Quantencomputer allein lösen noch keine industriellen Probleme. Erst durch Software, die Anwendungsfälle in geeignete Algorithmen übersetzt und klassische mit quantengestützten Verfahren verbindet, wird aus der Technologie ein nutzbares Werkzeug. Mit dem QuaST Decision Tree stellt das Fraunhofer IKS nun ein Open-Source-Framework bereit, das genau diese Brücke schlägt: Es unterstützt dabei, komplexe Optimierungsprobleme systematisch aufzubereiten und passende hybride Lösungswege zu finden.
28. August 2026
© iStock/Bartlomiej Wroblewski
Quantencomputing – das klingt nach Science Fiction, nach Professorinnen, die lange Formeln an Tafeln schreiben und Forscher, die in abgedunkelten Laboren kleinste Teilchen mit komplizierten Apparaturen kontrollieren. Doch Forschung an dieser Spitzentechnologie hat auch eine sehr viel praktischere Seite: Wie werden Quantencomputer tatsächlich einsetzbar?
Der revolutionäre Quantenalgorithmus, den die Professorin in ihrem Büro entwickelt, muss schließlich erst einmal ausgeführt werden. Dazu brauche es nicht nur Quantencomputer, sondern ebenso Software, die es Anwendern ermöglicht, praktische Probleme mit dem Quantencomputer zu lösen – zum Beispiel: Auf welcher Route müssen meine Lieferwagen fahren, um Pakete möglichst effizient auszuliefern? Wie erreiche ich die beste Auslastung der Maschinen in meiner Produktionshalle?
Diese »Brücke zur Anwendung« beschäftigt die Abteilung »Quantum Computing« am Fraunhofer-Institut für Kognitive Systeme IKS unter der Leitung von PD Dr. habil. Jeanette Lorenz. Ihre jüngste Veröffentlichung ist kein wissenschaftlicher Artikel, sondern ein Stück Software: der QuaST (Quantum-enabling Services und Tools für industrielle Anwendungen) Decision Tree (https://www.quast-decisiontree.com/). Dieses modulare Framework ermöglicht es, Anwendungsprobleme systematisch mit Algorithmen zu bearbeiten, die sowohl klassische als auch Quantencomputer verwenden. Auf dem Weg zur quantengestützten Lösung sind nämlich Fragen zu beantworten, die man Endnutzern nicht zumuten kann: Wie formuliere ich mein Problem am besten? Wie muss ich es zerlegen, damit ich die beste Lösung erhalte? Welcher Quantenalgorithmus kann helfen?
Um solche Entscheidungen zu automatisieren, bedient sich der QuaST Decision Tree eines Tricks. Statt spezifische Entscheidungshilfen bereitzustellen – die beim nächsten Forschungsergebnis wieder veraltet sein könnten – stellt er ein modulares Framework bereit. So können einzelne Teile leicht ausgetauscht und verbessert, die vielen bereits vorhandenen Werkzeuge der Community können integriert werden. Solche Werkzeuge machen wissenschaftliche Ergebnisse anwendbar.
Ein Beispiel ist eine am Fraunhofer IKS entwickelte quantitative Analysemethode zum Zusammenspiel von Quanten- und klassischen Optimierungsalgorithmen (https://safe-intelligence.fraunhofer.de/artikel/auszeichnung-hybride-quantenalgorithmen). Sie beantwortet die Frage, unter welchen Umständen bestimmte quanten-klassische Algorithmen zu einem Vorteil führen können. In ein Software-Werkzeug übersetzt lässt sich so automatisch entscheiden, ob und in welcher Variante ein solcher Algorithmus eingesetzt werden sollte. So lässt sich vermeiden, für jeden neuen Anwendungsfall teure Testläufe starten zu müssen, von denen die meisten nicht zu einem Vorteil führen können.
Im QuaST Decision Tree können solche Automatisierungsmodule flexibel verbunden werden. Letztlich lassen sich so mit einem Framework verschiedene Anwendungsszenarien realisieren. Das Fraunhofer IKS erprobt z. B. die Integration in eine industrielle Plattform für Optimierungslösungen, mit dem Ziel, deren Fähigkeiten, um quantengestützte Lösungen zu erweitern.
Der QuaST Decision Tree wird hier vorgestellt (https://www.quast-decisiontree.com/) und steht für Entwickler als Open-Source-Software unter https://gitlab.cc-asp.fraunhofer.de/iks-quantum-computing-public/quast-decisiontree zur Verfügung.
Europäische und nationale Initiativen treiben zudem derzeit die Entwicklung eines übergreifenden Software-Stacks für quantengestützte Lösungen an. Der QuaST Decision Tree ist darin eine wichtige Komponente und kann die oberste Schicht bilden: von der Anwendung zur Definition eines hybriden Algorithmus mit Quanten- und klassischen Komponenten. Seine Modularität ermöglicht es, die vielen Werkzeuge aus der angewandten Forschung einzubinden, die das Aufsetzen und Ausführen von solchen Algorithmen einfacher machen.
So trägt das Fraunhofer IKS dazu bei, eine europäische Infrastruktur aufzubauen, die quantengestützte Lösungen mit etablierten Technologien verbindet und integriert und bringt Quantencomputing ein Stück näher an die industrielle Praxis.
