Was Quantencomputer wirklich können

Kapitel 1

Von Pfeilen zu Qubits

Im Quantenphysik-Beitrag haben wir die Welt durch rotierende Pfeile beschrieben: jedes mögliche Ereignis bekommt einen Pfeil, der sich mit der Zeit dreht. Am Ziel addieren sich alle Pfeile. Wo sie sich verstärken, ist das Ereignis wahrscheinlich. Wo sie sich auslöschen, unmöglich.

Diese Pfeile heißen in der Mathematik Amplituden. Sie sind komplexe Zahlen – und weil jede komplexe Zahl sich als Pfeil in der Ebene zeichnen lässt, haben sie eine Länge (den Betrag) und einen Winkel (die Phase). Die Länge zum Quadrat ergibt die Wahrscheinlichkeit, den zugehörigen Zustand zu messen – das ist die Bornsche Regel von 1926. Aus der Phase folgt, warum zwei Amplituden sich addieren oder auslöschen können, wenn sie überlagert werden: der Kern der Interferenz, den die Quantenmechanik von allen klassischen Wahrscheinlichkeitsrechnungen unterscheidet.

Und jetzt kommt die Brücke: Ein Qubit ist genau so ein Pfeil.

Die eckigen Klammern heißen Ket-Notation, eingeführt 1939 von Paul Dirac – demselben Dirac, dessen gleichnamige Gleichung ein paar Jahre zuvor die Existenz der Antimaterie vorhergesagt hatte. Ein Ket \(|\psi\rangle\) bezeichnet einen Quantenzustand, und in der einfachsten Darstellung ist das ein Spaltenvektor: \(|0\rangle\) wird zu \(\binom{1}{0}\), \(|1\rangle\) zu \(\binom{0}{1}\). Dirac wollte aber mehr als kompakte Zustands-Schreibweise. Zu jedem Ket gehört eine Bra \(\langle \phi|\) – die konjugiert-transponierte Partnerin. Das Produkt \(\langle \phi | \psi \rangle\) misst den Überlapp zwischen zwei Zuständen und ist damit, schon auf der Ebene der Notation, genau die Amplitude, \(\psi\) in \(\phi\) zu finden. Die Klammerform trägt die Struktur der Messung in die Typografie.

Beim Messen bekommst du entweder 0 oder 1 – nie etwas dazwischen. Die Wahrscheinlichkeiten sind die quadrierten Längen der beiden Pfeile:

Die Summe der beiden Quadrate ist immer 1. Das ist die Normierungsbedingung, und sie ist kein rhetorisches Gleichzeichen: Max Born postulierte 1926, dass \(|\psi|^2\) die Wahrscheinlichkeitsdichte liefert – dafür bekam er 1954 den Nobelpreis, für genau diesen statistischen Deutungsversuch der Wellenfunktion. Ohne die Normierung ließe sich die Bornsche Regel widerspruchsfrei nicht formulieren; es wären Wahrscheinlichkeiten über 1 möglich, und das Konzept würde zusammenbrechen. Jeder zulässige Qubit-Zustand lebt deshalb auf einer Kugel mit Radius 1 – die berühmte Bloch-Kugel, die wir gleich kennenlernen.

Warum nicht einfach ein Bit mit Zufall?

An dieser Stelle denken Informatikerinnen oft: „Moment, ist ein Qubit nicht einfach ein Bit mit einer Wahrscheinlichkeit?“ Also ein fairer Münzwurf?

Nein. Der Unterschied ist Interferenz. Amplituden können sich gegenseitig auslöschen – Wahrscheinlichkeiten nicht. Eine Wahrscheinlichkeit 0,5 kann nicht zu 0 werden, wenn man sie mit einer anderen 0,5 kombiniert. Zwei Pfeile, die in entgegengesetzte Richtungen zeigen, sehr wohl.

Genau diese Interferenz ist der Grund, warum Quantencomputer überhaupt einen Rechenvorteil haben können. Ohne Phasen, die sich zu null addieren, wären Qubits funktional äquivalent zu klassischen probabilistischen Bits – ein Gebiet, das die Informatik seit den 1970er-Jahren erschöpfend studiert hat und in dem sich keine exponentiellen Beschleunigungen verstecken.

Ein Qubit ist also: ein klassischer Zustand in Superposition, mit zwei Amplituden, deren Längenquadrate sich zu 1 addieren. Die beiden Amplituden können komplexe Phasen haben, was zu Interferenz führt.

Kapitel 2

Wie ein Qubit im Labor entsteht

Bevor wir mit Gattern rechnen, lohnt sich ein Blick auf die Hardware. Ein Qubit ist ein abstraktes Konzept – aber im Labor ist es immer ein konkretes physikalisches System, das zwei sauber voneinander getrennte Zustände besitzt. Es gibt heute mindestens vier große Bauweisen, die im kommerziellen Einsatz sind, und jede hat ihre eigene Physik.

Das supraleitende Qubit – Googles und IBMs Favorit

Der Kandidat, an dem die meisten großen Quantencomputer der Gegenwart operieren, ist ein kurios klingendes Ding: ein supraleitender Schwingkreis. Um zu verstehen, warum ausgerechnet das Quanteneigenschaften zeigt, lohnt sich ein Umweg über die klassische Elektrotechnik.

Kurzer Ausflug in die klassische Physik. Ein LC-Schwingkreis ist die einfachste Schaltung, die selbstständig schwingt. Eine Spule (Induktivität \(L\)) und ein Kondensator (Kapazität \(C\)) bilden zusammen eine elektromagnetische Schaukel: Strom pendelt zwischen ihnen hin und her, so wie eine Schaukel zwischen Umkehrpunkt und Durchgang schwingt. Die Eigenfrequenz ist \(f = \tfrac{1}{2\pi\sqrt{LC}}\). Solche Schwingkreise stecken in jedem alten Radio, jeder Fernbedienung, jedem Quarzoszillator.

Ein Detail, das für das Folgende entscheidend ist: die Frequenz der Schwingung wird durch die Bauteile \(L\) und \(C\) festgelegt – genau wie bei einer echten Schaukel, bei der die Periodendauer nur von der Seillänge abhängt, nicht davon, wie hoch man schwingt. Was sich ändert, ist die Amplitude: die maximale Ladung auf dem Kondensator oder äquivalent der maximale Strom durch die Spule. Und aus dieser Amplitude folgt die Energie der Schwingung, \(E = \tfrac{Q_\text{max}^2}{2C}\): doppelte Maximalladung, vierfache Energie. Klassisch ist jede beliebige Amplitude erlaubt, und damit jede beliebige Energie – stufenlos von winzig bis groß.

Jetzt die Quantisierung. Kühlt man einen speziell konstruierten Schwingkreis nahe an den absoluten Nullpunkt – typischerweise 10 Millikelvin, kälter als das intergalaktische Weltall – und verwendet ein besonderes Bauteil namens Josephson-Kontakt (eine wenige Atomlagen dünne Isolierschicht zwischen zwei Supraleitern, durch die gekoppelte Elektronenpaare quantenmechanisch hindurchtunneln können – Brian Josephson bekam 1973 den Nobelpreis für diese 1962 gemachte Vorhersage), dann passiert etwas Bemerkenswertes: die möglichen Schwingungs-Amplituden sind nicht mehr kontinuierlich. Das System kann nur noch in ganz bestimmten, voneinander getrennten Amplituden schwingen – und damit nur noch spezifische Energieniveaus einnehmen, wie die Sprossen einer Leiter.

Die Frequenz der Schwingung bleibt dabei übrigens fest – die wird nach wie vor durch \(L\) und \(C\) bestimmt. Quantisiert wird die Amplitude, nicht der Takt. Was klassisch ein stufenloser Ausschlag war, ist quantenmechanisch eine Auswahl aus einem diskreten Satz erlaubter Auslenkungen.

Die untersten beiden Sprossen – den Grundzustand und die erste Anregung – verwenden wir als Qubit: Grundzustand nennen wir \(|0\rangle\), Anregung \(|1\rangle\). Der Energieabstand zwischen den beiden entspricht einer elektromagnetischen Frequenz von etwa 5 GHz. Das ist keine willkürliche Zahl – sie bestimmt, mit welcher Mikrowellenfrequenz wir das Qubit später ansteuern werden.

Ein wichtiges Detail: warum nehmen wir eigentlich nur die untersten zwei Sprossen? Ein reiner LC-Schwingkreis (ohne Josephson) würde nämlich diskrete Niveaus erzeugen, die alle gleich weit voneinander entfernt sind – der klassische harmonische Oszillator. Ein Mikrowellenpuls, der \(|0\rangle \to |1\rangle\) anregt, würde dann unweigerlich auch \(|1\rangle \to |2\rangle\) und \(|2\rangle \to |3\rangle\) anstoßen – das Qubit würde sich nicht auf die untersten beiden Niveaus beschränken lassen. Der Josephson-Kontakt bringt eine Nichtlinearität ins Spiel, die die Leiter verzerrt: die Sprossenabstände werden nach oben enger. Dadurch können wir die Frequenz eines Mikrowellenpulses so präzise auf den \(|0\rangle\leftrightarrow|1\rangle\)-Übergang abstimmen, dass die höheren Niveaus nicht angeregt werden. Erst diese Selektivität macht aus einem Quanten-Oszillator ein brauchbares Qubit.

Warum macht die Kälte den Unterschied? Zwei Gründe. Erstens: bei Raumtemperatur zappelt das System thermisch – es springt ständig und zufällig zwischen vielen Zuständen, die definierten \(|0\rangle\) und \(|1\rangle\) gehen im Rauschen unter. Bei 10 mK ist die thermische Energie so winzig (\(k_B T \approx 0{,}001\) \(\mu\)eV), dass das Qubit im Grundzustand bleibt, solange wir es nicht gezielt anregen. Zweitens: supraleitende Materialien verlieren unterhalb einer kritischen Temperatur ihren elektrischen Widerstand vollständig. Strom fließt verlustfrei, und die Schwingung klingt nicht sofort ab. Beides zusammen – kein thermisches Zittern, kein Energieverlust – macht aus einem profan klingenden Schwingkreis ein sauberes quantenmechanisches Zwei-Niveau-System.

Andere Bauweisen – das Qubit kennt viele Häuser

Der supraleitende Weg ist nur einer von mehreren. Die drei anderen großen Familien:

• Ionenfalle (IonQ, Quantinuum): Ein einzelnes geladenes Atom – meist ein Kalzium- oder Ytterbium-Ion – wird von oszillierenden elektromagnetischen Feldern im Vakuum in der Schwebe gehalten. Die Elektronen des Ions besetzen diskrete Energieniveaus; zwei davon wählt man als \(|0\rangle\) und \(|1\rangle\). Das ist exakt dieselbe Physik, die wir aus dem Bohrschen Atommodell kennen – Elektronen in Schalen.
• Neutrales Atom (QuEra, Atom Computing): Ähnlich wie Ionenfallen, aber ohne elektrische Ladung. Einzelne Atome werden mit hochfokussierten Laserstrahlen – sogenannten optischen Pinzetten – in einem Gitter festgehalten. Die Qubit-Zustände sind auch hier zwei verschiedene Elektronen-Energieniveaus.
• Photon (PsiQuantum, Xanadu): Ein einzelnes Lichtteilchen, genau wie im Doppelspalt-Experiment aus dem Quantenphysik-Post. Die zwei Zustände sind meistens die Polarisationsrichtungen: horizontal = \(|0\rangle\), vertikal = \(|1\rangle\). Photonen sind besonders interessant für die Quantenkommunikation, weil sie sich problemlos durch Glasfasern schicken lassen.

Jede Bauweise hat ihre eigenen Stärken und Kompromisse. Supraleiter sind schnell (Gatter in Nanosekunden), brauchen aber extreme Kühlung und große Infrastrukturen. Ionen sind extrem präzise und haben lange Kohärenzzeiten, aber ihre Gatter dauern Mikrosekunden. Photonen reisen durch Kabel, lassen sich aber nur mühsam in große Gitter organisieren. Die Community weiß 2026 noch nicht, welche dieser Technologien am Ende skalieren wird – möglicherweise nutzen verschiedene Anwendungen verschiedene.

In diesem Beitrag bleiben wir beim supraleitenden Qubit, weil wir damit die konkreteste physikalische Intuition bauen können. Aber jedes abstrakte \(|0\rangle\) und \(|1\rangle\), das im Folgenden auftaucht, bezieht sich im Hintergrund auf einen dieser physikalischen Mechanismen. Und jede Gatter-Operation, die wir gleich mathematisch formulieren, ist am Ende ein elektromagnetischer Puls – Mikrowelle bei Supraleitern, Laser bei Ionen, Phasenschieber bei Photonen.

Kapitel 3

Die Bloch-Kugel

Zwei komplexe Zahlen \(\alpha\) und \(\beta\) mit der Nebenbedingung \(|\alpha|^2 + |\beta|^2 = 1\) – das sind vier reelle Freiheitsgrade mit einer Zwangsbedingung. Also drei. Plus: eine globale Phase ist physikalisch irrelevant (die messen wir nicht). Also zwei.

Zwei Parameter – das ist eine Fläche. Und zwar eine ganz bestimmte: die Oberfläche einer Kugel.

\(\theta\) ist der Polarwinkel (Nord-Süd), \(\varphi\) der Azimut (längengradartig). Jeder reine Qubit-Zustand ist ein Punkt auf dieser Kugel.

• Nordpol (\(\theta = 0\)): reiner \(|0\rangle\)-Zustand
• Südpol (\(\theta = \pi\)): reiner \(|1\rangle\)-Zustand
• Äquator (\(\theta = \pi/2\)): perfekte 50/50-Superposition, Phase auf dem Längengrad

Kurze Irritation vorweg – warum \(\theta/2\), nicht \(\theta\)? Die Formel oben parametrisiert mit dem halben Polarwinkel. Das ist kein Schreibfehler und auch keine bloße Konvention, sondern die einzige Möglichkeit, die Zustände eindeutig auf einer Kugel unterzubringen. Wenn \(\theta\) von 0 bis \(\pi\) läuft, geht \(|\psi\rangle\) von \(|0\rangle\) zu \(|1\rangle\). Würde im Exponenten \(\theta\) stehen statt \(\theta/2\), kämen wir schon bei \(\theta = 2\pi\) wieder zum Ausgangszustand zurück – eine vollständige Drehung um die Kugel brauchte dann nur eine halbe Umdrehung im Zustandsraum. Der halbe Winkel ist der geometrische Ausdruck einer tiefen Eigenschaft der Quantenmechanik: Qubits (wie alle Spin-\(\tfrac{1}{2}\)-Teilchen) brauchen zwei volle Drehungen im physikalischen Raum, um wieder im ursprünglichen Zustand zu landen. Das ist der berühmte Gürteltrick aus der Physik, und wir sehen ihn in wenigen Kapiteln wieder, wenn es um unitäre Gatter geht.

Die Bloch-Kugel ist der Raum aller möglichen Qubit-Zustände, und jedes Quantengatter entspricht einer bestimmten Rotation des Zustandsvektors auf dieser Kugel. Das ist nicht bloß grafisch nützlich, sondern mathematisch tief: die Menge der erlaubten Ein-Qubit-Operationen bildet die Gruppe \(SU(2)\) – das ist die Familie aller unitären \(2\times 2\)-Matrizen mit Determinante Eins. Und SU(2) verhält sich zur gewöhnlichen Rotationsgruppe \(SO(3)\) wie zwei zu eins: jede 360°-Drehung im physikalischen Raum entspricht einer halben Umrundung auf der Bloch-Kugel, genau wie oben. Daher der halbe Winkel. Daher zwei Drehungen bis zum Ausgangszustand.

Warum ist das nützlich? Weil es geometrisch wird. Ein Quantenalgorithmus sieht auf der Bloch-Kugel wie eine choreografierte Rotationsabfolge aus. Die Pauli-Gatter \(X, Y, Z\) sind 180°-Drehungen um die jeweiligen Achsen. Die Hadamard-Matrix ist eine 180°-Drehung um eine diagonale Achse, die Nord- und Äquator vertauscht.

Merk dir: Ein Qubit ist ein Punkt auf einer Kugel. Ein Gatter ist eine Rotation. Ein Algorithmus ist eine Choreografie.

Kapitel 4

Quantengatter: Matrizen, die die Welt drehen

Ein klassisches Logikgatter nimmt Bits und gibt Bits zurück. Ein AND-Gatter macht aus (1, 1) eine 1, aus (1, 0) eine 0. Simpel, irreversibel – aus der 0 am Ausgang kannst du nicht mehr rekonstruieren, welche beiden Eingangsbits geschickt wurden.

Ein Quantengatter ist anders. Es ist eine unitäre Matrix, die den Zustandsvektor eines Qubits (oder mehrerer) transformiert. Unitär heißt:

• längenerhaltend: die Normierung \(|\alpha|^2 + |\beta|^2 = 1\) bleibt erhalten
• reversibel: jedes Gatter hat ein Inverses. Zurückspulen ist immer möglich
• kontinuierlich: anders als klassische Gatter gibt es nicht endlich viele, sondern ein ganzes Kontinuum

Der Hadamard: die Quantenmünze

Das wichtigste Ein-Qubit-Gatter ist der Hadamard, kurz \(H\):

Was macht er? Wirf ihn auf \(|0\rangle = \binom{1}{0}\):

Aus einem reinen 0 wird eine perfekte 50/50-Superposition. Der Quantenmünzwurf. Und weil \(H\) unitär ist: Wende ihn noch mal an, und du bist wieder bei \(|0\rangle\). Das würde ein klassischer Münzwurf nie schaffen.

Pauli-Gatter: X, Y, Z

Die drei Pauli-Matrizen sind 180°-Drehungen um die jeweiligen Achsen der Bloch-Kugel:

\(X\) ist das Quanten-Gegenstück zum klassischen NOT: \(X|0\rangle = |1\rangle\). \(Z\) kehrt die Phase von \(|1\rangle\) um (aber lässt die Messung unverändert). \(Y\) macht beides.

Das CNOT: zwei Qubits, ein Gatter

Das wichtigste Zwei-Qubit-Gatter ist CNOT (controlled-NOT). Es nimmt zwei Qubits: ein Steuer-Qubit und ein Ziel-Qubit. Wenn das Steuer-Qubit 1 ist, wird das Ziel-Qubit geflippt. Sonst passiert nichts. Seine Matrix ist \(4 \times 4\), weil zwei Qubits vier klassische Zustände haben (\(|00\rangle, |01\rangle, |10\rangle, |11\rangle\)):

CNOT ist das Scharnier zur Verschränkung. Ohne CNOT (oder ein anderes Zwei-Qubit-Gatter) wäre jeder Quantencomputer ein Haufen unabhängiger Münzen. Mit CNOT werden sie zu einem korrelierten Ganzen.

Universalität

Wie viele Gatter braucht man? Bemerkenswert wenig. Die Kombination aus H, T (eine 45°-Phase) und CNOT reicht, um jede beliebige unitäre Transformation beliebig genau zu approximieren. Das ist das quantenmechanische Gegenstück zu NAND als universellem klassischen Gatter.

Kapitel 5

Dein erster Quantenschaltkreis: der Bell-Zustand

Der Bell-Zustand ist das „Hello World“ der Quantencomputer. Zwei Qubits, zwei Gatter, ein Effekt, der die klassische Physik sprengt. Und du kannst ihn in drei Zeilen Qiskit bauen.

Der Schaltkreis

Starte mit zwei Qubits im Zustand \(|00\rangle\). Wende Hadamard auf Qubit 0 an. Dann CNOT, wobei Qubit 0 das Steuer-Qubit ist:

|0⟩  --[ H ]---*----
                   |
|0⟩  ----------X----

Mathematisch: \(H\) macht aus \(|00\rangle\) den Zustand \(\frac{1}{\sqrt{2}}(|00\rangle + |10\rangle)\). Jetzt kommt CNOT: wenn das erste Qubit 1 ist, flippt das zweite. Aus \(|10\rangle\) wird \(|11\rangle\). Das Ergebnis:

Was heißt das? Die beiden Qubits sind perfekt korreliert. Misst du das erste und bekommst 0, bekommst du auch beim zweiten 0 – mit 100 % Sicherheit. Misst du 1, bekommst du auch beim zweiten 1. Aber vorher – bevor gemessen wurde – war keines der beiden in einem definierten Zustand.

Das ist Verschränkung. Und das ist kein klassischer Zufall: das erste Qubit hätte bei der Messung auch eine 1 liefern können, dann hätte das zweite auch 1 geliefert. Die beiden Resultate sind nicht vorbestimmt, aber sie sind gemeinsam vorbestimmt.

Warum ist das mächtig?

Verschränkung ist die Ressource, die Quantencomputern ihre Macht gibt. Zwei unabhängige Qubits sind zwei Münzen – vier mögliche Zustände, eine Wahrscheinlichkeitsverteilung über sie. Zwei verschränkte Qubits sind etwas qualitativ anderes: ein gemeinsamer Zustand, der in keine Produktform zerlegt werden kann.

Bei \(n\) Qubits wächst der Zustandsraum exponentiell: \(2^n\) Amplituden. Bei 50 Qubits sind das \(2^{50} \approx 10^{15}\) – eine Billiarde komplexer Zahlen, die sich gleichzeitig in Interferenz beeinflussen. Kein klassischer Computer kann das simulieren. Genau das ist der Quantenvorteil.

Kapitel 6

Was Quantencomputer können – und was Schlagzeilen verschweigen

„Quantencomputer sind millionenfach schneller als klassische.“ Diese Zeile liest man in Presseberichten ständig. Sie stimmt nur für sehr spezifische Probleme. Für Excel, ChatGPT oder Videoschnitt sind Quantencomputer nicht schneller, sondern langsamer, teurer und fehleranfälliger.

Aber es gibt eine Handvoll Probleme, bei denen sie fundamental überlegen sind. Die wichtigsten drei:

1. Shor (1994): Faktorisierung großer Zahlen

Peter Shor zeigte 1994: ein Quantencomputer kann eine Zahl \(N\) in ihre Primfaktoren zerlegen in \(O((\log N)^3)\) Schritten. Der beste klassische Algorithmus (General Number Field Sieve) braucht \(e^{O((\log N)^{1/3})}\) – sub-exponentiell, aber immer noch viel langsamer.

Konkret: eine 2048-Bit-RSA-Zahl zu faktorisieren dauert klassisch Milliarden von Jahren. Ein fehlerkorrigierter Quantencomputer mit ein paar Millionen physischen Qubits könnte es in Stunden.

Das ist der Grund, warum Post-Quantum-Kryptografie seit 2024 ein NIST-Standard ist: ML-KEM (Schlüsselkapselung), ML-DSA (Signaturen), SLH-DSA. Die Welt migriert jetzt – nicht weil Quantencomputer heute schon RSA brechen, sondern weil „harvest now, decrypt later“ ein reales Bedrohungsmodell ist. Verschlüsselter Traffic, der heute aufgezeichnet wird, könnte in 15 Jahren lesbar sein.

2. Grover (1996): Suchen in unsortierten Datenbanken

Grovers Algorithmus findet einen Eintrag in einer unsortierten Datenbank mit \(N\) Einträgen in \(O(\sqrt{N})\) Schritten. Klassisch: \(O(N)\). Das ist nicht exponentiell schneller – nur quadratisch. Aber breit anwendbar.

Bei Datenbanken mit einer Milliarde Einträgen: klassisch eine Milliarde Operationen, Grover ungefähr 31 623. Das ist signifikant. Für kombinatorische Suche, Constraint-Satisfaction, bestimmte ML-Probleme.

Der Haken: Grover rechnet nicht einfach schneller durch die Datenbank, sondern braucht das Problem als Orakel-Schaltkreis. Jede „Abfrage“ ist ein Unitär, der einen bestimmten Eintrag markiert. In der Praxis ist das oft teuer zu konstruieren.

3. Quantensimulation: Moleküle und Materialien

Hier ist der Killer-Use-Case. Die Schrödinger-Gleichung für ein Molekül mit \(n\) Elektronen lebt in einem Zustandsraum der Dimension \(2^n\). Klassische Simulation skaliert schlecht – präzise Ab-initio-Rechnungen sind für größere Moleküle nicht möglich.

Ein Quantencomputer ist selbst ein Quantensystem. Er kann ein Molekül-Hamiltonian direkt in Qubits kodieren und dann die Zeitentwicklung simulieren. Das war Richard Feynmans ursprüngliche Idee von 1982: „Die Natur ist nicht klassisch, verdammt nochmal. Und wenn du eine Simulation der Natur machen willst, solltest du sie quantenmechanisch machen.“

Anwendungen: neue Medikamente, Katalysatoren für grünen Wasserstoff, Hochtemperatur-Supraleiter, bessere Batterien. Hier erwarten Experten den ersten echten ökonomischen Quantenvorteil – wahrscheinlich in den 2030ern.

Was NICHT schneller wird

Kapitel 7

Was sie (noch) nicht können: der ehrliche Zwischenstand 2026

Wenn du ein Stein-Papier-Schere-Spiel mit einem Quantencomputer-Enthusiasten spielen willst, dann schlag Schere mit: „Ja, aber wie viele logische Qubits hat er?“ Dieses einzelne Wort entlarvt den größten Graben zwischen Hype und Realität.

Physische vs. logische Qubits

Ein physisches Qubit ist ein reales Ding: ein supraleitender Schwingkreis, ein gefangenes Ion, ein Stickstoff-Leerstellen-Zentrum im Diamant. Es ist störungsanfällig. Jede Wechselwirkung mit der Umgebung – Wärme, elektromagnetische Streufelder, Vibration – zerstört die empfindlichen Phasenbeziehungen. Das heißt Dekohärenz.

Typische Kohärenzzeiten 2026 liegen bei supraleitenden Qubits im Bereich von 100 µs bis einige Millisekunden. Nach dieser Zeit ist das Qubit Rauschen. Bei einer Gate-Zeit von ~50 ns sind das höchstens ein paar Zehntausend Operationen – und in dieser Zeit sammeln sich Fehler.

Ein logisches Qubit ist die Lösung: du kodierst ein einziges „sauberes“ Qubit in vielen physischen, sodass Fehler in einzelnen physischen Qubits korrigiert werden können, bevor sie das logische zerstören. Der Surface Code (aktueller Standard) braucht aktuell etwa 1000 physische Qubits für ein hinreichend fehlerfreies logisches.

Google Willow, IBM Heron, IonQ Tempo – der Stand 2026

Im Dezember 2024 veröffentlichte Google den Willow-Chip: 105 supraleitende Qubits. Der Durchbruch war nicht die Anzahl, sondern der Nachweis, dass größere Codes weniger Fehler machen (below-threshold) – ein Meilenstein der Fehlerkorrektur, wenn auch noch ohne ein einziges voll-fehlertolerantes logisches Qubit.

IBMs Roadmap visiert mit dem Nighthawk-Chip (120 Qubits, 2025) und Kookaburra (Multi-Chip, 2026) skalierbare Fehlerkorrektur an. Das Ziel Starling (200 logische Qubits) ist für 2029 angekündigt.

IonQ, Quantinuum und QuEra verfolgen andere Ansätze (Ionenfallen, neutrale Atome). Diese haben längere Kohärenzzeiten, sind aber langsamer. Der „beste“ Ansatz ist 2026 noch offen.

NISQ: Noisy Intermediate-Scale Quantum

Der Begriff wurde 2018 von John Preskill geprägt und beschreibt die aktuelle Ära: Hunderte verrauschte Qubits, keine vollständige Fehlerkorrektur, interessante aber nicht überlegene Rechnungen. NISQ-Algorithmen wie VQE und QAOA liefern bis heute (April 2026) keinen belegbaren praktischen Vorteil gegenüber den besten klassischen Heuristiken. Es gibt Ankündigungen, aber die Claims werden regelmäßig durch bessere klassische Verfahren eingeholt.

Wann wird’s praktisch relevant?

Konservative Schätzungen (MIT Review, McKinsey, Branchenkonsens): Ein „kommerziell relevanter“ fehlertoleranter Quantencomputer – einer, der Shor gegen 2048-Bit-RSA ausführt oder ein Enzym-Aktivzentrum simuliert, das klassisch unmöglich ist – liegt in den 2030ern. Manche Skeptiker sagen „nie“, manche Enthusiasten sagen „2027“. Der Konsens: es wird passieren, aber nicht sofort.

Das ist nicht schlimm. Der Transistor war 1948 eine Laborkuriosität. 1965 gab es erst 30 davon in einem kommerziellen Chip. 2026 stecken Milliarden in deinem Smartphone. Quantencomputer befinden sich aktuell irgendwo zwischen 1948 und 1965.

Kapitel 8

Quantencomputer programmieren mit Qiskit

Das Beste kommt zum Schluss: du kannst das alles jetzt ausprobieren. IBM stellt über quantum.cloud.ibm.com echte Quantenhardware im Free Tier zur Verfügung: 10 Minuten QPU-Zeit pro Monat auf Rechnern mit 100+ Qubits. Kostenlos, nach Anmeldung.

Der Bell-Zustand in 10 Zeilen Python

Qiskit ist das IBM-SDK. Es läuft als Python-Bibliothek und übersetzt Schaltkreise in QASM – eine Low-Level-Sprache, die der Chip versteht.

from qiskit import QuantumCircuit
from qiskit_aer import AerSimulator

# Schaltkreis mit 2 Qubits und 2 klassischen Bits
qc = QuantumCircuit(2, 2)

qc.h(0)           # Hadamard auf Qubit 0
qc.cx(0, 1)       # CNOT: Qubit 0 steuert, Qubit 1 ist Ziel
qc.measure([0, 1], [0, 1])

# Simulator: 1024 Messungen
simulator = AerSimulator()
result = simulator.run(qc, shots=1024).result()
counts = result.get_counts()
print(counts)
# {'00': ~512, '11': ~512}  – keine Kreuzkombinationen!

Das ist es. Drei Gatter, ein Messbefehl, und du hast den Bell-Zustand erzeugt. Der Output sind zwei Zahlen, die zusammen 1024 ergeben – keine \(|01\rangle\) oder \(|10\rangle\) dazwischen.

Auf echter Hardware laufen lassen

Zwei Zeilen mehr, und derselbe Code läuft auf einem echten IBM-Quantenprozessor in Yorktown Heights oder Ehningen:

from qiskit_ibm_runtime import QiskitRuntimeService, SamplerV2

service = QiskitRuntimeService(channel="ibm_quantum_platform")
backend = service.least_busy(simulator=False, operational=True)

# Schaltkreis auf die Topologie des Chips transpilieren
from qiskit import transpile
qc_transpiled = transpile(qc, backend)

sampler = SamplerV2(mode=backend)
job = sampler.run([qc_transpiled], shots=1024)
print(job.result()[0].data.meas.get_counts())

Auf echter Hardware wirst du nicht exakt 512/512 sehen. Vielleicht 490/508 und 8 Mal „Murks“ – \(|01\rangle\) oder \(|10\rangle\), die eigentlich nicht vorkommen dürften. Das sind die Rauschen, die Dekohärenz, die Gate-Fehler aus dem vorigen Kapitel. Willkommen in der realen Welt.

Und das Komplettpaket – vier Notebooks mit Bell-Zustand, Deutsch-Jozsa, Grover und VQE für H₂ – liegt offen auf GitHub: github.com/pmmathias/quantum-computing. Fork it, run it, change it.

Kapitel 9

Quanten-ML: Hype oder Zukunft?

Wenn KI das Mega-Thema ist und Quantencomputer die Exotik, dann ist Quantum Machine Learning das perfekte Buzzword-Sandwich. Es hat seit 2018 ganze Konferenzräume gefüllt. Was ist davon Substanz, was ist Powerpoint?

Variational Quantum Eigensolver (VQE)

VQE ist der meistgenutzte NISQ-Algorithmus. Er findet den Grundzustand eines Hamiltonian – den Eigenvektor mit dem kleinsten Eigenwert. Das ist direkt relevant für Chemie: das Energielevel des Grundzustands bestimmt, ob ein Molekül stabil ist, wie es mit anderen reagiert, welche Spektrallinien es zeigt.

Die Idee: Ein parametrisierter Quantenschaltkreis erzeugt einen Versuchszustand \(|\psi(\vec{\theta})\rangle\). Der Quantencomputer misst den Erwartungswert \(\langle \psi | H | \psi \rangle\). Ein klassischer Optimierer passt die Parameter \(\vec{\theta}\) an, um diesen Erwartungswert zu minimieren. Hybrid-Algorithmus – Quantenteil und Klassikteil arbeiten zusammen.

VQE ist robust gegen moderate Qubit-Fehler, weil der Optimizer sie teilweise kompensiert. Das macht ihn zu einem der wenigen Algorithmen, die heute auf NISQ-Hardware Sinn ergeben.

Quantum Kernel Methods

Im Eigenwerte-Beitrag haben wir gesehen: der Kernel-Trick ähnlich von Datenpunkten, ohne die explizite Feature-Transformation zu berechnen. Das Ergebnis ist eine Matrix, deren Eigenwerte bestätigen, was das Modell lernt.

Idee von Quantum Kernel Methods: Verwende einen Quantenschaltkreis, um eine Kernel-Funktion zu definieren, die klassisch nicht effizient berechenbar ist. Schematisch:

\(\phi(x)\) ist ein parametrisierter Quantenschaltkreis, der klassische Daten in Qubits einbettet. Die Messung gibt einen Skalar zurück, der die Kernel-Matrix füllt. Rest läuft wie bei klassischer Kernel Ridge Regression.

Das Versprechen: Quantum-Kernels könnten Strukturen in Daten erkennen, die klassischen Kernels verschlossen bleiben.

Der ehrliche Stand 2026: noch kein Nachweis eines praktischen Vorteils. Es gibt theoretische Argumente (Havlicek et al. 2019), aber auf realen Datensätzen schlägt ein klassischer RBF-Kernel bis heute (April 2026) die meisten Quantum Kernels. Das kann sich ändern, wenn fehlertolerante Hardware verfügbar wird.

Was Quanten-ML NICHT tut

Aber für sehr spezielle Probleme – Eigenwertprobleme großer Hamiltonians, Quantenchemie-Klassifikation, bestimmte kombinatorische Optimierungen – könnten Quantencomputer in den 2030ern eine Rolle spielen. Das ist die ehrliche Antwort.

Epilog

Das Glasperlenspiel

Lass uns zurücksehen. In neun Kapiteln haben wir eine Kette gebaut:

• Ein Qubit ist ein rotierender Pfeil aus dem Quantenphysik-Beitrag – eine komplexe Amplitude plus eine zweite.
• Der Zustandsraum ist die Bloch-Kugel.
• Quantengatter sind unitäre Matrizen – Rotationen, die die Kugel bewegen.
• Unitäre Matrizen haben Eigenwerte auf dem Einheitskreis – die Brücke zum Eigenwerte-Beitrag.
• Die Quanten-Fourier-Transformation – der Herzschlag von Shors Algorithmus – ist eine unitäre Operation, die die Amplituden eines Zustands in ihre Fourier-Koeffizienten überführt. Es ist das quantenmechanische Gegenstück zur klassischen Fourier-Transformation aus dem Vogelsimulator-Beitrag, dort für die Simulation von Ozeanwellen verantwortlich. Dieselbe mathematische Operation – Zerlegung einer Funktion in Frequenzkomponenten – treibt also Seegang, JPEG-Kompression und die Faktorisierung großer Zahlen an.

Im Quantenphysik-Beitrag schrieb Schrödinger 1926: „Quantisierung als Eigenwertproblem.“ Im Eigenwerte-Beitrag ergänzten wir: „Intelligenz als Eigenwertproblem.“

Heute können wir eine dritte Zeile hinzufügen:

„Quantencomputing als Rotationschoreografie.“

Dieselben unitären Matrizen. Dieselben Eigenwerte. Ein anderer Kontext. Die Schönheit des Glasperlenspiels ist nicht, dass alles dasselbe ist – sondern dass so viele verschiedene Phänomene dieselbe mathematische Struktur teilen.

Ein Qubit im Labor von IBM, ein PageRank-Algorithmus bei Google, eine stehende Welle im Atom: drei Welten, dieselbe Mathematik. Wer die Mathematik versteht, versteht alle drei.

Und du kannst das jetzt. Fork the notebooks. Run the code.

Verwandte Beiträge: Dieser Post baut auf „Quantenphysik mit Pfeilen“ auf (Amplituden, Superposition, Verschränkung) und verweist auf „Eigenwerte & KI“ (unitäre Matrizen, Kernel-Trick). Die große Zusammenschau liegt im „Glasperlenspiel“.

Häufige Fragen

Was ist ein Qubit einfach erklärt?

Ein Qubit ist das Quanten-Gegenstück zum klassischen Bit. Statt 0 oder 1 kann es eine Kombination aus beidem sein – eine sogenannte Superposition. Mathematisch ist es ein Punkt auf der Oberfläche einer Kugel, der Bloch-Kugel. Erst bei der Messung wird es zu einer eindeutigen 0 oder 1, mit Wahrscheinlichkeiten, die sich aus dem Punkt auf der Kugel ergeben.

Was ist der Unterschied zwischen klassischen Computern und Quantencomputern?

Klassische Computer rechnen mit Bits (0 oder 1) und deterministischen Operationen. Quantencomputer rechnen mit Qubits in Superposition und nutzen Interferenz und Verschränkung. Sie sind nicht allgemein schneller, sondern nur bei bestimmten Problemen – vor allem Faktorisierung, unsortierte Suche und Quantensimulation.

Können Quantencomputer heute schon RSA brechen?

Nein, aktuell (Stand April 2026) nicht. Für eine 2048-Bit-RSA-Schlüssel braucht Shors Algorithmus einige Millionen fehlerkorrigierter Qubits. Aktuelle Chips wie Google Willow (105 Qubits) oder IBM Condor (433 Qubits) sind physische Qubits ohne vollständige Fehlerkorrektur. Experten erwarten kryptografisch relevante Quantencomputer frühestens Ende der 2020er bis in die 2030er Jahre.

Was ist Qiskit?

Qiskit ist ein Open-Source-SDK von IBM, mit dem man Quantenschaltkreise in Python programmiert. Der Code läuft auf lokalen Simulatoren oder – über die IBM Quantum Platform – auf echter Quantenhardware. Die Grundlagen (Bell-Zustand, Grover) passen in wenige Zeilen Code.

Was bedeutet Quantenverschränkung?

Verschränkung ist eine Korrelation zwischen zwei oder mehr Qubits, die stärker ist als jede klassische Korrelation. Wenn zwei Qubits im Bell-Zustand sind und du misst eines, erfährst du sofort das Ergebnis des anderen – auch über große Entfernungen. Einstein nannte das „spukhafte Fernwirkung“; der Bell-Test (Nobelpreis 2022 an Aspect, Clauser, Zeilinger) hat bestätigt, dass diese Korrelationen real und nicht klassisch erklärbar sind.

Wann werden Quantencomputer praktisch relevant?

Der Branchenkonsens 2026: Erste ökonomisch relevante Anwendungen – vor allem in der Quantenchemie und Materialwissenschaft – werden in den 2030ern erwartet. Kryptografisch relevante Systeme (RSA-Brechen) liegen wahrscheinlich später, aber die Migration zu Post-Quantum-Kryptografie läuft bereits heute, weil heutiger Traffic später entschlüsselt werden könnte.