Fraunhofer-Forschung zeigt: Aktuelle Quantencomputer (NISQ-Geräte) verfügen meist nur über einige Dutzend bis wenige Hundert Qubits, obwohl realistische Materialsimulationen Hunderttausende bis Millionen Qubits erfordern würden. Für Unternehmen in der Materialforschung und KI-gestützten Werkstoffentwicklung bedeutet diese Lücke: Der produktive Einsatz von Quantencomputern für industriell relevante Simulationen bleibt vorerst begrenzt. Das Fraunhofer-Kompetenznetzwerk Quantencomputing arbeitet bundesweit daran, diese technologischen Hürden zu überbrücken und Unternehmen beim Aufbau der nötigen Fachkompetenzen zu unterstützen. Entscheider sollten die Entwicklung von Fehlerkorrektur und Qubit-Skalierung genau verfolgen, da diese den Zeitpunkt des praktischen Nutzens maßgeblich bestimmen.

Quantencomputing und neuromorphe Systeme: Fraunhofer und Max-Planck treiben KI-Anwendungen in der Materialforschung voran

Aktuelle Quantencomputer verfügen laut Fraunhofer IWM meist nur über einige Dutzend bis wenige Hundert Qubits, während realistische Simulationen von Materialsystemen Hunderttausende bis Millionen Qubits erfordern. Diese Lücke bestimmt gegenwärtig die Forschungsagenda deutscher Institute.

Wie Quantencomputing die Materialforschung verändert

Qubits unterscheiden sich grundlegend von klassischen Computerbits: Während ein herkömmliches Bit nur die Zustände 0 oder 1 annehmen kann, befindet sich ein Qubit in einer Superposition beider Zustände gleichzeitig. Laut Fraunhofer IKS wächst die Rechenkapazität mit jedem zusätzlichen Qubit exponentiell. Hinzu kommen zwei weitere physikalische Eigenschaften: Interferenz, bei der sich Qubit-Zustände gegenseitig verstärken oder abschwächen, sowie Verschränkung, die es erlaubt, den Zustand mehrerer Qubits zu koppeln, sodass eine Veränderung an einem Qubit sofort auf das andere wirkt.

Für die Materialforschung bedeutet das erhebliche Möglichkeiten bei der Simulation komplexer quantenmechanischer Systeme, insbesondere von Molekülen und Festkörpern. Das Fraunhofer IWM adressiert in eigenen Forschungsprojekten die zentralen Herausforderungen beim Einsatz dieser Technologie für materialwissenschaftliche Fragestellungen.

Aktuelle technische Grenzen

Trotz des Potenzials stehen Forscher und Anwender vor konkreten Hürden:

• Fehlerraten und Dekohärenz: Aktuelle Geräte der sogenannten NISQ-Klasse (Noisy Intermediate-Scale Quantum) weisen hohe Fehlerraten auf. Qubits reagieren empfindlich auf Umgebungseinflüsse, was die Kohärenzzeit und damit die nutzbare Rechenzeit begrenzt.
• Begrenzte Qubit-Zahlen: Für die realistische Modellierung relevanter Materialsysteme werden laut Fraunhofer IWM Hunderttausende bis Millionen Qubits benötigt. Bestehende Systeme bleiben davon weit entfernt.
• Algorithmenentwicklung: Viele quantenchemische Probleme erfordern spezialisierte Algorithmen wie den Variational Quantum Eigensolver (VQE), die auf aktuelle Hardware-Einschränkungen zugeschnitten sein müssen.

Institutionelle Vernetzung als Strategie

Um die Entwicklung zu beschleunigen, bündeln Fraunhofer-Institute ihre Kompetenzen. Im Fraunhofer-Kompetenznetzwerk Quantencomputing arbeiten mehrere Institute bundesweit daran, quantenbasierte Rechenstrategien für wirtschaftsrelevante Fragestellungen zu entwickeln und Unternehmen beim Aufbau von Fachkompetenzen zu unterstützen.

Parallel dazu existiert seit 2017 die Forschungsfabrik Mikroelektronik Deutschland (FMD), in der elf Fraunhofer-Institute des Verbunds Mikroelektronik sowie die Leibniz-Institute FBH und IHP unter einem virtuellen Dach Technologien, Anwendungen und Systemlösungen im Bereich der Mikro- und Nanoelektronik bündeln. Diese Struktur stärkt auch die Grundlagen für Quantenhardware-Entwicklungen in Europa.

Einen Einblick in die Spin-off-Aktivitäten und den Technologietransfer dieser Forschungsorganisationen bietet der Artikel Max-Planck KI-Startups: Spin-offs und Technologietransfer 2025. Wie Helmholtz- und Max-Planck-Zentren KI in Energie- und Materialwissenschaften einsetzen, beschreibt zudem dieser Überblick.

Praktische Implikationen für Unternehmen

1. Mittelfristiger Planungshorizont erforderlich: Wer Quantencomputing für Materialentwicklung, Chemie oder Pharma einplant, muss mit einem Zeitrahmen von mehreren Jahren rechnen. Die aktuellen Hardware-Einschränkungen machen industriell belastbare Simulationen noch nicht möglich.

2. Hybride Ansätze als Brücke: Viele Forschungsteams kombinieren klassische Hochleistungsrechner mit Quantenprozessoren. Unternehmen sollten prüfen, welche Teile ihrer Simulationspipelines bereits heute von Quanten-Algorithmen profitieren können, und entsprechende Pilotkooperationen mit Instituten wie dem Fraunhofer IWM anstreben.

3. Fachkompetenz gezielt aufbauen: Das Fraunhofer-Kompetenznetzwerk Quantencomputing richtet sich explizit an Unternehmen, die interne Expertise aufbauen wollen. Frühzeitiger Zugang zu Trainings- und Kooperationsprogrammen kann einen Wissensvorsprung sichern. Weitere Informationen zu Fraunhofer-Transfermechanismen finden Sie unter Fraunhofer KI-Transfer und Mittelstand.

4. Materialforschungs-KI als strategisches Feld: Für Branchen wie Chemie, Pharma, Halbleiter und Maschinenbau bietet die Kombination aus KI und Quantencomputing mittelfristig die Möglichkeit, Entwicklungszeiten für neue Materialien zu verkürzen. Wer jetzt in Grundlagenwissen investiert, positioniert sich für spätere Skalierung. Wie Leibniz-Zentren komplementäre Forschung in Materialwissenschaften betreiben, zeigt dieser Artikel.

Quellen

• Fraunhofer IKS: Quantencomputing
• Fraunhofer IWM: Quantencomputing für die Materialforschung
• Fraunhofer: Kooperationen und Forschungsfabrik Mikroelektronik Deutschland (FMD)

Häufige Fragen

Was unterscheidet einen Quantencomputer grundlegend von einem herkömmlichen Computer?

Klassische Computer verarbeiten Informationen in Bits, die entweder den Zustand 0 oder 1 annehmen. Quantencomputer nutzen sogenannte Qubits, die dank des Prinzips der Superposition beide Zustände gleichzeitig einnehmen können. Hinzu kommen zwei weitere Effekte: Interferenz, bei der sich Qubit-Zustände gegenseitig verstärken oder abschwächen, sowie Verschränkung, die Qubits so koppelt, dass eine Zustandsänderung eines Qubits unmittelbar den Zustand eines anderen beeinflusst. Die Rechenleistung wächst dabei mit jedem zusätzlichen Qubit exponentiell.

Warum gilt Quantencomputing als besonders vielversprechend für die Materialforschung?

Materialforschung erfordert häufig die Simulation komplexer quantenmechanischer Systeme, etwa von Molekülen oder Festkörpern. Genau hier bieten Quantencomputer einen strukturellen Vorteil, weil sie von Natur aus quantenmechanische Zustände abbilden können. Das Fraunhofer IWM sieht in dieser Eigenschaft großes Potenzial, um Materialsysteme präziser zu modellieren, als es klassischen Rechnern möglich ist.

Welche technischen Hürden müssen bei heutigen Quantencomputern noch überwunden werden?

Aktuelle Quantencomputer, oft als NISQ-Geräte (Noisy Intermediate-Scale Quantum) bezeichnet, weisen noch erhebliche Einschränkungen auf. Qubits reagieren empfindlich auf Umgebungsstörungen, was ihre nutzbare Kohärenzzeit begrenzt und zu hohen Fehlerraten führt. Zudem verfügen heutige Systeme meist nur über einige Dutzend bis wenige Hundert Qubits, während realistische Materialsimulationen laut Fraunhofer IWM Hunderttausende bis Millionen Qubits erfordern würden.

Welche Algorithmen werden eingesetzt, um Quantencomputing trotz der aktuellen Hardware-Grenzen für die Materialforschung nutzbar zu machen?

Für quantenchemische Berechnungen werden spezialisierte Algorithmen entwickelt, die auf den Fähigkeiten heutiger Quantenhardware aufbauen. Ein bekanntes Beispiel ist der Variational Quantum Eigensolver (VQE), der darauf ausgelegt ist, auch mit begrenzter Qubit-Anzahl und erhöhten Fehlerraten verwertbare Ergebnisse zu liefern. Das Fraunhofer IWM adressiert die Entwicklung solcher effizienten Algorithmen als einen der zentralen Forschungsschwerpunkte.

Wie fördert Deutschland den Aufbau von Quantencomputing-Kompetenz in der Wirtschaft?

Fraunhofer betreibt ein bundesweites Kompetenznetzwerk Quantencomputing mit dem erklärten Ziel, die Technologie in Deutschland voranzubringen und wirtschaftsrelevante Anwendungen zu entwickeln. Das Netzwerk unterstützt Unternehmen explizit beim Aufbau der erforderlichen Fachkompetenzen. Ergänzend wurde 2017 die Forschungsfabrik Mikroelektronik Deutschland (FMD) gegründet, in der elf Fraunhofer-Institute und zwei Leibniz-Institute ihre Kapazitäten im Bereich Mikro- und Nanoelektronik bündeln, um die europäische Halbleiter- und Elektronikindustrie im globalen Wettbewerb zu stärken.

Dieser Artikel wurde von einem KI-System automatisiert erstellt. Kennzeichnung gemäß Art. 50 der EU-KI-Verordnung.