Sind Quantencomputer die Zukunft der Automobilindustrie?

Die zunehmende Komplexität von Produkten und Produktionsprozessen hat in den vergangenen Jahren die Forderung nach einer signifikanten Steigerung der Rechenleistung laut werden lassen. Insbesondere in Bereichen wie der Materialwissenschaft, der pharmazeutischen Forschung und der Künstlichen Intelligenz stoßen selbst Hochleistungssysteme an ihre Grenzen. Der Bedarf an leistungsfähigeren Rechnern, die in der Lage sind, äußerst komplexe und rechenintensive Aufgaben zu bewältigen, wächst stetig. Was in den 1960er- und 1970er-Jahren als theoretisches Gedankenspiel von IBM-Forschern wie Richard Feynman und Yuri Manin begann, hat sich mittlerweile zu einem der spannendsten und vielversprechendsten Forschungsfelder der Informatik entwickelt: Quantencomputing. Diese Technologie könnte schon in naher Zukunft eine Schlüsselrolle bei der Lösung von Problemen einnehmen, die für herkömmliche Computer, selbst für die leistungsstärksten Supercomputer, unüberwindbar sind. Das Potenzial von Quantencomputern reicht weit über die Leistungsgrenzen klassischer Rechner hinaus und verspricht, Bereiche wie die Kryptographie grundlegend zu revolutionieren.

„Wer Quantentechnologien beherrschen und anwenden kann, wird sich maßgebliche Wettbewerbsvorteile sichern“, kommentierte der damalige Bitkom-Präsident Achim Berg bereits vor einigen Jahren. Einer von Bitkom Research durchgeführten Studie zufolge, für die 605 Unternehmen mit mehr als 20 Mitarbeitern befragt wurden, schreiben rund 54 Prozent der Unternehmen der Entwicklung von Quantencomputern eine große Bedeutung für die künftige Wettbewerbsfähigkeit der deutschen Wirtschaft zu. Mit zunehmender Größe des Betriebs wächst laut der Studie auch die Bedeutung des Themas: Während etwa jeder zweite Betrieb mit 20 bis 99 Mitarbeitern mit einer großen Bedeutung von Quantencomputern rechnet, beträgt der Wert in Großunternehmen mit mehr als 2.000 Beschäftigten 74 Prozent.

Auch in der Automobilindustrie wächst das strategische Interesse an Quantencomputing. Ein Beispiel dafür ist die BMW Group, die sich bereits seit 2017 kontinuierlich mit der Technologie beschäftigt und ihr internes Know-how systematisch ausgebaut hat. Nach einer mehrjährigen Evaluationsphase formulierte das Unternehmen im Jahr 2020 eine eigene Strategie.  „Wir verstehen das Quantencomputing als strategische Zukunftstechnologie, die unserem Kerngeschäft nützen kann und uns als Innovationsführer positioniert. Mit unseren Aktivitäten in diesem Feld wollen wir zudem den Standort Europa in seiner digitalen Souveränität stärken“, ordnet Andre Luckow, Leiter Innovation und Emerging Technologies der BMW Group, ein. 

Was genau ist ein Quantencomputer?

Das Funktionsprinzip eines Quantencomputers unterscheidet sich grundlegend von dem klassischer Rechner. Während herkömmliche Computer Informationen in Form von Bits verarbeiten, die entweder den Zustand Null oder Eins annehmen, basieren Quantencomputer auf sogenannten Qubits. Diese nutzen quantenmechanische Effekte, insbesondere die Superposition. Ein Qubit kann dadurch gleichzeitig mehrere Zustände annehmen und bleibt in diesem Überlagerungszustand, bis es gemessen wird. Erst mit der Messung legt sich der Zustand fest. Aus dieser Eigenschaft ergibt sich ein zentraler Unterschied zur klassischen Datenverarbeitung. 

Ein Quantencomputer kann viele mögliche Rechenzustände parallel berücksichtigen, anstatt sie nacheinander zu durchlaufen. Bei bestimmten Problemklassen erlaubt diese Parallelität eine deutlich effizientere Verarbeitung, etwa bei komplexen Such-, Optimierungs- oder Simulationsaufgaben. Ergänzt wird die Superposition durch ein weiteres quantenmechanisches Phänomen, die Verschränkung. Dabei stehen mehrere Qubits in einer Weise miteinander in Beziehung, dass der Zustand eines Qubits unmittelbar mit dem eines anderen verknüpft ist. Diese Korrelationen ermöglichen es, Rechenoperationen auf eine Weise zu kombinieren, die mit klassischen Architekturen nicht realisierbar ist.

Die ersten praktischen Versuche mit Quantencomputern reichen bis in die 1980er-Jahre zurück. Damals ließen sich jedoch nur wenige, äußerst störanfällige Qubits kontrollieren. In den folgenden Jahrzehnten führten Fortschritte in der Physik, der Materialforschung und der Systemsteuerung zu einer stetigen Verbesserung der Stabilität und Kontrollierbarkeit dieser Systeme. Heute sehen Fachleute Quantencomputing als einen vielversprechenden Ansatz, um künftig sehr komplexe Berechnungen durchzuführen, an denen klassische Rechner zunehmend an ihre Grenzen stoßen. Damit ein Quantencomputer zuverlässig arbeiten kann, müssen jedoch zahlreiche äußere Bedingungen erfüllt sein. Qubits reagieren extrem empfindlich auf Störungen aus ihrer Umgebung. 

Schon minimale Temperaturschwankungen, elektromagnetische Einflüsse oder Teilchen aus der Umgebung können den Quantenzustand zerstören. Entsprechend erfordern viele Systeme eine aufwendige Abschottung, etwa durch extreme Kühlung nahe dem absoluten Nullpunkt, den Betrieb im Vakuum oder spezielle Abschirmungen. Der hohe technische Aufwand verdeutlicht, dass Quantencomputer keine klassischen Rechner ersetzen, sondern als spezialisierte Systeme für ausgewählte Problemstellungen verstanden werden.

KI und Quantencomputing

Technology

So verändern smarte Technologien die Verkehrssteuerung

Die intelligente Steuerung von Verkehrsströmen macht insbesondere im urbanen Raum den Unterschied zwischen grüner Welle und Stauchaos. Werden in Zukunft autonome Fahrfunktionen, KI und Quantencomputing Abhilfe schaffen?Erfahren Sie mehr.

Welche Layer hat ein Quantencomputer?

Um das Potenzial von Quantencomputern für industrielle Anwendungen realistisch bewerten zu können, muss Quantencomputing als mehrschichtiges System betrachtet werden. Diese Layer-Struktur erlaubt es, technologische Fortschritte differenziert einzuordnen und einzelne Ebenen gezielt für Forschung, Entwicklung und erste industrielle Experimente zu nutzen, ohne auf vollständig ausgereifte Quantenhardware warten zu müssen.

Auf der untersten Ebene steht die Hardware, also die physikalische Realisierung von Quantencomputern. Für die Automobilindustrie ist dieser Layer vor allem im Rahmen von Forschungskooperationen mit Technologieanbietern, Start-ups und wissenschaftlichen Einrichtungen relevant. OEMs und Zulieferer beteiligen sich hier weniger an der Entwicklung der Hardware selbst, sondern verfolgen strategisch, welche Plattformen langfristig Stabilität, Skalierbarkeit und industrielle Nutzbarkeit versprechen. Die Ebene der physikalischen Qubits bestimmt maßgeblich die Leistungsfähigkeit heutiger Systeme, ist jedoch zugleich deren größte Schwachstelle. Aufgrund ihrer hohen Störanfälligkeit sind diese Qubits für den direkten industriellen Einsatz bislang nur eingeschränkt geeignet. Dennoch dienen sie als Grundlage für experimentelle Anwendungen, etwa in der Materialforschung oder bei frühen Simulationsansätzen, die klassische Rechenmethoden ergänzen sollen. Eine zentrale Rolle spielt aus industrieller Sicht die Quantenfehlerkorrektur. Sie entscheidet darüber, ob Quantencomputer perspektivisch verlässliche Ergebnisse liefern können. Automobilunternehmen beobachten diese Entwicklung aufmerksam, da Fortschritte in diesem Layer darüber bestimmen, wann Quantencomputing von experimentellen Pilotprojekten in belastbare industrielle Anwendungen überführt werden kann.

Mit den logischen Qubits beginnt eine Ebene, die für die Automobilindustrie besonders relevant ist. Durch die Abstraktion von physikalischen Details entstehen stabilere Recheneinheiten und standardisierte Operationen, die eine systematische Nutzung ermöglichen. Erst hier wird es für Entwicklungsabteilungen realistisch, Quantencomputer als Werkzeug in bestehenden IT- und Simulationslandschaften zu denken. Eine wichtige Brückenfunktion übernehmen die sogenannten Quantum Intermediate Representations. Sie erlauben es, Quantenalgorithmen hardwareunabhängig zu formulieren und auf unterschiedlichen Plattformen auszuführen. Für die OEMs und Zulieferer ist dies entscheidend, da Investitionen in Software, Algorithmen und Know-how nicht an einzelne Hardwareanbieter gebunden sein sollen. Auf der Anwendungsebene schließlich treffen Quantencomputer auf konkrete industrielle Fragestellungen. Hier untersucht die Automobilindustrie unter anderem Optimierungsprobleme, komplexe Simulationen oder die Kombination von Quantencomputing und Künstlicher Intelligenz. Die Layer-Sicht verdeutlicht dabei, dass Fortschritte auf der Anwendungsebene häufig unabhängig von der vollständigen Reife der Hardware möglich sind und Quantencomputing bereits heute experimentell in bestehende Entwicklungs- und Entscheidungsprozesse integriert werden kann.

Die mehrschichtige Struktur von Quantencomputern macht deutlich, warum sich die Technologie bislang nur begrenzt in industrielle Anwendungen überführen lässt. Für Unternehmen, auch in der Automobilindustrie, entsteht daraus eine hohe Komplexität, da Fortschritte auf einzelnen Ebenen nur dann wirksam werden, wenn sie mit Software, Schnittstellen und Anwendungen zusammenspielen. Genau an diesem Punkt setzt das Fraunhofer-Leitprojekt FullStaQD an. Mit einer übergreifenden Referenzarchitektur soll ein gemeinsamer Rahmen entstehen, der die unterschiedlichen Layer des Quantencomputing-Stacks zusammenführt und deren Zusammenspiel planbar macht. Für die Automobilindustrie eröffnet dieser Ansatz die Möglichkeit, eigene Forschungs- und Entwicklungsaktivitäten gezielt einzubringen, ohne sich frühzeitig auf einzelne Hardwareplattformen festlegen zu müssen. Durch die Einbindung von Industriepartnern und die offene Weiterentwicklung des Stacks zielt das Projekt darauf ab, Quantencomputing schrittweise in bestehende Wertschöpfungsprozesse zu integrieren und langfristig technologische Abhängigkeiten zu reduzieren.

Neue Security-Herausforderungen

Technology

Diese Risiken birgt Quantencomputing für die Autoindustrie

Quantencomputer können künftig verschlüsselte Daten knacken. Wie beurteilen Fachleute die Gefahren für Betriebsgeheimnisse und das vernetzte Auto?Erfahren Sie mehr.

Die mehrschichtige Struktur von Quantencomputern macht deutlich, warum sich die Technologie bislang nur begrenzt in industrielle Anwendungen überführen lässt. Für Unternehmen, auch in der Automobilindustrie, entsteht daraus eine hohe Komplexität, da Fortschritte auf einzelnen Ebenen nur dann wirksam werden, wenn sie mit Software, Schnittstellen und Anwendungen zusammenspielen. Genau an diesem Punkt setzt das Fraunhofer-Leitprojekt FullStaQD an. Mit einer übergreifenden Referenzarchitektur soll ein gemeinsamer Rahmen entstehen, der die unterschiedlichen Layer des Quantencomputing-Stacks zusammenführt und deren Zusammenspiel planbar macht. Für die Automobilindustrie eröffnet dieser Ansatz die Möglichkeit, eigene Forschungs- und Entwicklungsaktivitäten gezielt einzubringen, ohne sich frühzeitig auf einzelne Hardwareplattformen festlegen zu müssen. Durch die Einbindung von Industriepartnern und die offene Weiterentwicklung des Stacks zielt das Projekt darauf ab, Quantencomputing schrittweise in bestehende Wertschöpfungsprozesse zu integrieren und langfristig technologische Abhängigkeiten zu reduzieren.

Vom Qubit-Wachstum zur Systemarchitektur

Parallel zu diesen Bemühungen um Struktur und Standardisierung entwickelte sich auch die zugrunde liegende Quantenhardware in den vergangenen Jahren dynamisch weiter. Schon früh prognostizierten IBM-Experten einen stetigen Anstieg der verfügbaren Qubit-Zahlen in Quantenprozessoren. Diese Entwicklung hat sich in den vergangenen Jahren bestätigt. Auf den 2020 vorgestellten 65-Qubit-Prozessor Hummingbird folgten mit Eagle, Osprey und Condor weitere Generationen mit deutlich höheren Qubit-Zahlen. Parallel dazu verlagerte sich der Fokus zunehmend von der reinen Skalierung hin zur systematischen Weiterentwicklung von Architektur, Steuerung und Software.

Einen wichtigen Meilenstein für die europäische Quantenforschung markierte die Inbetriebnahme des IBM Quantum System One im Jahr 2021 am Standort Ehningen nahe Stuttgart. Das System gilt als eines der ersten kommerziell nutzbaren Quantencomputersysteme in Europa und wird im Umfeld der Fraunhofer-Gesellschaft betrieben. Ziel ist es, Unternehmen, Forschungseinrichtungen und Hochschulen einen praxisnahen Zugang zu Quantencomputing zu ermöglichen und den Aufbau einer nachhaltigen Anwender- und Entwicklergemeinschaft zu unterstützen. Der Betrieb unter deutschem Rechtsrahmen schafft dabei zusätzliche Planungssicherheit für industrielle Nutzer, insbesondere mit Blick auf Datenschutz und geistiges Eigentum.

Quantencomputing als Gemeinschaftsprojekt der Industrie

Einen zusätzlichen Impuls erhielt das Thema im Jahr 2021 mit der Gründung des Quantum Technology and Application Consortiums, kurz QUTAC. In dem Zusammenschluss engagieren sich mehrere große deutsche Industrieunternehmen, darunter Bosch, BMW, Volkswagen, BASF, Covestro und SAP. Ziel des Konsortiums ist es, Quantencomputing gezielt in Richtung industrierelevanter Anwendungen weiterzuentwickeln und den Transfer von Forschungsergebnissen in marktfähige Lösungen zu beschleunigen. Der Fokus liegt dabei auf Branchen wie Technologie, Chemie und Pharma, Versicherung sowie der Automobilindustrie. Der bewusst überschaubar gehaltene Kreis der beteiligten Unternehmen soll einen engen fachlichen Austausch ermöglichen und dazu beitragen, industrielle Anforderungen frühzeitig in die Entwicklung von Quantenanwendungen einfließen zu lassen.

Parallel dazu hat sich in Deutschland ein zunehmend dichteres Innovationsumfeld rund um Quantencomputing etabliert. Initiativen wie das Munich Quantum Valley bündeln Aktivitäten aus Wissenschaft, Industrie und öffentlicher Hand und werden durch umfangreiche staatliche Förderprogramme unterstützt. Ziel ist es, die Grundlagenforschung systematisch mit industriellen Fragestellungen zu verknüpfen und langfristig ein leistungsfähiges Quantenökosystem aufzubauen. Für die Automobilindustrie eröffnen sich daraus Perspektiven insbesondere bei komplexen Optimierungsaufgaben, in der Fahrzeugentwicklung oder in der Materialforschung, auch wenn viele dieser Ansätze derzeit noch klar im Forschungs- und Pilotstadium angesiedelt sind.

Was Entscheider zur Programmiersprache Rust wissen müssen

Sicherheit, Geschwindigkeit, weniger Fehler: Rust gewinnt im Automotive-Umfeld an Bedeutung. Dieser Artikel erklärt, welche Akteure Rust bereits einsetzen, welche Vorteile die Sprache bietet, wo noch Hürden bestehen und wie der Einstieg realistisch gelingt.

Wo Quantencomputing für OEMs wie BMW relevant werden könnte

Blickt man genauer auf die bereits angesprochene Quantenstrategie von BMW, wird deutlich, dass es dem Unternehmen weniger um kurzfristige technologische Durchbrüche als um einen langfristigen Kompetenzaufbau geht. Im Zentrum steht dabei der systematische Aufbau von Wissen, Softwarekompetenz und Bewertungsfähigkeit. „Unser Ziel ist es, früh zu verstehen, wo Quantencomputing für industrielle Anwendungen einen echten Mehrwert liefern kann und wo nicht“, heißt es in einem Strategiepapier des Automobilherstellers. Entsprechend versteht BMW Quantencomputing als Instrument, um besonders komplexe Problemstellungen zu adressieren, bei denen klassische Rechenmethoden perspektivisch an Grenzen stoßen.

Zu diesen Problemfeldern zählen vor allem Optimierungsaufgaben entlang der automobilen Wertschöpfung. In der Produktion und Logistik untersucht BMW, inwiefern Quanten- oder quantum-inspirierte Algorithmen bei der Fahrzeugsequenzierung, der Schicht- und Ressourcenplanung oder der Optimierung von Robotertrajektorien unterstützen könnten. In der Fahrzeugentwicklung stehen Fragestellungen im Fokus, bei denen eine hohe Zahl von Parametern gleichzeitig berücksichtigt werden muss, etwa bei der Auslegung elektrischer und thermischer Systeme oder bei der Architektur komplexer Fahrzeugsysteme. Darüber hinaus sieht der OEM langfristiges Potenzial in der Materialforschung, etwa bei der Simulation neuer Materialien für Batterien oder Antriebskomponenten. Entsprechend konzentrieren sich die Aktivitäten derzeit auf die Entwicklung und Bewertung von Algorithmen sowie auf softwareseitige Kompetenzen, einschließlich sogenannter quantum-inspirierter Ansätze, die bereits heute auf klassischer Hardware einsetzbar sind. Damit vermeidet BMW eine frühe Festlegung auf einzelne Quantenhardwareplattformen und hält sich technologische Optionen offen. „Entscheidend ist, heute das Verständnis für die Technologie, ihre Stärken und ihre Grenzen aufzubauen“, betont das Unternehmen. Diese Haltung spiegelt sich auch in der engen Zusammenarbeit mit wissenschaftlichen Einrichtungen wider, etwa durch die Förderung von Professuren mit Fokus auf algorithmische Grundlagen und industrielle Softwarekompetenz.

Ein weiterer Schwerpunkt liegt auf Kooperationen mit Industrie- und Technologiepartnern. Durch Engagements im Konsortium QUTAC sowie durch projektbezogene Zusammenarbeit mit Unternehmen wie Nvidia, Classiq oder Airbus bringt BMW eigene industrielle Fragestellungen frühzeitig in die Weiterentwicklung von Quantenanwendungen ein. Ziel ist es, reale Aufgaben aus Entwicklung, Systemarchitektur und Fertigungsplanung in experimentellen Umgebungen zu untersuchen und daraus belastbare Erkenntnisse für spätere Anwendungen abzuleiten. Dabei bleibt der OEM realistisch in der Einschätzung des Zeithorizonts. Die breite industrielle Nutzung von Quantencomputing liegt aus heutiger Sicht noch Jahre entfernt. Dennoch verfolgt BMW einen klaren strategischen Anspruch. „Es geht darum, heute die Grundlagen zu legen, um morgen handlungsfähig zu sein“, lautet die interne Leitlinie. Quantencomputing ist für BMW damit weniger ein kurzfristiger Effizienztreiber als vielmehr ein strategisches Instrument, um sich in einem sich wandelnden technologischen Umfeld frühzeitig zu positionieren.

Diese Pläne verfolgt BMW mit Quantencomputing

Seit 2017 befasst sich BMW intensiv mit Quantencomputing. Die Fortschritte der strategisch wichtigen Technologie sind da, der Weg bis zur industriellen Anwendung ist trotzdem noch weit.

Hybride Ansätze aus Quantencomputing und KI für datenintensive Aufgaben

Ähnliche Fragestellungen beschäftigen inzwischen jedoch nicht nur einzelne Automobilhersteller, sondern zunehmend auch industrieübergreifende Forschungsinitiativen. Dort wird Quantencomputing weniger als isolierte Rechentechnologie betrachtet, sondern als Baustein im Zusammenspiel mit bestehenden Methoden der Datenverarbeitung und Künstlichen Intelligenz. Vor allem die Frage, welchen zusätzlichen Nutzen quantenbasierte Ansätze für datenintensive und komplexe Aufgaben in der Automobilindustrie bieten können, rückt dabei stärker in den Vordergrund. Welche Perspektiven sich daraus ergeben, verdeutlicht das aktuelle Projekt „QAIAC" des Forschungszentrums Jülich. 

In dieser Initiative arbeiten Wissenschaftlerinnen und Wissenschaftler gemeinsam mit Partnern wie Mercedes-Benz, ZF und dem Deutschen Forschungszentrum für Künstliche Intelligenz daran, die Potenziale von Quantencomputern für Anwendungen der Künstlichen Intelligenz in der Automobilbranche auszuloten. „Quantencomputer versprechen eine Revolution der Rechenleistung – weit über das hinaus, was mit klassischen Superrechnern möglich ist“, schreibt das Forschungszentrum und verweist darauf, dass das Projekt QAIAC zwei Schlüsseltechnologien zusammenbringt, um industrielle Probleme besser lösen zu können. Im Fokus stehen dabei reale Anwendungsfälle, die über akademische Demonstratoren hinausgehen. Dazu zählen beispielsweise Optimierungsfragen wie die Planung von Transportrouten, die Fertigungsablaufplanung in komplexen Produktionsumgebungen oder die Qualitätsbewertung von Finite-Elemente-Netzen in der Produktentwicklung, die für traditionelle Systeme nur sehr aufwendig zu berechnen sind. 

Gemeinsam mit Mercedes-Benz wird zudem untersucht, wie Quantenalgorithmen klassische Berechnungsverfahren bei Finite-Elemente-Analysen ergänzen oder beschleunigen können. Darüber hinaus zielt das Projekt darauf ab, hybride Verfahren zu entwickeln, bei denen quantenunterstützte Methoden und klassische Künstliche Intelligenz zusammenspielen, um neue Effizienzpotenziale zu heben. Mit einem solchen Ansatz könnten in Zukunft komplexe, datenintensive Aufgaben effizienter gelöst werden, etwa im Kontext autonomer Systeme, in der Produktionssteuerung oder bei der Analyse hochdimensionaler Datensätze, die klassische Algorithmen an ihre Grenzen bringen. Gleichzeitig betonen die Forschenden, dass diese Anwendungen derzeit noch im frühen Stadium der Entwicklung stehen und erst durch weitere Erfahrungswerte konkret bewertet werden können.

Wie weitreichend ist das Software-Update der neuen S-Klasse?

Mit der neuen S-Klasse modernisiert Mercedes-Benz sein Flaggschiff gezielt weiter. Kern der automobilen „Neuerfindung“ ist die Software. Welche digitalen Features wurden bereits angekündigt und wie weitreichend ist die Modernisierung am Ende tatsächlich?

Ronja Schmiedchen