Quantum Machine Learning (QML) birgt großes Potenzial für erste Anwendungen im industriellen Umfeld. Für den produktiven Einsatz von QML-Lösungen ist ein exklusiver Zugang zu einem Quantencomputer erforderlich. Das Ökosystem der Quantenhardware entwickelt sich rasant, wobei der Großteil der Infrastruktur von Cloud-Anbietern gehostet wird. Diese Abhängigkeit von Cloud-Diensten bringt jedoch Herausforderungen in Bezug auf Latenz, Sicherheit und hohe Kosten mit sich, die Echtzeitanwendungen erschweren. Lassen sich diese Einschränkungen umgehen?
