Dein Lernbereich wird geladen
App wird gestartet …
Dein Lernbereich wird geladen
App wird gestartet …
Erstelle Karten für O-Notation, Turingmaschinen, Datenbanken und Normalformen. FSRS-6 plant Wiederholungen, während ab Essential 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."rund 80 %
erinnerte Vokabelpaare nach einer Woche mit wiederholtem Abruf
gegenüber 36 % und 33 %, wenn die Paare aus dem Test genommen wurden. Karpicke & Roediger 2008, Science 319:966–968, doi:10.1126/science.1152408
0,3460
Log-Loss von FSRS-6, kleiner ist besser
srs-benchmark (vormals fsrs-benchmark), open-spaced-repetition, abgerufen am 5. September 2026. Eine Zeile für SM-2 führt diese Tabelle nicht.
rund 80 %
Vokabelpaare im Test nach einer Woche
Karpicke und Roediger (2008), wiederholter Abruf; Karpicke & Roediger 2008, Science 319:966–968
Fundstellen der drei Zahlen
Die Arbeiten untersuchen die Lernmethode, nicht dieses Produkt. Gedacht ist diese Seite für Bachelor Informatik, Wirtschaftsinformatik, Data Science und Lehramt.
Ordne Begriffe, Algorithmen und Datenstrukturen den Lernzielen deines Kurses zu.
Quellenbeleg bei Verified-Karten
Der Quote-Match prüft, ob der Belegtext in der angebundenen Quelle vorkommt. Die interne Messung umfasst einen bestimmten Source-First-Test; sie belegt weder fachliche Richtigkeit noch alle Erstellungswege.
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.
Theorie-Karten als Lernentwurf
Zu Themen wie Turing-Maschinen, Chomsky-Hierarchie oder P versus NP kannst du Fragen entwerfen lassen. Gleiche Definitionen und Beweise mit deinem Skript ab, bevor du sie lernst.
Fragen aus Vorlesungsunterlagen
Nutze Skripte und Folien als Ausgangsmaterial und kontrolliere den Kartentext an der passenden Stelle. LaTeX eignet sich für mathematische Notation; Programmieraufgaben musst du zusätzlich selbst ausführen und prüfen.
Von Algorithmen bis Rechnernetze – prüfe Themenauswahl und Kartenentwürfe an deinem Skript.
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)
Nutze die Themen als Orientierung für Informatik, Wirtschaftsinformatik, Data Science und Medieninformatik. Maßgeblich sind die Modulziele deiner Hochschule.
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
Informatik-Klausuren können mehr als Definitionen abfragen. Prüfe Voraussetzungen, wähle einen passenden Algorithmus und begründe deinen Lösungsweg. Karteikarten helfen bei Begriffen, Invarianten und Komplexitätsklassen; Laufzeitabschätzungen, Beweise und Programmieraufgaben bearbeitest du zusätzlich vollständig selbst.
Ein klarer Ablauf für Informatik: Material ordnen, passende Karten erstellen und die Wiederholung an der Prüfung ausrichten.
Für B.Sc. Informatik: „Algorithmen – Graphen", „Theoretische Informatik – Automatentheorie". Für Wirtschaftsinformatik: „Datenbanken SQL". Für Data Science: „Machine Learning Regression". Pro Modul 2–4 Themen.
Laufzeiten in LaTeX: $$O(n \log n)$$, Master-Theorem: $$T(n) = aT(n/b) + f(n)$$. Rendert direkt auf der Karte.
Thema „Dijkstra" eingeben → KI erstellt Karten: Datenstruktur, Laufzeit, Korrektheit, Anwendungsfälle.
Der KI-Tutor fragt: „Erkläre Memoization vs. Bottom-Up" → Folgefragen → adaptive Vertiefung.
Graphen-, Sortier- und DP-Karten werden gemischt und trainieren Diskriminationsfähigkeit wie in der Klausur.
10–15 Karten pro Themengebiet geben dir genug Tiefe, ohne die Wiederholungen unnötig aufzublähen.
Informatik: 25% Erinnern (Definitionen), 35% Verstehen (Warum funktioniert es?), 40% Anwenden/Transfer (Welcher Algorithmus für dieses Problem?). Bloom-Taxonomie verstehen
LaTeX für Komplexitätsanalyse + KI-Prüfungssim für mündliche Informatik-Prüfungen.
Warum blockweises Üben bei Algorithmen scheitert und wie sich O-Notation, AVL-Bäume und Graphen-Traversal auf gemischte Übungssitzungen verteilen lassen.
Erstelle Fragen aus Skript oder Lernstoff, prüfe die Belege und übe vollständige Aufgaben mit eigenen Lösungswegen.
Quanta Study Redaktion · Mai 2026