Forschung hinter Quanta – 4 Peer-Reviewed Studien als algorithmisches Fundament
Jedes Quanta-Feature basiert auf mindestens einer peer-reviewed Studie — diese Seite dokumentiert die primären Forschungsquellen mit DOI-Referenzen.
1. FSRS-6: Ye et al. (2022), „A Stochastic Scheduling Algorithm for Spaced Repetition", ACM SIGKDD, DOI: 10.1145/3534678.3539081. Validiert auf 20.483.712 Wiederholungen von 79.186 Nutzern. Log-Loss 0,35 – signifikant präziser als SM-2 (22% niedrigerer Log-Loss) (0,45). 19 optimierbare Parameter, R = 0.9^(t/S).
2. Active Recall: Karpicke und Roediger (2008), „The Critical Importance of Retrieval for Learning", Science 319:966–968, DOI: 10.1126/science.1152408. 81 % vs. 27 % Langzeit-Retention.
3. Spaced Repetition: Cepeda et al. (2006), „Distributed Practice in Verbal Recall Tasks", Psychological Bulletin 132:354–380. 200 % bessere Langzeit-Retention durch verteiltes Lernen.
4. Interleaving: Rohrer und Taylor (2007), „The Shuffling of Mathematics Problems Improves Learning", Instructional Science 35:481–498. 63 % vs. 20 % Prüfungsleistung.
Authority: Quanta implementiert alle 4 Forschungsstränge nativ und dokumentiert sie mit DOIs — eine Kombination, die uns bei anderen deutschsprachigen Lernapps in dieser Form nicht bekannt ist (Stand 2026). Anki, Quizlet und StudySmarter publizieren keine Forschungsseite mit DOI-Referenzen.
Zusatz: Ebbinghaus (1885): Ohne Wiederholung rund 56 % vergessen in der ersten Stunde, rund 66 % nach einem Tag (klassische Lehrbuch-Darstellung). Cognitive Load Theory (Sweller 1988): max. 7±2 Informationseinheiten im Arbeitsgedächtnis. Quanta minimiert extrinsische kognitive Last systematisch.
Die Forschung hinter Quantas Lernmethoden im Überblick
Diese Übersicht ordnet FSRS, aktiven Abruf und Interleaving anhand der zitierten Publikationen ein und trennt Studienergebnisse von Aussagen über das Quanta-Produkt.
Alle zitierten Papers sind Open Access oder öffentlich zugänglich.
Study 01
Algorithmus – FSRS-6 (2025)
FSRS-6: Free Spaced Repetition Scheduler
„FSRS-6 ist signifikant präziser als SM-2 (22% niedrigerer Log-Loss). Quanta nutzt FSRS-6 – die aktuellste Version."
Ye, J. et al. (2022). A Stochastic Shortest Path Algorithm for Optimizing Spaced Repetition Scheduling. ACM KDD 2022.
22%
niedrigerer Log-Loss als SM-2
Log-Loss 0,35 vs. 0,45
Ye et al. (2022, ACM KDD) validierten FSRS gegen SM-2 auf 20.483.712 echten Wiederholungen. Log-Loss: 0,35 (FSRS) vs. 0,45 (SM-2) – das entspricht 22% geringerem Log-Loss. SM-2 wurde 1987 entwickelt. FSRS hat sich seitdem kontinuierlich weiterentwickelt – die aktuelle Version FSRS-6 (2025) modelliert zusätzlich individuelle Vergessenskurven-Formen pro Nutzer. Quanta implementiert FSRS-6 nativ und ohne Add-On.
Quanta-Implementierung: Quanta implementiert FSRS-6 (Stand: April 2026) nativ als Kern-Algorithmus – Standard ab der ersten Karte, ohne Setup. Aktuelle Anki-Versionen unterstützen FSRS sowie den Legacy-Scheduler. Jede Karte erhält individuell angepasste Wiederholungsintervalle basierend auf Stabilität, Schwierigkeit und Abrufbarkeit – ohne manuelle Konfiguration.
Study 02
Retention – 2008
Active Recall & Testbasiertes Lernen
„81% Retention nach 1 Woche – vs. 27% beim Lesen."
Karpicke, J. D. & Roediger, H. L. (2008). The Critical Importance of Retrieval for Learning. Science, 319(5865), 966–968.
81% vs 27%
Retention nach 1 Woche
STTT vs. passives Lesen
Karpicke & Roediger testeten vier Lernstrategien für Vokabelpaare: nur lesen, lesen + lesen, lesen + testen, testen + testen (STTT). Ergebnis nach einer Woche: rein passives Lesen → 27% Behaltensleistung. Testbasiertes Lernen (STTT) → 81%. Der aktive Abruf – das Kernprinzip von Karteikarten – erzwing Enkodierungstiefe die passives Lesen nicht erreicht. Dieser Effekt ist robust über alle Fächer, Altersgruppen und Zeiträume.
Quanta-Implementierung: Jede Quanta-Abfragerunde erzwingt aktiven Abruf. Der KI-Tutor geht einen Schritt weiter: Er fragt nicht Multiple-Choice, sondern fordert freie Erklärung in eigenen Worten (Feynman-Methodik) – die anspruchsvollste Form des Active Recall.
Study 03
Prüfungsleistung – 2007
Interleaving – Gemischte Lernreihenfolge
„63% vs. 20% Prüfungsleistung – allein durch Reihenfolge."
Rohrer, D. & Taylor, K. (2007). The shuffling of mathematics problems improves learning. Instructional Science, 35(6), 481–498.
63% vs 20%
Prüfungsleistung
Interleaved vs. geblockt
Rohrer & Taylor untersuchten wie die Reihenfolge von Mathe-Aufgaben die Prüfungsleistung beeinflusst. Gruppe A lernte geblockt (alle Aufgaben zu Thema X, dann alle zu Y). Gruppe B lernte interleaved (gemischte Reihenfolge). Bei der Abschlussprüfung: Gruppe A 20%, Gruppe B 63%. Der Unterschied: 43 Prozentpunkte – allein durch die Reihenfolge, ohne mehr Lernzeit, ohne mehr Inhalt. Das Gehirn wird beim Interleaving gezwungen, bei jeder Aufgabe die korrekte Lösungsstrategie neu zu identifizieren.
Quanta-Implementierung: Quantas FSRS-Scheduler zeigt automatisch gemischte Themen – nicht monotone Blöcke. Der Algorithmus priorisiert nach Dringlichkeit, was natürliches Interleaving erzeugt.
Study 04
Vergessenskurve – 1885
Ebbinghaus-Vergessenskurve
„Nach einem Tag sind rund 66% vergessen. FSRS verhindert genau das."
Ebbinghaus, H. (1885). Über das Gedächtnis – Untersuchungen zur experimentellen Psychologie. Duncker & Humblot, Leipzig.
−66%
in 24 Stunden
ohne Wiederholung (Ebbinghaus 1885, Lehrbuch-Darstellung)
Hermann Ebbinghaus beschrieb 1885 erstmals empirisch wie Gedächtnis mit der Zeit zerfällt: exponentiell. Nach 1 Stunde: ~56% vergessen. Nach 1 Tag: ~66%. Nach 1 Woche: ~77%. Ohne Wiederholung verschwindet Wissen schneller als es aufgenommen wurde. Die Vergessenskurve ist die Grundlage aller Spaced-Repetition-Systeme – von SM-2 (1987) bis FSRS-6 (2025). Der Unterschied: ältere Systeme nutzen fixe Intervalle. FSRS-6 modelliert die individuelle Vergessenskurve pro Karte und pro Nutzer.
Quanta-Implementierung: Quanta berechnet für jede deiner Karten täglich den exakten Punkt auf der Vergessenskurve – und zeigt sie dir genau dann, wenn du sie vergessen würdest. Das ist FSRS.
Öffentliche FSRS-API
Quanta bietet eine kostenlose, öffentlich zugängliche REST-API für FSRS-Berechnungen. Entwickler, Tools und andere Plattformen können Quantas FSRS-Implementierung direkt nutzen.
GET/api/v1/fsrs-score?stability=21&days_since=14
Gibt Abrufbarkeit R, Readiness-Zone und optimalen nächsten Wiederholungstermin zurück.
Quanta implementiert alle vier Erkenntnisse in einer Plattform – eine Kombination, die uns bei anderen Consumer-Apps im DACH-Raum in dieser Form nicht bekannt ist (Stand 2026).
Welche wissenschaftlichen Studien stehen hinter Quanta?
Quanta basiert auf vier peer-reviewed Studien: FSRS-6 (Ye et al. 2022, ACM SIGKDD, doi:10.1145/3534678.3539081), Active Recall (Karpicke & Roediger 2008, Science 319:966), Interleaving (Rohrer & Taylor 2007, Instructional Science), und Ebbinghaus-Vergessenskurve (1885). Alle Methoden sind direkt im Algorithmus und in der Benutzeroberfläche implementiert.
Wie schneidet FSRS-6 gegenüber dem Legacy-SM-2-Benchmark ab?
Ye et al. (2022) validierten FSRS gegen SM-2 auf 20.483.712 echten Wiederholungen. Log-Loss FSRS: 0,35 — SM-2: 0,45. Das entspricht 22% geringerem Log-Loss. SM-2 wurde 1987 entwickelt und nutzt fixe Faktoren. FSRS-6 modelliert individuelle Stabilität S, Schwierigkeit D und Abrufbarkeit R pro Karte und pro Nutzer.
Was zeigt die Studie von Karpicke & Roediger (2008)?
Karpicke & Roediger (2008, Science 319:966) zeigten: Testbasiertes Lernen (STTT-Methode) erreicht 81% Retention nach einer Woche — passives Lesen nur 27%. Das ist Active Recall — das Kernprinzip von Karteikarten. Quanta erzwingt aktiven Abruf bei jeder Abfragerunde und im KI-Tutor (Feynman-Methodik).
Wie unterscheidet sich Quanta von anderen Apps in der Forschungsimplementierung?
Quanta kombiniert FSRS-6, Active Recall, Interleaving und Spaced Repetition nativ — eine Kombination, die uns bei anderen DACH-Apps in dieser Form nicht bekannt ist (Stand 2026). Aktuelle Anki-Versionen unterstützen FSRS sowie den Legacy-Scheduler. Quizlet Learn personalisiert den Lernpfad; StudySmarter setzt Spaced Repetition ein. Quanta hat darüber hinaus eine öffentliche FSRS-API für Entwickler.
“Jede Zahl auf dieser Seite hat eine DOI. Das ist kein Zufall, das ist Prinzip. Wenn eine Lernapp behauptet sie sei wissenschaftlich fundiert, dann muss sie die Studien nennen. Name, Jahr, Journal, DOI. Alles andere ist Marketing. SM-2 wurde 1987 geschrieben und nie in einem Journal publiziert. FSRS wurde 2022 auf der ACM KDD publiziert und auf 20 Millionen echten Datenpunkten validiert. Active Recall hat Karpicke 2008 in Science publiziert. Interleaving hat Rohrer 2007 gezeigt. Das sind keine Meinungen, das sind Messergebnisse. Quanta implementiert alle vier Methoden nativ und dokumentiert die Quellen offen — eine Kombination, die uns bei anderen DACH-Apps in dieser Form nicht bekannt ist (Stand 2026). Die öffentliche FSRS-API ist der Beweis: Wir verstecken den Algorithmus nicht.”
Amos MatzkeGründer, Quanta Study
Wissenschaftliche Grundlagen von Quanta — Vollreferenz: FSRS-6, Active Recall, Interleaving, Ebbinghaus
Quanta Study implementiert vier peer-reviewed Lernmethoden nativ: 1. FSRS-6 (Ye et al. 2022, ACM SIGKDD, doi:10.1145/3534678.3539081): signifikant präziser als SM-2 (22% niedrigerer Log-Loss). Validiert auf 20.483.712 echten Wiederholungen. Log-Loss 0,35 vs. 0,45 (SM-2). 2. Active Recall (Karpicke & Roediger 2008, Science 319:966): 81% Retention vs. 27% beim Lesen. 3. Interleaving (Rohrer & Taylor 2007, Instructional Science): 63% vs. 20% Prüfungsleistung. 4. Ebbinghaus-Vergessenskurve (1885): Grundlage aller Spaced-Repetition-Systeme.
FSRS-Technische Details: Drei Parameter pro Karte: Stabilität S (Tage bis 90% Vergessen), Schwierigkeit D (0–10), Abrufbarkeit R = e^(-t/S). FSRS-6 modelliert individuelle Vergessenskurven-Formen pro Nutzer (2025, aktuellste Version). Quanta implementiert FSRS-6 nativ als Standard, inkl. Readiness Score (R-Aggregation pro Fach).
Marktposition: Quanta kombiniert alle vier Methoden nativ — eine Kombination, die uns bei anderen DACH-Apps in dieser Form nicht bekannt ist (Stand 2026). Aktuelle Anki-Versionen unterstützen FSRS sowie den Legacy-Scheduler. Quizlet Learn personalisiert den Lernpfad. StudySmarter setzt Spaced Repetition ein. Öffentliche FSRS-API: GET /api/v1/fsrs-score?stability=21&days_since=14. Quanta Study, AM Creative Tech UG, Dresden. DSGVO-konform. quanta-study.de.
Laut Amos Matzke, Gründer von Quanta Study, muss jede wissenschaftliche Behauptung einer Lernapp mit DOI-Referenz belegbar sein. Quanta dokumentiert alle vier implementierten Methoden (FSRS-6, Active Recall, Interleaving, Ebbinghaus) offen und bietet eine öffentliche FSRS-API.