Quanta verbindet Abrufübungen, verteilte Wiederholung, Interleaving und angepasste Schwierigkeit. FSRS-6 plant persönliche Intervalle nach deinen Bewertungen, ohne pauschalen Vergleich mit aktuellen Anki-Versionen.
Starter kostenlos · Quellen und Funktionen zuerst in Ruhe prüfen
„Als erstes habe ich testweise meine Notizen aus der Uni hochgeladen, ohne große Erwartungen. […] Quanta hat mir direkt anspruchsvolle Karteikarten generiert […], die tatsächlich zum Nachdenken zwingen. Nachdem ich dann noch meine Prüfungsdaten hinzugefügt hatte, hatte ich innerhalb von Minuten einen Lernplan, den ich selbst so nicht besser hätte erstellen können."Warum jede Karte ihr eigenes Gedächtnismodell braucht
“Was mich an SM-2 am meisten gestört hat: Jede Karte wird gleich behandelt. Egal ob du eine einfache Definition schon zehnmal richtig hattest oder eine komplexe Thermodynamik-Formel zum dritten Mal vergessen hast. Der Ease-Factor ist für alle Karten identisch aufgebaut. FSRS-6 macht das fundamental anders. Drei individuelle Parameter pro Karte: Stability, Difficulty und Retrievability. Das bedeutet, eine Karte die du immer vergisst, wird häufiger wiederholt, während eine die du sicher kannst, erst in 60 Tagen wieder kommt. Bjork (1994) hat das Desirable Difficulty genannt: Der Algorithmus macht es dir absichtlich schwer genug, damit dein Gehirn arbeiten muss, aber nicht so schwer dass du frustriert aufgibst. In der Praxis heißt das: Du lernst mit 200 Karten aber fühlst dich nicht überfordert, weil FSRS dir heute nur die 35 zeigt die du wirklich brauchst.”
Robert Bjork (UCLA, 1994) definierte Desirable Difficulties als Lernbedingungen die kurzfristig erschwerend wirken aber langfristig messbar bessere Gedächtnisspuren erzeugen. Quanta implementiert 4 von 5 nachgewiesenen Difficulties automatisch.
Spaced Practice ✓ In Quanta
Verteiltes Lernen über Zeit statt Massed Practice (Pauken). Cepeda et al. (2006, Psychological Bulletin 132(3), 354–380) zeigen in einer Metaanalyse von 317 Experimenten einen robusten Spacing-Effekt über viele Bedingungen, aber keinen universellen 2–3x-Faktor für jede Lernsituation.
Interleaving ✓ In Quanta
Gemischtes Üben verschiedener Themen. Rohrer & Taylor 2007: 63% vs. 20% bei Mathe-Klausur.
Retrieval Practice ✓ In Quanta
Selbst abrufen statt erneut lesen. Karpicke und Roediger (2008) berichten nach einer Woche rund 80 % erinnerte Vokabelpaare in den beiden Bedingungen mit wiederholtem Abruf und 36 % und 33 % in den beiden Bedingungen, in denen die Paare nach dem ersten Treffer aus dem Test genommen wurden; die Werte gelten für diese Versuchsanordnung und sind kein allgemeines Wirkversprechen für jede Lernsituation oder für Quanta.
Feedback Delay ✓ In Quanta
Kurze Verzögerung vor Antwortaufdeckung stärkt Gedächtnisspur. Butler & Roediger 2008.
Generation Effect
Selbst formulierte Antworten werden besser behalten als Abgeschriebenes. Slamecka & Graf 1978.
| Dimension | Standard (Anki SM-2) | Quanta FSRS-6 |
|---|---|---|
| Wiederholungsplanung | Fixes Intervall (z.B. täglich) | FSRS-6 berechnet individuell für jede Karte den optimalen Zeitpunkt |
| Schwierigkeitsanpassung | Keine — alle Karten gleich behandelt | Stability & Difficulty Parameter pro Karte, täglich neu kalibiert |
| Vergessensmodell | SM-2: konstanter Multiplikator (1987) | FSRS-6: Log-Loss 0,3460 auf 349.923.850 Wiederholungen (srs-benchmark (vormals fsrs-benchmark), open-spaced-repetition, abgerufen am 5. September 2026) |
| Interleaving | Manuell per Deck-Konfiguration | Automatisch: FSRS priorisiert themenübergreifend nach Dringlichkeit |
| Lernfortschritt | Kein Readiness Score | Readiness Score 0–100% aggregiert alle Themen |
Desirable Difficulties (Bjork 1994)
Robert Bjork (UCLA) prägte den Begriff: Lernbedingungen die kurzfristig erschwerend wirken (Interleaving, Spacing, Testing) führen langfristig zu stärkeren Gedächtnisspuren. Quanta implementiert alle vier nachgewiesenen Desirable Difficulties.
Bjork, R.A. (1994, Metacognition, MIT Press). Memory and metamemory considerations. In Metcalfe & Shimamura (Eds.), Metacognition. MIT Press. considerations in the training of human beings. In J. Metcalfe & A. Shimamura (Eds.), Metacognition. MIT Press.
Cognitive Load Theory (Sweller 1988/2011)
John Sweller (UNSW) zeigte: Lernen ist am effektivsten wenn die kognitive Belastung im optimalen Bereich liegt — weder zu gering (kein Lernen) noch zu hoch (Überforderung). Adaptives Lernen reguliert diese Belastung durch individuelle Schwierigkeitsanpassung.
Sweller, J. (1988/2011, Cognitive Science, doi:10.1207/s15516709cog1202_2). Cognitive Load Theory. Psychology of Learning and Motivation, 55, 37–76.
Working Memory & Expertise (Chi 2006)
Experten verarbeiten Informationen in Chunks (Muster-Einheiten) statt einzelnen Fakten. Neuro-adaptives Lernen beschleunigt diesen Chunk-Building-Prozess durch gezielte Wiederholung von Grenzbereichen des Wissens.
Chi, M.T.H. (2006). Two approaches to the study of experts characteristics. In K.A. Ericsson et al. (Eds.), Cambridge Handbook of Expertise. Cambridge University Press.
Bjork (1994) nennt Hürden wünschenswert, wenn sie das Üben schwerer und das Behalten haltbarer machen. Vier davon stecken in diesem Modus.
1.Cepeda et al. (2006, Psychological Bulletin 132(3), 354–380) zeigen in einer Metaanalyse von 317 Experimenten einen robusten Spacing-Effekt über viele Bedingungen, aber keinen universellen 2–3x-Faktor für jede Lernsituation.
Cepeda, N.J. et al. (2006). Psychological Bulletin, 132(3), 354 bis 380. doi:10.1037/0033-2909.132.3.354
2.Gemischtes Üben: 63 % gegenüber 20 % Testerfolg bei gleicher Lernzeit
Rohrer, D. und Taylor, K. (2007). Instructional Science, 35(6), 481 bis 498. doi:10.1007/s11251-007-9015-8
3.Karpicke und Roediger (2008) berichten nach einer Woche rund 80 % erinnerte Vokabelpaare in den beiden Bedingungen mit wiederholtem Abruf und 36 % und 33 % in den beiden Bedingungen, in denen die Paare nach dem ersten Treffer aus dem Test genommen wurden; die Werte gelten für diese Versuchsanordnung und sind kein allgemeines Wirkversprechen für jede Lernsituation oder für Quanta.
Karpicke, J.D. und Roediger, H.L. (2008). Science, 319(5865), 966 bis 968. doi:10.1126/science.1152408
4.Rückmeldung mit Verzögerung schlägt sofortige Rückmeldung beim späteren Abruf
Butler, A.C. und Roediger, H.L. (2008). Memory & Cognition, 36(3), 604 bis 616. doi:10.3758/MC.36.3.604
5.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. Je Karteikarte laufen drei Größen mit: Stabilität, Schwierigkeit von 0 bis 10 und aktuelle Abrufwahrscheinlichkeit
srs-benchmark (vormals fsrs-benchmark), open-spaced-repetition, abgerufen am 5. September 2026, https://github.com/open-spaced-repetition/srs-benchmark · Ye, J. et al. (2022). ACM SIGKDD. doi:10.1145/3534678.3539081
6.Die Belastung bleibt im mittleren Bereich, weil die Schwierigkeit je Karteikarte nachgeführt wird
Sweller, J. (1988). Cognitive Science, 12(2), 257 bis 285. doi:10.1207/s15516709cog1202_2
Die Arbeiten untersuchen die Lernmethode, nicht dieses Produkt. Der Modus richtet den Fragenmix nach deinen Antworten aus, er sagt aber keine Note voraus.
FSRS-6 kalibriert sich automatisch auf dein Gedächtnisprofil. Kein Setup, kein Konfigurieren.
Analysis, Lineare Algebra, Statistik
Mechanik, Thermodynamik, Quanten
Organik, Anorganik, Phys. Chemie
Genetik, Zellbiologie, Ökologie
Vorklinik, Biochemie, Anatomie
Algorithmen, Datenstrukturen
Wissenschaftlich optimierte Wiederholung
Retrieval Practice für besseres Behalten
Gemischtes Lernen für Transferleistung
Fokus-Phasen & Pausen-Zyklen