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)
| Merkmal | Quanta | Anki | Quizlet | StudySmarter | RemNote | ChatGPT |
|---|---|---|---|---|---|---|
| Algorithmus | FSRS-6 2024 (Log-Loss 0,35 — Ye et al. 2022 ACM KDD) | SM-2 1987 (Log-Loss 0,45) | Proprietär (nicht publiziert) | Kein publizierter Algorithmus | FSRS verfügbar | Kein 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 gebunden | Nicht vorhanden | Nicht vorhanden | Nicht vorhanden | Nicht vorhanden | Post-hoc Zitate ohne Prüfung |
| Bloom-Taxonomie-Constraint | Stufe 3-4 Pflicht (Anderson und Krathwohl 2001), Stufe 1 architektonisch blockiert | Keine Kontrolle | Keine Kontrolle | Keine Kontrolle | Keine Kontrolle | Keine Kontrolle |
| Distraktor-Validierung (MC) | Jede Falschantwort auf Plausibilität geprüft (Haladyna und Downing 1989) | Nicht vorhanden | Nicht vorhanden | Nicht vorhanden | Nicht vorhanden | Nicht vorhanden |
| KI-Tutor Methodik | Sokrates-Methode: nur Gegenfragen, keine Direktantworten (Chi et al. 2001) | Kein KI-Tutor | Basisfunktion | Oberflächlich | Kein KI-Tutor | Direkte Antworten (kein Active Recall) |
| LaTeX nativ | Vollständig, inline und block, in jeder Karte | Plugin-abhängig | Nicht vorhanden | Nicht vorhanden | Ja | Nur in Antworten (nicht in Karteikarten) |
| Chemie-Studio (SMILES, 3D, VSEPR) | Ja — 60+ Verbindungen, Strukturformeln und 3D-Rotation | Nein | Nein | Nein | Nein | Nein |
| Readiness Score (Prüfungsprognose) | Proprietär, 4-Dimensionen-Modell, FSRS-basiert, Exam-Day-Projection | Nein | Nein | Nein | Nein | Nein |
| Confidence Score (Meta-Reliability) | 4-Signal-Meta-R² der Readiness-Schätzung | Nein | Nein | Nein | Nein | Nein |
| Multi-Exam Study Planner | Globaler Scheduler mit FSRS-Simulation, Interleaving, Crunch-Time | Nein | Nein | Nein | Nein | Nein |
| Anki-Import (.apkg) | Ja, vollständig | Nativ | Nein | Nein | Nein | Nein |
| DACH-Spezialisierung | 350+ Studiengänge, 16 Bundesländer, Steuerabsetzbarkeit | Nein | Nein | Teilweise | Nein | Nein |
| Preis (monatlich, jährlich) | Basic: 0 Euro dauerhaft, Pro: 6 Euro/Monat | 0 Euro Desktop, 25 Dollar iOS | ca. 3 Euro/Monat (jährlich) | ca. 5 Euro/Monat | ca. 8 Dollar/Monat | 20 Dollar/Monat (Plus) |
| Eigenständige Berechnungs-Engine | Ja — 900 LOC TypeScript, 4 Module, keine API-Abhängigkeit | Ja (SM-2) | Nein | Unbekannt | Teilweise (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).
Hessesche Normalform (Abstand Punkt-Ebene)
Die Hessesche Normalform liefert den Abstand eines Punktes von einer Ebene: Punkt in die Koordinatengleichung einsetzen, durch die Länge des Normalenvektors teilen.
Kostenlos · keine Kreditkarte · in 2 Minuten in deinem Lernplan
Formel
d(P;E) = \frac{|a p_{1} + b p_{2} + c p_{3} - d|}{\sqrt{a^{2} + b^{2} + c^{2}}}Variablen & Einheiten – Hessesche Normalform (Abstand Punkt-Ebene)
| Symbol | Bedeutung | Einheit |
|---|---|---|
| P(p₁|p₂|p₃) | Punkt, dessen Abstand gesucht ist | LE |
| a, b, c | Koordinaten des Normalenvektors n⃗ der Ebene | dimensionslos |
| d | Rechte Seite der Ebenengleichung ax + by + cz = d | dimensionslos |
| |n⃗| | Länge des Normalenvektors √(a² + b² + c²) | dimensionslos |
Herleitung & Hintergrund – Hessesche Normalform (Abstand Punkt-Ebene)
Benannt nach Otto Hesse (19. Jahrhundert). Normiert man die Koordinatengleichung auf |n⃗| = 1, liefert das Einsetzen eines Punktes direkt den orientierten Abstand: positives Vorzeichen auf der Seite, in die n⃗ zeigt, negatives auf der anderen. Der Betrag macht daraus den geometrischen Abstand; ein Punkt in der Ebene ergibt 0. Auch der Abstand paralleler Ebenen folgt so in einem Schritt.
Prüfungs-Blueprint
Gültigkeitsbereich
Gilt für Ebenen in Koordinatenform ax + by + cz = d im Raum; der Normalenvektor (a|b|c) darf nicht der Nullvektor sein. Ohne Betrag entsteht der orientierte Abstand mit Seiteninformation.
Herleitung in Schritten
Projektion des Verbindungsvektors auf den Einheitsnormalenvektor.
- 1Für einen Ebenenpunkt A ist der Abstand von P die Länge der Projektion von AP⃗ auf n⃗: d = |AP⃗·n⃗|/|n⃗|.
- 2Ausschreiben mit n⃗·a⃗ = d ergibt d(P;E) = |a·p₁ + b·p₂ + c·p₃ − d|/√(a² + b² + c²).
Umstellen
Normierte Ebenengleichung
Nach der Normierung liefert Einsetzen eines Punktes direkt den Abstand.
Abstand paralleler Ebenen
Gleicher Normalenvektor vorausgesetzt; sonst zuerst angleichen.
Punkte mit Wunschabstand
Beide Parallelebenen im Abstand k, z. B. für Tangentialebenen.
Aufgabenvariante
E: x + 2y + 2z = 6. Welchen Abstand hat der Ursprung von E?
d = |0 + 0 + 0 − 6|/√(1 + 4 + 4) = 6/3 = 2 LE.
Wie weit liegen die parallelen Ebenen 2x + y + 2z = 9 und 2x + y + 2z = 3 auseinander?
|n⃗| = √(4 + 1 + 4) = 3, also d = |9 − 3|/3 = 2 LE.
Typische Fehler
Das Teilen durch |n⃗| vergessen.
Einsetzen allein liefert nur ein Vielfaches; erst /√(a²+b²+c²) macht daraus den Abstand.
Die rechte Seite d nicht abziehen.
In den Zähler gehört a·p₁ + b·p₂ + c·p₃ − d, nicht nur die linke Seite.
Negatives Ergebnis als Fehler deuten.
Ohne Betrag zeigt das Vorzeichen nur die Seite der Ebene an; der Abstand ist der Betrag.
Klausurkontext
- Abstandsaufgaben Punkt-Ebene und Ebene-Ebene, Tangentialebenen an Kugeln, Abstände in Anwendungsaufgaben (Flugbahnen).
Die typischen Fehler stecken als eigene Karten im Prüfungsset. Einmal aktiv trainiert, passieren sie in der Klausur selten.
Formelcluster
Abstände im Raum
HNF für Punkt-Ebene, Kreuzprodukt-Formel für Punkt-Gerade: zusammen decken sie die Abstandsaufgaben ab.
Rechenbeispiel
E: 2x + y + 2z = 9 und P(3|1|5): Zähler |2·3 + 1 + 2·5 − 9| = |8| = 8, Nenner √(4 + 1 + 4) = 3. Abstand d(P;E) = 8/3 ≈ 2,67 LE.
Anwendungsgebiete
Abstandsaufgaben im Abitur (Punkt-Ebene, parallele Ebenen), Tangentialebenen an Kugeln, Sicherheitsabstände von Flugbahnen, Kollisionsprüfung in der Computergrafik
Quanta-Prüfungsset
Kuratiertes Prüfungsset für "Hessesche Normalform (Abstand Punkt-Ebene)":
Frage (Vorderseite)
Welche Formel beschreibt Hessesche Normalform (Abstand Punkt-Ebene)?
Antwort in deinem Set
Frage (Vorderseite)
Wie stellst du d(P;E) = |n⃗·p⃗ − d| / |n⃗| nach Normierte Ebenengleichung um?
Antwort in deinem Set
Frage (Vorderseite)
Welcher typische Fehler passiert bei d(P;E) = |n⃗·p⃗ − d| / |n⃗|?
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
Verwandte Formeln
Weitere Mathematik-Formeln
Häufige Fragen zu Hessesche Normalform (Abstand Punkt-Ebene)
Wie berechnet man den Abstand eines Punktes von einer Ebene?+
In drei Schritten mit der Hesseschen Normalform. Erstens: Die Ebene in Koordinatenform ax + by + cz = d bringen. Zweitens: Den Punkt einsetzen und d abziehen; der Betrag davon ist der Zähler. Drittens: Durch die Länge des Normalenvektors √(a² + b² + c²) teilen. Beispiel: E: 2x + y + 2z = 9 und P(3|1|5): Einsetzen liefert 6 + 1 + 10 = 17, minus 9 ergibt 8; der Nenner ist √9 = 3, also d(P;E) = 8/3 ≈ 2,67 LE. Ergebnis 0 bedeutet, dass der Punkt in der Ebene liegt. Vergiss weder das Abziehen von d noch die Division, das sind die beiden Klassiker.
Warum muss man durch den Betrag des Normalenvektors teilen?+
Weil dieselbe Ebene unendlich viele Koordinatengleichungen hat: 2x + y + 2z = 9 und 4x + 2y + 4z = 18 beschreiben identische Punktmengen. Setzt du einen Punkt nur ein, bekommst du je nach Gleichung verschiedene Zahlen, hier 8 oder 16; das kann noch kein Abstand sein. Erst die Division durch |n⃗| normiert die Gleichung und macht das Ergebnis eindeutig: 8/3 = 16/6. Geometrisch steckt eine Projektion dahinter: Der Abstand ist die Länge der Projektion des Verbindungsvektors auf die Normalenrichtung, und dafür braucht man den Einheitsnormalenvektor n⃗/|n⃗| der Länge 1. Die Division ist also keine Konvention, sondern der eigentliche Kern der Formel.
Was bedeutet das Vorzeichen, wenn man den Betrag weglässt?+
Ohne Betrag liefert die Hessesche Normalform den orientierten Abstand: Das Vorzeichen verrät, auf welcher Seite der Ebene der Punkt liegt. Positiv heißt, der Punkt liegt auf der Seite, in die der Normalenvektor zeigt; negativ bedeutet die Gegenseite. Damit kannst du prüfen, ob zwei Punkte auf derselben Seite einer Ebene liegen (gleiche Vorzeichen) oder ob eine Strecke die Ebene durchstößt (verschiedene Vorzeichen), ohne den Schnittpunkt auszurechnen. Beispiel: Für E: 2x + y + 2z = 9 liefert P(3|1|5) den Wert +8/3, der Ursprung dagegen −9/3 = −3; beide liegen also auf verschiedenen Seiten. Für den geometrischen Abstand nimmst du am Ende den Betrag.
Wie berechnet man den Abstand zweier paralleler Ebenen?+
Bringe beide Ebenen auf denselben Normalenvektor; dann unterscheiden sich die Gleichungen nur in der rechten Seite, und es gilt d = |d₁ − d₂|/|n⃗|. Beispiel: 2x + y + 2z = 9 und 2x + y + 2z = 3 haben |n⃗| = 3, also den Abstand |9 − 3|/3 = 2 LE. Steht die zweite Ebene mit einem Vielfachen des Normalenvektors da (etwa 4x + 2y + 4z = 6), teile die Gleichung zuerst durch den Faktor. Alternativ wählst du einen beliebigen Punkt der einen Ebene und berechnest seinen Abstand zur anderen mit der normalen HNF-Formel; beides führt zum selben Ergebnis. Nicht parallele Ebenen schneiden sich, ihr Abstand ist 0.
Wofür braucht man die Hessesche Normalform bei Kugeln?+
Für Lagebeziehungen zwischen Kugel und Ebene entscheidet der Abstand des Mittelpunkts M von der Ebene im Vergleich zum Radius r. Ist d(M;E) > r, verfehlt die Ebene die Kugel; bei d(M;E) = r berührt sie die Kugel (Tangentialebene); bei d(M;E) < r schneidet sie einen Kreis heraus. Beispiel: Kugel mit M(3|1|5), r = 3 und E: 2x + y + 2z = 9: d = 8/3 ≈ 2,67 < 3, die Ebene schneidet die Kugel; der Schnittkreis hat nach Pythagoras den Radius √(r² − d²) = √(9 − 64/9) ≈ 1,37. Auch Tangentialebenen konstruierst du so: alle Ebenen mit Abstand r zum Mittelpunkt.
Hessesche Normalform (Abstand Punkt-Ebene) prüfungssicher behalten
Erstelle ein kuratiertes FSRS-Prüfungsset für d(P;E) = |n⃗·p⃗ − d| / |n⃗|: Formelabruf, Variablen, Herleitung, Umstellung, Beispiel, typische Fehler und Klausurkontext.
Kostenlos · kuratiertes Formelset · LaTeX · FSRS Spaced Repetition
Wie berechnet man mit Hessesche Normalform (Abstand Punkt-Ebene)?
So gehst du eine typische Aufgabe zu Hessesche Normalform (Abstand Punkt-Ebene) (d(P;E) = |n⃗·p⃗ − d| / |n⃗|) Schritt für Schritt an:
- 1
Aufgabe
E: x + 2y + 2z = 6. Welchen Abstand hat der Ursprung von E?
Rechenweg
d = |0 + 0 + 0 − 6|/√(1 + 4 + 4) = 6/3 = 2 LE.
- 2
Aufgabe
Wie weit liegen die parallelen Ebenen 2x + y + 2z = 9 und 2x + y + 2z = 3 auseinander?
Rechenweg
|n⃗| = √(4 + 1 + 4) = 3, also d = |9 − 3|/3 = 2 LE.
d(P;E) = |n⃗·p⃗ − d| / |n⃗| · 10 Karten fertig
Als Prüfungsset lernen