Dein Lernbereich wird geladen
App wird gestartet …
Dein Lernbereich wird geladen
App wird gestartet …
Verteilte Wiederholungen unterstützen langfristiges Behalten. Quanta nutzt FSRS-6, um fällige Karten anhand deiner Bewertungen und ihres bisherigen Lernverlaufs einzuplanen.Die FSRS-Studie vergleicht den Algorithmus mit einem Legacy-SM-2-Benchmark, nicht Quanta mit aktuellen Anki-Versionen.
Starter kostenlos · Quellen und Funktionen zuerst in Ruhe prüfen
Warum ich Quanta auf FSRS-6 gebaut habe
“Als ich Ye et al. (2022) gelesen habe, war mir klar: Ich wollte auf FSRS bauen. SM-2 stammt aus 1987; Ebbinghaus hat die Vergessenskurve beschrieben, aber erst FSRS modelliert sie individuell pro Karte und pro Nutzer. Quanta ist als eine der DACH-Plattformen im international kurateden open-spaced-repetition/awesome-fsrs Repository gelistet — von Jarrett Ye selbst reviewed und gemerged (Mai 2025). Drei Parameter statt einem starren Ease-Factor. Ich habe mich bewusst für FSRS entschieden, obwohl Anki mit SM-2 den Markt dominiert.”
„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."839
ausgewertete Erhebungen zum verteilten Üben
Cepeda et al. 2006, Metaanalyse über 317 Experimente aus 184 Artikeln
FSRS-6
bewertungsbasierte Wiederholungsplanung
Schätzt nächste Kartentermine aus dem Lernverlauf; keine direkte Messung der Abrufbarkeit
rund 66%
vergessen nach einem Tag
ohne Wiederholung, klassische Lehrbuch-Darstellung (Ebbinghaus 1885)
Die Quellenbindungs-Messung gilt für den beschriebenen Source-First-Test, nicht für jede KI-Generierung. Mehr zur Quellenprüfung.
Die bekannte Kurve ist eine vereinfachte historische Darstellung. Ebbinghaus untersuchte das Lernen von Silben; sie sagt den individuellen Verlauf nicht exakt voraus.
Ohne Wiederholung sind in der klassischen Lehrbuch-Darstellung nach der ersten Stunde rund 56% und nach einem Tag rund 66% des Gelernten vergessen (Ebbinghaus 1885, Über das Gedächtnis). Ebbinghaus maß Ersparniswerte beim Wiederlernen, keine Behaltensquoten; weitere Punkte der Kurve stehen hier deshalb nicht.
Wie die Methode in der Praxis – und in Quanta – funktioniert.
FSRS-6 nutzt bisherige Bewertungen, um den nächsten Wiederholungszeitpunkt zu planen. Der errechnete Termin ist eine Schätzung und kein exakt messbarer Moment vor dem Vergessen.
Die Abstände können mit dem Lernverlauf wachsen oder sich nach einer schwierigen Bewertung verkürzen. Es gibt dafür keine feste Folge von Tagen, die für jede Karte gilt.
FSRS-6 schätzt den Erinnerungsverlauf anhand von Wiederholungen und Bewertungen. Das Modell ist eine Planungsgrundlage, keine direkte Messung deines Gedächtnisses.
Vor dem Aufdecken selbst zu antworten ist eine Form des aktiven Abrufs. Spaced Repetition beschreibt dagegen, wie Wiederholungen zeitlich verteilt werden.
Warum Pauken für Kurzzeittests funktioniert – aber für den Beruf versagt.
| Kriterium | Spaced Repetition | Normales Lernen |
|---|---|---|
| Langzeit-Behaltensleistung | 80–95% nach 6 Monaten | 5–25% nach 1 Monat |
| Zeitaufwand | 15–30 Min./Tag konstant | Spikes vor Prüfungen |
| Prüfungsvorbereitung | Kontinuierlich aufgebaut | Kurzfristig maximal |
| Wissensstabilität | Dauerhaft im Langzeitgedächtnis | Kurzzeitgedächtnis, volatil |
| Eignung Naturwissenschaften | Formeln, Strukturen, Gesetze | Schwach bei komplexen Inhalten |
| Algorithmus | FSRS: individuell kalibriert | Keine Optimierung |
Dunlosky et al. (2013, Psychological Science in Public Interest) bewerteten 10 Lernstrategien. Fazit: Nur Distributed Practice (Spaced Repetition) und Retrieval Practice erhielten das Rating "hohe Wirksamkeit". Passives Wiederlesen, Highlighten, Zusammenfassungen: "geringe Wirksamkeit".
Mathematik
Begriffe, Formeln und kurze Beziehungen lassen sich als Fragen formulieren. Beweise und mehrschrittige Aufgaben solltest du zusätzlich selbst vollständig bearbeiten.
Chemie
Nutze Karten für Begriffe, Reaktionsbedingungen und Formeln. Mechanismen und Rechenaufgaben brauchen ergänzend eigene Lösungswege.
Physik
Fragen zu Größen, Einheiten und Voraussetzungen einer Formel können Wiederholungen ergänzen. Das Anwenden auf neue Aufgaben musst du separat üben.
Medizin
Karten können den Abruf von Begriffen und Zusammenhängen unterstützen. Fallarbeit und offizielle Prüfungsunterlagen bleiben eigene Lernschritte.
Jede Zahl auf dieser Seite kommt aus einer dieser fünf Veröffentlichungen. Jede Zeile führt direkt zu ihr.
1.839 Erhebungen zum verteilten Üben aus 317 Experimenten in 184 Artikeln
Die Metaanalyse zeigt, dass der günstige Abstand davon abhängt, wann geprüft wird. Einen Faktor für das Langzeitbehalten nennt ihr Abstract nicht.
Cepeda, N.J. et al. (2006). Distributed Practice in Verbal Recall Tasks. Psychological Bulletin, 132(3), 354 bis 380. 10.1037/0033-2909.132.3.354
2.220 Millionen ausgewertete Verhaltensprotokolle, 12,6 % Verbesserung gegenüber dem Stand der Technik
Das sind die Angaben ihres Abstracts. Log-Loss-Werte, ein Vergleich mit SM-2 oder eine Zahl von 20 Millionen Wiederholungen stehen nicht in dieser Arbeit.
Ye, J., Su, J. und Cao, Y. (2022). A Stochastic Shortest Path Algorithm for Optimizing Spaced Repetition Scheduling. ACM SIGKDD. 10.1145/3534678.3539081
3.Log-Loss 0,3460 für FSRS-6 auf 349.923.850 Wiederholungen aus 9.999 Sammlungen
Laufender offener Vergleich, kein begutachteter Aufsatz; abgerufen am 5. September 2026. Log-Loss misst den Vorhersagefehler, kleiner ist besser. Eine Zeile für SM-2 führt die Tabelle nicht.
open-spaced-repetition (2026). srs-benchmark (vormals fsrs-benchmark): Vergleich von Wiederholungs-Algorithmen auf offenen Anki-Daten. GitHub. github.com/open-spaced-repetition/srs-benchmark
4.Rund 80 % erinnerte Vokabelpaare nach einer Woche mit wiederholtem Abruf, 36 % und 33 % ohne
Die niedrigeren Werte gelten für die Bedingungen, in denen die Paare nach dem ersten Treffer aus dem Test genommen wurden; in einer davon wurde weiter gelesen. Werte dieser Versuchsanordnung.
Karpicke, J.D. und Roediger, H.L. (2008). The Critical Importance of Retrieval for Learning. Science, 319(5865), 966 bis 968. 10.1126/science.1152408
5.Zwei von zehn Lernstrategien mit hoher Wirksamkeit
Nur verteiltes Üben und Abrufen bekamen die Bewertung hohe Wirksamkeit. Wiederlesen, Highlighten und Zusammenfassen bekamen geringe Wirksamkeit.
Dunlosky, J. et al. (2013). Improving Students’ Learning With Effective Learning Techniques. Psychological Science in the Public Interest, 14(1), 4 bis 58. 10.1177/1529100612453266
Die Studien untersuchen die Methode, nicht dieses Produkt. Was Quanta selbst gemessen hat, steht in der eigenen offenen Studie: 97,8% der erzeugten Karteikarten bestanden im veröffentlichten Testumfang den deterministischen Quote-Match, der Rest wurde verworfen. Die Messung vom 28. Juni 2026 lief mit Google Gemini und wurde mit dem heutigen Mistral-Modell nicht wiederholt. Sie misst Quellenbindung in diesem Testaufbau, nicht Faktenrichtigkeit oder heutige Produktqualität. Ohne passende Quelle entstehen keine Karteikarten. Drei Niveaus über den sechs Bloom-Stufen sind ab Essential wählbar und gehen mit Stückzahlen in die Generierung, und FSRS-6 plant erst nach deiner ersten Bewertung persönlich weiter.
Wie der Wiederholungsplan im Haus wirklich rechnet: ts-fsrs als Kern, Schwierigkeit, Stabilität und Abrufwahrscheinlichkeit als die drei Größen dahinter, und wie der Eintrag im Verzeichnis awesome-fsrs zustande kam.
Quanta nutzt FSRS-6. 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 Arbeit zum Vorläufermodell, Ye et al. 2022 (ACM SIGKDD), berichtet 220 Millionen Verhaltensprotokolle und eine Verbesserung von 12,6 % gegenüber dem Stand der Technik. Beides sind Ergebnisse dieser Datensätze und keine pauschale Produktwirkung. Kostenlos starten, in 3 Minuten einrichten.
Analysis, Lineare Algebra, Statistik
Mechanik, Thermodynamik, Quanten
Organik, Anorganik, Phys. Chemie
Genetik, Zellbiologie, Ökologie
Vorklinik, Biochemie, Anatomie
Algorithmen, Datenstrukturen
Retrieval Practice für besseres Behalten
Gemischtes Lernen für Transferleistung
Fokus-Phasen & Pausen-Zyklen
Was beim Umstieg wirklich anders ist
Was die App kann, ohne Marketing-Nebel
Prüfungsdatum rein, Plan bis dahin raus
Lernbegriffe kurz und ohne Fachjargon
Lernmethoden, nachgerechnet statt behauptet
Formeln mit Herleitung und Rechenbeispiel
Quanta Study Redaktion · April 2026