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).
Stoffmengenkonzentration
Die Stoffmengenkonzentration c (Molarität) gibt an, wie viel Mol eines gelösten Stoffes in einem Liter Lösung stecken. Sie verbindet Stoffmenge und Lösungsvolumen.
Kostenlos · keine Kreditkarte · in 2 Minuten in deinem Lernplan
Formel
c = \frac{n}{V}Variablen & Einheiten – Stoffmengenkonzentration
| Symbol | Bedeutung | Einheit |
|---|---|---|
| c | Stoffmengenkonzentration (Molarität) | mol/L |
| n | Stoffmenge des gelösten Stoffes | mol |
| V | Volumen der fertigen Lösung | L |
Herleitung & Hintergrund – Stoffmengenkonzentration
V ist das Volumen der fertigen Lösung, nicht des zugegebenen Lösungsmittels; deshalb füllt man im Messkolben auf die Marke auf. Mit n = m/M folgt c = m/(M·V). Beim Verdünnen bleibt die Stoffmenge erhalten, daraus folgt c₁·V₁ = c₂·V₂. Umgangssprachlich heißt eine Lösung mit c = 1 mol/L „einmolar".
Prüfungs-Blueprint
Gültigkeitsbereich
Gilt für homogene Lösungen; V ist das Volumen der fertigen Lösung bei gegebener Temperatur, nicht das des Lösungsmittels.
Herleitung in Schritten
Die Konzentration normiert die gelöste Stoffmenge auf das Lösungsvolumen, damit Proben vergleichbar werden.
- 1Die entnommene Stoffmenge n wächst proportional mit dem entnommenen Volumen.
- 2Der Quotient c = n/V ist daher volumenunabhängig und charakterisiert die Lösung.
Umstellen
Stoffmenge
Kern jeder Titrationsrechnung.
Konzentration aus Einwaage
Kombination mit n = m/M für die Laborpraxis.
Verdünnung
Die Stoffmenge bleibt beim Verdünnen erhalten.
Aufgabenvariante
5,85 g NaCl in 500 mL Lösung: Wie groß ist c?
n = 5,85/58,44 = 0,100 mol; c = 0,100 mol / 0,500 L = 0,200 mol/L.
Wie viel mol HCl stecken in 25 mL Salzsäure mit c = 0,8 mol/L?
n = c·V = 0,8 mol/L · 0,025 L = 0,020 mol.
Typische Fehler
Volumen in Millilitern einsetzen.
V in Liter umrechnen: 250 mL = 0,250 L.
Volumen des Lösungsmittels statt der Lösung verwenden.
Im Messkolben auf das Endvolumen auffüllen; c bezieht sich auf die fertige Lösung.
Massenkonzentration β = m/V mit c verwechseln.
c zählt mol, β Gramm; Umrechnung über c = β/M.
Klausurkontext
- Titration und Maßanalyse, Verdünnungsreihen und pH-Aufgaben mit starken Säuren und Basen.
Die typischen Fehler stecken als eigene Karten im Prüfungsset. Einmal aktiv trainiert, passieren sie in der Klausur selten.
Formelcluster
Mengenrechnung in Lösung
Verbindet Stoffmenge, Einwaage und pH-Rechnung im Labouralltag.
Rechenbeispiel
5,85 g NaCl (M = 58,44 g/mol) in 500 mL Lösung: n = 5,85/58,44 = 0,100 mol → c = n/V = 0,100/0,500 = 0,200 mol/L.
Anwendungsgebiete
Maßanalyse und Titration, Lösungen ansetzen im Labor, Infusions- und Medikamentendosierung, pH-Berechnungen, Pufferherstellung
Quanta-Prüfungsset
Kuratiertes Prüfungsset für "Stoffmengenkonzentration":
Frage (Vorderseite)
Welche Formel beschreibt Stoffmengenkonzentration?
Antwort in deinem Set
Frage (Vorderseite)
Wie stellst du c = n/V nach Stoffmenge um?
Antwort in deinem Set
Frage (Vorderseite)
Welcher typische Fehler passiert bei c = n/V?
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 Stoffmengenkonzentration
Wie berechnet man die Stoffmengenkonzentration einer Lösung?+
Teile die gelöste Stoffmenge durch das Volumen der Lösung: c = n/V, mit n in Mol und V in Litern. Ist statt der Stoffmenge die Einwaage gegeben, rechnest du zuerst mit n = m/M um. Beispiel: 5,85 g Kochsalz (M = 58,44 g/mol) werden in Wasser gelöst und auf 500 mL aufgefüllt. Dann ist n = 5,85/58,44 = 0,100 mol und c = 0,100/0,500 = 0,200 mol/L. Zwei Stolpersteine: Das Volumen muss in Litern stehen, also 500 mL = 0,500 L, und es zählt das Volumen der fertigen Lösung, nicht die Menge des zugegebenen Wassers. Deshalb wird im Messkolben bis zur Eichmarke aufgefüllt.
Was bedeutet eine 1-molare Lösung?+
Eine 1-molare Lösung enthält genau ein Mol des gelösten Stoffes pro Liter Lösung, also c = 1 mol/L. Die Sprechweise „molar" (abgekürzt M) ist im Laboralltag üblich: Eine 0,1-molare Salzsäure hat c(HCl) = 0,1 mol/L. Wichtig ist der Bezug auf das Lösungsvolumen: Für eine 1-molare NaCl-Lösung wiegst du 58,44 g NaCl ab, löst sie in etwas Wasser und füllst dann auf exakt einen Liter auf. Du gibst nicht einen Liter Wasser zu, denn der gelöste Stoff verändert das Volumen. Vorsicht auch beim Begriff Molalität: Sie bezieht sich mit mol/kg auf die Masse des Lösungsmittels und ist eine andere Größe.
Wie rechnet man eine Verdünnung mit c₁·V₁ = c₂·V₂?+
Beim Verdünnen bleibt die gelöste Stoffmenge gleich, nur das Volumen wächst. Aus n = c·V folgt deshalb c₁·V₁ = c₂·V₂. Beispiel: Du brauchst 250 mL Salzsäure mit c = 0,1 mol/L und hast eine Stammlösung mit c = 1,0 mol/L. Dann ist V₁ = c₂·V₂/c₁ = 0,1·0,250/1,0 = 0,025 L. Du pipettierst also 25 mL Stammlösung in einen 250-mL-Messkolben und füllst mit Wasser bis zur Marke auf. Die Formel gilt für reines Verdünnen ohne Reaktion. Praxisregel für Säuren: immer die Säure ins Wasser geben, nie umgekehrt, wegen der Verdünnungswärme.
Was ist der Unterschied zwischen Stoffmengenkonzentration und Massenkonzentration?+
Die Stoffmengenkonzentration c = n/V zählt Mol pro Liter, die Massenkonzentration β = m/V zählt Gramm pro Liter. Beide beziehen sich auf das Lösungsvolumen, unterscheiden sich aber um die molare Masse: β = c·M. Eine Kochsalzlösung mit c = 0,15 mol/L hat also β = 0,15·58,44 ≈ 8,8 g/L; das entspricht ungefähr physiologischer Kochsalzlösung (9 g/L). Für chemische Rechnungen ist c die nützlichere Größe, weil Reaktionen in Stoffmengenverhältnissen ablaufen; auf Verpackungen und in der Medizin begegnet dir dagegen oft β. Prüfe in Aufgaben deshalb genau, welche Konzentration gemeint ist, und rechne bei Bedarf über M um.
Wie nutzt man c = n/V bei einer Titration?+
Bei der Titration bestimmst du eine unbekannte Konzentration über den Verbrauch einer Maßlösung bekannter Konzentration. Am Äquivalenzpunkt gilt für eine 1:1-Reaktion wie HCl + NaOH: n(Säure) = n(Base), also c₁·V₁ = c₂·V₂. Beispiel: 20,0 mL Salzsäure unbekannter Konzentration verbrauchen 12,5 mL Natronlauge mit c = 0,1 mol/L. Dann ist n(NaOH) = 0,1·0,0125 = 1,25×10⁻³ mol = n(HCl), und c(HCl) = 1,25×10⁻³/0,0200 = 0,0625 mol/L. Bei anderen Stöchiometrien, etwa Schwefelsäure mit zwei Protonen, musst du das Stoffmengenverhältnis aus der Reaktionsgleichung einbauen: n(NaOH) = 2·n(H₂SO₄). Genau hier passieren die meisten Klausurfehler.
Stoffmengenkonzentration prüfungssicher behalten
Erstelle ein kuratiertes FSRS-Prüfungsset für c = n/V: Formelabruf, Variablen, Herleitung, Umstellung, Beispiel, typische Fehler und Klausurkontext.
Kostenlos · kuratiertes Formelset · LaTeX · FSRS Spaced Repetition
Wie berechnet man mit Stoffmengenkonzentration?
So gehst du eine typische Aufgabe zu Stoffmengenkonzentration (c = n/V) Schritt für Schritt an:
- 1
Aufgabe
5,85 g NaCl in 500 mL Lösung: Wie groß ist c?
Rechenweg
n = 5,85/58,44 = 0,100 mol; c = 0,100 mol / 0,500 L = 0,200 mol/L.
- 2
Aufgabe
Wie viel mol HCl stecken in 25 mL Salzsäure mit c = 0,8 mol/L?
Rechenweg
n = c·V = 0,8 mol/L · 0,025 L = 0,020 mol.
c = n/V · 10 Karten fertig
Als Prüfungsset lernen