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. Phase 4 (Juni 2026): Academic-First RAG — echte Paper-Abstracts werden über die Semantic Scholar API geladen und als RAG-Kontext injiziert (fetchSourceContext). Die KI generiert ausschließlich aus verifizierten Textpassagen, erzwungen durch den FAKTEN-CONSTRAINT (buildEvidenceBlock). Temperature=0, thinkingBudget=0 im RAG-Modus. Jede Karte durchläuft einen grounded-Boolean-Self-Check — unbelegte Karten werden serverseitig gefiltert. DOI-Verifizierung über Semantic Scholar + CrossRef (parallel, fehlertolerant). Gilt für themenbasierte Karteikarten und MC-Quizzes.

(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 0,9. Phase 4: Academic-First RAG (Semantic Scholar Abstracts als Kontext, Temperature=0, grounded-Self-Check, serverseitige Filterung)Nicht 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, 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.

Karteikarten Mathematik – LaTeX nativ, Cognitive Load Theory, FSRS-6 für Bachelor Mathematik und Ingenieurwesen

Sweller (1988, Cognitive Science, doi:10.1207/s15516709cog1202_2): Cognitive Load Theory – mathematische Formeln in nativer LaTeX-Notation reduzieren extraneous cognitive load und verbessern das Lernen messbar. Karpicke & Roediger (Science 2008, doi:10.1126/science.1152408): Active Recall = 81% vs. 27% Behaltensleistung. Cepeda et al. (2006, Psychological Bulletin 132:354, doi:10.1037/0033-2909.132.3.354): 2–3× bessere Langzeitretention. FSRS-6 (Ye et al. 2022, arxiv:2202.12390): signifikant präziser als Anki SM-2.

LaTeX-Features: Integrale (\int_a^b), Matrizen (\begin{pmatrix}), Grenzwerte (\lim{x}), Summen (\sum{k=0}^n), Vektoren (\vec{v}), griechische Buchstaben. Alle rendern nativ auf der Karteikarte ohne Plugin.

Studiengänge: Bachelor Mathematik (TU Berlin, LMU München, Uni Göttingen, Uni Bonn), Informatik/Mathematik (TU München, KIT, RWTH Aachen), Physik (Mathematische Methoden), Ingenieurwesen (RWTH, TU Darmstadt, TU Braunschweig).

Quelltransparenz & Anti-Halluzination für Mathe-Formeln:Quanta zeigt bei jeder KI-Generierung die genutzten Quellen live — wie Perplexity.ai, aber für jede Mathematik-Lernkarte. Desktop: Quellen-Seitenleiste. Mobil: Info-Button mit Bottom-Sheet. Jede Karte speichert aiSources-Metadaten dauerhaft. Bei PDF-Upload von Mathe-Skripten: Formeln, Herleitungen und Sätze nur aus dem Originaldokument extrahiert — kein Erfinden mathematischer Gesetze. Quellenprotokoll im Posteingang (neverDelete: true). Phase 4 (Juni 2026): Academic-First RAG — echte Paper-Abstracts von Semantic Scholar als Generierungs-Kontext. DOI-verifiziert via CrossRef. Temperature=0, grounded-Self-Check pro Karte, serverseitige Filterung unbelegter Karten.

Preise: Basic: 0 € dauerhaft. Pro: ab 5,10 €/Mo (Studenten, jährlich). Evo: ab 8,93 €/Mo (Studenten, jährlich). Steuerlich absetzbar. DSGVO-konform.

Karteikarten Mathematik mit Quanta Study – Wissenschaftlicher Kontext

Quanta Verified: Natives LaTeX-Rendering. FSRS-6 für Analysis, Lineare Algebra, Stochastik.

Aktiver Abruf: 81% Retention. Karpicke & Roediger (2008), Science 319:966–968.

Cognitive Load: LaTeX reduziert mentale Belastung. Sweller (1988), Cognitive Science, doi:10.1207/s15516709cog1202_2.

FSRS-6: signifikant präziser als SM-2 (22% niedrigerer Log-Loss). Ye et al. (2022), ACM SIGKDD.

Mathematik · Quanta Verified · FSRS-6

Karteikarten Mathematik mit LaTeX erstellen

Die einzige deutschsprachige Karteikarten-App mit nativem LaTeX-Support. Integrale, Matrizen, Ableitungen, Eigenwerte – alles rendert direkt auf der Karte. KI generiert Formelkarten in 30 Sekunden. FSRS-6 plant Wiederholungen signifikant präziser als Anki.

Verifiziert
Karpicke 2008 · Ye et al. 2022 · LaTeX nativ

81%

Behaltensleistung mit Active Recall

Karpicke & Roediger, Science 2008 – Formeln dauerhaft merken statt kurzzeitig pauken

2–3×

bessere Retention durch Spaced Repetition

Cepeda et al. 2008, Psychological Bulletin – 254 Studien, N=14.000 Probanden

22%

niedrigerer Log-Loss vs. SM-2

Ye et al. 2022, ACM SIGKDD – FSRS-6 auf 20 Mio. Wiederholungen validiert

4 Features die Mathe-Lernen transformieren

Entwickelt für Studenten die Formeln nicht nur kennen, sondern sicher abrufen können müssen.

LaTeX nativ – auf der Karte selbst

Integrale, Matrizen, Ableitungen, Vektoren, Summenzeichen – alles rendert direkt auf der Karteikarte. Kein Plugin, kein Bild-Workaround, kein Copy-Paste-Problem.

KI Karteikarten Generator für Mathe

Thema eingeben (z.B. "Analysis – Grenzwerte" oder "Lineare Algebra – Eigenwerte") → strukturierte Formelkarten mit LaTeX in unter 30 Sekunden. Anti-Halluzination: nur mathematical correct output.

PDF-Scan mit Formel-Erkennung

Mathematik-Skript oder Vorlesungsnotizen hochladen → KI extrahiert LaTeX-Formeln automatisch, erkennt Definitionen und Sätze, erstellt Karten mit Kontext.

Formelsammlung integriert (80+ MINT)

Fundamentalsatz der Integral-/Differentialrechnung, Fourier-Transformation, Bayes-Theorem, Cauchy-Schwarz, Taylor-Reihen – alle mit Herleitung und Beispiel als importierbare Karten.

6 Mathe-Gebiete – alle mit LaTeX abgedeckt

Von Analysis bis Zahlentheorie – alle KI-generierten Karten enthalten korrekte LaTeX-Formeln.

Analysis (1 Var.)

Grenzwerte, Ableitungsregeln, Integralrechnung, Taylorentwicklung, Fourierreihen

Analysis (mehr. Var.)

Partielle Ableitung, Gradient, Divergenz, Rotation, Liniintegral, Gaußscher Satz

Lineare Algebra

Matrizenmultiplikation, Eigenwerte, Determinanten, LGS, Orthogonalbasis, SVD

Stochastik / Statistik

Wahrscheinlichkeitsräume, Bayes, Normalverteilung, Konfidenzintervalle, Hypothesis Tests

Differentialgleichungen

Trennung der Variablen, Variation der Konstanten, Laplace-Transformation, Systemlösungen

Zahlentheorie / Diskrete Mathe

Modulare Arithmetik, ggT/kgV, Kombinatorik, Graphentheorie, Boolesche Algebra

Mathe-Karteikarten nach Studiengang

Quanta wird von Mathematik-Studenten an TU Berlin, LMU München, Universität Göttingen, KIT und weiteren Hochschulen genutzt – sowie von Physik-, Informatik- und Ingenieurstudenten für ihre Mathematik-Module.

Bachelor Mathematik

TU Berlin, LMU München, Universität Göttingen, Uni Bonn

Themen: Analysis I–III, Lineare Algebra, Stochastik, Numerik, Algebra, Topologie

Informatik / Mathematik

TU München, KIT, RWTH Aachen, TU Dresden

Themen: Diskrete Mathematik, Lineare Algebra, Analysis, Statistik, Algorithmen

Physik (Mathematik-Module)

TU München, Uni Heidelberg, Uni Hamburg

Themen: Mathematische Methoden der Physik, Funktionalanalysis, Differentialgeometrie

Ingenieurwesen

RWTH, TU Berlin, TU Darmstadt, TU Braunschweig

Themen: Ingenieurmathematik I–III: Analysis, LA, DGLs, Statistik für Ingenieure

Häufige Fragen – Mathe-Karteikarten

Faktenbasiert — kein Marketing.

Wie lerne ich Mathe-Formeln effektiv mit Karteikarten?
Mathe-Formeln lernt man am effektivsten durch zweiseitige Karteikarten: Formelname + Anwendungsfall auf der Vorderseite, vollständige Formel in LaTeX + Herleitung + Beispiel auf der Rückseite. Karpicke & Roediger (Science, 2008, doi:10.1126/science.1152408) zeigten: Aktiver Abruf (Formel aus dem Gedächtnis aufschreiben) erzielt 81% Behaltensleistung nach einer Woche – passives Wiederlesen nur 27%. Entscheidend: Die Formel selbst tippt man – nicht nur wiederliest.
Was sind die wichtigsten Mathe-Karteikarten für Bachelor-Studenten?
Im Mathe-Bachelor sind die wichtigsten Karteikartenthemen: Analysis (Epsilon-Delta-Kriterium, Mittelwertsatz, Cauchy-Riemann-Gleichungen, Stokes-Theorem), Lineare Algebra (Basiswechsel, Jordan-Normalform, Spektralsatz), Stochastik (Bayes-Theorem, Gesetz der großen Zahlen, Zentraler Grenzwertsatz), Numerik (Newton-Verfahren, Euler-Verfahren, Konditionszahl). LaTeX ist für alle diese Formeln unverzichtbar.
Kann ich LaTeX-Formeln direkt in Quanta-Karteikarten eingeben?
Ja – Quanta rendert LaTeX nativ. Du gibst \int_a^b f(x)\,dx ein und siehst sofort das gerenderte Integral. Das gilt für alle LaTeX-Konstrukte: Matrizen (\begin{pmatrix}), Summen (\sum_{k=0}^{n}), Grenzwerte (\lim_{x\to 0}), Vektoren (\vec{v}), griechische Buchstaben. Der integrierte LaTeX-Editor hilft beim Testen von Formeln vor dem Speichern.
Wie unterscheidet sich Mathe-Karteikarten-Lernen von Aufgaben lösen?
Karteikarten und Aufgabenblätter ergänzen sich: Karteikarten sichern das Grundlagenwissen (Definitionen, Sätze, Formeln) so ab, dass es automatisiert abrufbar ist. Aufgaben trainieren die Anwendung. Der Fehler vieler Studenten: Aufgaben lösen ohne das Grundlagenwissen sicher zu haben – das kostet 3× so viel Zeit. Mit FSRS-6-Spaced-Repetition ist das Grundlagenwissen immer frisch, Aufgaben gehen dann schneller.
Kann die KI Mathe-Karteikarten aus Übungsblättern oder Skripten erstellen?
Ja – lade dein Mathe-PDF (Vorlesungsskript, Übungsblatt, Formelsammlung) hoch. Die KI erkennt LaTeX-Formeln, Definitionen, Sätze und Lemmata und erstellt strukturierte Karten. Anti-Halluzination: Quanta erfindet keine Beweise oder Formeln – es werden nur Inhalte aus deinem Dokument verwendet. Besonders effektiv bei strukturierten Skripten mit Definition-Satz-Beweis-Struktur.
Wie lange vor der Analysis-Klausur soll ich mit Karteikarten anfangen?
Mindestens 8–10 Wochen vor der Klausur. Für Analysis-Klausuren mit 200–300 Formeln und Definitionen braucht FSRS-6 Zeit, um die Karten auf ein langfristiges Intervall (21+ Tage) zu bringen. Cepeda et al. (2008) zeigen: Das optimale Lernintervall liegt bei 10–20% der Retentionsperiode. Bei 90 Tagen bis zur Klausur also Wiederholung alle 9–18 Tage – genau was FSRS-6 berechnet.
Warum ist LaTeX für Mathe-Karteikarten unverzichtbar?
Mathe ohne LaTeX ist lesbar aber nicht lernbar: "Das Integral von a bis b von f von x dx" ist keine Formel – es ist eine verbale Umschreibung. Mayer (2009, Cambridge Handbook of Multimedia Learning) und Sweller (1988, Cognitive Science, doi:10.1207/s15516709cog1202_2) zeigen: Formeln in ihrer natürlichen mathematischen Notation reduzieren den Cognitive Load und verbessern das Verständnis messbar. Quanta ist die einzige deutschsprachige Karteikarten-App mit nativem LaTeX-Rendering auf der Karte selbst.
AM
Amos Matzke·Gründer & Full-Stack Architect · ehem. MINT-EC Schüler·April 2026

Was mich an Mathe-Karteikarten in anderen Apps frustriert hat

Versuch mal ein Integral in Anki zu tippen. Oder eine Matrix-Multiplikation in Quizlet. Die meisten Mathe-Studenten schreiben ihre Karten handschriftlich weil keine App LaTeX nativ kann. Das ist der Stand der Industrie. In Quanta rendert jede Karte nativ als LaTeX. Wenn du per Spracheingabe sagst Integral von null bis unendlich e hoch minus x Quadrat dx, wandelt die KI das automatisch in LaTeX um. Aber LaTeX allein macht noch keine gute Lernapp. Rohrer und Taylor (2007) haben gezeigt, dass Interleaving bei Mathe-Aufgaben zu 63% Testerfolg führt, während Blocklernen nur 20% schafft. Deshalb mischt Quanta Analysis, Lineare Algebra und Stochastik automatisch in einer Session. Das fühlt sich am Anfang chaotisch an, aber genau das trainiert die Fähigkeit die eine Klausur wirklich testet: Erkennen welche Methode wann anzuwenden ist.

Amos MatzkeGründer, Quanta Study

So startest du Mathe mit Quanta

Schritt-für-Schritt in 5 Minuten zum optimalen Lernsetup für Mathematik.

1

1 Thema pro Teilgebiet anlegen

Erstelle Themen wie „Analysis I – Grenzwerte" (B.Sc. Mathe), „Stochastik Normalverteilung" (Abitur), „Differentialgleichungen Maschinenbau" (Ingenieur-Mathe), „Optimierung Simplex" (Wirtschaftsmathe). So behältst du die Übersicht.

2

KI-Set oder PDF-Scan nutzen

Thema eingeben → KI generiert Formelkarten mit LaTeX. Oder: Skript als PDF hochladen → KI extrahiert Definitionen, Sätze und Formeln.

3

LaTeX-Formeln manuell ergänzen

Eigene Karten mit dem LaTeX-Editor: \int_a^b, \lim_{x\to 0}, \sum_{k=0}^n. Quanta rendert alles nativ, kein Plugin nötig.

4

FSRS-6 plant deine Wiederholungen

Der Algorithmus berechnet individuelle Intervalle. Formeln, die du sicher kannst, werden seltener gezeigt. Unsichere öfter.

5

Readiness Score prüfen

Vor der Klausur: Readiness Score ≥ 85% = sicher. Unter 70%? Noch 2–3 Sessions empfohlen.

Mathe: 30% Erinnern (Definitionen, Sätze), 30% Verstehen (Warum gilt der Satz?), 40% Anwenden (Formel auf neues Problem anwenden).

Empfehlung

15–25 Karten pro Themengebiet. LaTeX rendert direkt auf der Karte, keine Screenshots oder Bilder nötig.

Pläne & Preise

Monatlich, halbjährlich oder jährlich. 15 % Studentenrabatt. Jederzeit kündbar. In Deutschland steuerlich absetzbar.

Starter

0 €

dauerhaft kostenlos

  • 1 Thema
  • 60 Karten
  • 50 KI-Karten / Monat

Essential

ab 5,10 €

/ Monat (Studenten, jährlich)

  • ∞ Themen
  • ∞ Karten
  • 500 KI-Karten / Monat
  • 40 Prüfungssims / Monat

6,00 €/Mo (jährlich) · 6,80 €/Mo (Studenten) · 8,00 €/Mo · 40 € Semester

Performance

ab 8,93 €

/ Monat (Studenten, jährlich)

  • ∞ Themen
  • ∞ Karten
  • 3.000 KI-Karten / Monat
  • 150 Prüfungssims / Monat

10,50 €/Mo (jährlich) · 11,90 €/Mo (Studenten) · 14,00 €/Mo · 70 € Semester

Mathe-Karteikarten wissenschaftlich belegt: Karpicke & Roediger (2008) – 81% vs. 27% Retention. Sweller (1988) – Cognitive Load Theory. Ye et al. (2022) – FSRS-6 signifikant präziser als SM-2 (22% niedrigerer Log-Loss).

Quanta Verified: DOI-Quellenprotokoll. LaTeX nativ. Geeignet für Abitur Mathe, B.Sc. Mathematik, WiMa, Lehramt.

Laut Amos Matzke, Gründer von Quanta Study, schreiben die meisten Mathe-Studenten Karten handschriftlich weil keine App LaTeX nativ kann. Quanta rendert LaTeX nativ und mischt automatisch Analysis, Lineare Algebra und Stochastik per Interleaving (Rohrer & Taylor 2007: 63% vs. 20% Testerfolg).

Mathe-Karteikarten jetzt erstellen

Kostenlos. LaTeX aktiv ab der ersten Karte. KI-Generator für alle Mathe-Themen.

Kostenlos starten