Quanten-KI in der Industrie AutoQML bringt Quanten-Boost fürs Machine Learning

Anbieter zum Thema

USU GmbH

Portus Data Centers

Amphenol Sachsenkabel

Kentix GmbH

Mit dem Forschungsprojekt „AutoQML“ soll die Brücke zwischen klassischem Maschinellem Lernen und Quantencomputing geschlagen worden sein. Eine Open-Source-Plattform könnte künftig helfen, Anwendungen in der Industrie effizienter zu gestalten – auch für Mittelständler ohne spezialisiertes Know-how.

Quantenunterstütztes Maschinelles Lernen (ML) ist schon längst kein Stoff für Forschungslabore mehr – auch nicht für die Projektpartner von AutoQML. Denn unter Federführung von USU, gemeinsam mit Partnern wie den Fraunhofer-Instituten IAO und IPA sowie GFT Integrated Systems, IAV GmbH, KEB Automation KG, Trumpf und Zeppelin GmbH, sei eine Open-Source-Plattform entwickelt worden, die Methoden des automatisierten maschinellen Lernens (AutoML) mit quantengestützten Verfahren kombinieren soll.

Algorithmen ohne tiefgehendes Fachwissen intendiert

Das Projekt AutoQML verbindet Maschinelles Lernen und Quantencomputing

Das Projekt, gefördert vom Bundesministerium für Wirtschaft und Klimaschutz (BMWK), hatte ein klares Ziel: komplexe KI-Entwicklung auch für Unternehmen zugänglich zu machen, die weder über Data-Science-Teams noch über Quantenexpertise verfügen. AutoML-Tools sollen bereits heute viele Schritte bei der Erstellung von KI-Modellen erleichtern, etwa durch automatische Modellwahl oder Hyperparameter-Tuning. Der Clou bei AutoQML soll sein: Die zugrunde liegende Plattform ergänze diese Methoden durch quantenbasierte Algorithmen, um Performance und Effizienz weiter zu steigern.

Die technische Basis bilde eine modulare Bibliothek, die sowohl klassische als auch quantengestützte Verfahren bereitstellen soll. Laut USU sei es dabei gelungen, zentrale Komponenten für die einfache Konfiguration von ML-Anwendungen zu entwickeln – etwa grafische Oberflächen zur Auswahl von Pipelines oder vordefinierte Use Cases. In der praktischen Erprobung, etwa bei vorausschauender Wartung oder automatisierter Qualitätskontrolle in der Produktion, hätten die entwickelten Modelle klassische Verfahren nicht nur erreicht, sondern in einzelnen Fällen auch übertroffen – bei gleichzeitig geringerem Aufwand.

Noch steckt Quantencomputing in der Industrie-Anwendung in den Kinderschuhen. Zwar versprechen Unternehmen wie IBM oder D-Wave eine kontinuierliche Weiterentwicklung der Hardware, doch der industrielle Durchbruch steht aus. Eine Analyse von McKinsey prognostiziert, dass Quantencomputing erst ab Mitte der 2030er-Jahre disruptives Potenzial in ausgewählten Industrien entfalten könnte – insbesondere in Chemie, Pharma und Logistik.

Durchbruchstimmung und Sicherheitsrisiken

Im Quantencomputing ist wirtschaftlicher Nutzen in Sichtweite

Im DataCenter-Diaries-Podcast #45 „Matthias Reidans: Was darf die Welt 2025 im Quantencomputing erwarten?“ nehmen Ulrike Ostler und Matthias Reidans von Rosenberger OSI auch Neulinge mit in die Welt der Verschränkung und der Superposition.

Sie ergründen den tatsächlichen Stand der Entwicklung und erste Anwendungsbeispiele sowie Potenziale der Quantensensorik und einer quantensicheren Kommunikationstechnik, aber auch Gefahren wie den Wettlauf mit Cyber-Kriminellen.

Die Podcast-Folge #45 von DataCenter Diaries findet sich auf Spotify, Apple Podcasts, Deezer und Amazon Musik.

(Anmerkung von Matthias Reidans aus LinkedIn: „ I need to admit one thing…. [bezüglich Nokia] ... :

Tatsächlich hat ein Freund bei Nokia mir das geschickt und zwar am Tag nach unserem Podcast ☺️☝🏻 Totgesagte leben länger 🤩 allen, die den Podcast hören sei gesagt, das hatte ich tatsächlich nicht auf dem Radar, nachdem Microsoft ja eine Entscheidung getroffen hatte -für Ben Bloom eben. Also Hut ab 🙏🏻 vor den Nokia Bell Labs - 🥼 Never underestimate the power of innovation." .“ )

Die Einbindung von Firmen wie KEB Automation oder Zeppelin zeigt, dass der Transfer in die industrielle Praxis mehr sein könnte als ein akademisches Experiment. Und doch bleibt die Frage: Wie viel Quanten-KI braucht die Industrie wirklich – und wie viel davon ist bloß Forschung auf Vorrat (siehe: „Durchbruchstimmung und Sicherheitsrisiken; Im Quantencomputing ist wirtschaftlicher Nutzen in Sichtweite“)?

Probleme, Problemchen, Marktchancen und Fortschritte beim Quantencomputing

Quantum: Der Winter des Missvergnügens ist vorbei

Probleme, Problemchen, Marktchancen und Fortschritte beim Quantencomputing

Quantum: Der Winter des Missvergnügens ist vorbei

Was bleibt: AutoQML liefert einen Baukasten, der den Einstieg in diese komplexe Technologie ebnen möchte. Ob daraus ein echtes Werkzeug für den Mittelstand wird oder ein weiterer Open-Source-Ersatz für technologische Machbarkeitsstudien – das wird sich erst zeigen, wenn die Industrie beginnt, es wirklich zu nutzen.

(ID:50372632)