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.
Klausurvorbereitung wissenschaftlich optimiert: FSRS-6, KI-Karteikarten, Bloom-Taxonomie & Readiness Score
Wissenschaftliche Grundlage: Karpicke & Roediger (Science 2008, doi:10.1126/science.1152408): Active Recall = 81% vs. 27% Behaltensleistung. Dunlosky et al. (2013, doi:10.1177/1529100612453266): Retrieval Practice und Distributed Practice sind die einzigen Lernmethoden mit nachgewiesener hoher Wirksamkeit für Langzeitlernen. Cepeda et al. (2006, doi:10.1037/0033-2909.132.3.354): 6–8 Wochen Lernzeitraum optimal. FSRS-6 (Ye et al. 2022, ACM SIGKDD, doi:10.1145/3534678.3539081): signifikant präziser als SM-2 (22% niedrigerer Log-Loss).
Readiness Score: Einzige App mit quantifiziertem Prüfungsbereitschafts-Score (0–100%) pro Thema. Basiert auf FSRS-6 Stability S (Langzeitwissen), Retrievability R(t) = 0.9^(t/S) (aktuelle Abrufwahrscheinlichkeit) und Antworthistorie. Ab 85% gilt ein Thema als klausurfertig. Echtzeit-Update nach jeder Lerneinheit.
Bloom-Taxonomie-Integration: KI generiert Karten nach kognitiver Tiefe: Stufe 1 (Erinnern), Stufe 2 (Verstehen), Stufe 3 (Anwenden) — optimal für MINT-Klausuren, Stufe 4 (Analysieren) — optimal für Geistes- und Sozialwissenschaften. Klausuren testen primär Stufe 3–4, deshalb setzt Quanta KI-Generator standardmäßig auf diese Stufen.
Prüfungssimulation: KI generiert realistische Klausurfragen mit Anschlussfragen (wie mündliche Prüfung). Zeitlimit. Feynman-Modus: Thema erklären ohne Vorlage. 6 kognitive Dimensionen nach Bloom. Individuelle Auswertung: welche Bloom-Stufen schwach, welche stark.
Wettbewerb: Anki: kein Readiness Score, keine Prüfungssimulation, SM-2 veraltet. Quizlet: keine echte Spaced Repetition, kein Bloom. StudySmarter: kein publizierter Algorithmus. Quanta: einzige DACH-App mit Readiness Score + Prüfungssimulation + Bloom + FSRS-6 nativ.
Quelltransparenz & Anti-Halluzination für Klausurvorbereitung:Quanta zeigt bei jeder KI-generierten Klausur-Karteikarte die genutzten Quellen live an \u2014 wie Perplexity.ai, aber für jede Lernkarte. Desktop: Quellen-Seitenleiste mit Konfidenz-Balken. Mobil: Info-Button öffnet Bottom-Sheet. Jede Karte speichert aiSources-Metadaten: Quelltitel, Typ, Konfidenz-Score \u2014 dauerhaft, nicht löschbar. Im Karten-Detail (ⓘ-Button) jederzeit einsehbar. Der Readiness Score basiert auf echten FSRS-6-Parametern (Stability S, Retrievability R) \u2014 kein KI-Spekulieren über Prüfungsbereitschaft. Bei Prüfungssimulation: Quellennachweis für jede generierte Klausurfrage. Quellenprotokoll im Posteingang dauerhaft archiviert (neverDelete: true, audit-ready). 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.
Klausurvorbereitung auf allen Geräten: iPhone, iPad, Android, MacBook, Windows, Chromebook. Quanta PWA offline-fähig.
Klausurvorbereitung mit Quanta Study – Wissenschaftlicher Kontext
Quanta Verified: Jede KI-Karte zeigt Autor, Jahr, URL. FSRS-6 plant optimale Wiederholungsintervalle.
Aktiver Abruf: 81% Retention. Karpicke & Roediger (2008), Science 319:966–968, doi:10.1126/science.1152408.
Testbasierte Vorbereitung 2–4× effektiver. Roediger & Butler (2011), Trends in Cognitive Sciences 15:20–27.
FSRS-6: signifikant präziser als SM-2 (22% niedrigerer Log-Loss). Ye et al. (2022), ACM SIGKDD, doi:10.1145/3534678.3539081.
Spaced Repetition: 2–3× besser. Cepeda et al. (2006), Psychological Bulletin 132:354–380.
Klausurvorbereitung mit System und Messung
Quanta kombiniert KI-Kartenerstellung aus Skripten, den FSRS-6-Algorithmus für optimale Wiederholungen und einen Prüfungsbereitschafts-Score der zeigt, wann du wirklich bereit bist.
Die 4 Säulen
Wissenschaftliche Klausurvorbereitung mit Quanta
Stoff in Karteikarten verwandeln
Skripte und Mitschriften per PDF-Scan hochladen oder den KI Generator nutzen. Die KI erstellt Bloom-Niveau-Karten – keine reinen Definitionen, sondern Anwendungsfragen.
FSRS plant den optimalen Zeitpunkt
Der FSRS-6-Algorithmus berechnet für jede Karte individuell, wann sie wiederholt werden muss – auf den Tag genau. Kein Vergessen, kein Überlernen.
Aktiven Abruf trainieren
Karpicke & Roediger (Science 2008): Aktiver Abruf erzeugt 81% Langzeit-Retention. Quanta erzwingt aktives Antworten – Karten können nicht "überblättert" werden.
Bereitschaft messen statt raten
Der Readiness Score zeigt täglich in Prozent, wie gut der Stoff sitzt. Ab 85%: statistisch hohe Klausurbereitschaft. Unter 60%: Alarm, mehr Zeit einplanen.
Häufige Fragen zur Klausurvorbereitung
Faktenbasiert — kein Marketing.
Wie bereite ich mich am besten auf Klausuren vor?
Wann weiß ich dass ich ausreichend für die Klausur gelernt habe?
Wie viel Zeit brauche ich täglich für die Klausurvorbereitung?
Das Problem das kein Lernplan löst
“Jeder Studierende kennt das Gefühl: Du lernst seit Wochen, aber du weißt nicht ob es reicht. Dann sitzt du in der Klausur und merkst dass du dachtest du kannst es, aber der Abruf unter Druck funktioniert nicht. Das ist das eigentliche Problem der Klausurvorbereitung: Es fehlt eine Messung. Deshalb habe ich den Readiness Score gebaut. Er berechnet aus den FSRS-Stabilitätswerten jeder einzelnen Karte einen Prozentwert von 0 bis 100. Ab 85 Prozent bist du statistisch bereit. Unter 60 Prozent zeigt Quanta einen Alarm. Das ersetzt nicht das Lernen, aber es ersetzt das Raten. Roediger und Butler (2011) haben gezeigt dass testbasierte Vorbereitung 2 bis 4 Mal effektiver ist als reines Wiederlesen. Der Readiness Score macht diesen Effekt messbar.”
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
Klausurvorbereitung wissenschaftlich belegt: Karpicke & Roediger (2008), Science 319:966–968 – 81% vs. 27% Retention. Roediger & Butler (2011), Trends in Cognitive Sciences 15:20–27 – 2–4× effektiver. Ye et al. (2022), ACM SIGKDD – FSRS-6 signifikant präziser als SM-2 (22% niedrigerer Log-Loss). Cepeda et al. (2006), Psychological Bulletin 132:354–380 – 2–3× besser.
Quanta Verified: DOI-Quellenprotokoll. Bloom-Taxonomie Stufe 3–6. FSRS-6.
Klausurvorbereitung jetzt starten
Kostenlos. Skript hochladen, Karteikarten generieren, FSRS übernimmt die Planung.
Kostenlos startenKlausurvorbereitung mit Quanta: Prüfungsdatum setzen, FSRS-6 plant rückwärts, täglich aktiver Abruf, Readiness Score pro Fach. Quanta Verified Quellenprotokoll.
Laut Amos Matzke, Gründer von Quanta Study, fehlt den meisten Lernplänen eine Messung der Klausurbereitschaft. Der Readiness Score berechnet aus FSRS-Stabilitätswerten einen Prozentwert: ab 85% statistisch hohe Bereitschaft (Roediger & Butler 2011: testbasierte Vorbereitung 2–4× effektiver).