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)
| Merkmal | Quanta | Anki | Quizlet | StudySmarter | RemNote | ChatGPT |
|---|---|---|---|---|---|---|
| Algorithmus | FSRS-6 2024 (Log-Loss 0,35 — Ye et al. 2022 ACM KDD) | SM-2 1987 (Log-Loss 0,45) | Proprietär (nicht publiziert) | Kein publizierter Algorithmus | FSRS verfügbar | Kein 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 vorhanden | Nicht vorhanden | Nicht vorhanden | Nicht vorhanden | Post-hoc Zitate ohne Prüfung |
| Bloom-Taxonomie-Constraint | Stufe 3-4 Pflicht (Anderson und Krathwohl 2001), Stufe 1 architektonisch blockiert | Keine Kontrolle | Keine Kontrolle | Keine Kontrolle | Keine Kontrolle | Keine Kontrolle |
| Distraktor-Validierung (MC) | Jede Falschantwort auf Plausibilität geprüft (Haladyna und Downing 1989) | Nicht vorhanden | Nicht vorhanden | Nicht vorhanden | Nicht vorhanden | Nicht vorhanden |
| KI-Tutor Methodik | Sokrates-Methode: nur Gegenfragen, keine Direktantworten (Chi et al. 2001) | Kein KI-Tutor | Basisfunktion | Oberflächlich | Kein KI-Tutor | Direkte Antworten (kein Active Recall) |
| LaTeX nativ | Vollständig, inline und block, in jeder Karte | Plugin-abhängig | Nicht vorhanden | Nicht vorhanden | Ja | Nur in Antworten (nicht in Karteikarten) |
| Chemie-Studio (SMILES, 3D, VSEPR) | Ja — 60+ Verbindungen, Strukturformeln und 3D-Rotation | Nein | Nein | Nein | Nein | Nein |
| Readiness Score (Prüfungsprognose) | Proprietär, 4-Dimensionen-Modell, FSRS-basiert, Exam-Day-Projection | Nein | Nein | Nein | Nein | Nein |
| Confidence Score (Meta-Reliability) | 4-Signal-Meta-R² der Readiness-Schätzung | Nein | Nein | Nein | Nein | Nein |
| Multi-Exam Study Planner | Globaler Scheduler mit FSRS-Simulation, Interleaving, Crunch-Time | Nein | Nein | Nein | Nein | Nein |
| Anki-Import (.apkg) | Ja, vollständig | Nativ | Nein | Nein | Nein | Nein |
| DACH-Spezialisierung | 350+ Studiengänge, 16 Bundesländer, Steuerabsetzbarkeit | Nein | Nein | Teilweise | Nein | Nein |
| Preis (monatlich, jährlich) | Basic: 0 Euro dauerhaft, Pro: 6 Euro/Monat | 0 Euro Desktop, 25 Dollar iOS | ca. 3 Euro/Monat (jährlich) | ca. 5 Euro/Monat | ca. 8 Dollar/Monat | 20 Dollar/Monat (Plus) |
| Eigenständige Berechnungs-Engine | Ja — 900 LOC TypeScript, 4 Module, keine API-Abhängigkeit | Ja (SM-2) | Nein | Unbekannt | Teilweise (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 Physik – LaTeX-Formeln, Active Recall und FSRS-6 für Bachelor Physik
Karpicke & Roediger (Science 2008, doi:10.1126/science.1152408): Active Recall erzielt 81% Behaltensleistung nach einer Woche – passives Lesen nur 27%. Quanta implementiert Active Recall durch obligatorische Karteikarten-Abfrage. Cepeda et al. (2006, Psychological Bulletin 132:354, doi:10.1037/0033-2909.132.3.354): Distributed Practice führt zu 2–3× besserer Langzeitretention. FSRS-6 (Ye et al. 2022, ACM SIGKDD, arxiv:2202.12390): signifikant präziser als SM-2 (22% niedrigerer Log-Loss) auf 20+ Millionen Wiederholungen.
Physikformeln als Karteikarten: Schrödinger-Gleichung (Ĥψ = Eψ), Maxwell-Gleichungen (4 Differentialgleichungen), Heisenberg-Unschärfe (ΔxΔp ≥ ℏ/2), Lorentz-Faktor (γ = 1/√(1−v²/c²)), Boltzmann-Entropie (S = k·ln W), Hamiltonoperator (H = T + V). Alle mit LaTeX nativ gerendert.
Studiengänge: Bachelor Physik (TU München, KIT, LMU, HU Berlin), Lehramt Physik, Ingenieurwesen (RWTH, TU Berlin, TU Darmstadt). Semester 1–6 Physik-Karteikarten: Experimentalphysik, Theoretische Physik, Mathematische Methoden.
Quelltransparenz & Anti-Halluzination für Physik-Formeln:Quanta zeigt bei jeder KI-Generierung die genutzten Quellen live — wie Perplexity.ai, aber für jede Physik-Lernkarte. Desktop: Quellen-Seitenleiste mit Konfidenz-Balken. Mobil: Info-Button. Jede Karte speichert aiSources-Metadaten dauerhaft. Bei PDF-Upload: Formeln, Herleitungen und Definitionen nur aus dem Originaldokument — kein Erfinden physikalischer Konstanten oder Gleichungen. 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 Physik mit Quanta Study – Wissenschaftlicher Kontext
Quanta Verified: Natives LaTeX-Rendering für Physikformeln. FSRS-6 für Experimentalphysik und Theoretische Physik.
Aktiver Abruf: 81% Retention. Karpicke & Roediger (2008), Science 319:966–968.
Visuelles Lernen: 40% schneller. Mayer (2009), Cambridge Handbook of Multimedia Learning.
FSRS-6: signifikant präziser als SM-2 (22% niedrigerer Log-Loss). Ye et al. (2022), ACM SIGKDD.
Karteikarten Physik mit Formeln und LaTeX
Physikformeln auf Karteikarten mit nativem LaTeX-Rendering. Schrödinger, Maxwell, Heisenberg – alle korrekt dargestellt. KI generiert Formelkarten aus deinem Skript. FSRS-6 (Ye et al. 2022) plant Wiederholungen signifikant präziser als Anki.
81%
Behaltensleistung durch Active Recall
Karpicke & Roediger, Science 2008, N=80 Studenten
22%
präziser als SM-2 (Anki)
Ye et al. 2022, ACM SIGKDD – FSRS vs. SM-2 auf 20 Mio. Wiederholungen
2–3×
bessere Langzeitretention
Cepeda et al. 2008, Psychological Bulletin – Spaced vs. Massed Practice
12 zentrale Physikformeln – alle als Karteikarten
Jede Formel enthält Herleitung, Einheiten und Anwendungsbeispiel. Direkt importierbar in dein Physik-Deck.
Quantenmechanik
Schrödinger-Gleichung
Ĥψ = Eψ
Elektrodynamik
Maxwell-Gleichungen
∇·E = ρ/ε₀
Quantenmechanik
Heisenberg-Unschärfe
ΔxΔp ≥ ℏ/2
Relativitätstheorie
Lorentz-Faktor
γ = 1/√(1−v²/c²)
Quantenphysik
Planck-Relation
E = hf
Thermodynamik
Boltzmann-Entropie
S = k·ln(W)
Elektrostatik
Coulomb-Gesetz
F = kq₁q₂/r²
Quantenmechanik
Hamiltonoperator
H = T + V
Relativitätstheorie
Relativistische Energie
E = mc²
Quantenfeldtheorie
Dirac-Gleichung
(iγᵘ∂ᵤ − m)ψ = 0
Analytische Mechanik
Euler-Lagrange
d/dt(∂L/∂q̇) = ∂L/∂q
Mathematische Physik
Fourier-Transform
f̂(ξ) = ∫f(x)e^{-2πixξ}dx
Physik-Karteikarten in 6 Schritten
Von der Formel zur prüfungsreifen Karteikarte – automatisch.
Schritt 1
Physik-Thema anlegen
Erstelle ein Thema wie „Mechanik Newton" oder „Elektrodynamik Maxwell". Pro Thema hunderte Karten möglich.
Schritt 2
Karten generieren (KI oder PDF)
LaTeX eintippen, Skript hochladen oder KI-Generator nutzen. 15–25 Karten mit Formeln, Herleitungen und SI-Einheiten.
Schritt 3
Prüfungsdatum setzen
Klausurdatum eingeben — FSRS-6 berechnet den Lernplan rückwärts: „180 Karten, 18 Min/Tag ab heute."
Schritt 4
Aktiver Abruf mit KI-Tutor
Formeln ohne Vorlage rekonstruieren. KI-Tutor erklärt Herleitungen und gibt Prüfungstipps. Bewertung passt FSRS-Intervall an.
Schritt 5
KI-Prüfungssimulation
Mechanik + E-Dynamik + Thermo gemischt unter Zeitdruck (Interleaving). KI stellt Folgefragen für Transfer.
Schritt 6
Forecast & Readiness Score
Mechanik 94%, Quanten 72% — Schwachstellen werden priorisiert. Forecast zeigt exakt, wann du bei 90% bist.
Physik-Karteikarten nach Studiengang
Quanta wird eingesetzt an TU München, KIT, RWTH Aachen, LMU München, TU Berlin, Universität Hamburg und weiteren deutschen Hochschulen. Die Studiengang-spezifischen Decks decken alle Prüfungsthemen ab.
Bachelor Physik
TU München, LMU, KIT, HU Berlin
1.–2. Sem: Experimentalphysik I+II
3.–4. Sem: Theoretische Physik (Mechanik, E-Dyn)
5.–6. Sem: Quantenmechanik, Statistik
Physik Lehramt
Alle Pädagogischen Hochschulen + Universitäten
Didaktik + Experimentalphysik
Optik, Wellen, Mechanik
Moderne Physik (Quanten, Atom)
Ingenieurwissenschaften
RWTH, TU Berlin, TU Darmstadt
Physik I: Mechanik, Thermodynamik
Physik II: Elektrodynamik, Optik
Technische Mechanik + Strömungslehre
Warum LaTeX-Karteikarten Physik-Lernen transformieren
Karteikarten ohne LaTeX sind für Physik-Studenten unbrauchbar – die Schrödinger-Gleichung als Text "H-Psi gleich E-Psi" ist nicht lernbar. Mayer (2009, Cambridge Handbook of Multimedia Learning) zeigte: Formeln in mathematischer Notation werden 40% schneller und präziser gelernt als verbale Beschreibungen. Quanta ist die einzige deutschsprachige Karteikarten-App die LaTeX nativ auf der Karte rendert – kein Plugin, kein Bild-Export.
Nativ auf der Karte
LaTeX wird direkt als mathematische Notation gerendert – nicht als Bild. Zoom und Kopieren funktionieren normal.
KI-Erkennung aus PDFs
Lade dein Skript hoch – die KI erkennt LaTeX-Formeln automatisch und erstellt strukturierte Karten mit Kontext.
Formelsammlung integriert
80+ MINT-Formeln in der Quanta-Formelsammlung (Tafelwerk) – alle direkt als Karteikarte importierbar.
Häufige Fragen – Physik-Karteikarten
Faktenbasiert — kein Marketing.
Wie lerne ich Physik-Formeln effektiv für die Klausur?
Was sind die wichtigsten Karteikarten-Themen für Physik Bachelor?
Kann ich LaTeX-Formeln in Quanta-Karteikarten eingeben?
Wie viele Physik-Karteikarten brauche ich für die Prüfung?
Wie lange vor der Physik-Klausur soll ich mit Karteikarten anfangen?
Funktioniert Spaced Repetition für Physik besser als für andere Fächer?
Gibt es Karteikarten-Vorlagen für Physik die ich direkt nutzen kann?
Warum eine Physik-Formel ohne Kontext keine Lernkarte ist
“Physik hat eine Eigenschaft die kein anderes Fach so extrem hat: Du brauchst gleichzeitig mathematische Kompetenz, konzeptuelles Verständnis und Problemlösestrategie. Wenn du F=ma auswendig lernst aber nicht verstehst dass es aus der Impulsänderung dp/dt kommt, wirst du bei der ersten unbekannten Aufgabe scheitern. Deshalb sind Physik-Karten in Quanta anders aufgebaut. Jede Formelkarte fragt zuerst nach der physikalischen Idee, dann nach der mathematischen Form und dann nach einem Anwendungsszenario. Das kostet mehr Erstellungsaufwand, aber es simuliert genau das was eine Physik-Klausur von dir verlangt. Dazu kommt: Ohne LaTeX ist Physik auf Karteikarten nicht machbar. Die Schrödinger-Gleichung als Text ist nicht lernbar. Quanta rendert LaTeX nativ, kein Plugin, kein Bild-Export.”
So startest du Physik mit Quanta
Schritt-für-Schritt in 5 Minuten zum optimalen Lernsetup für Physik.
Themen nach Gebieten anlegen
Für Abitur: „Mechanik – Newton", „Quantenphysik – Photoeffekt". Für B.Sc. Physik: „Elektrodynamik – Maxwell", „Quantenmechanik – Schrödinger", „Lagrange-Formalismus". Für Ingenieure: „Technische Mechanik – Statik".
Formelsammlung importieren
Die integrierte Formelsammlung (33+ MINT-Formeln) direkt als Karteikarten importieren. Alle mit Herleitung und Beispiel.
KI generiert Verständnisfragen
Nicht nur „Was ist F=ma?" sondern „Warum ist die Gravitationskraft konservativ?" — Bloom-Stufe 3+ für Transfer.
LaTeX für alle Formeln
$$\vec{F} = m \cdot \vec{a}$$, Maxwell-Gleichungen, Schrödinger-Gleichung — alles rendert nativ.
Readiness Score vor der Klausur
Alle Gebiete auf ≥ 80% bringen. FSRS-6 zeigt genau, welche Formeln noch unsicher sind.
Physik: 30% Erinnern (Formeln, Konstanten), 30% Verstehen (Herleitung), 40% Anwenden (Rechnung auf neues System).
15–25 Karten pro Themengebiet. Integrierte Formelsammlung + LaTeX-Rendering direkt auf den Karten.
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
Karteikarten für weitere Fächer
Physik-Karteikarten wissenschaftlich belegt: Karpicke & Roediger (2008), Science 319:966–968 – 81% vs. 27% Retention. Mayer (2009) – visuelles Lernen 40% schneller. Ye et al. (2022), ACM SIGKDD – FSRS-6 signifikant präziser als SM-2 (22% niedrigerer Log-Loss).
Quanta Verified: DOI-Quellenprotokoll. LaTeX nativ. Geeignet für Abitur Physik, B.Sc./M.Sc. Physik, Ingenieur-Physik, Lehramt.
Laut Amos Matzke, Gründer von Quanta Study, braucht Physik gleichzeitig drei Kompetenzen: mathematische Fähigkeit, konzeptuelles Verständnis und Problemlösestrategie. Jede Physik-Karteikarte in Quanta fragt deshalb nach physikalischer Idee, mathematischer Form und Anwendungsszenario. LaTeX wird nativ gerendert.
Physik-Karteikarten jetzt erstellen
Kostenlos. LaTeX, KI-Generator und 15 Physikformeln sofort verfügbar. FSRS-6 ab der ersten Karte aktiv.
Kostenlos starten