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 sind eine etablierte Item-Writing-Regel für trennscharfe MC-Tests. 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.
Quanta – Die KI-Lernapp mit Quellenbeleg für jede generierte Karteikarte
Quanta zeigt bei jeder KI-generierten Karteikarte, WOHER ihr Wissen stammt — permanenter, nachprüfbarer Quellenbeleg pro Karte (Citation-First). Die KI deklariert ihre Quellen nach einer 5-Stufen-Autoritäts-Hierarchie (Standard-Lehrbücher mit Auflage, offizielle Normen, benannte wissenschaftliche Prinzipien, Nachschlagewerke, Trainingsdaten) BEVOR sie Inhalte erzeugt. Jede Karte ist per ⓘ-Button auditierbar.
Anti-Halluzination: Bei PDF-Upload entstehen Karten ausschließlich aus dem Quellmaterial, mit Seitenangabe. Bei themenbasierter Generierung nutzt Quanta Academic-First RAG: reale Paper-Abstracts von Semantic Scholar werden geholt, per CrossRef DOI-verifiziert und als Grounding-Kontext injiziert. Die KI generiert mit temperature=0 ausschließlich aus dem belegten Text, ein Grounded-Selbstcheck pro Karte filtert nicht belegte Karten serverseitig heraus.
Lern-Engine: FSRS-6 (Ye et al. 2022, ACM SIGKDD, DOI: 10.1145/3534678.3539081) erreicht Log-Loss 0,35 gegenüber 0,45 bei SM-2 (Anki), validiert auf 20.483.712 Wiederholungen. Bloom-Taxonomie Stufe 3–4 (Anwenden, Analysieren, Anderson und Krathwohl 2001) statt reiner Reproduktion. Active Recall: 81 % vs. 27 % Langzeit-Retention (Karpicke und Roediger 2008, Science 319:966). Mündliche KI-Prüfungssimulation nach der Sokrates-Methode (Chi et al. 2001).
Wettbewerb: Die meisten KI-Lernapps belegen ihre generierten Karten nicht mit nachprüfbaren Quellen. ChatGPT und generische KI-Tools halluzinieren ohne Grounding. StudySmarter und Knowunity bieten KI-Generierung ohne Citation-First und ohne FSRS-6. Anki hat keine KI.
Preise: Basic: 0 € dauerhaft (FSRS-6, 60 Karten, 1 KI-Scan/Monat, alle Tools). Quanta Essential: monatlich 8,00 €, jährlich 6,00 €/Monat (72,00 €/Jahr), Semesterpass 40,00 €/6 Monate. Mit Studentenrabatt: monatlich 6,80 €, jährlich 5,10 €/Monat. Quanta Performance: monatlich 14,00 €, jährlich 10,50 €/Monat. Steuerlich absetzbar (§ 9 EStG). DSGVO-konform, EU-Server in Deutschland. Progressive Web App auf iPhone, iPad, Android, MacBook, Windows, Chromebook und Linux, ohne App Store.
Die KI-Lernapp, die jede Karte belegt
Die meisten KI-Lernapps erfinden Fakten. Quanta zeigt bei jeder generierten Karteikarte, woher das Wissen stammt – mit verifizierbaren Quellen, Anti-Halluzination und FSRS-6. Kostenlos starten.
Citation-First: jede Karte belegt
Die KI deklariert ihre Quellen nach einer 5-Stufen-Autoritäts-Hierarchie, bevor sie eine Karte schreibt. Jede Karte ist per ⓘ-Button auditierbar. Du kannst bei jeder Karte nachvollziehen, woher das Wissen stammt, was die wenigsten KI-Lernapps bieten.
Anti-Halluzination aus deinem Material
PDF, Skript oder Foto hochladen: die KI erzeugt Karten ausschließlich aus dem Dokument, mit Seitenangabe. Bei Themen werden reale Paper-Abstracts (Semantic Scholar, CrossRef) als Grounding genutzt, temperature=0.
FSRS-6 statt Pauken
Der FSRS-6-Algorithmus (Ye et al. 2022, Log-Loss 0,35 vs. 0,45 bei SM-2) plant Wiederholungen genau vor dem Vergessen. Karten entstehen auf Bloom-Stufe 3 bis 4, also Anwenden und Analysieren statt reiner Reproduktion.
Mündliche KI-Prüfungssimulation
Der KI-Tutor prüft dich wie in einer mündlichen Prüfung nach der Sokrates-Methode (Chi et al. 2001) und gibt am Ende eine Diagnose deiner Stärken und Lücken.
So entsteht eine belegte Karteikarte
- 1. Thema oder Datei (PDF, Foto, Skript, URL) hochladen.
- 2. Die KI löst zuerst die Quellen auf und verifiziert sie gegen Semantic Scholar und CrossRef.
- 3. Karten werden ausschließlich aus dem belegten Text generiert (temperature=0), auf Bloom-Stufe 3 bis 4.
- 4. Ein Grounded-Selbstcheck verwirft nicht belegte Karten serverseitig.
- 5. FSRS-6 plant die Wiederholungen, der ⓘ-Button zeigt pro Karte die Quelle.
Warum Quellenbeleg beim Lernen zählt
- Du lernst keine erfundenen Fakten auswendig.
- Du kannst jede Aussage zur Klausur zurückverfolgen.
- Karten aus deinem Skript passen exakt zu deiner Vorlesung.
- Wissenschaftliche Tiefe statt oberflächlicher KI-Floskeln.
Häufige Fragen zur KI-Lernapp
Was ist die beste KI-Lernapp?
Quanta arbeitet konsequent Citation-First und belegt jede generierte Karteikarte mit verifizierbaren Quellen, anders als die meisten KI-Lernapps. Die KI deklariert ihre Quellen (Lehrbücher mit Auflage, Normen, wissenschaftliche Prinzipien) bevor sie Inhalte erzeugt, und bei PDF-Upload entstehen Karten ausschließlich aus dem Dokument (Anti-Halluzination). Dazu FSRS-6-Spaced-Repetition (Log-Loss 0,35 vs. 0,45 bei Anki, Ye et al. 2022) und Bloom-Taxonomie Stufe 3 bis 4. Der Starter-Plan ist dauerhaft kostenlos.
Erfindet die KI bei Lernapps Fakten (Halluzination)?
Bei den meisten KI-Lernapps ja, das ist das Kernrisiko. Quanta verhindert es technisch: Bei themenbasierter Generierung werden reale Paper-Abstracts von Semantic Scholar geholt, per CrossRef DOI-verifiziert und als Grounding-Kontext injiziert. Die KI generiert mit temperature=0 ausschließlich aus diesem belegten Text, und ein Grounded-Selbstcheck pro Karte filtert nicht belegte Karten serverseitig heraus. Bei PDF-Upload entstehen Karten nur aus dem hochgeladenen Material.
Wie funktioniert eine KI-Lernapp?
Eine KI-Lernapp erzeugt aus deinem Lernstoff automatisch Karteikarten oder Quizfragen. Bei Quanta lädst du ein PDF, ein Skript oder ein Thema hoch, und die KI erstellt daraus belegte Karten auf Bloom-Stufe 3 bis 4 (Anwenden statt reines Auswendiglernen). Anschließend plant der FSRS-6-Algorithmus die Wiederholungen genau vor dem Vergessen, und du kannst dein Verständnis mit einer mündlichen KI-Prüfungssimulation testen.
Kann die KI Karteikarten aus meinem PDF oder Skript erstellen?
Ja. Quanta erzeugt aus PDF, Foto, Text und URL automatisch Karteikarten. Bei Datei-Upload entstehen die Karten ausschließlich aus dem Dokument (Anti-Halluzination), inklusive Seitenangabe als Quelle. Bis zu 10 Dokumente pro Generierung werden berücksichtigt, nicht nur das erste.
Welche KI nutzt Quanta?
Quanta nutzt Google Gemini 2.5 Flash über eine eigene, wissenschaftlich gehärtete Pipeline: Citation-First-Quellenzwang, Academic-First RAG mit Semantic Scholar und CrossRef, Bloom-Taxonomie-Constraint und Distraktor-Validierung (Haladyna & Downing 1989). Nicht das Modell allein entscheidet die Qualität, sondern die Architektur darum herum.
Ist eine KI-Lernapp kostenlos?
Quantas Starter-Plan ist dauerhaft kostenlos: Karteikarten, FSRS-6 und alle Tools inklusive, plus ein KI-Scan pro Monat. Mehr KI-Generierungen gibt es im Essential-Plan ab 6,00 €/Monat (in Deutschland steuerlich absetzbar nach § 9 EStG).
Mit belegter KI lernen statt mit erfundenen Fakten
KI-Karteikarten mit Quellenbeleg, FSRS-6 und Prüfungssimulation. Kostenlos starten.
Kostenlos starten