20.04.2019

Quantentechnologie: Das werden die 4 größten Usecases

Rainer Blatt, Direktor des Instituts für Quantenoptik und Quanteninformation an der Universität Innsbruck, gilt als einer der weltweit renommiertesten Wissenschaftler im Bereich der Quanteninforma­tion. Für den brutkasten gab er einen Ausblick auf vier künftige Anwendungsbereiche dieser Technologie und wann diese unser Leben disruptiv verändern werden.
/artikel/quantentechnologie-rainer-blatt
Quantentechnologie
(c) IQOQI / C. Lackner

Rainer Blatt, dem heutigen Direktor des weltweit renommierten Instituts für Quantenoptik und Quanteninformation an der Universität Innsbruck, ist es 2004 gelungen, zum ersten Mal Quanteninforma­tion zu teleportieren. Heute arbeitet er mit den Quantentechnologie-Fachkollegen Peter Zoller und Thomas Monz an der Realisierung des Quantencomputers. Sein Institut betreibt Rechner mit im internationalen Vergleich extrem hohen Qubits-Anzahlen und ist in Sachen Fehlerkorrektur-Forschung an der Weltspitze.

+++ Quantencomputing: Europa wittert eine Chance im globalen Wettlauf +++

Dass Quantencomputer selbst zwar ein großer Teil Blatts Forschung sind, keinesfalls aber alleine im Mittelpunkt stehen, liegt an drei weiteren Kerntechnologien, die laut Blatt – auch die Europäische Union sieht das in ihrem Quanten-Manifest so – zuerst umgesetzt werden sollten: Quantenkommunikation, Quantensimulation und Quantensensoren werden unsere Welt gravierend verändern. Dies noch bevor die Computer in prognostizierten zehn bis 15 Jahren zur totalen Disruption führen werden.

1. |Die Kommunikationsrevolution: Absolut sichere Datenübertragung durch Quantentechnologie

“Wir sehen heute schon Firmen in den USA und in Europa, die Geräte zur Quantenkommunikation verkaufen”, erklärt Rainer Blatt. Diese Geräte würden Quantenkommunikation nutzen, um Nachrichten besonders sicher zu übertragen. Der Grund: Liest eine dritte Stelle Daten während der Übertragung aus, werden diese unausweichlich sofort zerstört – eine inhärente Eigenschaft der Technologie.

“Ein noch nicht mögliches, aber nächstes Ziel ist es, die Quantenkommunikation über lange Strecken verfügbar zu machen”, sagt Blatt. Die Schwierigkeit dabei: “Die verwendeten Lichtleitfasern sind zwar sehr transparent, aber über lange Strecken werden heute auch für die herkömmliche Datenübertragung ca. alle 100 Kilometer Verstärkerstrecken eingesetzt. Verstärken heißt aber, sie müssen die Information, die ankommt, lesen, verstärken und weitergeben. Das funktioniert mit Quanteninformation nicht, weil sie beim Lesen zerstört wird.”

Deswegen verlange diese Technologie nach sogenannten Quantenwiederholern, also “Stationen, die wie ein kleiner Quantencomputer funktionieren. Sie nehmen Information entgegen und geben diese mithilfe von Verschränkungsprotokollen weiter.” Gelingt es, dies technisch umzusetzen, wird die globale, absolut sichere Datenübertragung kommen. In fünf bis zehn Jahren sollen so Quanten-­Netzwerke zwischen großen Städten möglich sein. Der Entwicklungsplan der Europäischen Union sieht dabei auch erste Kreditkartensysteme auf uns zukommen, die auf dieser Technologie basieren. Ein europäisches Internet, das klassische und Quantenkommunikation miteinander verbindet, lässt laut Quan­ten-Timeline des offiziellen EU-Manifests noch über zehn Jahre auf sich warten.

2. | Sensoren für Zeitmessung: Kurzfristig das größte Anwen­­­dungspotenzial

“Schon heute beruht ein Großteil der Messtechnik auf atomaren Messungen, insbesondere die Messung der Zeit. Die Sekunde ist festgelegt als ein Neunmilliardstel einer Schwingung eines Cäsium-Atoms”, meint Blatt und gibt Ausblick auf die disruptive Kraft der Quantentechnologie. “Diese Messungen werden in Zukunft auf optische Schwingungen übertragen. Wir können dann Zeiten mit einer unvergleichlichen Präzision von bis zu 16 Stellen hinter dem Komma messen.”

Quanten-Glasfaserkommunikation, Navigation im Weltall und viele andere Gebiete, die auf extrem genauer Zeitmessung basieren, werden damit riesige Entwicklungsschritte machen. “Für meinen persönlichen Geschmack wird dieses Thema in der öffentlichen Diskussion viel zu sehr vernachlässig”, so Blatt: “Ich bin der Meinung, dass vor allem die Quantenmesstechnik in den nächsten Jahren viel mehr Anwendung finden wird als alle anderen Technologien.”

Quantensensoren für Schwerkraft oder Magnetismus sind heute kurz vor der Markteinführung. Navigationssysteme, die auf der Technologie beruhen, sollen laut EU-Plan in fünf bis zehn Jahren in handlichem Format erhältlich sein. Bis zur Integration im Handy dürfte die Technologie noch mehr als zehn Jahre brauchen. Eine Schätzung scheint hier schwierig.

3. | Material und Medikamente: Völlig neue Festkörper und chemische Verbindungen simulieren

“Wenn Sie Materialeigenschaften mittels Quantenmechanik studieren wollen, dann stellen Sie fest, dass Sie bereits bei 40 Atomen am Ende der Fahnenstange angelangt sind, selbst mit den besten Supercomputern dieser Welt. Aber: Die meisten Materialien bestehen aus mehr als 40 Atomen.”

Die Lösung liegt in der Quantensimulation: “Sie geben 40 richtigen Atomen genau jene Eigenschaften, die sie brauchen und lassen sie auf vorbestimmte Art und Weise wechselwirken. Die Phänomene, die sie dabei studieren können, kann kein Computer ausrechnen.” So werden sich in den nächsten fünf bis zehn Jahren komplexe Materialien mit disruptivem Nutzen in allen Industrien entwickeln. Auch die Arzneimittelherstellung soll davon gravierend profitieren.

4. | Quantenrechner überholen klassische Computer: “Das wird in den nächsten 10 oder 15 Jahren sicher passieren”

Blatts Vision: “Computer werden durch Quantencomputer ersetzt.” Sie kommunizieren über ein ultrasicheres Netz von Lichtleitungen, sie bauen auf die exaktest mögliche Zeitmessung und nutzen die gleichen Effekte wie die Quantensimu­lation. Die Quantencomputer haben das Potenzial – auch nach den Plänen der EU –, die größte Technologierevolution der Menschheitsge­schichte zu werden.

“Digitale Quantencomputer sind Maschinen, die mit Quantenhilfe über programmierte Schaltkreise echte Re­chenprobleme lösen können”, erklärt Blatt und beschreibt den technologischen Hintergrund: “Dazu müssen alle Rechenoperationen in sogenannte Gatteroperationen zerleget werden. Da sind wir noch nicht so weit, dass wir klassische Computer in ihrer Leistungsfähigkeit schlagen können. Aber: Wir sehen die Probleme und verstehen sie.”

Jetzt muss noch eine Reihe technischer Entwicklungen gemacht werden, bevor man die klassischen Computer abhängen kann. “Das wird in den nächsten 10 oder 15 Jahren sicher passieren”, meint Blatt. Die Auswirkungen auf Anwendungen der Optimierung, Big-Data-Analysen, Machine Learning und künstliche Intelligenz sowie Bilderkennung werden dabei am stärksten spürbar sein.


Dieser Beitrag erschien in gedruckter Form im brutkasten Print-Magazin #8 “Quantensprünge”.

⇒ zur Page des Instituts für Quantenoptik und Quanteninformation

Redaktionstipps
Deine ungelesenen Artikel:
27.01.2025

Open Source und KI: “Es geht nicht darum, zu den Guten zu gehören”

Nachlese. Die Nutzung von Open-Source-Modellen eröffnet Unternehmen auch im KI-Bereich weitreichende Möglichkeiten. Es gibt dabei aber auch einiges zu bedenken. Darüber und mehr diskutierten in Folge 5 von "No Hype KI" Stephan Kraft von Red Hat, Florian Böttcher von CANCOM Austria, Natalie Ségur-Cabanac von Women in AI und Patrick Ratheiser von Leftshift.One.
/artikel/no-hype-ki-folge-5
27.01.2025

Open Source und KI: “Es geht nicht darum, zu den Guten zu gehören”

Nachlese. Die Nutzung von Open-Source-Modellen eröffnet Unternehmen auch im KI-Bereich weitreichende Möglichkeiten. Es gibt dabei aber auch einiges zu bedenken. Darüber und mehr diskutierten in Folge 5 von "No Hype KI" Stephan Kraft von Red Hat, Florian Böttcher von CANCOM Austria, Natalie Ségur-Cabanac von Women in AI und Patrick Ratheiser von Leftshift.One.
/artikel/no-hype-ki-folge-5

“No Hype KI” wird unterstützt von CANCOM AustriaIBMITSVMicrosoftNagarroRed Hat und Universität Graz.

Kollaborativ, transparent, frei zugänglich und nicht profit-orientiert – mit Open-Source-Software wird eine Reihe von Eigenschaften assoziiert. Und oftmals stehen bei der Nutzung ethische Überlegungen im Zentrum. Dabei gibt es auch ganz praktische Gründe, die für eine Verwendung durch Unternehmen sprechen – auch bei der Implementierung von KI-Anwendungen, ist Stephan Kraft, Community Advocate & Business Development OpenShift & Application Services bei Red Hat, überzeugt. In Folge fünf der Serie “No Hype KI” diskutierte er dieses und weitere Themen mit Florian Böttcher, Solution Architect bei CANCOM Austria, Natalie Ségur-Cabanac, Policy Lead bei Women in AI und Patrick Ratheiser, Gründer & CEO von Leftshift.One.

“Thema ein Stück weit aus dieser emotionalen, moralisierenden Ecke herausholen”

“Ich will das Thema ein Stück weit aus dieser emotionalen, moralisierenden Ecke herausholen”, sagt Stephan Kraft. Für Red Hat als weltweit führenden Anbieter für Open-Source-Lösungen für Unternehmen gehen die Argumente für eine Nutzung nämlich weit darüber hinaus. “Es geht nicht darum, Open Source als Selbstzweck zu sehen, um zu den Guten zu gehören”, so der Experte. Tatsächlich sei die Verwendung von Open Source gerade bei der Etablierung von KI im Unternehmen für Startups und KMU eine wichtige Weichenstellung.

Offenheit, um Diskriminierung entgegenzuwirken

Auch Natalie Ségur-Cabanac sieht Open Source als “Key Technology” im KI-Bereich. Für “Women in AI” spiele die Offenheit eine zentrale Rolle: “Diese Offenheit braucht es, um Diskriminierung entgegenzuwirken.” Open Source verbessere den Zugang für Frauen zur Technologie, die Abbildung von Frauen in den Daten und es vergrößere die Möglichkeiten in der Forschung. Man müsse aber auch aufpassen, ob Software wirklich so offen sei, wie behauptet, sagt sie bezogen auf die aktuellen Diskussionen rund um OpenAI, das sich – ursprünglich als offenes Projekt gestartet – zum profitorientierten Unternehmen entwickelte. Es brauche auch eine klare Definition, was “open” sei.

Masse an Möglichkeiten

Leftshift.One-Gründer Patrick Ratheiser betont auch die schiere Masse an Möglichkeiten, die Open Source bietet. “2021 hatten wir weltweit Zugriff auf circa 5.000 Open-Source-Modelle. Jetzt sind es bereits mehr als eine Million.” Die Nutzbarkeit sei also klar gegeben, zudem biete die Technologie eine gewisse Unabhängigkeit und werde über ihre Vielfalt zum Innovationstreiber.

Ist Open Source immer die beste Lösung?

Doch bedeutet das, dass Open Source immer die optimale Lösung ist? Ratheiser sieht das differenziert: “Es ist ganz wichtig zu erkennen, was der Kunde braucht und was in dem Fall gerade notwendig ist. Egal, ob es nun On-Premise, in der Cloud, Open Source oder Closed Source ist.” Florian Böttcher von CANCOM Austria pflichtet hier bei: “Wir setzen genau so auf hybrid.”

Datenstruktur im Hintergrund ist entscheidend

Ein Thema, bei dem bei Open Source Vorsicht geboten ist, spricht Natalie Ségur-Cabanac an. Besonders wichtig sei es bei KI-Anwendungen, eine gute Datenstruktur im Hintergrund zu haben. “Die Verantwortung, dass ein Modell mit sauberen Daten trainiert worden ist, liegt bei den Anbietern. Bei Open Source verschwimmt das ein bisschen. Wer ist wofür zuständig? Das ist eine Herausforderung für die Compliance zu schauen, wo man selbst verantwortlich ist und wo man sich auf einen Anbieter verlassen kann.”

Compliance: Großes Thema – mehr Sichereheit mit professioneller Unterstützung

Stephan Kraft hakt hier ein. Genau aus solchen Gründen gebe es Unternehmen wie Red Hat, die mit ihrem Enterprise-Support für Open-Source-Lösungen die Qualitätssicherung auch im rechtlichen Bereich übernehmen. “Das ist ein ganz wichtiger Teil unseres Versprechens gegenüber Kunden”, so Kraft. Unbedacht im Unternehmen mit Open Source zu arbeiten, könne dagegen in “Compliance-Fallen” führen, pflichtet er Ségur-Cabanac bei.

Das sieht auch Patrick Ratheiser als Thema bei Leftshift.One: “Unsere Lösung ist Closed Source, wir setzen aber im Hintergrund Open Source ein. Wichtig ist, dass wir dem Kunden Compliance garantieren können.” Stephan Kraft empfiehlt Unternehmen bei der Open-Source-Nutzung: “Man kann nicht immer gleich die neueste ‘bleeding edge’-Lösung nehmen sondern sollte etwas konservativer herangehen.”

Infrastruktur: Gut planen, was man wirklich braucht

Unabhängig davon, ob man nun Open Source oder Closed Source nutzt, braucht es für die Nutzung von KI die richtige Infrastruktur. “Es kommt natürlich auf den Use Case an, den ein Unternehmen umsetzen will. Da sind die Anforderungen an die Infrastruktur sehr unterschiedlich”, grenzt Florian Böttcher ein. CANCOM Austria unterstützt seine Kunden in genau der Frage. Anwendungen wie das Training von KI-Modellen würde aus gutem Grund kaum in Österreich umgesetzt. “KI ist sehr stromhungrig und entwickelt viel Hitze. Das ist schwierig für ein eigenes Data-Center im Unternehmen, gerade wenn man die Strompreise in Österreich ansieht”, so Böttcher.

“Rechenleistungs-Hunger” von KI könnte sich in Zukunft verringern

Wichtig sei es letztlich, sich als Unternehmen sehr klar darüber zu sein, was man umsetzen wolle. “Danach, welche Software-Lösung man für seinen Use Case einsetzen muss, richtet sich auch die Infrastruktur”, so Böttcher. Er erwarte aber auch, dass die KI-Modelle im nächsten Entwicklungsschritt effizienter werden und der “Rechenleistungs-Hunger” sich verringere.

Patrick Ratheiser ergänzt: “Es ist grundsätzlich eine Kostenfrage.” Unternehmen müssten sich sehr gut überlegen, ob sie ein eigenes LLM (Large Language Model) betreiben und dieses sogar selbst trainieren wollen, oder lieber doch eine Usage-basierte Lösung wählen. Er sehe bei österreichischen Unternehmen – auch bei größeren – eine klare Tendenz zur zweiten Variante. “Es lässt sich deutlich schneller einrichten, ist kalkulierbarer und auch viel schneller skalierbar”, erklärt Ratheiser.

Etwa im Forschungsbereich sei es jedoch wichtig und notwendig, auch eigene LLMs und die damit verbundene Infrastruktur zu betreiben. Doch auch die Möglichkeit von hybriden Lösungen biete sich an. “Man kann mittlerweile auch Teile in der Cloud lassen und Teile On-Premise. Man kann etwa nur ein datenschutzsicheres LLM selbst betreiben”, erklärt der Experte, der auch bei der Wahl der genutzten Modelle einen hybriden Ansatz empfiehlt: “Man braucht nicht für alle Use Cases das neueste Modell. Manchmal braucht man überhaupt kein LLM.”

Datenschutz: Einige Herausforderungen bei LLMs

Stichwort: Datenschutz. Hier schafft die europäische Datenschutzgrundverordnung (DSGVO) im KI-Bereich besondere Herausforderungen, weiß Natalie Ségur-Cabanac, die vorab betont: “Ich persönlich halte die DSGVO für ein gutes Regulierungswerk, weil sie sehr viel Spielraum gibt. Ich sage immer: Datenschutz ist sehr komplex, aber nicht kompliziert.” Konkret seien etwa der Grundsatz der Zweckbezogenheit, also dass man Daten nur für konkrete Zwecke einsetzen darf, und dass man sie minimierend einsetzen muss, relevant für den KI-Bereich. “Da haben wir schon einen Konflikt, weil man ja [bei LLMs] erst einmal schaut, was man aus möglichst vielen Daten machen kann”, so die Expertin.

Ist KI rechtlich innerhalb der EU sogar per se in einem Graubereich?

Auch Transparenzbestimmungen – sowohl in der DSGVO als auch im AI-Act der EU – seien zu beachten. “Wenn ich KI verwende, muss ich auch wissen, was drinnen ist”, fasst Ségur-Cabanac zusammen. Ist KI also rechtlich innerhalb der EU sogar per se in einem Graubereich? “Nein, das glaube ich nicht. Aber man muss seine Hausaufgaben schon gut machen”, sagt die Expertin. Wichtig sei daher auch die im Rahmen des EU-AI-Acts eingeforderte KI-Kompetenz in Unternehmen – im technischen und rechtlichen Bereich.

KI-Kompetenz als zentrales Thema

Patrick Ratheiser stimmt zu: “Neben der Technologie selber sind bei unseren Kunden die Mitarbeiter ein Riesen-Thema. Man muss sie nicht nur wegen dem AI-Act fit bekommen, sondern es geht darum, sie wirklich auf die Anwendungen einzuschulen.” Wichtig seien dabei auch die Kolleg:innen, die sich bereits mit dem Thema auskennen – die “Pioniere” im Unternehmen. “AI Literacy ist sicherlich das Thema 2025 und in nächster Zeit. So, wie wir gelernt haben, mit dem Smartphone umzugehen, werden wir es auch mit generativer KI lernen”, so Ratheiser.

“Einfach einmal ausprobieren”

Stephan Kraft ergänzt: Neben einer soliden Datenbasis und der notwendigen Kompetenz brauche es bei KI – gerade auch im Bereich Open Source – noch etwas: “Einfach einmal ausprobieren. Es braucht auch Trial and Error. Das ist vielleicht oft das Schwierigste für CFOs und Geschäftsführer.” Dieses Ausprobieren sollte aber innerhalb eines festgelegten Rahmens passieren, damit die KI-Implementierung gelingt, meint Natalie Ségur-Cabanac: “Unternehmen brauchen eine KI-Strategie und müssen wissen, was sie mit der Technologie erreichen wollen.” Auch sich mit den zuvor angesprochenen rechtlichen Anforderungen – Stichwort Compliance – zu beschäftigen, komme zeitlich erst nach der Festlegung der Strategie.


Die gesamte Folge ansehen:

Die Nachlesen der bisherigen Folgen:

Folge 1: “No Hype KI – wo stehen wir nach zwei Jahren ChatGPT?

Folge 2: “Was kann KI in Gesundheit, Bildung und im öffentlichen Sektor leisten?

Folge 3: “Der größte Feind ist Zettel und Bleistift”: Erfolgsfaktoren und Herausforderungen in der KI-Praxis”

Folge 4: KI-Geschäftsmodelle: “Wir nutzen nur einen Bruchteil dessen, was möglich ist”


Die Serie wird von brutkasten in redaktioneller Unabhängigkeit mit finanzieller Unterstützung unserer Partner:innen produziert.

No Hype KI
Toll dass du so interessiert bist!
Hinterlasse uns bitte ein Feedback über den Button am linken Bildschirmrand.
Und klicke hier um die ganze Welt von der brutkasten zu entdecken.

brutkasten Newsletter

Aktuelle Nachrichten zu Startups, den neuesten Innovationen und politischen Entscheidungen zur Digitalisierung direkt in dein Postfach. Wähle aus unserer breiten Palette an Newslettern den passenden für dich.

Montag, Mittwoch und Freitag

AI Summaries

Quantentechnologie: Das werden die 4 größten Usecases

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Quantentechnologie: Das werden die 4 größten Usecases

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Quantentechnologie: Das werden die 4 größten Usecases

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Innovationsmanager:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Quantentechnologie: Das werden die 4 größten Usecases

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Investor:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Quantentechnologie: Das werden die 4 größten Usecases

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Politiker:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Quantentechnologie: Das werden die 4 größten Usecases

AI Kontextualisierung

Was könnte das Bigger Picture von den Inhalten dieses Artikels sein?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Quantentechnologie: Das werden die 4 größten Usecases

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Quantentechnologie: Das werden die 4 größten Usecases

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Quantentechnologie: Das werden die 4 größten Usecases