Was passiert eigentlich gerade in der Welt der Quantentechnologien? Teil 1

Man hört und liest viel über Quantentechnologien: neue Durchbrüche, Milliardeninvestitionen und große Versprechen für die Zukunft. Doch was davon ist heute schon Realität? Welche Fortschritte gibt es tatsächlich, wo entstehen bereits konkrete Anwendungen und welche Erwartungen sind noch Zukunftsmusik?

Teil 1 | Der technische Fortschritt

Wir beginnen bei der Technik. 2026 gab es neue Ergebnisse zur Fehlerkorrektur, zu logischen Rechenoperationen und zur Verbindung logischer Qubits. Das sind wichtige Fortschritte – aber noch kein universeller Rechner, der nachweislich nützliche Probleme besser löst als klassische Systeme.

Um einzuordnen, was sich wirklich verändert hat, müssen wir zuerst einen Begriff klären, der in Schlagzeilen oft zu schnell verwendet wird: das logische Qubit

Die wichtigste Frage dabei ist garnicht, wie viele Qubits auf einem Chip sitzen. Sondern eher: Wie lange und wie zuverlässig kann das System damit rechnen?

Ein Qubit ist empfindlich und braucht Redundanz

Ein klassisches Bit ist im Alltag gut gegen kleine Störungen geschützt: Es ist entweder 0 oder 1. Ein Qubit kann in einer Überlagerung möglicher Zustände sein. Quantenalgorithmen nutzen dabei nicht einfach „beide Antworten gleichzeitig“, sondern die kontrollierte Entwicklung von Wahrscheinlichkeitsamplituden, Interferenz und Verschränkung. Eine Messung liefert am Ende ein klassisches Ergebnis.

Das Problem: Qubits reagieren empfindlich auf ihre Umgebung und auf Fehler in Steuerung und Messung. Wird ein einzelner physikalischer Qubit gestört, kann die Information verloren oder verfälscht werden. Klassische Computer begegnen Fehlern mit Redundanz und laufenden Prüfungen. Quantencomputer müssen etwas Ähnliches erreichen, ohne den empfindlichen Quantenzustand durch die Prüfung selbst zu zerstören.

Weg vom physikalischen Qubit zum nützlichen Quantenrechner Fünf Stufen: physikalische Qubits, Fehlerkorrektur, logische Operationen, viele skalierbare logische Qubits, überprüfter Nutzen für eine reale Aufgabe. 1 Physikalische Qubits 2 Fehler erkennen und korrigieren 3 Logische Operationen 4 Viele zuverlässige logische Qubits 5 Vorteil bei einer realen Aufgabe Jede Stufe braucht einen eigenen Nachweis. Ein Meilenstein auf Stufe 2 beweist noch keinen Vorteil auf Stufe 5.

Die Stufen sind ein redaktionelles Erklärmodell, keine offizielle Industrienorm.

Was macht ein logisches Qubit?

Ein physikalisches Qubit ist ein konkreter, kontrollierter Quantenzustand in einer Hardwareplattform – etwa einem supraleitenden Schaltkreis, einem gefangenen Ion oder einem neutralen Atom. Ein logisches Qubit ist Information, die über einen Fehlerkorrekturcode geschützt wird. Dafür nutzt man mehrere physikalische Freiheitsgrade und misst wiederholt bestimmte Fehlermerkmale.

Wichtig ist: Die Messungen sollen Hinweise auf Fehler liefern, ohne direkt auszulesen, ob die geschützte logische Information 0 oder 1 ist. Ein klassischer Decoder wertet die Messfolge aus und bestimmt, welche Korrektur nötig ist. Im Idealfall bleibt die logische Information stabiler, als sie es in ihren einzelnen physikalischen Bestandteilen wäre.

Ein häufiger Weg ist der Surface Code: physikalische Qubits liegen in einem Gitter; wiederkehrende Paritätsprüfungen liefern ein Muster, aus dem ein Decoder Fehler ableitet. Andere Ansätze kodieren Information zum Beispiel in mehreren Zuständen eines Oszillators (bosonische Codes) oder nutzen besonders gut erkennbare Fehlerarten.

Schematische Fehlerkorrektur eines logischen Qubits Links ein logischer Zustand, in der Mitte ein 3 mal 3 Gitter physikalischer Qubits mit einem markierten Fehler, rechts wiederholte Prüfungen und ein Decoder, der eine Korrektur ableitet. Geschützte Information 1 logisches Qubit |ψL⟩ Information bleibt kodiert Physikalische Träger Beispielgitter – stark vereinfacht ! Prüfen und korrigieren Syndrom → Decoder → Aktion Prüfung 1: 0 0 1 Prüfung 2: 0 1 1 Decoder schätzt Fehler Korrektur / Update Die Prüfbits verraten etwas über Fehler – nicht einfach den gespeicherten logischen Wert.

Das Gitter zeigt das Prinzip, keine konkrete Qubit-Zahl oder vollständige Surface-Code-Implementierung.

Fehlerkorrektur ist ein Prozess, kein Schutzschild

Fehlerkorrektur bedeutet nicht, dass Qubits unverwundbar werden. Sie fügt selbst Operationen, Messungen und Steuerungsaufwand hinzu. Wenn die Grundbausteine zu fehlerhaft sind, kann die zusätzliche Korrekturlogik sogar neue Fehler einführen. Erst wenn die Hardware unter einer bestimmten Fehlerschwelle arbeitet und die Korrektur gut genug implementiert ist, kann ein größerer Code die logische Information im Mittel besser schützen.

Konzeptionelle Fehlerkorrektur-Schwelle Ein konzeptioneller Graph zeigt, dass bei physischen Fehlern oberhalb der Schwelle eine größere Codegröße den logischen Fehler verschlechtern kann, unterhalb der Schwelle sinkt der logische Fehler mit zunehmender Codegröße. Keine Messdaten. Mehr Qubits helfen nur, wenn die Bausteine gut genug sind Qualität des physikalischen Qubits → Logischer Fehler (schematisch) ↑ höher ↓ niedriger Schwelle kleiner Code mittlerer Code größerer Code Illustration des Prinzips – keine gemessenen Daten und keine universelle Schwelle für alle Architekturen.

Was wurde tatsächlich gezeigt?

Im Dezember 2024 berichtete Google für seinen supraleitenden Willow-Prozessor, dass die logische Fehlerwahrscheinlichkeit beim Vergrößern des Surface Codes von einem 3×3- auf ein 5×5- und 7×7-Gitter sank. Das ist ein wichtiger Nachweis, dass Fehlerkorrektur in diesem Experiment „unterhalb der Schwelle“ arbeiten kann: Größere Kodierung brachte dort weniger logische Fehler. Das Resultat belegt nicht, dass beliebig große Berechnungen schon zuverlässig möglich sind; es zeigt einen entscheidenden Baustein auf dem Weg dorthin.

Seitdem hat sich die Forschung verbreitert. 2026 wurden unter anderem Fehlerkorrektur und logische Operationen in neutralen Atomen demonstriert, ein einzelnes gefangenes Ion mit einem bosonischen logischen Zustand autonom korrigiert und lernende Steuerung genutzt, um Drift während der Fehlerkorrektur auszugleichen. In einem Willow-Experiment verbesserte ein Reinforcement-Learning-Verfahren die logische Stabilität gegenüber gezielt eingebrachtem Drift um den Faktor 3,5. Solche Ergebnisse zeigen, dass der Engpass nicht nur die Qubit-Physik ist: Steuerung, Kalibrierung und Decoder gehören genauso zum Rechner.

Im Oktober 2026 meldete eine begutachtete Arbeit zu einem bosonischen logischen Qubit universelle logische Gates, deren Infidelität unter Photonverlust-Bedingungen um den Faktor fünf sank. Ein weiterer 2026er Versuch mit dual-rail supraleitenden Qubits zeigte logische Verschränkung bis hin zu einem Drei-Qubit-GHZ-Zustand. Das sind unterschiedliche Experimente mit unterschiedlichen Fehler- und Erfolgsdefinitionen. Man sollte die Kennzahlen deshalb nicht direkt gegeneinander ranken.

Ausgewählte Fehlerkorrektur-Fortschritte 2024 bis 2026 Drei unabhängige Forschungsergebnisse: Google Surface-Code-Skalierung, lernende Steuerung bei Drift, und logische Gates beziehungsweise Entanglement in anderen Kodierungen. Werte und Plattformen sind nicht direkt vergleichbar. Fortschritt heißt mehr als „Qubits zählen“ 2024 · Google / Willow 3×3 → 7×7 Surface-Code-Gitter Logischer Fehler sank, als der Code größer wurde. Frage: Hilft Skalierung der Fehlerkorrektur in diesem System? 2026 · Adaptive Steuerung 3,5× stabiler gegen gezielt eingebrachten Drift Fehlerkorrektur-Messungen steuern die Kalibrierung mit. Frage: Wie bleibt das System während der Rechnung eingestellt? 2026 · Logische Operationen Gates + Verschränkung Mehrere Codes / Plattformen Kleine logische Schaltkreise werden experimentell möglich. Frage: Kann man geschützte Qubits tatsächlich miteinander nutzen? Beispielwerte stammen aus einzelnen Experimenten und sind nicht direkt vergleichbar.

Ein logisches Qubit ist noch kein fehlertoleranter Computer

Ein Speicher, der einen logischen Zustand länger hält, ist ein wichtiger Schritt. Für Rechnen braucht man zusätzlich zuverlässige logische Gates, Verschränkung zwischen logischen Qubits, Fehlerkorrektur während langer Schaltkreise, schnelle Decoder und ausreichend viele Qubits für die Anwendung.

Eine aktuelle Definition von „skalierbaren logischen Qubits“ fordert deshalb nicht nur eine gespeicherte Information, sondern wiederholte Fehlerkorrektur, universelle fehlertolerante Operationen, schnelle Echtzeit-Auswertung und die Fähigkeit, auf Hunderte oder Tausende logische Qubits zu erweitern. Das ist ein nützlicher Maßstab für die nächsten Jahre – und er zeigt zugleich, wie viele Systembausteine noch zusammenkommen müssen.

Reifegrad von einem logischen Qubit bis zur skalierbaren fehlertoleranten Maschine Fünf Stufen: logischer Speicher, logisches Einzelqubit-Gate, Verschränkung zwischen logischen Qubits, wiederholte Fehlerkorrektur in Schaltkreisen, skalierbare universelle logische Maschine. Jeder Schritt erhöht den Nachweisumfang. Von „kodiert“ zu „rechnet fehlertolerant“ 1 · Speicher Zustand stabilisieren 2 · Logisches Einzelgate geschützte Operation 3 · Logische Verschränkung mehrere Qubits gemeinsam nutzen 4 · Wiederholte Korrektur während tiever Schaltkreise 5 · Skalierbare universelle Maschine viele logische Qubits niedrige logische Fehler Echtzeit-Decoder universelle Gates Ein Fortschritt auf einer Stufe ist wichtig – ersetzt aber nicht die Nachweise der folgenden Stufen.

Ein Durchbruch kann wissenschaftlich groß und kommerziell noch klein sein

„Quantum Advantage“ wird für verschiedene Arten von Resultaten verwendet. Die Unterschiede sind wichtig:

  1. Rechenbenchmark: Ein Quantenprozessor bewältigt eine speziell gewählte Aufgabe, die klassische Rechner nur mit großem Aufwand nachbilden können.
  2. Wissenschaftlicher Vorteil: Das Gerät liefert einen verlässlichen Mess- oder Simulationseinblick in ein physikalisches System.
  3. Wirtschaftlicher Vorteil: Ein Kunde löst eine reale Aufgabe mit besserem Gesamtaufwand, besserer Genauigkeit, niedrigerem Preis oder höherem Nutzen als mit der besten klassischen Alternative.

Google berichtete 2025 mit „Quantum Echoes“ einen überprüfbaren Vorteil auf einer speziellen OTOC-Aufgabe. Das Experiment nutzte 65 Qubits von Willow; Google verglich eine rund zweistündige Quantenrechnung mit einer geschätzten klassischen Laufzeit von etwa 13.000-mal länger. Das ist ein bemerkenswerter Benchmark und ein Schritt zu überprüfbaren Experimenten. Google selbst stellte es nicht als gelöstes Industrieproblem dar. Die Verbindung zu Anwendungen wie Hamiltonian Learning ist ein Forschungspfad, kein bereits belegter Produktivfall.

2026 rückten zudem Validierung und Vertrauen stärker in den Vordergrund. IBM und Partner veröffentlichten Arbeiten, die bei schwer klassisch nachrechenbaren Aufgaben die Verlässlichkeit des Rechenprozesses absichern sollen. Das ist ein wichtiger methodischer Schritt: Sobald ein klassischer Rechner nicht mehr jede Antwort exakt prüfen kann, braucht man neue Wege, Resultate zu vertrauen. Auch das beantwortet aber noch nicht automatisch die Frage, ob ein Unternehmen damit Zeit oder Geld spart.

Drei Evidenzstufen von Quanten-Vorteil Drei nebeneinanderliegende Stufen: künstlicher Benchmark, wissenschaftlicher Nutzen, wirtschaftlicher Vorteil. Mit jeder Stufe steigen Anforderungen an relevante Aufgabe, unabhängige Validierung und Kosten-Nutzen-Beleg. „Schneller“ – aber bei welcher Aufgabe? 1 · Benchmark-Vorteil Gezielte Testaufgabe gegen klassische Simulation Zeigt technische Trennung bei genau dieser Aufgabe. 2 · Wissenschaftlicher Nutzen Neuer Mess- oder Simulationseinblick Braucht belastbare fachliche Validierung. 3 · Wirtschaftlicher Vorteil Echte Aufgabe, echte klassische Baseline Netto-Nutzen wiederholt und produktiv belegt. Ein Erfolg auf Stufe 1 oder 2 ist keine Abkürzung zum Nachweis auf Stufe 3.

Warum mehrere Hardware-Wege parallel laufen

Es gibt nicht den einen offensichtlichen Qubit-Typ. Plattformen unterscheiden sich in Fehlern, Geschwindigkeit, Konnektivität, Temperatur, Fertigung und Steuerung. Ein System mit weniger Qubits kann für bestimmte Aufgaben interessant sein, wenn seine Qubits besonders zuverlässig oder gut miteinander verbunden sind. Eine größere Zahl kann wenig bedeuten, wenn Fehler zu schnell wachsen.

  • Supraleitende Schaltkreise: schnelle Operationen und starke Chip-Integration; brauchen Kryotechnik und sehr präzise Steuerung.
  • Gefangene Ionen: lange Kohärenz und hohe Kontrolle; Verbindungen zwischen vielen Ionen und schnelles Skalieren bleiben Systemfragen.
  • Neutrale Atome: rekonfigurierbare Arrays und viele kontrollierbare Atome; Verlust, Bewegung und Gate-Qualität müssen bei Skalierung beherrscht werden.
  • Bosonische Codes: speichern geschützte Information in mehreren Zuständen eines Oszillators; können bestimmte Fehler effizient abfangen, benötigen aber ebenfalls verlässliche logische Gates.
  • Photonik und Halbleiter-Spin: bieten interessante Wege zu Vernetzung beziehungsweise Fertigungsnähe; verlustarme, reproduzierbare Komponenten und Kontrolle bleiben zentral.
Vergleich der Quantencomputer-Plattformen Eine tabellarische Gegenüberstellung von supraleitenden Qubits, gefangenen Ionen, neutralen Atomen, bosonischen Codes sowie Photonik und Spin hinsichtlich ihrer Vor- und Nachteile. Jede Plattform tauscht Vorteile gegen neue Engpässe Supraleitende Gefangene Ionen Neutrale Atome Bosonische Codes Photonik & Spin Vorteile (+) Schnelle Gates Chip-Integration Hohe Kontrolle Lange Kohärenz Große, rekon- figurierbare Arrays Effiziente Kodierung bestimmter Fehler Vernetzung / Fertigungsnähe Engpässe (-) Kryotechnik Crosstalk Verkabelung Gates/Skalierung Modulare Optik Verlust, Bewegung Gate-Qualität Zuverlässige Gates und Skalierung Verluste, Kontrolle Reproduzierbarkeit Beispiele & Basis Google · IBM IQM u. a. Quantinuum IonQ u. a. QuEra · Pasqal Atom Computing Oszillatorzustände auf mehreren Plattf. Ansätze mit untersch. Reifegraden Schematische Einordnung, keine Rangliste. Leistung hängt von konkreter Architektur und Anwendung ab.

Was ist also der aktuelle Stand?

Die gute Nachricht: Fehlerkorrektur ist vom rein theoretischen Ziel zu wiederholten Experimenten mit messbarem Nutzen übergegangen. Forschungsteams zeigen stabilere logische Speicher, logische Gates, Verschränkung, bessere Fehlererkennung und adaptive Steuerung. Und sie tun das auf unterschiedlichen Plattformen.

Die offene Baustelle: Diese Bausteine sind noch nicht zu einem großen, universellen, zuverlässig fehlertoleranten Rechner zusammengesetzt. Ein logisches Speicherexperiment ist nicht automatisch ein logischer Prozessor. Ein logisches Gate beweist nicht automatisch eine lange fehlertolerante Rechnung. Und ein wissenschaftlicher Benchmark ist noch kein wirtschaftlicher Vorteil.

Das Wichtigste in einem Satz

Fehlerkorrektur und logische Rechenbausteine funktionieren in immer aussagekräftigeren Experimenten und die entscheidende nächste Aufgabe ist, daraus viele zuverlässige logische Qubits für nachweisbar nützliche Rechnungen zu machen.

Im nächsten Teil: Wer zahlt heute schon für Quantentechnologien und was zählt als echter kommerzieller Erfolg?

Quellen und weiterführende Links

Hinweis: Die Beispiele beschreiben unterschiedliche Plattformen, Codes und Messgrößen. Sie sind als Fortschrittsbelege ausgewählt, nicht als direkte Rangliste.