Quantencomputing: Maschinelles Lernen automatisieren

Im Fokus des Forschungsprojekts AutoQML steht eine Open-Source-Plattform, die Entwickler befähigen soll, Algorithmen des Quanten-Machine-Learnings ohne Fachwissen nutzen zu können.

Quantencomputing soll in einem Konsortialprojekt unter Federführung des Fraunhofer IAO helfen, ML-Anwendungen für Mitarbeiter ohne Vorkenntnisse zugänglich zu machen. (Foto: Ktsdesign / AdobeStock)
Quantencomputing soll in einem Konsortialprojekt unter Federführung des Fraunhofer IAO helfen, ML-Anwendungen für Mitarbeiter ohne Vorkenntnisse zugänglich zu machen. (Foto: Ktsdesign / AdobeStock)
Therese Meitinger

Quantencomputing ermöglicht es, rechenintensive Technologien wie das maschinelle Lernen (ML) weiterzubringen. Im Projekt „AutoQML“ entwickeln laut einer Pressemitteilung vom 21. April acht Partner aus Forschung und Industrie deshalb Lösungsansätze, die Quantencomputing und ML verknüpfen. Eine Open-Source-Plattform soll Entwickler demnach befähigen, Algorithmen des Quanten-Machine-Learnings ohne tiefgehendes Fachwissen nutzen zu können. Konsortialführer ist dabei das Fraunhofer-Institut für Arbeitswirtschaft und Organisation IAO.

Das Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA bringt nach Institutsangaben seine Expertise im Quantencomputing und in Verfahren des herkömmlichen ML ein. Vonseiten der Industrie sind GFT Integrated Systems, die USU Software AG, die IAV GmbH Ingenieursgesellschaft Auto und Verkehr, die KEB Automation KG, die TRUMPF Werkzeugmaschinen GmbH + Co. KG und die Zeppelin GmbH vertreten, heißt es in der Mitteilung.

Machine Learning spiele in der Digitalisierungsstrategie vieler Unternehmen bereits eine große Rolle und ermögliche unter anderem effizientere Prozesse sowie neue Geschäftsmodelle, argumentieren die Kooperationspartner. Allerdings fehle es oft an Fachkräften. So sei die Implementierung von ML-Lösungen bisher noch häufig mit hohem Arbeitsaufwand verbunden und fordere detailliertes Fachwissen.

Helfen Quantencomputer gegen Fachkräftemangel?

Der Ansatz des automatisierten maschinellen Lernens (AutoML) soll diesen Herausforderungen entgegenwirken und Fachkräften den Einsatz von KI erleichtern. Dabei wird nach Institutsangaben insbesondere die Wahl der konkreten ML-Algorithmen automatisiert. In diesem Zusammenhang lasse sich der AutoML-Ansatz mithilfe von Quantencomputing signifikant verbessern, heißt es.

Das Verbundprojekt „AutoQML“ verfolgt zwei wesentliche Ziele: Zum einen soll der neue Ansatz AutoQML entwickelt werden. Dieser wird nach Institutsangaben um neu entwickelte Quanten-ML-Algorithmen erweitert. Zum anderen hebe Quantencomputing den AutoML-Ansatz auf ein neues Niveau, denn bestimmte Probleme ließen sich mithilfe von Quantencomputing schneller lösen als mit konventionellen Algorithmen.

Unter Leitung des Fraunhofer-Instituts für Arbeitswirtschaft und Organisation IAO will das Projekt Entwicklern einen vereinfachten Zugang zu konventionellen und Quanten-ML-Algorithmen über eine Open-Source-Plattform ermöglichen. Die entwickelten Lösungen sollen anhand von konkreten Anwendungsfällen aus dem Automotive- und Produktionsbereich erprobt werden.

Das Projektkonsortium will Komponenten des Quantencomputings in heutige Lösungsansätze des maschinellen Lernens integrieren, um die Performance-, Geschwindigkeits- und Komplexitätsvorteile von Quanten-Algorithmen im industriellen Kontext nutzen zu können. In der sogenannten „AutoQML-Developer Suite“ – einer Softwarebibliothek – sollen entwickelte Quanten-ML-Komponenten und Methoden in Form eines Werkzeugkastens zusammengeführt und den Entwicklern in einer Open-Source-Plattform zur Verfügung gestellt werden. Dies befähige Anwender, maschinelles Lernen und Quanten-Machine-Learning einzusetzen und hybride Gesamtlösungen entwickeln zu können, so die Projektpartner.

Die Laufzeit des Projekts beträgt der Pressemitteilung zufolge vom 1. Januar 2022 an drei Jahre. Das Projekt wird vom Bundesministerium für Wirtschaft und Klimaschutz gefördert.