Maschinelles Lernen (ML) dringt zunehmend in sicherheitskritische Bereiche vor – das macht absolute Vertrauenswürdigkeit unverzichtbar. Um KI-Systeme in sicheren Bahnen zu halten und schwerwiegende Fehler zu verhindern, sind Methoden für kontrollierte Ergebnisse der Modelle entscheidend. Das rasch wachsende Quanten-Machine-Learning (QML) übernimmt diese Risiken nicht nur, sondern erweitert sowohl die Angriffsmethoden als auch die potenziellen Folgen von Fehlern. Genau das macht eine intensivere Forschung in diesem Bereich so dringlich, auch das Fraunhofer IKS ist mit dabei.
