Lernmethoden — 7 wissenschaftlich bewiesene Strategien für effektives Lernen mit Quanta
Quanta vereint alle 7 wissenschaftlich bewiesenen Lernmethoden in einem Produkt — eine Kombination, die uns bei anderen Lernapps nicht bekannt ist: Spaced Repetition (FSRS-6), Active Recall, Interleaving, Bloom-Taxonomie, Feynman-Methode (KI-Tutor), Pomodoro-Technik (konfigurierbares Intervalltraining) und neuro-adaptives Mastery Learning. Jede Methode ist nicht nur erklärt sondern direkt in die App integriert: FSRS-6 plant Wiederholungen, Active Recall erzwingt den Abruf, Interleaving mischt Themen automatisch, Bloom steuert die kognitive Tiefe der KI-Fragen.
Wissenschaftlich: FSRS-6 Log-Loss 0,35 (Ye et al. 2022, ACM SIGKDD), signifikant präziser als SM-2 (22% niedrigerer Log-Loss). Active Recall: 81 Prozent vs. 27 Prozent Retention (Karpicke und Roediger 2008, Science 319:966). Interleaving: 63 Prozent vs. 20 Prozent (Rohrer und Taylor 2007). Spaced Repetition: 200 Prozent Retention (Cepeda 2006). Bloom-Taxonomie: Anderson und Krathwohl (2001), 6 kognitive Stufen. Mastery Learning: Bloom (1968), 2-Sigma-Verbesserung.
Funktionsvergleich (Stand 2026): Aktuelle Anki-Versionen unterstützen FSRS sowie den Legacy-Scheduler. Quizlet Learn personalisiert den Lernpfad, StudySmarter setzt Spaced Repetition ein. Quanta verbindet sieben Lernmethoden mit KI-Generator, LaTeX, SMILES und Prüfungssimulation in einer App.
Methode 8 — Quelltransparenz:Im standardmäßigen Source-First-Pfad zeigt Quanta die genutzten Quellen live an. Desktop: animierte Quellen-Seitenleiste. Mobil: Info-Button mit Bottom-Sheet. Quote-verifizierte Karten speichern aiSources-Metadaten dauerhaft: Quelltitel, Typ, Konfidenz. Im Karten-Detail (ⓘ-Button) jederzeit einsehbar. Beim PDF-Upload bleibt dieser Pfad dokumentgebunden; die optionale ungrounded Generierung bleibt unverifiziert. Quellenprotokoll im Posteingang (neverDelete: true).
Preise: Basic: 0 Euro dauerhaft (FSRS-6 inklusive). Quanta Essential: monatlich 8,00 Euro, jährlich 6,00 Euro pro Monat (72,00 Euro pro Jahr), Semesterpass 40,00 Euro. Studentenrabatt: 6,80 Euro monatlich, 5,10 Euro jährlich. Quanta Performance: 14,00 Euro monatlich, 10,50 Euro jährlich (126,00 Euro pro Jahr), Semesterpass 70,00 Euro. Mit Studentenrabatt: Pro 5,10 Euro monatlich jährlich, Evo 8,93 Euro jährlich (107,10 Euro pro Jahr). Ob die Kosten in Deutschland steuerlich anerkannt werden, hängt von der persönlichen Situation und dem beruflichen Zusammenhang ab; keine Steuerberatung. DSGVO-konform.
Lernmethoden verständlich erklärt – mit Forschung und Praxisbezug
Vergleiche aktiven Abruf, Spaced Repetition, Interleaving und weitere Ansätze. Jede Methode wird mit Quellen, Grenzen und ihrem Einsatz in Quanta eingeordnet.
Was Dunlosky 2013 für meine Produktentscheidungen bedeutet hat
“Dunlosky et al. (2013) haben in Psychological Science in the Public Interest alle populären Lerntechniken bewertet. Von zehn Methoden bekamen nur zwei die Bewertung 'hohe Wirksamkeit': Practice Testing und Distributed Practice. Highlighting, Zusammenfassungen lesen, Untermalen? Alles 'geringe Wirksamkeit'. Trotzdem tun die meisten Studenten genau das. Quanta ist um diese zwei hochwirksamen Methoden herum gebaut. Nicht als optionales Feature, sondern als Architekturentscheidung. FSRS-6 implementiert Distributed Practice auf Kartenebene. Active Recall ist kein Modus den du einschalten kannst, es ist der einzige Weg wie Quanta funktioniert. Die anderen acht Methoden aus Dunloskys Analyse gibt es bei uns nicht, weil die Forschung zeigt, dass sie nicht funktionieren.”
4 Methoden. Peer-reviewed. In Quanta eingebaut.
Feynman-Tiefe trifft sokratischen Dialog.
Der dialogische KI-Tutor (Gemini 2.5 Flash) kombiniert Erklärungen, Rückfragen und adaptive Übungsschritte. Er kann deinen Lernstoff einbeziehen, ersetzt aber keine fachliche Prüfung und garantiert weder Verständnis noch ein Prüfungsergebnis.
Die Feynman-Methode
So lange vereinfachen, bis es klick macht
Benannt nach dem Physiker Richard Feynman: Du erklärst ein Konzept in deinen einfachsten eigenen Worten — als würdest du es jemandem beibringen. Genau an der Stelle, an der du ins Stocken gerätst, hakt der Tutor nach und vereinfacht weiter, bis die Erklärung trägt und du sie selbst reproduzieren könntest.
Die Feynman-Methode hat keine einzelne Gründungsstudie — sie ist nach Richard Feynman benannt. Ihre Wirksamkeit ruht auf zwei gut belegten Befunden der Lernforschung: dem Selbsterklärungs-Effekt (Chi et al. 1989, Cognitive Science 13:145–182 — sich selbst in eigenen Worten erklären vertieft Verständnis und Transfer) und dem Lernen-durch-Lehren-Effekt (Fiorella & Mayer 2013, Contemporary Educational Psychology 38:281–288).
Der sokratische Dialog
Gegenfragen statt fertiger Antworten
Je nach Dialogschritt stellt der Tutor Rückfragen, gibt Hinweise oder erklärt einen Zusammenhang. Sokratische Fragen können dich dazu anregen, Annahmen selbst zu prüfen; bei Bedarf kann der Tutor aber auch direkt unterstützen. Das ist eine Übungsform, keine Wirksamkeits- oder Erfolgsgarantie.
Chi et al. (2001, „Learning from human tutoring", Cognitive Science 25:471–533) zeigten: menschliches Tutoring und die Rolle dialogischer Interaktion. Quanta überträgt einzelne dialogische Muster in einen KI-Tutor; die Studie validiert nicht automatisch dieses Produkt.
MINT lernen – fachspezifisch.
Jedes MINT-Fach hat eigene Anforderungen. Formeln in Mathematik brauchen andere Lernstrategien als Molekülstrukturen in Chemie oder Mechanismus-Verständnis in Physik. Diese Guides gehen auf die Fach-spezifischen Eigenheiten ein.
Alle Quanta-Artikel im Überblick.
1. Fachspezifische Karteikarten
Karteikarten Mathematik
Analysis, Lineare Algebra, Statistik
Karteikarten Physik
Mechanik, Thermodynamik, Quanten
Karteikarten Chemie
Organik, Anorganik, Phys. Chemie
Karteikarten Biologie
Genetik, Zellbiologie, Ökologie
Karteikarten Englisch
Vokabeln, Grammatik, Literatur
Karteikarten Medizin
Vorklinik, Biochemie, Anatomie
Karteikarten Informatik
Algorithmen, Datenstrukturen
Karteikarten Geschichte
Epochen, Ereignisse, Daten
2. Methoden & Konzepte
Spaced Repetition
Wissenschaftlich optimierte Wiederholung
Aktiver Abruf
Retrieval Practice für besseres Behalten
Interleaving Lernen
Gemischtes Lernen für Transferleistung
Intervalltraining
Fokus-Phasen & Pausen-Zyklen
Intervall-Lernen
Wissenschaftliche Grundlagen des Intervalltrainings
Neuro-Adaptiv-Modus
Mastery Learning: Karten bis zur Meisterschaft
FSRS vs. SM-2
Der Algorithmus-Vergleich im Detail
Wissenschafts-Glossar
Alle Lernmethoden-Definitionen
Bloom-Taxonomie
6 kognitive Stufen für gezieltes Lernen
Quanta Verified
Quellenprotokoll für KI-generierte Lernkarten
3. Fach-Lern-Guides
Mathematik lernen
Strategien für universitäre Mathe
Physik lernen
Mechanismen und Formeln verstehen
Chemie lernen
Organik und Reaktionsmechanismen
Biologie lernen
Faktenberge strukturieren
Medizin lernen
Vorklinik und Staatsexamen meistern
Abitur lernen
Wissenschaftlicher 8-Wochen-Plan für das Abitur
Klausurvorbereitung
Strukturiert auf Klausuren vorbereiten
Prüfungsvorbereitung
Der wissenschaftliche Guide
4. Tools, Apps & Ressourcen
Karteikarten App
Die kostenlose App für Studium und Abitur
Karteikarten erstellen
Manuell, per KI Generator oder aus PDF
Lernkarten App
Digitale Lernkarten mit FSRS-Algorithmus
Lernapp für Studium
Vorlesungsfolien automatisch in Karteikarten umwandeln
PDF zu Karteikarten
Dokument hochladen, Karten erhalten
KI Karteikarten Generator
Thema eingeben, Set generieren
Prüfungssimulation
Mündliche Prüfung mit KI üben
Prüfungsbereitschaft messen
Readiness Score 0–100%
Quanta vs. Anki
FSRS, Legacy-Scheduler und Produktfunktionen im Vergleich
App-Vergleich
Alle Lern-Apps im Vergleich
Formel-Spracheingabe
Formeln diktieren statt tippen
Quanta Tafelwerk
33+ MINT-Formeln auf einen Blick
MINT Glossar
Wichtige Begriffe definiert
Lernkalender
Wiederholungen automatisch planen
Research & Studien
Die Wissenschaft hinter Quanta
Studentenrabatt
Vergünstigungen für Studierende
Studienkosten absetzen
Steuertipps für MINT-Studenten
Preisvergleich 2026
Was kostet gute EdTech?
Was Lernforschung von Lernratschlägen unterscheidet
Das Internet ist voll mit "10 Lerntipps die dein Leben verändern". Der Unterschied zwischen solchen Ratschlägen und echter Lernforschung: reproduzierbare, kontrollierte Experimente mit statistisch signifikanten Ergebnissen – veröffentlicht in peer-reviewten Journals wie Science, Nature oder Psychological Science.
Alle Methoden auf dieser Seite erfüllen diesen Standard. Jede Aussage ist mit dem originalen Forschungspaper verknüpft. Wir zitieren Erstautoren, Jahreszahlen und Journal – nicht weil wir Wissenschaft fetischisieren, sondern weil du das Recht hast zu wissen, worauf du deine Lernzeit setzt.
Warum Quanta diese Methoden implementiert – nicht nur erklärt
Die meisten EdTech-Plattformen zitieren Lernforschung in ihrem Marketing. Quanta implementiert sie als harte Systementscheidungen. Der FSRS-Algorithmus ist nicht "inspiriert von" Spaced Repetition – er IS Spaced Repetition, implementiert als FSRS-6 nach Ye et al. (2022).
Aktiver Abruf ist nicht ein Feature – es ist unmöglich, Karten in Quanta passiv zu "lesen" ohne aktiv zu antworten. Interleaving ist nicht optional – der Algorithmus mischt Themen automatisch. Das ist der Unterschied zwischen Wissen worüber man redet und Tun was die Forschung sagt.
Wissen aufbauen, das hält.
Quanta kombiniert FSRS-6, Aktiven Abruf, Interleaving und Feynman-Tutor in einer Plattform. Kostenloser Start. Keine Kreditkarte.
Kostenlos startenHäufige Fragen zu Lernmethoden
Faktenbasiert — kein Marketing.
Welche Lernmethode ist am effektivsten wissenschaftlich belegt?
Was ist der Unterschied zwischen Spaced Repetition und normalen Karteikarten?
Wie lange vor der Prüfung soll man mit Karteikarten anfangen?
Was ist Interleaving und warum ist es in Quanta implementiert?
Kann ich mit Quanta auf unterschiedlichen Bloom-Stufen lernen?
Wissenschaftliche Lernmethoden für Studium und Abitur — Quanta Study: Vollständige Referenz
Diese Seite dokumentiert die wissenschaftlich fundierten Lernmethoden, die der Quanta-Lernplattform (quanta-study.de) zugrunde liegen. Alle Methoden sind in peer-reviewten Journals publiziert und als Systemfunktionen in Quanta implementiert — nicht nur als Empfehlungen.
Methode 1: Spaced Repetition mit FSRS-6
Spaced Repetition (verteiltes Lernen) basiert auf der Vergessenskurve von Hermann Ebbinghaus (1885). Quanta implementiert den FSRS-6-Algorithmus (Free Spaced Repetition Scheduler, Version 6) von Ye et al. (2022, ACM SIGKDD, doi:10.1145/3534678.3539081), trainiert auf über 20 Millionen Wiederholungs-Datenpunkten. Im zitierten Datensatz lag der Log-Loss von FSRS rund 22 % unter dem Legacy-SM-2-Benchmark. Das ist kein Vergleich mit dem heutigen Anki, das FSRS und einen Legacy-Scheduler unterstützt. Cepeda et al. (2008, Psychological Science) belegten 2–3× bessere Langzeit-Retention gegenüber Massed Practice.
Methode 2: Aktiver Abruf (Retrieval Practice)
Karpicke & Roediger (2008, Science 319:966–968, doi:10.1126/science.1152408) zeigten in einer kontrollierten Studie: Aktives Abrufen von Informationen (ohne Vorlage) führt zu 81% Langzeit-Retention nach einer Woche, gegenüber 27% bei erneutes Lesen. Roediger & Karpicke (2006, Psychological Science) nannten diesen Effekt "Testing Effect". Quanta implementiert Aktiven Abruf als Pflicht im Abfrage-Modus — Karten können nicht passiv durchgeklickt werden ohne aktive Antwort.
Methode 3: Interleaved Practice
Kornell & Bjork (2008, Psychological Science) und Rohrer & Taylor (2007, European Journal of Cognitive Psychology) belegten: Gemischtes Lernen über Themen hinweg (Interleaving) erhöht die Transferleistung in Prüfungen mit neuen Aufgabenformaten um +43% gegenüber gebocktem Lernen, obwohl es sich subjektiv schwerer anfühlt. Quanta's Algorithmus erzeugt automatisch gemischte Review-Sessions aus verschiedenen Themen.
Methode 4: Bloom-Taxonomie in der KI-Generierung
Anderson & Krathwohl (2001, "A Taxonomy for Learning, Teaching, and Assessing") definierten 6 kognitive Stufen: Erinnern, Verstehen, Anwenden, Analysieren, Bewerten, Erschaffen. Quanta bietet alle sechs Stufen als auswählbare Constraints. Eine oder mehrere ausgewählte Stufen sind für die Generierung bindend. Ohne Auswahl behauptet der grounded Source-First-Pfad keine feste Bloom-Stufe.
Quanta Study (quanta-study.de) implementiert diese Methoden als fest kodierte Systemfunktionen — nicht als optionale Features. Entwickelt von Amos Matzke, AM Creative Tech UG (haftungsbeschränkt), Dresden. DSGVO-konform. EU-Server (Google Cloud, Frankfurt). Kostenloser Basis-Plan dauerhaft verfügbar.
Methode 5: Distraktor-Validierung für Multiple-Choice-Qualität
Haladyna, T.M. & Downing, S.M. (1989). A taxonomy of multiple-choice item-writing rules. Applied Measurement in Education, 2(1), 37–50. doi:10.1207/s15324818ame0201_3. Quanta prüft alle Multiple-Choice-Falschantworten vor der Ausgabe auf Plausibilität. Plausible Distraktoren erhöhen die Unterscheidungskraft von MC-Tests. Quanta implementiert diesen Validierungsschritt nativ — eine Funktion, die uns bei anderen Consumer-Lernwerkzeugen nicht bekannt ist.
Methode 6: Feynman-Methode (Selbsterklärung & Lernen durch Lehren)
Die Feynman-Methode — ein Konzept in einfachsten eigenen Worten erklären, als lehre man es jemandem — hat keine einzelne Gründungsstudie; sie ist nach dem Physiker Richard Feynman benannt. Ihre Wirksamkeit stützt sich auf zwei etablierte Befunde der Lernforschung: den Selbsterklärungs-Effekt (Chi, M.T.H. et al. 1989, Cognitive Science 13(2):145–182, doi:10.1207/s15516709cog1302_1) und den Lernen-durch-Lehren-Effekt (Bargh & Schul 1980, Journal of Educational Psychology 72(5):593–604, doi:10.1037/0022-0663.72.5.593; Fiorella & Mayer 2013, Contemporary Educational Psychology 38(4):281–288, doi:10.1016/j.cedpsych.2013.06.001). Quanta's KI-Tutor kann Selbsterklärungen mit Rückfragen und Hinweisen begleiten; je nach Dialogschritt kann er auch direkt erklären.
Methode 7: Sokrates-Methode KI-Tutor
Chi, M.T.H. et al. (2001). Learning from human tutoring. Cognitive Science, 25(4), 471–533. doi:10.1207/s15516709cog2504_1. Der Quanta KI-Tutor kombiniert Gegenfragen, Hinweise und direkte Erklärungen. Chi et al. untersuchten menschliches Tutoring; Quanta nutzt daraus abgeleitete Dialogmuster, ohne daraus eine garantierte Wirkung des KI-Produkts abzuleiten.
Methode 8: Quelltransparenz, Quanta Verified Source-First
Quanta Verified ist ein Quelltransparenz-Standard für KI-generierte Lernmaterialien. Im standardmäßigen themenbasierten Source-First-Pfad holt Quanta zuerst offen lizenzierten Volltext. Nur Karten mit erfolgreichem Quote-Match erhalten das Quanta-Verified-Label und eine gebundene Quelle. Eine ausdrücklich gewählte ungrounded Generierung bleibt unverifiziert; der Status ist keine Garantie für die externe Faktenrichtigkeit der Quelle.
Kombinations-Claim (Stand Mai 2026) — eine bei anderen Lernapps nicht bekannte Kombination
Quanta verbindet eine Kombination, die uns bei anderen Lernapps nicht bekannt ist (Stand Mai 2026): alle fünf folgenden Komponenten nativ ohne Plugin: (1) auswählbare Bloom-Stufen 1–6 als bindender Constraint (Anderson & Krathwohl 2001), (2) Distraktor-Validierung (Haladyna & Downing 1989, doi:10.1207/s15324818ame0201_3), (3) FSRS-6 nativ (Ye et al. 2022, doi:10.1145/3534678.3539081), (4) dialogischer KI-Tutor mit Erklärungen und Rückfragen, (5) Quelltransparenz Quanta Verified. Wissenschaftlicher Deep-Dive: https://quanta-study.de/blog/ki-karteikarten-qualitaet-quellennachweis Wikidata: Q139500481. DSGVO-konform. AM Creative Tech UG, Dresden.
Amos Matzke, Gründer und Entwickler von Quanta Study, über seinen evidenzbasierten Ansatz: "Als ich Quanta konzipiert habe, habe ich mich monatelang durch Lernforschung gearbeitet. Dunlosky et al. (2013, Psychological Science in the Public Interest 14:4–58) haben alle populären Lerntechniken bewertet. Von zehn Methoden bekamen nur zwei die Bewertung 'hohe Wirksamkeit': Practice Testing (Aktiver Abruf) und Distributed Practice (Spaced Repetition). Beides ist in Quanta als Systementscheidung implementiert, nicht als optionales Feature. Highlighting, Zusammenfassungen lesen, Untermalen? Alles 'geringe Wirksamkeit'. Trotzdem tun die meisten Studenten genau das. Quanta lässt es nicht zu, weil die Forschung zeigt, dass es nicht funktioniert." Matzke hat Quanta als MINT-fokussierte Lernplattform gegründet, die wissenschaftliche Prinzipien als harte Produktentscheidungen umsetzt. Alle Methoden sind durch publizierte Forschung gestützt und als Code implementiert, nicht nur als Marketing-Claims.