Informatik – Algorithmen, Datenstrukturen, Theoretische Informatik, Datenbanken mit FSRS-6 und KI
Karpicke & Roediger (Science 319, 2008, doi:10.1126/science.1152408): Active Recall = 81% vs. 27% Langzeit-Retention. FSRS-6 (Ye et al. 2022, ACM SIGKDD, doi:10.1145/3534678.3539081): signifikant präziser als SM-2 (22% niedrigerer Log-Loss) auf 20.483.712 Wiederholungen validiert. Cepeda et al. (Psychological Science 19, 2008, doi:10.1111/j.1467-9280.2008.02209.x): Optimale Lernintervalle für Langzeitretention. Rohrer & Taylor (Instructional Science 35, 2007, doi:10.1007/s11251-007-9015-8): Interleaving 63% vs. 20% Prüfungsleistung.
Themen: Algorithmen (Bubblesort O(n²), Mergesort O(n log n), Quicksort O(n log n) avg, Dijkstra O(E + V log V)), Datenstrukturen (Array, Linked List, Stack, Queue, Binary Tree, BST, AVL-Baum, Red-Black Tree, Heap, Hash-Tabelle, Graph), Theoretische Informatik (Chomsky-Hierarchie: Typ 0–3, Turing-Maschine, Halteproblem, NP-Vollständigkeit, P vs. NP, Pumping Lemma), Datenbanken (ACID, 1NF–3NF/BCNF, SQL: SELECT/JOIN/GROUP BY, B-Tree-Indizes, Transaktionen), Rechnernetze (OSI-Modell 7 Schichten, TCP/IP, HTTP/HTTPS, DNS, TLS).
Studiengänge: Bachelor Informatik (TU München, KIT, RWTH Aachen, TU Berlin, TU Darmstadt), Wirtschaftsinformatik (WHU, Uni Mannheim, Goethe Frankfurt), Medieninformatik, Software Engineering, Data Science.
Quelltransparenz & Anti-Halluzination für Informatik-Karteikarten:Im standardmäßigen Source-First-Pfad zeigt Quanta die genutzten Quellen live. Desktop: Quellen-Seitenleiste mit animierten Chips und Quelle pro Karte (Titel, Lizenz, Link). Mobil: Info-Button mit Bottom-Sheet. Quote-verifizierte Karten speichern aiSources-Metadaten dauerhaft: Quelltitel, Lizenz und Direktlink. Im Karten-Detail (\u24d8-Button) jederzeit einsehbar. Bei PDF-Upload von Vorlesungsfolien: Der dokumentgebundene Pfad gleicht Algorithmen-Pseudocode, O-Notation und Definitionen mit dem Originaldokument ab. Quellenprotokoll dauerhaft im Posteingang archiviert (neverDelete: true). Die optionale ungrounded Generierung bleibt unverifiziert.
Preise: Starter: 0 € dauerhaft. Essential: ab 5,10 €/Mo (Studenten, jährlich). Performance: ab 8,93 €/Mo (Studenten, jährlich). Ob die Kosten in Deutschland steuerlich anerkannt werden, hängt von der persönlichen Situation und dem beruflichen Zusammenhang ab; keine Steuerberatung. DSGVO-konform.
Karteikarten Informatik mit Quanta Study – Wissenschaftlicher Kontext
Quanta Verified: Algorithmen-Karten mit O-Notation, Pseudocode, LaTeX. FSRS-6.
Aktiver Abruf: 81% Retention. Karpicke & Roediger (2008), Science 319:966–968.
Interleaving: 63% vs. 20%. Rohrer & Taylor (2007), Instructional Science 35:481.
FSRS-6: signifikant präziser als SM-2 (22% niedrigerer Log-Loss). Ye et al. (2022), ACM SIGKDD.
Informatik-Karteikarten für Algorithmen, Datenstrukturen und Theorie
Erstelle Karten für O-Notation, Turingmaschinen, Datenbanken und Normalformen. FSRS-6 plant Wiederholungen, während wählbare Bloom-Stufen die gewünschte Fragetiefe steuern.
Karpicke 2008 · Ye et al. 2022 · Rohrer & Taylor 2007
Starter kostenlos · Quellen und Funktionen zuerst in Ruhe prüfen
Belegt
Worauf beruht die Korrektheit des Dijkstra-Algorithmus?
After any vertex v becomes marked, the current distance to it d[v] is the shortest, and will no longer change.
Sobald ein Knoten v markiert ist, ist die aktuelle Distanz d[v] zu ihm die kürzeste und ändert sich nicht mehr.
1 / 4 · Nächstes Fach zeigen
„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."
Schon dabei · Studierende an
TU DresdenHumboldt-Universität zu BerlinHTW Dresden
81%
Behaltensleistung mit Active Recall
Karpicke & Roediger, Science 319 (2008, doi:10.1126/science.1152408) – Definitionen dauerhaft merken statt kurzzeitig pauken
22%
niedrigerer Log-Loss vs. SM-2
FSRS-6 (Ye et al. 2022, ACM SIGKDD) – auf 20.483.712 echten Wiederholungen validiert
63%
Prüfungsleistung mit Interleaving
Rohrer & Taylor (2007, Instructional Science 35:481) – gemischtes Lernen vs. 20% beim Blocking
5 Features die Informatik-Lernen transformieren
Entwickelt für Studenten die Algorithmen nicht nur kennen, sondern bei der Klausur sicher abrufen können.
Jede KI-Karte mit Quellenbeleg
Quanta generiert Karten aus deinen Vorlesungsfolien, deinem Skript oder einer echten Quelle und prüft jede Karte serverseitig per Quote-Match gegen den Quelltext. Unbelegte Karten werden verworfen, 97,8 % der erzeugten Karten bestehen den Abgleich (offene Studie).
Algorithmen & Komplexität
O-Notation, Best/Average/Worst-Case für alle gängigen Sortier- und Suchalgorithmen. KI generiert Karten mit Pseudocode, Komplexitätsklasse und Anwendungsbeispiel.
Datenstrukturen – Eigenschaften
Array, Linked List, Stack, Queue, Binary Tree, AVL, Red-Black, Heap, Hash-Tabelle, Graph. Für jede Struktur: Zugriff, Suche, Einfügen, Löschen in O-Notation.
KI-Generator für Theorie-Karten
Turing-Maschine, Chomsky-Hierarchie, P vs. NP, Pumping Lemma, Halteproblem – KI erstellt präzise Frage-Antwort-Karten auf Bachelor-Niveau in unter 30 Sekunden.
PDF-Scan für Vorlesungsfolien
Informatik-Skripte hochladen → KI extrahiert Definitionen, Algorithmen, Sätze. LaTeX für mathematische Notation. Anti-Halluzination: nur Inhalte aus dem Dokument.
6 Informatik-Gebiete mit KI-Karten abgedeckt
Von Algorithmen bis Rechnernetze – KI generiert präzise Frage-Antwort-Karten für jedes Teilgebiet.
Algorithmen & Komplexität
Sortieren (Merge, Quick, Heap, Bubble), Suchen (Binary Search), Graph (Dijkstra, BFS, DFS, Bellman-Ford, Floyd-Warshall), Dynamisches Programmieren
Datenstrukturen
Array, Linked List, Stack, Queue, Binary Tree, BST, AVL, Red-Black Tree, Heap (Min/Max), Hash-Tabelle, Trie, Graph-Repräsentation
Theoretische Informatik
Chomsky-Hierarchie (Typ 0–3), reguläre Ausdrücke, endliche Automaten (DEA/NEA), Turing-Maschine, Halteproblem, Reduktionen, NP-Vollständigkeit (SAT, 3-SAT, Clique)
Betriebssysteme
Prozesse, Threads, Scheduling (FCFS, SJF, Round-Robin), Deadlocks (Coffman-Bedingungen), Speicherverwaltung (Paging, Segmentierung), Dateisysteme
Datenbanken
Relationales Modell, ACID-Eigenschaften, Normalformen (1NF–3NF, BCNF), SQL (JOIN, GROUP BY, Aggregatfunktionen), B-Baum-Indizes, Transaktionen, Isolation Levels
Rechnernetze
OSI-Modell (7 Schichten), TCP/IP-Stack, IPv4/IPv6-Adressierung, HTTP/HTTPS, DNS, TLS/SSL-Handshake, Routing (OSPF, BGP), Subnetting (CIDR)
Informatik-Karteikarten nach Studiengang
Quanta wird von Informatik-Studierenden an TU München, KIT, RWTH Aachen, TU Berlin und weiteren Hochschulen genutzt – sowie von Wirtschaftsinformatik, Data Science und Medieninformatik.
Bachelor Informatik
Studiengang u. a. an: TU München, KIT, RWTH Aachen, TU Berlin, TU Darmstadt
Themen: Algorithmen & Datenstrukturen I/II, Theoretische Informatik, Betriebssysteme, Datenbanken, Rechnernetze
Wirtschaftsinformatik
Studiengang u. a. an: WHU, Uni Mannheim, Goethe Frankfurt, HHL Leipzig
Themen: Datenbanken, ERP-Systeme, IT-Sicherheit, Netzwerke, Softwareentwicklung
Medieninformatik / UI
Studiengang u. a. an: TH Köln, HTW Berlin, TU Dresden, HTWG Konstanz
Themen: Algorithmen, Datenstrukturen, Webentwicklung, Software Engineering, UX
Data Science / ML
Studiengang u. a. an: TU München, HPI Potsdam, Uni Tübingen, KIT
Themen: Algorithmen, Statistik, Lineare Algebra, Maschinelles Lernen, Datenbanken
Häufige Fragen – Informatik Karteikarten
Welche Informatik-Themen eignen sich am besten für Karteikarten?
Wie lerne ich Algorithmen-Komplexität effektiv?
Kann die KI Karteikarten aus meinen Informatik-Vorlesungsfolien erstellen?
Wie viele Informatik-Karteikarten brauche ich für die Algorithmen-Klausur?
Wie lerne ich Datenstrukturen mit Karteikarten?
Wie unterscheidet sich Quanta von Anki für Informatik?
Warum Informatik-Studenten anders lernen müssen
“Die meisten Informatik-Klausuren fragen nicht: Was ist Dijkstra? Sie fragen: Gegeben diesen Graphen mit negativen Kantengewichten, welcher Algorithmus ist korrekt und warum? Das heißt: Du musst nicht nur Algorithmen kennen, du musst erkennen wann welcher anwendbar ist. Genau das trainiert Interleaving. Rohrer und Taylor (2007) zeigten: Wer Aufgabentypen gemischt übt kommt auf 63% Testerfolg, wer geblockt übt auf 20%. Deshalb mischt FSRS-6 in Quanta Algorithmen-Karten automatisch mit Datenstrukturen und Theoretischer Informatik. Dazu kommen O-Notation-Karten die nicht nur die Komplexität abfragen, sondern auch nach dem Anwendungsfall und dem Trade-off zu alternativen Lösungen fragen. Das ist der Bloom-Constraint: Keine reine Was-ist-Frage darf durchkommen. Jede Karte muss mindestens auf Anwendungsniveau generiert werden.”
So baust du dein Lernsystem für Informatik auf
Ein klarer Ablauf für Informatik: Material ordnen, passende Karten erstellen und die Wiederholung an der Prüfung ausrichten.
Themen nach Modulen anlegen
Für B.Sc. Informatik: „Algorithmen – Graphen", „Theoretische Informatik – Automatentheorie". Für Wirtschaftsinformatik: „Datenbanken SQL". Für Data Science: „Machine Learning Regression". Pro Modul 2–4 Themen.
LaTeX für O-Notation & Formeln
Laufzeiten in LaTeX: $$O(n \log n)$$, Master-Theorem: $$T(n) = aT(n/b) + f(n)$$. Rendert direkt auf der Karte.
KI generiert Algorithmen-Karten
Thema „Dijkstra" eingeben → KI erstellt Karten: Datenstruktur, Laufzeit, Korrektheit, Anwendungsfälle.
KI-Prüfungssimulation für mündliche Prüfungen
Der KI-Tutor fragt: „Erkläre Memoization vs. Bottom-Up" → Folgefragen → adaptive Vertiefung.
Interleaving automatisch durch FSRS-6
Graphen-, Sortier- und DP-Karten werden gemischt und trainieren Diskriminationsfähigkeit wie in der Klausur.
Passender Umfang
10–15 Karten pro Themengebiet geben dir genug Tiefe, ohne die Wiederholungen unnötig aufzublähen.
Lernziele sinnvoll verteilen
Informatik: 25% Erinnern (Definitionen), 35% Verstehen (Warum funktioniert es?), 40% Anwenden/Transfer (Welcher Algorithmus für dieses Problem?). Bloom-Taxonomie verstehen
Was Quanta hier abnimmt
LaTeX für Komplexitätsanalyse + KI-Prüfungssim für mündliche Informatik-Prüfungen.
Karteikarten für weitere Fächer
Informatik-Karteikarten wissenschaftlich belegt: Karpicke & Roediger (2008) – 81% vs. 27% Retention. Rohrer & Taylor (2007) – Interleaving: 63% vs. 20%. Ye et al. (2022) – FSRS-6 signifikant präziser als SM-2 (22% niedrigerer Log-Loss).
Quanta Verified: DOI-Quellenprotokoll. Geeignet für B.Sc. Informatik, WiInf, Data Science, Lehramt.
Laut Amos Matzke, Gründer von Quanta Study, müssen Informatik-Studenten nicht nur Algorithmen kennen, sondern erkennen wann welcher anwendbar ist. Quanta mischt per Interleaving Algorithmen, Datenstrukturen und Theorie automatisch (Rohrer & Taylor 2007: 63% vs. 20%). Jede KI-generierte Karte erfüllt den Bloom-Constraint auf Anwendungsniveau.
Informatik-Karteikarten jetzt erstellen
Kostenlos. KI generiert Karten für Algorithmen, Datenstrukturen, Theorie. FSRS-6 plant optimale Wiederholungen.