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).
RGT-Regel
Die RGT-Regel (Reaktionsgeschwindigkeit-Temperatur-Regel) ist eine Faustregel: Eine Temperaturerhöhung um 10 K beschleunigt viele Reaktionen etwa um den Faktor Q₁₀, meist 2 bis 4.
Kostenlos · keine Kreditkarte · in 2 Minuten in deinem Lernplan
Formel
v_2 = v_1 \cdot Q_{10}^{\Delta T / (10\,\mathrm{K})}Variablen & Einheiten – RGT-Regel
| Symbol | Bedeutung | Einheit |
|---|---|---|
| v₂ | Reaktionsgeschwindigkeit bei der neuen Temperatur | mol/(L·s) |
| v₁ | Reaktionsgeschwindigkeit bei der Ausgangstemperatur | mol/(L·s) |
| Q₁₀ | Temperaturkoeffizient (meist 2 bis 4) | dimensionslos |
| ΔT | Temperaturänderung | K |
Herleitung & Hintergrund – RGT-Regel
Die Regel geht auf Jacobus Henricus van 't Hoff (1884) zurück und ist die handliche Näherung der exakten Arrhenius-Gleichung: Für Aktivierungsenergien um 50 kJ/mol nahe Raumtemperatur ergibt sich gerade etwa eine Verdopplung je 10 K. Bei sehr großen oder kleinen Aktivierungsenergien und über weite Temperaturbereiche weicht die Regel deutlich ab; bei Enzymen bricht sie oberhalb des Temperaturoptimums zusammen, weil das Protein denaturiert.
Prüfungs-Blueprint
Gültigkeitsbereich
Gilt als Faustregel für viele Reaktionen zwischen etwa 0 und 100 °C mit Q₁₀ von 2 bis 4; exakt beschreibt die Arrhenius-Gleichung die Temperaturabhängigkeit.
Herleitung in Schritten
Die RGT-Regel ist die vergröberte Form der Arrhenius-Gleichung für typische Aktivierungsenergien.
- 1Nach Arrhenius wächst k exponentiell mit T; je 10 K ergibt sich ein fester Faktor Q₁₀.
- 2Mehrere 10-K-Schritte multiplizieren sich: v₂ = v₁·Q₁₀^(ΔT/10 K).
Umstellen
Temperaturkoeffizient
So bestimmst du Q₁₀ aus zwei Messungen.
Nötige Temperaturänderung
Beantwortet, wie viel wärmer es für eine Zielbeschleunigung sein muss.
Aufgabenvariante
Q₁₀ = 2: Um welchen Faktor beschleunigt Erwärmen von 25 °C auf 55 °C?
ΔT = 30 K, also drei 10-K-Schritte: v₂/v₁ = 2³ = 8. Die Reaktion läuft rund achtmal schneller.
Q₁₀ = 3: Wie stark bremst Abkühlen von 20 °C auf 5 °C?
ΔT = −15 K → Faktor 3^(−1,5) = 1/(3·√3) ≈ 0,19. Die Reaktion läuft nur noch mit rund einem Fünftel der Geschwindigkeit; deshalb halten gekühlte Lebensmittel länger.
Typische Fehler
Faktoren addieren statt multiplizieren.
Drei 10-K-Schritte bei Q₁₀ = 2 ergeben 2³ = 8, nicht 6.
Die Regel als exaktes Gesetz behandeln.
Sie ist eine Näherung der Arrhenius-Gleichung und gilt nur für begrenzte Temperaturbereiche.
Sie auf Enzyme oberhalb des Optimums anwenden.
Über dem Temperaturoptimum denaturiert das Enzym und die Geschwindigkeit bricht ein.
Klausurkontext
- Kühlkette und Haltbarkeit, Vergleich mit der exakten Arrhenius-Rechnung und Q₁₀-Bestimmung aus Messwerten.
Die typischen Fehler stecken als eigene Karten im Prüfungsset. Einmal aktiv trainiert, passieren sie in der Klausur selten.
Formelcluster
Temperatur und Geschwindigkeit
Ordnet Faustregel und exakte Arrhenius-Beschreibung.
Rechenbeispiel
Q₁₀ = 2 und Erwärmen von 20 °C auf 50 °C (ΔT = 30 K): v₂ = v₁·2³ = 8·v₁. Eine Reaktion, die bei 20 °C 24 Minuten braucht, ist bei 50 °C nach etwa 24/8 = 3 Minuten fertig.
Anwendungsgebiete
Lebensmittelkühlung und Haltbarkeit, beschleunigte Alterungstests, Kompostierung, Stoffwechselraten wechselwarmer Tiere, Planung von Synthesen im Labor
Quanta-Prüfungsset
Kuratiertes Prüfungsset für "RGT-Regel":
Frage (Vorderseite)
Welche Formel beschreibt RGT-Regel?
Antwort in deinem Set
Frage (Vorderseite)
Wie stellst du v₂ = v₁·Q₁₀^(ΔT/10 K) nach Temperaturkoeffizient um?
Antwort in deinem Set
Frage (Vorderseite)
Welcher typische Fehler passiert bei v₂ = v₁·Q₁₀^(ΔT/10 K)?
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 Chemie-Formeln
Häufige Fragen zu RGT-Regel
Wie rechnet man mit der RGT-Regel?+
Bestimme zuerst die Temperaturänderung ΔT und teile sie durch 10 K: Das ergibt die Zahl der Verdopplungsschritte. Dann potenziere den Temperaturkoeffizienten Q₁₀ mit diesem Wert: v₂ = v₁·Q₁₀^(ΔT/10 K). Beispiel mit Q₁₀ = 2: Erwärmen von 20 °C auf 50 °C bedeutet ΔT = 30 K, also drei Schritte und den Faktor 2³ = 8. Eine Reaktion, die vorher 24 Minuten brauchte, ist dann in etwa 3 Minuten fertig. Auch nicht ganzzahlige Schritte funktionieren: Für ΔT = 15 K rechnest du 2^1,5 ≈ 2,8. Beim Abkühlen wird ΔT negativ und der Faktor kleiner als 1, die Reaktion wird langsamer.
Warum verdoppelt sich die Reaktionsgeschwindigkeit ungefähr alle 10 Kelvin?+
Der Grund steckt in der Arrhenius-Gleichung: Nur Teilchen mit genügend Energie überwinden die Aktivierungsbarriere, und ihr Anteil hängt exponentiell von der Temperatur ab. Schon eine kleine Erwärmung verschiebt die Energieverteilung der Teilchen so, dass deutlich mehr Stöße erfolgreich sind. Für typische Aktivierungsenergien um 50 kJ/mol ergibt die Arrhenius-Rechnung nahe Raumtemperatur gerade etwa einen Faktor 2 pro 10 K; genau daraus speist sich die Faustregel. Sie ist also kein eigenes Naturgesetz, sondern ein Spezialfall. Reaktionen mit höherer Aktivierungsenergie reagieren empfindlicher auf Temperatur (Q₁₀ eher 3 bis 4), solche mit niedriger Barriere schwächer (Q₁₀ näher an 1,5 bis 2).
Wie genau ist die RGT-Regel und wann versagt sie?+
Die RGT-Regel ist eine bewusst grobe Faustregel für Abschätzungen, keine exakte Formel. Sie funktioniert am besten zwischen etwa 0 und 100 °C und über moderate Temperaturspannen von wenigen zehn Kelvin. Ihr Q₁₀ ist streng genommen selbst temperaturabhängig, weil die exakte Arrhenius-Gleichung keinen konstanten Faktor je 10 K liefert; über große Bereiche laufen beide Rechnungen auseinander. Ganz versagt die Regel bei Enzymen und Mikroorganismen oberhalb des Temperaturoptimums: Dort denaturiert das Protein und die Geschwindigkeit bricht ein, statt weiter zu steigen. Auch diffusionskontrollierte und explosionsartige Reaktionen folgen ihr nicht. Für Klausuren gilt: abschätzen mit RGT, exakt rechnen mit Arrhenius.
Was genau ist der Temperaturkoeffizient Q10?+
Q₁₀ ist der Faktor, um den die Reaktionsgeschwindigkeit bei einer Erwärmung um genau 10 K zunimmt. Für viele chemische Reaktionen liegt er zwischen 2 und 4, für rein physikalische Prozesse wie Diffusion nur bei etwa 1,2 bis 1,5. Experimentell bestimmst du ihn aus zwei Geschwindigkeitsmessungen: Q₁₀ = (v₂/v₁)^(10 K/ΔT). In der Biologie ist Q₁₀ eine wichtige Kenngröße für Stoffwechselraten: Herzschlag und Atmung wechselwarmer Tiere folgen ihm ebenso wie die Keimungsgeschwindigkeit von Samen. Ein hoher Q₁₀ verrät eine hohe Aktivierungsenergie des zugrunde liegenden Prozesses, denn beide Größen sind über die Arrhenius-Gleichung miteinander verknüpft.
Warum halten Lebensmittel im Kühlschrank länger?+
Verderb ist Chemie: Enzymatische Reaktionen, Oxidationen und der Stoffwechsel von Mikroorganismen laufen umso schneller, je wärmer es ist. Kühlen kehrt die RGT-Regel um. Von 20 °C Raumtemperatur auf 5 °C Kühlschranktemperatur sind es ΔT = −15 K; mit Q₁₀ = 3, wie es für viele biologische Prozesse typisch ist, ergibt sich der Faktor 3^(−1,5) ≈ 0,19. Die Verderbreaktionen laufen also nur noch mit rund einem Fünftel der Geschwindigkeit, die Haltbarkeit steigt entsprechend auf etwa das Fünffache. Im Gefrierfach ist der Effekt noch stärker; zusätzlich schränkt das Einfrieren des Wassers die Beweglichkeit der Moleküle drastisch ein. Genau dieselbe Logik nutzt man umgekehrt beim Kochen und bei beschleunigten Alterungstests, wo Erwärmen die Prozesse gezielt beschleunigt.
RGT-Regel prüfungssicher behalten
Erstelle ein kuratiertes FSRS-Prüfungsset für v₂ = v₁·Q₁₀^(ΔT/10 K): Formelabruf, Variablen, Herleitung, Umstellung, Beispiel, typische Fehler und Klausurkontext.
Kostenlos · kuratiertes Formelset · LaTeX · FSRS Spaced Repetition
Wie berechnet man mit RGT-Regel?
So gehst du eine typische Aufgabe zu RGT-Regel (v₂ = v₁·Q₁₀^(ΔT/10 K)) Schritt für Schritt an:
- 1
Aufgabe
Q₁₀ = 2: Um welchen Faktor beschleunigt Erwärmen von 25 °C auf 55 °C?
Rechenweg
ΔT = 30 K, also drei 10-K-Schritte: v₂/v₁ = 2³ = 8. Die Reaktion läuft rund achtmal schneller.
- 2
Aufgabe
Q₁₀ = 3: Wie stark bremst Abkühlen von 20 °C auf 5 °C?
Rechenweg
ΔT = −15 K → Faktor 3^(−1,5) = 1/(3·√3) ≈ 0,19. Die Reaktion läuft nur noch mit rund einem Fünftel der Geschwindigkeit; deshalb halten gekühlte Lebensmittel länger.
v₂ = v₁·Q₁₀^(ΔT/10 K) · 10 Karten fertig
Als Prüfungsset lernen