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).
Energie im Kondensator
Die im elektrischen Feld eines Kondensators gespeicherte Energie wächst quadratisch mit der Spannung.
Kostenlos · keine Kreditkarte · in 2 Minuten in deinem Lernplan
Formel
E = \frac{1}{2} C U^2Variablen & Einheiten – Energie im Kondensator
| Symbol | Bedeutung | Einheit |
|---|---|---|
| E | Gespeicherte elektrische Energie | J |
| C | Kapazität | F |
| U | Ladespannung | V |
Herleitung & Hintergrund – Energie im Kondensator
Beim Aufladen muss jede weitere Ladungsportion gegen die schon vorhandene Spannung transportiert werden. Die Ladearbeit ist die Fläche unter der Q-U-Geraden: W = ½·Q·U. Mit Q = C·U folgen die drei äquivalenten Formen E = ½CU² = ½QU = Q²/(2C). Der Faktor ½ unterscheidet die Kondensator-Energie von der Energie E = Q·U einer Ladung, die eine feste Spannung durchläuft.
Prüfungs-Blueprint
Gültigkeitsbereich
Gilt für ideale Kondensatoren ohne Leckströme. Beim Laden über einen Widerstand wird zusätzlich die gleiche Energiemenge im Widerstand als Wärme frei — der Ladewirkungsgrad ist maximal 50 %.
Herleitung in Schritten
Die Ladearbeit ist die Fläche unter der Q-U-Kennlinie — ein Dreieck, daher der Faktor ½.
- 1Jede Ladungsportion dQ wird gegen die Momentanspannung u = q/C transportiert: dW = u·dq.
- 2Integration von 0 bis Q: W = Q²/(2C) = ½CU² = ½QU.
Umstellen
Spannung aus der Energie
Für doppelte Energie braucht man nur das √2-Fache der Spannung.
Form mit Ladung
Praktisch, wenn die Ladung statt der Spannung gegeben ist.
Kapazität aus Energie und Spannung
So dimensioniert man Pufferkondensatoren für einen Energiebedarf.
Aufgabenvariante
Die Ladespannung eines Kondensators wird verdoppelt. Was passiert mit der Energie?
E ∝ U²: Die gespeicherte Energie vervierfacht sich.
Ein Defibrillator-Kondensator (C = 150 µF) wird auf 2.000 V geladen. Bestimme E.
E = ½ × 1,5×10⁻⁴ × (2.000)² = ½ × 1,5×10⁻⁴ × 4×10⁶ = 300 J.
Typische Fehler
Den Faktor ½ weglassen und E = CU² rechnen.
Die Spannung wächst erst beim Laden — im Mittel wirkt nur U/2.
E = ½CU² mit E = QU verwechseln.
E = QU gilt für Ladung durch eine feste Spannung; am Kondensator steigt U mit.
U nicht quadrieren.
Die Energie wächst quadratisch mit der Spannung — deshalb lädt man Blitzkondensatoren auf hohe Spannungen.
Klausurkontext
- LEIFI-/Abitur-Klassiker: Blitzgerät und Defibrillator, Energievergleich vor/nach Dielektrikum-Einschub, Umladen zweier Kondensatoren.
Die typischen Fehler stecken als eigene Karten im Prüfungsset. Einmal aktiv trainiert, passieren sie in der Klausur selten.
Formelcluster
Feldenergie
Die Energie sitzt im elektrischen Feld zwischen den Platten.
Rechenbeispiel
Ein Blitzkondensator mit C = 1.000 µF wird auf U = 300 V geladen: E = ½ × 10⁻³ × 300² = ½ × 10⁻³ × 9×10⁴ = 45 J.
Anwendungsgebiete
Kamerablitz, Defibrillator, Zwischenspeicher in Elektronik, Superkondensatoren (Rekuperation)
Quanta-Prüfungsset
Kuratiertes Prüfungsset für "Energie im Kondensator":
Frage (Vorderseite)
Welche Formel beschreibt Energie im Kondensator?
Antwort in deinem Set
Frage (Vorderseite)
Wie stellst du E = ½CU² nach Spannung aus der Energie um?
Antwort in deinem Set
Frage (Vorderseite)
Welcher typische Fehler passiert bei E = ½CU²?
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 Physik-Formeln
Häufige Fragen zu Energie im Kondensator
Wie berechnet man die im Kondensator gespeicherte Energie?+
Setze Kapazität und Ladespannung in E = ½·C·U² ein. Beispiel: Ein Blitzkondensator mit C = 1.000 µF = 10⁻³ F, geladen auf U = 300 V, speichert E = ½ × 10⁻³ × 90.000 = 45 J — genug für einen kräftigen Lichtblitz. Die Spannung geht quadratisch ein, sie ist der wirksamste Hebel: doppelte Spannung, vierfache Energie. Ist statt der Spannung die Ladung gegeben, nutzt du die äquivalenten Formen E = ½·Q·U oder E = Q²/(2C). Denke an die Einheiten-Vorsätze: Mikrofarad zuerst in Farad umrechnen (µ = 10⁻⁶), sonst liegt das Ergebnis um Größenordnungen daneben.
Woher kommt der Faktor ½ in E = ½CU²?+
Aus dem Ladevorgang: Die Spannung am Kondensator ist nicht von Anfang an voll da, sondern wächst mit der Ladung von 0 auf U. Die erste Ladungsportion wird fast ohne Gegenspannung transportiert, die letzte gegen die volle Spannung. Im Mittel wirkt nur U/2, also ist die Ladearbeit W = Q·(U/2) = ½QU = ½CU². Grafisch ist das die Dreiecksfläche unter der Q-U-Geraden. Der Kontrast macht es klar: Schiebt man die Ladung Q durch eine feste Spannung U (etwa aus einer Batterie), ist die Energie Q·U — ohne den Faktor ½. Wer ihn weglässt, verdoppelt die Kondensator-Energie fälschlich; das ist der Standardfehler in Klausuren.
Warum lädt man Blitzgeräte und Defibrillatoren auf hohe Spannungen?+
Weil die Energie quadratisch mit der Spannung wächst: E = ½CU². Um viel Energie in einem handlichen Bauteil zu speichern, lohnt es mehr, die Spannung zu erhöhen, als die Kapazität zu vergrößern — eine Verzehnfachung der Spannung bringt das Hundertfache an Energie. Ein Defibrillator lädt typisch C = 150 µF auf etwa 2.000 V: E = ½ × 1,5×10⁻⁴ × 4×10⁶ = 300 J, abgegeben in wenigen Millisekunden. Das zeigt die zweite Stärke des Kondensators: Er kann seine Energie extrem schnell freisetzen und erreicht kurzzeitig enorme Leistungen (hier ~100 kW), was keine Batterie schafft. Deshalb dienen Kondensatoren überall dort, wo kurze, starke Energiestöße gebraucht werden.
Wo steckt die Energie im Kondensator eigentlich?+
Im elektrischen Feld zwischen den Platten — nicht "in den Ladungen" selbst. Die moderne Sichtweise ordnet dem Feld eine Energiedichte zu: w = ½·ε₀·E² pro Volumeneinheit (E ist hier die Feldstärke). Integriert über das Feldvolumen des Plattenkondensators ergibt das exakt ½CU² — beide Beschreibungen sind äquivalent. Diese Feldvorstellung ist mehr als Formalismus: Sie erklärt, warum beim Auseinanderziehen der Platten Energie hineingesteckt werden muss (das Feldvolumen wächst) und trägt bis zu elektromagnetischen Wellen, die Feldenergie durch den leeren Raum transportieren. Im Abitur taucht das als Konzeptfrage auf: Energieträger ist das Feld, der Kondensator nur sein Behälter.
Warum geht beim Laden über einen Widerstand die Hälfte der Energie verloren?+
Lädt man einen Kondensator aus einer festen Spannungsquelle U über einen Widerstand, liefert die Quelle insgesamt W = Q·U = C·U². Im Kondensator kommt aber nur E = ½CU² an — die andere Hälfte wird zwangsläufig im Widerstand zu Wärme, unabhängig davon, wie groß R ist. Der Grund: Zu Beginn liegt fast die gesamte Quellspannung am Widerstand, erst am Ende am Kondensator; über den ganzen Vorgang integriert teilen sich beide die Energie exakt hälftig. Ein kleinerer Widerstand verkürzt nur die Ladezeit (Zeitkonstante τ = R·C), ändert aber nichts an der 50-%-Bilanz. In der Praxis umgeht man den Verlust mit getakteten Ladeschaltungen oder Induktivitäten — eine beliebte Vertiefungsfrage.
Energie im Kondensator prüfungssicher behalten
Erstelle ein kuratiertes FSRS-Prüfungsset für E = ½CU²: Formelabruf, Variablen, Herleitung, Umstellung, Beispiel, typische Fehler und Klausurkontext.
Kostenlos · kuratiertes Formelset · LaTeX · FSRS Spaced Repetition
Wie berechnet man mit Energie im Kondensator?
So gehst du eine typische Aufgabe zu Energie im Kondensator (E = ½CU²) Schritt für Schritt an:
- 1
Aufgabe
Die Ladespannung eines Kondensators wird verdoppelt. Was passiert mit der Energie?
Rechenweg
E ∝ U²: Die gespeicherte Energie vervierfacht sich.
- 2
Aufgabe
Ein Defibrillator-Kondensator (C = 150 µF) wird auf 2.000 V geladen. Bestimme E.
Rechenweg
E = ½ × 1,5×10⁻⁴ × (2.000)² = ½ × 1,5×10⁻⁴ × 4×10⁶ = 300 J.
E = ½CU² · 10 Karten fertig
Als Prüfungsset lernen