KI-Feature · Quanta

Karteikarten aus PDF & Foto

Quanta extrahiert Lernkarten direkt aus deinen Dokumenten — in Bloom-Niveau-Qualität, ohne Halluzinationen, mit LaTeX-Formeln und Duplikat-Erkennung. Kein manuelles Abtippen.

Gemini 2.5 Flash · Anti-Halluzination · Bloom 3–4

Technische Abläufe

Was passiert nach dem Upload

Kein Blackbox-Versprechen. Jeder Schritt ist im Code verankert.

01

Dokument hochladen

PDF, Foto (JPG/PNG/WebP) oder Screenshot deiner Mitschrift oder Vorlesungsfolie. Handschrift wird erkannt.

02

Multimodale KI-Analyse

Gemini 2.5 Flash analysiert Text und Bild gleichzeitig. Formeln, Diagrammbeschriftungen, Strukturformeln — alles wird erfasst.

03

Bloom-Niveau-Extraktion

Das Modell priorisiert Anwendungs- und Analysefragen (Bloom: Stufe 3–4) gegenüber reiner Definitions-Wiedergabe. Harte Prompt-Regel, kein Ratschlag.

04

Anti-Halluzinations-Filter

Der Constraint "HALLUZINATION VERBOTEN: NUR Inhalte aus dem Dokument" ist unveränderlich im Systemauftrag kodiert. Das Modell darf nichts ergänzen, was nicht im Dokument steht.

05

Duplikat-Erkennung

Bestehende Karten aus deinem Thema werden dem Modell mitgegeben. Inhaltliche Duplikate werden vor der Generierung ausgeschlossen.

06

FSRS-Integration

Jede neue Karte startet sofort im FSRS-6-Algorithmus. Erste Wiederholung wird gemäß Ebbinghaus-Kurve terminiert — automatisch.

Kognitionswissenschaft

Warum KI-Scan qualitativ besser ist als manuell kopieren — die Forschungsbasis

81%
Langzeit-Retention durch Aktiven Abruf

vs. 27% bei passivem Lesen. Karpicke & Roediger, Science 319 (2008). Der Schlüssel: KI-Scan generiert Karten im Q&A-Format — die einzige Lernform, die aktiven Abruf erzwingt.

Bloom 3–4
Kognitive Qualitätsstufe der generierten Fragen

Quantas Prompt priorisiert Anwendungs- und Analysefragen gegenüber reiner Fakten-Reproduktion (Bloom 1). Anderson & Krathwohl (2001): Höhere Bloom-Stufen erzeugen stärkeren Transfer.

0
Erlaubte Halluzinationen im Prompt-Constraint

Explizites "HALLUZINATION VERBOTEN"-Constraint im Systemauftrag. Jede Karte muss auf einem Inhalt des hochgeladenen Dokuments basieren — verifizierbar, nicht nur eine Empfehlung.

Warum Quanta anders ist

4 Qualitätsprinzipien — im Code, nicht im Marketing

Bloom-Taxonomie als Systemregel

Standard-KI-Tools generieren was das Sprachmodell für einen "typischen Karteikarten-Inhalt" hält — meist Definitionen auf Reproduktions-Niveau (Bloom 1–2). Quanta kodiert die Bloom-Stufen 3–4 (Anwendung, Analyse) als harte Anweisung. Forschungsgrundlage: Anderson & Krathwohl (2001) zeigten, dass höhere kognitive Stufen signifikant stärkere Transferleistung erzeugen als reine Reproduktion.

Anderson, L. W. & Krathwohl, D. R. (2001). A Taxonomy for Learning, Teaching, and Assessing. Addison Wesley.

Anti-Halluzinations-Constraint — nicht verhandelbar

Halluzinationen sind das kritischste Problem bei KI-generierten Lernkarten in MINT-Fächern: Eine falsche Formel oder ein erfundener Mechanismus führt zu Falschlern-Effekten (McGrew, 2021). Quantas Prompt kodiert einen unveränderlichen Constraint: Das Modell darf ausschließlich Inhalte aus dem hochgeladenen Dokument verwenden. Es gibt keinen "Best-Effort"-Modus.

McGrew, S. et al. (2021). Breakdowns in AI factual accuracy. Proceedings of AIES '21.

Niveau-Adaptation: Klasse 5 bis Semester 8

Das Sprachmodell generiert denselben Text zu "Thermodynamik" für alle Nutzer — außer es bekommt expliziten Kontext. Quanta injiziert Schultyp, Klasse, Bundesland (Schüler) oder Studiengang und Semester (Studierende) in jeden Prompt. Ein Gymnasium-Abiturient und ein Physik-Student im 4. Semester erhalten grundverschiedene Karten-Niveaus. Grundlage: Zone of Proximal Development (Vygotsky, 1978).

Vygotsky, L. S. (1978). Mind in Society. Harvard University Press.

LaTeX-nativ — nicht nachgelagert

Bei Anki müssen Formeln manuell in LaTeX-Plugins eingefügt werden. Quanta rendert LaTeX-Inline-Formeln ($f(x)$) und Block-Formeln ($$E = mc^2$$) nativ via KaTeX, direkt beim Kartenerstellungs-Schritt. Das Modell hat die Anweisung, alle mathematischen Ausdrücke in LaTeX zu schreiben. Dual Coding (Paivio, 1971): Visuelle + textuelle Enkodierung erhöht Langzeit-Retention.

Paivio, A. (1971). Imagery and Verbal Processes. Holt, Rinehart & Winston.

Transparenz — Nutzungslimits

Wie viele Karten kann ich scannen?

Basic — Kostenlos

20

Karten/Woche (geteilt mit KI-Set). Montags-Reset.

Pro

500

Karten/Woche (geteilt mit KI-Set). Ab 7,49 €/Monat.

Pro Scan-Vorgang: 1–70 Karten konfigurierbar. KI-Scan und KI-Set teilen denselben wöchentlichen Zähler.

FAQ

Häufige Fragen

Welche Dokumenttypen funktionieren am besten?
PDFs mit klarer Textstruktur (Lehrbücher, Skripte), Fotos von Mitschriften mit lesbarer Handschrift, Screenshots von Präsentationsfolien. Mehrsprachige Dokumente werden unterstützt.
Kann ich denselben Text mehrfach scannen?
Ja. Quanta erkennt bestehende Karten des Themas als Duplikate und extrahiert beim zweiten Scan andere Konzepte — sodass ein umfangreiches Dokument in mehreren Runden vollständig abgedeckt werden kann.
Was passiert wenn das Dokument weniger Konzepte hat als gewünschte Karten?
Quanta zeigt eine Notice: "Die KI hat X von Y Karten extrahiert — der Inhalt war besonders dicht." Das Modell füllt nicht mit erfundenen Inhalten auf. Anti-Halluzinations-Constraint hat Vorrang vor der Zielanzahl.
Wie unterscheidet sich KI-Scan von KI-Set?
KI-Scan braucht ein hochgeladenes Dokument als Quelle und extrahiert nur dessen Inhalte. KI-Set generiert aus einem Themennamen ohne Dokument — auf Basis des Allgemeinwissens des Modells, angepasst an dein Niveau.

Erste Karten in 60 Sekunden

Dokument hochladen. Karten erhalten. FSRS lernt mit dir — ab der ersten Wiederholung.