Distri-Award
– Jetzt zur Umfrage!

Suchen

Marktpotenziale Quantum Computing: Kann das was?

| Autor / Redakteur: Johannes Oberreuter* und Marco Magagnini* / Ann-Marie Struck

Rechenprozesse, die Jahre dauern, können Quantencomputer innerhalb weniger Stunden oder Minuten realisieren. Denn ein Quantenprozessor arbeitet nicht nach den klassischen Gesetzen der Physik oder Informatik, sondern auf Grundlage der Quantenmechanik.

Firmen zum Thema

Werden Quantencomputer alle anderen Computer ersetzen?
Werden Quantencomputer alle anderen Computer ersetzen?
(Bild: © Quardia Inc. - stock.adobe.com)

Die Welt der Quanten übt seit ihrer Entdeckung zu Beginn des 20. Jahrhunderts eine ungebrochene Faszination aus. Quantenphänomene entziehen sich menschlicher Intuition und dem menschlichen Anschauungsvermögen. Und doch bilden sie und die Technologien, die auf ihnen basieren, das Fundament der Hightech-Entwicklungen der letzten Jahrzehnte. Dabei hat Richard Feynman die Idee, quantenmechanische Phänomene gezielt zur Lösung von mathematischen Problemen zu nutzen, erstmals zu Beginn der 1980er-Jahre vorgeschlagen. Seitdem sind vier Jahrzehnte vergangen. Erst heute befinden wir uns in einem Stadium der Entwicklung, in der das so genannte Quantum Computing zur Lösung konkreter Probleme in Unternehmen einsetzbar ist.

Besser durch Quantenphänomene?

Die Behauptung, Quantum Computing sei klassischen Verfahren überlegen, beruht auf dem Phänomen der Superposition. Das heißt, es ist einem quantenmechanischen Objekt erlaubt, sich in zwei verschiedenen Zuständen zugleich zu befinden. Während klassische Computer alle Informationen letztlich mithilfe von nur zwei Zuständen – 1 oder 0 – in Form so genannter Bits verarbeiten, rechnet ein Quantencomputer mit sogenannten Qubits. Hierbei überlagern sich 0 und 1. Das Qubit kann so eine beliebige Kombination von zwei Zuständen gleichzeitig annehmen.

Das erweist sich beispielsweise bei Optimierungsproblemen als entscheidender Vorteil. Ein Optimierungsproblem bezeichnet eine Herausforderung, für deren Lösung unzählige Möglichkeiten für Parameter ausprobiert werden müssen, um deren optimale Kombination zu finden. Ein klassischer Rechner mit n Bits arbeitet die Probleme nacheinander ab und befindet sich zu jedem gegebenen Zeitpunkt in genau einem von 2n Zuständen. Ein Quantenrechner mit n Qubits dagegen befindet sich in 2n Zuständen zugleich. In dieser Eigenschaft liegt die viel beschworene „Quantum Supremacy“ begründet: Bisher zu komplexe Probleme können so in einer vertretbaren Zeit bewältigt werden.

Erste Unternehmen – unter anderem in den Bereichen Finanzen, Logistik und Produktion – haben bereits erfolgreiche Piloten durchgeführt. Daneben widmen sich Forschungsprojekte wie das der Universities Space Research Association (USRA), an dem neben Google und der NASA auch Reply beteiligt ist, den praktischen Einsatzmöglichkeiten des D-Wave Quantum Annealers, einer für Optimierungsaufgaben entworfenen Quantenhardware.

Quantum Computing für die Logistik: Liefer- und Personaloptimierung

Beispielfelder, die sich in der Erfahrung von Reply für die Optimierung mit einem Quantenalgorithmus eignen, sind die Frachtlieferung und das Personalmanagement. Um die optimalen Routen für Warenlieferungen zu finden, müssen viele Variablen einbezogen werden. Damit wird das Szenario zu einem komplexen Prozess – ebenso wie die Planung des Einsatzes von Arbeitskräften.

Für beide Optimierungsprobleme führt der Einsatz eines Quantenalgorithmus in der Praxis zu Ergebnissen, die jenen herkömmlicher Techniken weit überlegen sind. Denn Quantenlösungen versetzen Verantwortliche in die Lage, die Modelle kontinuierlich zu verfeinern, die reelle Anwendbarkeit und die Qualität der Lösungen zu verbessern oder neue Rahmenbedingungen – wie zum Beispiel engere Lieferfenster – hinzuzufügen, ohne die Rechenzeiten wesentlich zu beeinflussen. So gelingt es, die Kennzahlen in Bezug auf die Entfernung der Route sowie die Produktivität zu optimieren.

Quantum Computing für den Zugverkehr

Für einen Bahnhof, der die Abwicklung von 300 Zügen auf 20 Linien innerhalb eines Zeitrahmens von einer Stunde bewältigt, ist ein reibungsloser Ablauf entscheidend. Auch hier hat sich die Quantentechnologie bereits in der Praxis bewiesen: Um die maximale Anzahl an Zügen im Fahrplan herauszufinden und die möglichen Zugbewegungen zu steigern, bestimmt die Quantum-Computing-Lösung das beste Ankunftsgleis für optimale Passagierverbindungen und unterstützt dabei, die Wartung und Bewegung der Züge besser zu steuern.

Quantum Computing für die Telekommunikation: LTE

Bei leistungsfähiger und umfassender Mobilfunkabdeckung – einem Ziel, an dem in Deutschland aktuell stark gearbeitet wird – besteht eine zentrale Herausforderung darin, die Funkzellen so zu planen, dass sie ein bestimmtes Gebiet optimal abdecken. Ein Quantenalgorithmus zur Planung von Netzwerkparametern zeigte in Tests eine zehnmal schnellere Prozessoptimierung als sie herkömmliche Methoden bieten. Am Ende bedeutet dies für Telekommunikationsbetreiber eine effektivere Planung der Netzinfrastruktur und ein verbessertes Kundenerlebnis durch eine optimale Netzverfügbarkeit.

Quantum Computing für die Finanzoptimierung

Auch bei der Erstellung eines simulationsgestützten Tools zur Kostenoptimierung für das Vorhalten von Sicherheiten im außerbörslichen (OTC-)Handel mit Derivaten zeigte sich in einem Projekt, dass ein Quantenalgorithmus die Nichtlinearitäten des Modells besser zu berücksichtigen imstande ist.

Eine weitere bereits erfolgreich erprobte Einsatzmöglichkeit liegt in der Portfolio-Optimierung zur Minimierung des Investmentrisikos. Dazu wird zunächst eine Reihe von Vermögenswerten mit minimaler Korrelation bestimmt. So eine Analyse der Korrelationen zwischen den Vermögenswerten legt wiederum die Basis für ein nichtlineares Modell. Damit gelingt es einem Quantenalgorithmus, die optimale Portfolio-Allokation zu finden.

Quantencomputing: Blick in die Zukunft

Quantum Computing kann weit mehr als kombinatorische Optimierung. Der Einsatz in Bereichen wie Machine Learning und Quantum Security ist vielversprechend: Zu interessantesten Einsatzszenarien zählen quantenneuronale Netze und Quanteninternetnetzwerke. Das Potenzial des Quantum Computings übersteigt heutige Möglichkeiten bei weitem. Das bedeutet nicht nur eine schnellere Lösung von Optimierungsproblemen. Gleichzeitig stellt es eine Bedrohung für heutige Verschlüsselungstechnologien dar. Um dieser zu begegnen und kommerzielle Transaktionen sowie Datentransfers zu schützen, widmet sich die Quantum Cybersecurity der Entwicklung ausgeklügelter Verfahren der Kryptographie. Dazu zählen die Verteilung von Quantenschlüsseln, Quantensicherheitsalgorithmen und Quantenzufallszahlengeneratoren.

Johannes Oberreuter, Data Scientist bei Machine Learning Reply.
Johannes Oberreuter, Data Scientist bei Machine Learning Reply.
(Bild: Massimiliano Sticca)

Darüber hinaus setzt Quantum Machine Learning (QML) darauf, die überlegene Rechenleistung des Quantencomputings auf den Bereich des Machine Learnings und der Künstlichen Intelligenz anzuwenden. Diese Disziplin befindet sich derzeit noch in einem frühen Stadium, eröffnet aber perspektivisch einen völlig neuen Anwendungshorizont. Neue Erkenntnisse, um Machine Learning mit dem Potential schnellerer Ergebnisse zu kombinieren und gleichzeitig die Genauigkeit von Quantenberechnungen zu verbessern, zeigen vielversprechende neue Möglichkeiten.

Marco Magagnini, Partner bei Data Reply.
Marco Magagnini, Partner bei Data Reply.
(Bild: massimiliano sticca)

*Johannes Oberreuter, Data Scientist bei Machine Learning Reply und Marco Magagnini, Partner bei Data Reply; beide Leiter der Innovationsgruppe Quantum Computing bei Reply

(ID:46746543)