de.wedoany.com-Bericht: Das finnische Unternehmen für supraleitendes Quantencomputing IQM und die Deutsche Bahn (DB), der größte Eisenbahnbetreiber Europas, haben gemeinsam ein Forschungs-Whitepaper veröffentlicht. Auf Basis realer Betriebsdaten der Deutschen Bahn entwickelten die Partner eine hybride Quanten-Klassik-Algorithmus-Architektur und durchliefen auf bestehender Quantenhardware vollständig den gesamten Prozess von der Problemmodellierung über die algorithmische Lösung bis zur Ausgabe eines Fahrplans. Die Architektur ist konzeptionell skalierbar und ähnliche Methoden könnten grundsätzlich auch in Bereichen wie Logistik, Energie und Fertigung eingesetzt werden.
Der in dieser Studie verwendete Datensatz umfasst Fahrpläne von 190 Zügen zwischen fünf deutschen Städten und wurde in etwa 98.500 mögliche Kombinationen von Fahrplanzyklen umgewandelt. Die Optimierung von Eisenbahnfahrplänen erfordert in der Regel die Verarbeitung einer großen Anzahl möglicher Kombinationen und die Koordination mehrerer Randbedingungen wie Zugabläufe und Ressourcenzuweisung. Das Forschungsteam löste das gesamte Optimierungsproblem nicht direkt mit einem Quantencomputer, sondern verwendete eine mehrstufige hybride Architektur: Das klassische Rechenframework verwaltet den Gesamtumfang und die Randbedingungen, während für die Quantenverarbeitung geeignete Teilprobleme ausgegliedert und mit dem Quantum Approximate Optimization Algorithm (QAOA) auf Quantenhardware gelöst werden. Die Ergebnisse werden dann an das klassische Framework zurückgegeben, um die Gesamtberechnung und Iteration abzuschließen.
Die im Whitepaper veröffentlichten Forschungsergebnisse zeigen: Erstens kann der Ansatz auf bestehender Hardware realisierbare Lösungen liefern, ohne auf noch nicht realisierte, groß angelegte fehlertolerante Quantencomputer angewiesen zu sein. Zweitens besteht ein statistisch signifikanter positiver Zusammenhang zwischen der Lösungsqualität und der Hardwareleistung: Je größer die Teilprobleme, die der Quantenprozessor verarbeiten kann, desto höher die Qualität der endgültigen Lösung. Drittens lief der gesamte Prozess end-to-end auf einem IQM-Quantencomputer – von der Problemmodellierung bis zur Ergebnisausgabe auf eigener Hardware – und bildet so eine reproduzierbare technische Basislinie.
Manfred Rieck, Leiter Quantentechnologie bei der Deutschen Bahn, erklärte, diese Zusammenarbeit sei ein Versuch, reale betriebliche Probleme in einer Umgebung zu lösen, die Hochleistungsrechnen und Quantencomputing kombiniert. Dr. Inés de Vega, Chief Scientist bei IQM, sagte, das Projekt zeige einen möglichen Weg auf, wie Quantencomputing komplexe Optimierungsprobleme auf Unternehmensebene bewältigen könne.
Beide Partner wiesen darauf hin, dass sich diese Studie hauptsächlich auf Fahrplanoptimierungsprobleme unter bekannten und relativ stabilen Betriebsbedingungen konzentrierte. Anspruchsvollere Echtzeit-Neuplanungsszenarien im Bahnbetrieb, wie z. B. minutenschnelle Entscheidungen bei Störungen wie Zugverspätungen, plötzlichen Geschwindigkeitsbegrenzungen oder Geräteausfällen, wurden in diesem Rahmen noch nicht validiert. Mit der Verbesserung der Quantenhardwareleistung könnte die hybride Architektur jedoch grundsätzlich auf diese Szenarien ausgeweitet werden.
IQM wurde 2018 gegründet und ist das erste europäische Quantencomputing-Unternehmen, das an der US-amerikanischen Nasdaq notiert ist. Es wurde vom finnischen VTT Technical Research Centre und der Aalto University ausgegründet und bietet eine Full-Stack-Lösung für supraleitendes Quantencomputing, die Chipdesign, Hardwareherstellung, Steuerungssysteme, Softwareplattform und Systemauslieferung umfasst und sowohl lokale Bereitstellung als auch Cloud-Zugriff unterstützt. IQM hat bisher über 20 Quantencomputer verkauft und ist damit einer der Hersteller mit den meisten lokalen Bereitstellungen unter den europäischen Quantencomputing-Unternehmen. Im „IDC MarketScape: Worldwide Quantum Computing Vendor Assessment 2026“ wurde IQM als Major Player eingestuft.
