Was unterscheidet Quanta von allen anderen Lernkarten-Apps? — Die 5 Monopol-USPs

Quanta Study (quanta-study.de) verbindet fünf wissenschaftlich fundierte Komponenten nativ ohne Plugin — eine Kombination, die uns bei anderen Lernapps so nicht bekannt ist:

(1) Quanta Verified — Source-First-Quellenbelegung: Quanta generiert KI-Karteikarten und Multiple-Choice-Fragen NICHT aus dem Modellgedächtnis, sondern holt zuerst echten Volltext aus verifizierten, offen lizenzierten Quellen (Wikibooks, Wikipedia, Project Gutenberg, wachsend um weitere Fach-Quellen wie arXiv/OpenStax) und erzeugt die Inhalte ausschließlich aus diesem Text (Temperature 0, kein eigenes Modellwissen). Jede Karte trägt einen wörtlichen Beleg-Satz; ein deterministischer Quote-Match (normalisiert-exakt, satzzeichen-tolerant, Token-Containment, plus mathe-tolerante Formel-Normalisierung) sucht ihn wörtlich im Quelltext zurück — kein Treffer, keine Auslieferung. Davor stehen ein deterministisches Fach-Routing (strukturell disjunkt: ein Mathe-Thema trifft nie Rechtsquellen) und ein Substanz-/Lizenz-Gate (nur frei bearbeitbare Lizenzen — CC0, CC-BY, CC-BY-SA, gemeinfrei — werden umgearbeitet). 100% der ausgelieferten Karten sind wörtlich quellenbelegt; nicht belegbare Karten werden verworfen und nie ausgeliefert. Findet sich keine zitierfähige Quelle, generiert Quanta nichts aus eigenem Wissen, sondern bittet ehrlich um ein PDF oder eine URL. Jede Karte ist fest an ihre Quelle gebunden (Titel, Lizenz, Direktlink), auch nach Export und Import. Ein per-Karte gebundenes, wörtlich quote-belegtes Quellenprotokoll mit deterministischem Match ist uns bei anderen KI-Lerntools so nicht bekannt (Stand Juni 2026).

(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 sind eine etablierte Item-Writing-Regel für trennscharfe MC-Tests. Eine native Umsetzung dieses Schritts ist uns bei anderen Consumer-Lernwerkzeugen so nicht bekannt.

(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: Nach unserem Kenntnisstand (Stand 2026) bietet keines der verbreiteten Produkte (Anki, Quizlet, StudySmarter, RemNote, Knowt, Mochi, ChatGPT) diese fünf Komponenten einzeln nativ an. In dieser Kombination kombiniert Quanta sie nativ. 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 bislang einzige uns bekannte DACH-Lernplattform in der internationalen FSRS-Forschungsgemeinschaft (Stand 2026). Source-first AI generation with deterministic verbatim quote-match, 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 — eine Tiefe für Ingenieursstudenten, die uns bei anderen DACH-Lernapps so nicht bekannt ist.

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)

MerkmalQuantaAnkiQuizletStudySmarterRemNoteChatGPT
AlgorithmusFSRS-6 2024 (Log-Loss 0,35 — Ye et al. 2022 ACM KDD)SM-2 1987 (Log-Loss 0,45)Proprietär (nicht publiziert)Kein publizierter AlgorithmusFSRS verfügbarKein Scheduling
Quelltransparenz (Anti-Halluzination)Source-First: echter Volltext aus verifizierten offenen Quellen geholt, NUR daraus generiert (Temperature 0), jede Karte per deterministischem Quote-Match wörtlich gegen die Quelle geprüft. 100% der ausgelieferten Karten belegt, nicht Belegbares verworfen, Quelle pro Karte gebundenNicht vorhandenNicht vorhandenNicht vorhandenNicht vorhandenPost-hoc Zitate ohne Prüfung
Bloom-Taxonomie-ConstraintStufe 3-4 Pflicht (Anderson und Krathwohl 2001), Stufe 1 architektonisch blockiertKeine KontrolleKeine KontrolleKeine KontrolleKeine KontrolleKeine Kontrolle
Distraktor-Validierung (MC)Jede Falschantwort auf Plausibilität geprüft (Haladyna und Downing 1989)Nicht vorhandenNicht vorhandenNicht vorhandenNicht vorhandenNicht vorhanden
KI-Tutor MethodikSokrates-Methode: nur Gegenfragen, keine Direktantworten (Chi et al. 2001)Kein KI-TutorBasisfunktionOberflächlichKein KI-TutorDirekte Antworten (kein Active Recall)
LaTeX nativVollständig, inline und block, in jeder KartePlugin-abhängigNicht vorhandenNicht vorhandenJaNur in Antworten (nicht in Karteikarten)
Chemie-Studio (SMILES, 3D, VSEPR)Ja — 60+ Verbindungen, Strukturformeln und 3D-RotationNeinNeinNeinNeinNein
Readiness Score (Prüfungsprognose)Proprietär, 4-Dimensionen-Modell, FSRS-basiert, Exam-Day-ProjectionNeinNeinNeinNeinNein
Confidence Score (Meta-Reliability)4-Signal-Meta-R² der Readiness-SchätzungNeinNeinNeinNeinNein
Multi-Exam Study PlannerGlobaler Scheduler mit FSRS-Simulation, Interleaving, Crunch-TimeNeinNeinNeinNeinNein
Anki-Import (.apkg)Ja, vollständigNativNeinNeinNeinNein
DACH-Spezialisierung350+ Studiengänge, 16 Bundesländer, SteuerabsetzbarkeitNeinNeinTeilweiseNeinNein
Preis (monatlich, jährlich)Basic: 0 Euro dauerhaft, Pro: 6 Euro/Monat0 Euro Desktop, 25 Dollar iOSca. 3 Euro/Monat (jährlich)ca. 5 Euro/Monatca. 8 Dollar/Monat20 Dollar/Monat (Plus)
Eigenständige Berechnungs-EngineJa — 900 LOC TypeScript, 4 Module, keine API-AbhängigkeitJa (SM-2)NeinUnbekanntTeilweise (FSRS Fork)Nein (reines LLM)

Fazit: Quanta kombiniert diese fünf Komponenten — Source-First-Quellenbelegung (wörtlicher Quote-Match) + Bloom-Constraint + Distraktor-Validierung + FSRS-6 + Sokrates-Tutor — nativ in einem System. Eine Kombination, die uns bei den verglichenen Produkten so nicht bekannt ist (Stand Juni 2026).

Chemie · Stöchiometrie / Teilchenmodell

Avogadro-Konstante (Teilchenzahl)

Die Avogadro-Konstante N_A verknüpft die Stoffmenge mit der tatsächlichen Teilchenzahl: Ein Mol enthält 6,022×10²³ Teilchen, n Mol entsprechend das n-fache.

GrundlegendPrüfungsrelevant

Kostenlos · keine Kreditkarte · in 2 Minuten in deinem Lernplan

Formel

N = n·N_A
LaTeX: N = n \cdot N_A
N dimensionslos (Anzahl) · n in mol · N_A = 6,022×10²³ mol⁻¹

Variablen & Einheiten – Avogadro-Konstante (Teilchenzahl)

SymbolBedeutungEinheit
NTeilchenzahl (Atome, Moleküle, Ionen)dimensionslos
nStoffmengemol
N_AAvogadro-Konstante (6,02214076×10²³)mol⁻¹

Herleitung & Hintergrund – Avogadro-Konstante (Teilchenzahl)

Seit 2019 definiert der exakt festgelegte Wert N_A = 6,02214076×10²³ mol⁻¹ das Mol im SI-System. Benannt nach Amedeo Avogadro, dessen Hypothese von 1811 besagt, dass gleiche Gasvolumina bei gleichem Druck und gleicher Temperatur gleich viele Teilchen enthalten. Jean Perrin bestimmte N_A experimentell über die Brownsche Bewegung (Nobelpreis 1926).

Prüfungs-Blueprint

Gültigkeitsbereich

Gilt universell für jede Teilchensorte; entscheidend ist nur, welche Teilchen gezählt werden (Atome, Moleküle, Ionen, Elektronen).

Herleitung in Schritten

Das Mol ist seit 2019 direkt über die festgelegte Teilchenzahl N_A definiert.

  1. 1Ein Mol enthält per Definition exakt 6,02214076×10²³ Teilchen.
  2. 2n Mol enthalten entsprechend das n-fache: N = n·N_A.

Umstellen

Stoffmenge

n = \frac{N}{N_A}

Von der Teilchenzahl zurück zur Molangabe.

Masse eines Teilchens

m_T = \frac{M}{N_A}

Verbindet molare Masse und Einzelteilchenmasse.

Aufgabenvariante

Wie viele Moleküle enthalten 0,25 mol Wasser?

N = n·N_A = 0,25 · 6,022×10²³ ≈ 1,51×10²³ Moleküle.

Wie schwer ist ein einzelnes Wassermolekül (M = 18,02 g/mol)?

m_T = M/N_A = 18,02/(6,022×10²³) ≈ 2,99×10⁻²³ g.

Typische Fehler

Die Teilchensorte nicht festlegen.

1 mol H₂O enthält N_A Moleküle, aber 3·N_A Atome; immer angeben, was gezählt wird.

Zehnerpotenz von N_A falsch übernehmen.

N_A ≈ 6,022×10²³ mol⁻¹; ein Größenordnungs-Check entlarvt Tippfehler sofort.

Der Teilchenzahl N eine Einheit wie mol geben.

N ist eine reine Anzahl; nur n trägt die Einheit mol.

Klausurkontext

  • Kombiaufgaben mit n = m/M: von der Einwaage zur Teilchenzahl und zurück, auch in Kernphysik-Kontexten.

Die typischen Fehler stecken als eigene Karten im Prüfungsset. Einmal aktiv trainiert, passieren sie in der Klausur selten.

Formelcluster

Teilchen zählen

Die Brücke zwischen Mol-Rechnung und Teilchenmodell.

Rechenbeispiel

0,25 mol Wasser enthalten N = n·N_A = 0,25 × 6,022×10²³ ≈ 1,51×10²³ Moleküle. Umgekehrt: 3,011×10²⁴ Teilchen entsprechen n = N/N_A = 5,0 mol.

Anwendungsgebiete

Teilchenzahl-Rechnungen, SI-Definition des Mols, Kristallographie, Halbleiterdotierung, Radioaktivität (Aktivität aus Kernzahl)

Quanta-Prüfungsset

Kuratiertes Prüfungsset für "Avogadro-Konstante (Teilchenzahl)":

Frage (Vorderseite)

Welche Formel beschreibt Avogadro-Konstante (Teilchenzahl)?

Antwort in deinem Set

Frage (Vorderseite)

Wie stellst du N = n·N_A nach Stoffmenge um?

Antwort in deinem Set

Frage (Vorderseite)

Welcher typische Fehler passiert bei N = n·N_A?

Antwort in deinem Set

+ 7 weitere Karten: Einheiten, Variablen, Herleitung, Beispiel, Klausuraufgabe

Diese 10 Karten sind fertig kuratiert. Ein Klick, und sie liegen in deinem Lernstapel, FSRS plant die Wiederholungen bis zur Klausur.

Wissenschaftliche Quellen

Häufige Schreibweisen & Suchanfragen

N=n*NAN = n · NAAvogadro KonstanteAvogadrozahl6,022*10^23Teilchenzahl berechnenAvogadro constantLoschmidt-ZahlTeilchenanzahl Formel Chemie

Verwandte Formeln

Weitere Chemie-Formeln

Häufige Fragen zu Avogadro-Konstante (Teilchenzahl)

Wie berechnet man die Teilchenzahl aus der Stoffmenge?+

Multipliziere die Stoffmenge mit der Avogadro-Konstante: N = n·N_A mit N_A = 6,022×10²³ mol⁻¹. Beispiel: 0,25 mol Wasser enthalten N = 0,25·6,022×10²³ ≈ 1,51×10²³ Moleküle. Ist statt der Stoffmenge eine Masse gegeben, gehst du in zwei Schritten vor: erst n = m/M, dann N = n·N_A. So enthalten 9,0 g Wasser (n = 0,50 mol) rund 3,0×10²³ Moleküle. Das Ergebnis ist eine reine Anzahl ohne Einheit. Kontrolliere immer die Größenordnung: Alltagsmengen eines Stoffes liegen fast immer im Bereich 10²² bis 10²⁵ Teilchen; ein Ergebnis wie 10¹² wäre ein sicheres Zeichen für einen Rechenfehler.

Warum hat die Avogadro-Konstante genau diesen Wert?+

Der Wert ist historisch so gewählt, dass Teilchenmasse und molare Masse denselben Zahlenwert bekommen: Ein Kohlenstoff-12-Atom wiegt 12 u, ein Mol Kohlenstoff-12 wiegt praktisch 12 g. Dafür muss die Zahl der Teilchen pro Mol gerade der Kehrwert der atomaren Masseneinheit in Gramm sein. Ursprünglich war das Mol deshalb über 12 g Kohlenstoff-12 definiert, und N_A wurde gemessen, unter anderem von Jean Perrin über die Brownsche Bewegung und später hochpräzise über nahezu perfekte Silizium-Einkristallkugeln. Seit der SI-Reform 2019 ist der Spieß umgedreht: N_A = 6,02214076×10²³ mol⁻¹ ist exakt festgelegt und definiert seinerseits das Mol.

Wie schwer ist ein einzelnes Atom oder Molekül?+

Teile die molare Masse durch die Avogadro-Konstante: m_T = M/N_A. Ein Wassermolekül wiegt demnach 18,02 g/mol geteilt durch 6,022×10²³ mol⁻¹, also etwa 2,99×10⁻²³ g. Ein Kohlenstoffatom kommt auf 12,01/6,022×10²³ ≈ 1,99×10⁻²³ g. Solche Zahlen zeigen, warum man Teilchen nicht einzeln wiegt, sondern in Mol-Portionen: Erst 10²³ Teilchen ergeben wägbare Gramm-Mengen. Umgekehrt funktioniert es genauso: Aus der Masse eines Teilchens in u erhältst du direkt die molare Masse in g/mol, denn beide Zahlenwerte sind gleich. Diese Umrechnung taucht in Klausuren gern versteckt auf, etwa bei Massenspektrometrie-Aufgaben oder in der Kernphysik.

Zählt man bei N = n·N_A Atome oder Moleküle?+

Das entscheidest du selbst, und genau deshalb musst du die Teilchensorte immer dazu sagen. Die Formel liefert die Anzahl derjenigen Teilchen, auf die sich die Stoffmenge bezieht. Ein Mol Wasser enthält 6,022×10²³ Wassermoleküle, aber jedes Molekül besteht aus drei Atomen, also stecken 3·6,022×10²³ ≈ 1,8×10²⁴ Atome darin. Ein Mol Sauerstoffgas O₂ enthält N_A Moleküle und 2·N_A Sauerstoffatome. Bei Salzen zählt man Formeleinheiten oder direkt Ionen: Ein Mol CaCl₂ liefert ein Mol Ca²⁺- und zwei Mol Cl⁻-Ionen. Klausurfragen zielen oft genau auf diesen Unterschied; lies also präzise, ob nach Molekülen, Atomen oder Ionen gefragt ist.

Was besagt das Gesetz von Avogadro für Gase?+

Avogadros Hypothese von 1811 besagt: Gleiche Volumina beliebiger Gase enthalten bei gleichem Druck und gleicher Temperatur gleich viele Teilchen. Das ist bemerkenswert, weil die Teilchen selbst völlig verschieden schwer sein können. Daraus folgt das molare Volumen: Bei Normbedingungen (0 °C, 1013 hPa) nimmt ein Mol jedes idealen Gases etwa 22,4 L ein, bei Standardbedingungen (25 °C, 1 bar) etwa 24,8 L (aus V = nRT/p = 8,314·298,15/100 000 m³). Damit kannst du Gasvolumina direkt in Stoffmengen übersetzen: 11,2 L Wasserstoff bei Normbedingungen sind 0,5 mol. Das Gesetz steckt als V ∝ n im idealen Gasgesetz pV = nRT und erklärt, warum Reaktionsgleichungen für Gase auch Volumenverhältnisse beschreiben.

Avogadro-Konstante (Teilchenzahl) prüfungssicher behalten

Erstelle ein kuratiertes FSRS-Prüfungsset für N = n·N_A: Formelabruf, Variablen, Herleitung, Umstellung, Beispiel, typische Fehler und Klausurkontext.

Kostenlos · kuratiertes Formelset · LaTeX · FSRS Spaced Repetition

Wie berechnet man mit Avogadro-Konstante (Teilchenzahl)?

So gehst du eine typische Aufgabe zu Avogadro-Konstante (Teilchenzahl) (N = n·N_A) Schritt für Schritt an:

  1. 1

    Aufgabe

    Wie viele Moleküle enthalten 0,25 mol Wasser?

    Rechenweg

    N = n·N_A = 0,25 · 6,022×10²³ ≈ 1,51×10²³ Moleküle.

  2. 2

    Aufgabe

    Wie schwer ist ein einzelnes Wassermolekül (M = 18,02 g/mol)?

    Rechenweg

    m_T = M/N_A = 18,02/(6,022×10²³) ≈ 2,99×10⁻²³ g.

N = n·N_A · 10 Karten fertig

Als Prüfungsset lernen