Quantencomputer sind in aller Munde und zugleich noch weit davon entfernt, in der Breite produktiv zu laufen. Zwischen spektakulären Hardwaremeldungen und nüchternem Erwartungs-Management bleibt die Frage: Was genau können Unternehmen heute tun, ohne sich im Hype zu verlieren – und ohne den Anschluss zu verpassen? Ein Gespräch mit Nikola Strah, DACH-Leiter von Classiq.

Die Skalierung von Quantencomputern erfordert die Integration verschiedener elementarer Technologien sowie die umfassende Verifizierung und Optimierung des gesamten Quantencomputersystems. Um dieser Herausforderung zu begegnen, wollen Fujitsu und G-Quat ihre Zusammenarbeit in der Forschung intensivieren.

Mit dem Ende der Experimentierphase rücken Betrieb, Kostenkontrolle und Abhängigkeiten ins Zentrum der KI-Strategien. Red Hat erwartet für 2026 einen grundlegenden Architekturwechsel: Weg vom Modell-Monolithen, hin zu modularen Agenten, spezialisierten Modellen und hybriden Infrastrukturen.

Quantencomputer und Künstliche Intelligenz wachsen zusammen. Einige Algorithmen gibt es schon, die Teilaufgaben aus der KI oder dem Maschinellen Lernen auf Quantencomputern lauffähig machen. Bei wenigen sehr spezifischen Algorithmen könnten Quantenrechner 2026 überlegen werden.

Quantencomputing wird zur Industriefrage. Ein aktueller Report der Boston Consulting Group sieht Neutralatome neben supraleitenden Qubits und Ionenfallen als aussichtsreiche Plattform, wenn es um skalierbare Systeme und belastbare Lieferketten geht.

Laut Gartner-Analysten lag der weltweite Umsatz mit Halbleitern im Jahr 2025 bei insgesamt 793 Milliarden Dollar und lag damit 21 Prozent über dem Vorjahresniveau. Schuld an dem außergewöhnlich hohen Wachstum waren KI-Halbleiter, also Prozessoren, High-Bandwidth Memory (HBM) sowie Netzwerkkomponenten. Und wie das dieses Jahr aus?

Eine KI‑fähige Lösung für den hausinternen Einsatz (On-Prem) vereinfacht die Bereitstellung integrierter Plattformen für beschleunigte Rechen- und Speichernetzwerke in „S3“‑kompatiblen Enterprise‑Umgebungen – besonders wichtig für MSPs. Nutzbar sind ausschließlich firmeninterne Daten, und zum Einsatz kommt ein durch Air-Gap abgesichertes Sprachmodell (LLM).

Mit KI-Workloads steigen die Leistungsdichten in Rechenzentren deutlich. Damit verändern sich die Anforderungen an die Infrastruktur. Kühlung, Energiebedarf und Anlagenbewertung müssen neu gedacht werden. In den Fokus rückt dabei ein Faktor, der lange als bloßes Nebenprodukt galt: die Abwärme.

2026 muss KI messbare Ergebnisse liefern und effizienter werden, betonen zwei Trendprognosen. Die Reife der KI-Agenten, Standards und Architekturen schätzen sie aber unterschiedlich ein. Dem Bild im operativen Betrieb funktionierender hybrider Belegschaften steht die Erwartung einer weiterhin manuellen Klempnerei divergenter Systeme und Architekturen gegenüber.

Der japanische Cybersecurity-Anbieter Trend Micro verspricht leistungsstarke und zugleich einfach integrierbare Sicherheitsfunktionen für das Referenzdesign „Nvidia Enterprise AI Factory“. Adressaten sind Unternehmen, die ihre Geschäftsprozesse mithilfe von KI-Infrastrukturen sicher transformieren wollen.