Eine KI-Lernapp mit transparentem Quellenstatus und FSRS
Source-First ist der Standard: Quanta bindet Karten an Quellen, erzeugt ohne passende Quelle keine Karteikarten und plant Wiederholungen nach deinen Bewertungen.
Woran prüfst du eine KI-Lernapp, bevor du ihr dein Skript gibst?
Diese Seite beantwortet die Prüffrage: welche sechs Eigenschaften eine KI-Lernapp haben muss, damit ihre Ausgabe belastbar ist, und wie man jede davon selbst nachsieht. Was Quanta als Produkt kann und was es kostet, steht auf der Schwesterseite zum Einstieg.
KI-Lernapp-Karteikarten: das WerkzeugWas kann diese Karteikarten-App, und was kostet sie?Source-First mit sichtbarem Status
Im standardmäßigen themenbasierten Source-First-Pfad generiert Quanta aus offen lizenziertem Volltext. Nur Karten mit erfolgreichem Quote-Match erhalten das Quanta-Verified-Label und eine gebundene Quelle. Findet sich keine passende Quelle, entstehen keine Karteikarten; Datei oder URL sind der Weg.
Dokumentgebunden aus deinem Material
Bei PDF-, Skript- oder Foto-Uploads wird aus dem bereitgestellten Material generiert. Wo Text zuverlässig extrahiert wird, prüft ein Quote-Match den Beleg; nicht passend belegbare visuelle Karten bleiben transparent unverifiziert.
FSRS-6 statt starrer Intervalle
Nach der ersten Bewertung plant FSRS-6 die persönlichen Wiederholungen. 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. Alle sechs Bloom-Stufen sind auswählbar; eine Auswahl ist bindend.
Mündliche KI-Prüfungssimulation
Der KI-Tutor kombiniert Erklärungen, Rückfragen und adaptive Übungsschritte. Die Simulation hilft beim Üben und zeigt Hinweise auf Stärken und Lücken; sie ist keine echte Prüfung und garantiert kein Ergebnis.
So entsteht eine Karteikarte mit transparentem Belegstatus
- 1. Thema oder Datei (PDF, Foto, Skript, URL) hochladen.
- 2. Bei Themen startet Quanta standardmäßig Source-First mit offen lizenziertem Volltext; ohne passende Quelle entstehen keine Karteikarten.
- 3. Bei Dateien wird dokumentgebunden generiert; eine gewählte Bloom-Stufe von 1 bis 6 ist für die Generierung bindend.
- 4. Wo Text zuverlässig extrahiert wird, prüft ein deterministischer Quote-Match den Beleg; nur passende Karten erhalten das Verified-Label.
- 5. Nach der ersten Bewertung plant FSRS-6 die Wiederholungen; der Kartenstatus zeigt, ob ein Quellenbeleg bestätigt wurde.
Warum Quellenbeleg beim Lernen zählt
- Du erkennst, welche Karten einen bestätigten Quellenbeleg haben.
- Du kannst Verified-Aussagen an der gebundenen Quelle nachprüfen.
- Datei-Karten bleiben an das bereitgestellte Material gebunden.
- Ein unverifizierter Status wird sichtbar statt als Beleg ausgegeben.
Sechs Prüfsteine für eine KI-Lernapp
Jeder Prüfstein besteht aus einer Frage, aus dem Grund, warum sie zählt, und aus der Probe, die du bei jeder App selbst machen kannst. Erst danach steht, wie Quanta an dieser Stelle antwortet, und wo die Antwort aufhört.
Sagt die App, woher eine Aussage stammt?
Ein Sprachmodell erzeugt flüssigen Text auch dort, wo es nichts weiß. Ohne eine gebundene Quelle lässt sich nicht unterscheiden, ob eine Karteikarte aus einem Lehrbuch oder aus einer Formulierungslücke stammt.
- So prüfst du es
- Lass dir zu einem Thema Karteikarten erzeugen und suche an einer einzelnen Karteikarte nach der Herkunft. Steht dort ein Zitat oder ein Dokumentbezug, den du öffnen kannst, oder nur der Kartentext?
- Bei Quanta
- Im themenbasierten Standardweg entstehen die Karteikarten aus offen lizenziertem Volltext, und ein serverseitiger Abgleich prüft, ob die Aussage wörtlich an ihrer Quelle wiederzufinden ist. Nur wer diesen Abgleich besteht, bekommt eine gebundene Quelle und das Verified-Label.
- Wo es aufhört
- Gemessen wird Quellentreue, also die Nachprüfbarkeit an der Quelle, nicht die Richtigkeit der Quelle selbst.
Was passiert, wenn die App nichts findet?
Das ist die eigentliche Trennlinie. Eine App, die im Zweifel trotzdem etwas ausgibt, verlagert die Prüfung auf dich, und zwar genau dort, wo du sie am wenigsten leisten kannst.
- So prüfst du es
- Gib ein sehr enges oder ein erfundenes Thema ein. Bekommst du trotzdem einen vollen Kartensatz, dann füllt die App Lücken.
- Bei Quanta
- Findet sich im themenbasierten Weg keine passende Quelle, entstehen keine Karteikarten. Der Weg über eine eigene Datei oder eine URL bleibt offen, und dort wird an das gelieferte Material gebunden.
- Wo es aufhört
- Bei Datei-Scans hängt der Beleg daran, ob sich Text zuverlässig auslesen lässt. Visuelle Karteikarten ohne belastbaren Textbezug bleiben sichtbar unverifiziert, statt als belegt zu gelten.
Nach welchem Verfahren plant die App die Wiederholungen?
Eine Lernapp ohne Wiederholungsplanung ist ein Kartenstapel mit Suchfunktion. Der Unterschied zwischen den Verfahren ist messbar und veröffentlicht, du musst ihn nicht glauben.
- So prüfst du es
- Suche nach dem Namen des Verfahrens. Steht dort ein benannter Algorithmus mit einer Veröffentlichung dahinter, oder nur ein Wort wie intelligent?
- Bei Quanta
- Quanta plant mit FSRS-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.
- Wo es aufhört
- Das ist ein Ergebnis dieses Datensatzes und keine pauschale Wirkungszusage für dein Lernen.
Auf welcher Anspruchsstufe stehen die Fragen?
Eine Karteikarte, die nur nach einer Definition fragt, prüft Wiedererkennen. Klausuren fragen Anwendung und Analyse. Wer den Unterschied nicht steuern kann, lernt am Prüfungsformat vorbei.
- So prüfst du es
- Sieh dir zehn erzeugte Karteikarten an und zähle, wie viele mit Was ist beginnen. Prüfe außerdem, ob du die Stufe vor dem Erzeugen wählen kannst.
- Bei Quanta
- Alle sechs Stufen der Bloom-Taxonomie sind auswählbar, und eine getroffene Auswahl ist für den Generierungslauf bindend, nicht bloß ein Wunsch.
- Wo es aufhört
- Die Zuordnung einer Frage zu einer Stufe ist eine Einordnung des Verfahrens und keine geprüfte didaktische Bewertung.
Wo laufen deine Unterlagen durch, und wie lange bleiben sie dort?
Ein hochgeladenes Skript ist ein Dokument aus deinem Studium, oft mit Namen und Kursbezug darin. Wo es verarbeitet wird und wie lange es beim KI-Anbieter liegt, ist eine Frage mit einer nachlesbaren Antwort.
- So prüfst du es
- Suche nach dem Namen des KI-Anbieters, nach dem Verarbeitungsort und nach einer Aufbewahrungsfrist. Fehlt eines der drei, ist die Antwort unvollständig.
- Bei Quanta
- Gespeichert wird in Frankfurt am Main, Region europe-west3. Die Textfunktionen laufen über den EU-Endpunkt der Mistral AI SAS in Paris, das Auslesen von Dateien und Sprachaufnahmen über deren Standard-Endpunkt, für den kein bestimmter Verarbeitungsort zugesagt ist. Dort tragen die Standardvertragsklauseln.
- Wo es aufhört
- Ein- und Ausgaben speichert der KI-Anbieter 30 rollierende Tage zur Missbrauchserkennung. Hochgeladene Dateikopien löscht Quanta unmittelbar nach der Verarbeitung, auch im Fehlerfall.
Kommst du wieder heraus?
Ein Kartenstapel wächst über Jahre. Eine App, aus der die Arbeit nicht wieder herauskommt, wird mit jedem Monat teurer zu verlassen, unabhängig von ihrem Preis.
- So prüfst du es
- Sieh nach, ob es einen Import aus einem verbreiteten Format gibt und ob deine Inhalte wieder ausgehen. Prüfe außerdem, was beim Wechsel zurück in einen kostenlosen Tarif mit den Inhalten passiert.
- Bei Quanta
- Bestehende Anki-Stapel lassen sich importieren, und nach einer Kündigung bleiben die Inhalte bis zum Ende des bezahlten Zeitraums vollständig nutzbar. Danach wechselt das Konto auf den kostenlosen Starter-Tarif.
- Wo es aufhört
- Beim Wechsel auf den Starter-Tarif werden Themen und Karteikarten, die über dessen Grenzen hinausgehen, gesperrt. Gelöscht oder veröffentlicht wird dabei nichts, und ein späteres Upgrade schaltet sie wieder frei.
Häufige Fragen zur KI-Lernapp
Was ist eine KI-Lernapp?
Eine KI-Lernapp erzeugt aus deinem Lernstoff automatisch Abfragematerial, also Karteikarten oder Quizfragen, und plant danach, wann du sie wiedersiehst. Der Begriff sagt für sich genommen nichts über die Qualität: entscheidend ist, woher die Inhalte stammen, was passiert, wenn die App nichts findet, und nach welchem Verfahren sie die Wiederholungen plant. Genau diese drei Punkte lassen sich nachsehen, und diese Seite zeigt, wie.
Was unterscheidet eine KI-Lernapp von einer Karteikarten-App?
Eine Karteikarten-App verwaltet, was du selbst geschrieben hast. Eine KI-Lernapp schreibt einen Teil davon. Damit verschiebt sich die Frage: nicht mehr, ob die Verwaltung gut ist, sondern ob der erzeugte Inhalt belastbar ist. Deshalb ist die wichtigste Eigenschaft einer KI-Lernapp nicht die Menge der erzeugten Karteikarten, sondern ihr Umgang mit dem Fall, dass sich eine Aussage nicht belegen lässt.
Erfindet die KI bei Lernapps Fakten (Halluzination)?
Generative KI kann unbelegte oder falsche Inhalte erzeugen. Quanta reduziert dieses Risiko im themenbasierten Verified-Pfad durch offen lizenzierten Volltext, Temperature 0 und einen deterministischen Quote-Match; nur passende Karten erhalten das Verified-Label. Findet sich keine passende Quelle, entstehen keine Karteikarten; Datei oder URL sind der Weg. Datei-Scans arbeiten dokumentgebunden; wo Text zuverlässig extrahiert wird, prüft Quanta den Beleg, andere visuelle Karten bleiben transparent unverifiziert. Der interne Benchmark „KI ohne Halluzination" (Juni 2026) misst 97,8 % Quote-Matches unter seinem veröffentlichten Testumfang; er misst Textbindung, nicht die externe Richtigkeit der Quelle.
Woran erkenne ich, ob eine KI-Lernapp ihre Quellen wirklich bindet?
An einer einzelnen Karteikarte, nicht am Werbetext. Lass dir zu einem Thema Material erzeugen und sieh nach, ob an einer Karteikarte eine Herkunft steht, die du öffnen kannst. Die zweite Probe ist härter: gib ein sehr enges oder ein erfundenes Thema ein. Kommt trotzdem ein voller Kartensatz zurück, füllt die App Lücken, statt die Lücke zu melden.
Wie funktioniert eine KI-Lernapp?
Du lieferst den Stoff, als Thema, als getippten Text, als hochgeladene Datei oder als URL. Daraus entstehen Fragen und Antworten, bei Quanta auf einer von sechs auswählbaren Bloom-Stufen, und die Auswahl ist für den Lauf bindend. Nach deiner ersten Bewertung übernimmt die Wiederholungsplanung: sie entscheidet, wann eine Karteikarte wiederkommt, und nicht du.
Kann die KI Karteikarten aus meinem PDF oder Skript erstellen?
Ja. Quanta erzeugt aus PDF, Foto, Text und URL dokumentgebundene Karteikarten. Wo Text zuverlässig extrahiert werden kann, prüft ein Quote-Match den Beleg; nicht passend belegbare visuelle Karten bleiben unverifiziert. Seiten- oder Dokumentangaben werden übernommen, soweit die Extraktion sie bereitstellt. Bis zu 10 Dokumente können in einer Generierung berücksichtigt werden.
Was kostet Quanta, und welche KI steckt dahinter?
Beide Antworten stehen dort, wo nach dem Produkt gefragt wird, und zwar in voller Länge: die Tarife samt der Grenzen des kostenlosen Einstiegs auf der Seite zur Karteikarten-App, der Verarbeitungsort und die Aufbewahrungsfrist beim KI-Anbieter im fünften Prüfstein weiter oben auf dieser Seite. Doppelt geführt werden sie nicht, weil zwei Fassungen derselben Zusage genau die Stelle sind, an der eine davon still veraltet.
Mit nachvollziehbarem Quellenstatus lernen
Source-First-Verified-Karten, dokumentgebundene Datei-Scans, FSRS-6 und Prüfungssimulation.