Quantencomputing: Use Cases für die Zukunft der Datenverarbeitung

Risikobewertung und Portfoliooptimierung

Risikobewertung und Portfoliooptimierung liegen im Herzen aller erfolgreichen Finanzstrategien. Der Prozess beinhaltet die Analyse unzähliger Kombinationen von Anlagemöglichkeiten, mit dem Ziel, ein optimales Gleichgewicht zwischen Risiko und Rendite zu finden. Sobald die Anzahl der Assets steigt, führt dies schnell zu einer exponentiell sehr herausfordernden Aufgabe für klassische Computer.

Hier kommt Quantencomputing ins Spiel. Dank der Fähigkeit, die Prinzipien der Überlagerung und Verschränkung zu nutzen, können Quantencomputer riesige Datenmengen gleichzeitig verarbeiten. Quantenalgorithmen, wie der Quantum Approximate Optimization Algorithm (QAOA), sind in der Lage, vielschichtige Finanzdaten effizienter zu verarbeiten. Sie können optimale Portfolios in einem Bruchteil der Zeit identifizieren, die traditionelle Algorithmen benötigen.

Das Erstellen eines optimalen Portfolios mit einem Quantencomputer basiert auf der Verwendung genau dieser QAOAs. Ziel ist es, die optimale Kombination von Assets zu finden, die die Rendite maximiert und das Risiko minimiert. Eine Aufgabe, die aufgrund der großen Anzahl potenzieller Asset-Kombinationen und der probabilistischen Natur von Renditen und Risiken äußerst komplex ist.

Vereinfacht formuliert werden QAOAs in diesem Fall wie folgt genutzt:

1. Jedes potenzielle Portfolio wird als Quantenzustand dargestellt. Ein Quantencomputer kann mit seinen Qubits eine Überlagerung dieser Zustände halten und  aufgrund des Prinzips der Überlagerung effektiv alle möglichen Portfolios auf einmal betrachten.
2. Jedes potenzielle Portfolio wird anhand einer vorbestimmten Kostenfunktion mit Kosten belegt, die das Gesamtrisiko des Portfolios widerspiegeln.
3. Der Quantenalgorithmus versucht, diese Kostenfunktion zu minimieren. Dies geschieht durch die Anwendung einer Reihe von Quantenoperationen (auch als Gates bekannt), um den Zustand der Qubits zu manipulieren. Diese Gates werden in einem iterativen Prozess wiederholt angewendet, wobei das System jedes Mal ein wenig näher an den Zustand herangeführt wird, der das optimale Portfolio darstellt.
4. Quanteninterferenz wird genutzt, um die Wahrscheinlichkeit des optimalen Portfolios zu maximieren und die Häufigkeit weniger wünschenswerter Portfolios zu reduzieren.
5. Nach einer Anzahl von Iterationen wird der Quantenzustand gemessen, wodurch die Überlagerung der Zustände aufgrund des quantenmechanischen Prinzips der Messung auf einen einzigen Zustand reduziert wird. Mit einem gut eingestellten Algorithmus sollte dieser Zustand mit hoher Wahrscheinlichkeit dem optimalen Portfolio entsprechen.
6. Der Quantencomputer liefert dann das optimale Portfolio als Ausgabe, das zur Informationsbasis für Investitionsentscheidungen genutzt werden kann.

Diese Methode übertrifft traditionelle Computer-Algorithmen, die in der Regel jede Portfolio-Kombination sequenziell testen müssen. Genau das kann bei großen Mengen von Assets rechenintensiv und zeitaufwendig sein.

Auch wenn dieser Prozess großes Potenzial hat, muss unbedingt erwähnt werden, dass er immer noch Gegenstand der laufenden Forschung ist. Aufgrund technologischer Einschränkungen von Quantencomputern kann er aktuell noch nicht vollständig in die Praxis umgesetzt werden. Zudem machen es die momentanen Kosten und die Komplexität des Betriebs eines solchen Systems nahezu unmöglich, es großflächig einzusetzen.

Weitere Anwendungssituationen liegen dennoch auf der Hand: Monte-Carlo-Simulationen, die in der Finanzwelt häufig zur Risikobewertung eingesetzt werden, könnten durch Quantencomputing erheblich verbessert werden. Monte-Carlo-Simulationen verwenden zufällige Stichproben, um numerische Größen zu schätzen, die deterministisch schwer zu berechnen sind. In ganz einfachen Worten erstellt eine Monte-Carlo-Simulation eine Verteilungskurve durch einen interaktiven Prozess früherer Simulationen. Diese Prozesse können auf konventionellen Computern sehr rechenintensiv und langsam sein.

Diese Simulationen Kurven werden oft zur Options-  und Portfolio-Bewertung eingesetzt. Die Preise einer zugrunde liegenden Aktie werden für jeden möglichen Preisweg simuliert und die Optionserträge für jeden Weg bestimmt. Der Optionspreis ist dann der Durchschnitt der auf heute diskontierten Wege. Bei der Portfolio-Bewertung modelliert eine Monte-Carlo-Simulation alle Faktoren, die den Preis des Portfolios beeinflussen. Dann wird der Durchschnittswert aller Simulationen beobachtet, der den Durchschnittswert des gesamten Portfolios liefert. Die Ausgabe ist dann genau diese Dichtefunktion, die die wahrscheinlichsten Preise und die Wertverteilung um den Durchschnitt anzeigt.

Quantencomputer können mit ihren überlegenen Verarbeitungsmechanismen diese Simulationen schneller und genauer ausführen. Das führt zu zuverlässigeren Risikobewertungen. Eine 2015 in der Royal Society veröffentlichte Studie hat gezeigt, dass die Nutzung von Quantencomputing die Berechnungszeit deutlich reduzieren kann. Im Zentrum dieses Fortschritts stehen Quantum Walks. Einfach gesagt handelt es sich bei den Quantum Walks um Zufallsspaziergänge auf endlichen Graphen, die in die Quantenwelt übertragen wurden. Sie konvergieren nicht zu irgendeiner stationären Verteilung, da sie unitär und umkehrbar sind. Die Berechnungszeiten sind im Vergleich zu normalen Zufallsspaziergängen deshalb deutlich schneller. Wenn du den ersten Blogartikel zu Quantencomputern gelesen hast, dann fällt dir sicher auf, dass die Quanten-Walks eng mit der Überlagerung der Qubits verbunden sind.

Trading und Preisbildung von Vermögenswerten

Auf den Finanzmärkten finden jede Sekunde unzählige Transaktionen statt. Dies erfordert ebenso schnelle und präzise Entscheidungen – eine Herausforderung, die Quantencomputer perfekt meistern können.

Traditionelle Algorithmen scheitern oft, wenn sie versuchen, mit Echtzeit-Marktdaten Schritt zu halten. Das führt zu verzögerten Entscheidungen und verpassten Renditechancen. Quantencomputer hingegen können Echtzeitdaten schnell verarbeiten und analysieren, was bessere Entscheidungen ermöglicht. Dies beschränkt sich nicht nur auf den direkten Handel. Durch die größere Vielfalt an Daten, die Quantencomputer gleichzeitig nutzt, könnten in Zukunft weit fortgeschrittenere Algorithmen bei der Preisgestaltung von Vermögenswerten eingesetzt werden.

Quantencomputer können helfen, den „Fluch der Dimensionalität“ zu überwinden, der oft die Finanzmodellierung plagt. Dieses Phänomen bezieht sich auf den exponentiellen Anstieg der Rechenkomplexität, wenn die Anzahl der Variablen in einem Modell steigt. Bei der Preisgestaltung im Optionshandel muss beispielsweise eine Vielzahl von Variablen berücksichtigt werden: a) der Preis des Vermögenswerts, b) der Ausübungspreis, c) die Zeit bis zum Verfall, die Zinssätze und d) die Volatilität. Quantencomputer können diese hochdimensionalen Daten effizienter, genauer und schneller verwalten.

Es gibt jedoch bereits Stimmen, die den Einsatz von Quantencomputern bei der Bepreisung von Assets differenzierter betrachten. Laut Tristan Fletcher, Mitbegründer des auf KI-Prognosen spezialisierten Unternehmens ChAI, sagte, ist der Einsatz von Quantencomputing am wahrscheinlichsten, um schwierige Finanzprobleme zu lösen. Die Nutzung der Schnelligkeit dieser Berechnungen für das Echtzeit-Trading sieht er erst an zweiter Stelle: . „Wir sind bereits an den Grenzen dessen angelangt, was ein System, das nicht auf Opec-Sitzungen und Fünfjahrespläne achtet, leisten kann.“

Obwohl die Integration von Quantencomputing in den Finanzsektor noch in einem frühen Stadium  steckt und Herausforderungen bestehen, versprechen die potenziellen Vorteile, z. B. im Bereich der Risikobewertungen, optimierten Portfolios und die Fähigkeiten bei der Preisgestaltung eine vielversprechende Zukunft.

Quantencomputing birgt sowohl ein signifikantes Versprechen als auch eine potenzielle Bedrohung für die Welt der Kryptografie und der Cybersicherheit.

Quantenschlüsselverteilung

Die Quantenschlüsselverteilung (QKD) ist ein hochmodernes kryptografisches Verfahren, das die sichere Weitergabe von Daten zwischen zwei Parteien ermöglicht. Im Mittelpunkt dieses Verfahrens steht die Weitergabe von codierten Informationen über einen Quantenkanal. Interessanterweise führt aufgrund der inhärenten Eigenheiten der Quantenmechanik jeder Versuch des Abfangens oder Messung der Daten zu einer unwiderruflichen Transformation des Datensatzes. Auch hier wird die Verbindung zu den Qubits deutlich. Denn wird ihr Zustand gemessen, können sie sich nicht mehr in Überlagerung befinden. Die Empfänger:innen erkennen diese Anomalie und entlarven damit die Angreifer:innen leicht. Die charakteristische Eigenschaft von QKD ist seine theoretische Unbesiegbarkeit gegen Angriffe, was es zu einer mächtigen Waffe im Arsenal der nächsten Generation der Cybersicherheit macht.

Ist die klassische Kryptografie in Gefahr?

Andererseits stellen Quantencomputer eine mögliche Bedrohung für die klassische Kryptografie dar. Speziell für Quantencomputer entwickelte Algorithmen haben das Potential, die weit verbreitete RSA-Verschlüsselung in extrem kurzer Zeit zu entschlüsseln – eine Aufgabe, die für klassische Computer eine unüberwindbare Herausforderung darstellt.

Moderne Verschlüsselungsprotokolle, wie zum Beispiel RSA und ECC, basieren auf der rechenintensiven Zerlegung großer Zahlen in ihre Primfaktoren oder der Berechnung diskreter Logarithmen. Das Multiplizieren zweier Zahlen miteinander kann in jeder Größe mit Stift und Papier gelöst werden. Die Zerlegung derselben Zahl in ihre Primfaktoren funktioniert mit den heutigen mathematischen Möglichkeiten faktisch nur durch Annäherung und Ausprobieren. Diese Aufgaben stellen eine hohe Anforderung für klassische Computer dar und sind faktisch fast unlösbar. Durch die effiziente Faktorisierung dieser Zahlen kann Shor’s Algorithmus diese Verschlüsselungsschemata potenziell brechen.

Betrachten wir einen klassischen Computer mit vier Bits. Da klassische Bits nur zu einem Zeitpunkt in einem Zustand sein können, können diese Computer gleichzeitig nur 2^4=16 Möglichkeiten speichern. Deshalb dauert es bei klassischen Computern derart lange, Zahlen in Primfaktoren zu zerlegen, wie es bei der RSA-Verschlüsselung gefordert ist. Für einen Quantencomputer gelten andere Standards. Ein Quantencomputer mit vier Qubits kann im Zustand der Überlagerung gleichzeitig alle 16 möglichen Kombinationen darstellen. Mit diesem Wissen und Shor’s Algorithmus im Hinterkopf kann der Quantencomputer gleichzeitig über eine Million Werte speichern (2^20 = 1.048.576). Eine große Bedrohung für die Sicherheit von Informationen, die mit klassischen Methoden verschlüsselt sind.

Wir halten fest: Einerseits bietet Quantencomputing die Möglichkeit, dank Techniken wie QKD sichere Kommunikation zu revolutionieren. Andererseits ist es eine potentielle Bedrohung für bestehende Verschlüsselungspraktiken. Es unterstreicht die Dringlichkeit der Entwicklung von quantenresistenten Algorithmen.

Die Anwendungsbereiche von Quantencomputing umfassen außerdem die wichtigsten Probleme unserer Zeit, darunter die Klimakrise. Angesichts des komplexen Geflechts an zu beurteilenden Faktoren und der enormen Menge an zu analysierenden Daten sind Klimastudien und die Kreation wirksamer ökologischer Strategien und Lösungen gewaltige Aufgaben.

Verbesserung von Klimamodellen & -simulationen

Um Klimaprognosen zu erstellen, müssen komplex vernetzte Systeme simuliert werden. Sie umfassen Elemente wie atmosphärische Muster, Ströme in den Weltmeeren und biologische Ökosysteme. Um genaue Vorhersagen über Klimaveränderungen und ein Verständnis für die möglichen Auswirkungen zu erhalten, müssen wir eine umfangreiche Reihe von Variablen verwalten und deren Interaktionen schätzen oder messen. Eine Aufgabe, die wie gemacht ist für den Einsatz von Quantencomputern.

Quantencomputer könnten mit ihren Fähigkeiten zur gleichzeitigen Verarbeitung und Analyse von riesigen Datensätzen die Klimasimulationen revolutionieren. Ihre Fähigkeit, komplexe Simulationen zu bewältigen,könnte zu genaueren Klimavorhersagen führen. Dieses detaillierte Verständnis von Klimatrends ist unerlässlich für fundierte Entscheidungen in der Klimapolitik und die strategische Planung neuer Aktionsansätze oder der Verbesserung und Optimierung aktueller Ansätze.

Katalysator für umweltfreundliche Technologien

Quantencomputing könnte auch als Katalysator in der Entwicklung von grünen Technologien dienen. Die Technologie  kann neue Wege zu Materialien und Prozessen liefern, welche ihrerseits energieeffizienter sind. Quantencomputer werden u. a. dabei helfen, überlegene Solarzellen zu entwerfen. Das Prinzip, auf dem Solarzellen arbeiten, der photovoltaische Effekt, ist bereits ein quantenmechanischer Prozess. So passt die Anwendung von Quantencomputern perfekt auf diesen Use Case.

Die Simulation dieses Prozesses auf einem Quantencomputer könnte ein Maß an Genauigkeit erreichen, das über das hinausgeht, was klassische Computer derzeit leisten können. Algorithmen wie der Variational Quantum Eigensolver (VQE) können Simulationen durchführen, die diese Prozesse untersuchen. Ein VQE kann den niedrigsten Energiezustand eines Moleküls ermitteln, eine kritische Eigenschaft, wenn man vorhersagen will, wie dieses Molekül reagieren wird. Durch eine genauere Simulation verschiedener Materialien und Konfigurationen könnten Forscher:innen neue Materialien oder Strukturen entdecken, die die Effizienz, Langlebigkeit oder Wirtschaftlichkeit von Solarzellen verbessern.

Aber auch Stromnetze werden von den Eigenschaften der Quantencomputer profitieren. Stell dir ein Stromnetz als ein riesiges Puzzle vor, eines mit unzähligen Variablen, die Kraftwerke, Übertragungsleitungen und die schwankenden Anforderungen der Verbraucher:innen umfassen. Das Balancieren von Angebot und Nachfrage in einem solchen System, insbesondere einem mit erneuerbaren Energiequellen, ist eine komplexe Optimierungsaufgabe, die selbst die leistungsfähigsten klassischen Computer an ihre Grenzen bringen kann.

Wenn man tiefer in die Details eintaucht, können Quantenalgorithmen wie der Quantum Approximate Optimization Algorithm (QAOA) optimale Lösungen für diese Energiesysteme finden. So kann ein Quantencomputer, der QAOA ausführt, die effizienteste Route zur Verteilung von Strom erarbeiten, Energieverluste reduzieren und die betriebliche Effizienz des Netzes maximieren.

Quantencomputing steckt noch in den Kinderschuhen und sieht sich einer Vielzahl von Hürden gegenüber. Die Quantensysteme von heute sind fehleranfällig und erfordern bestimmte, schwer aufrechtzuerhaltende Bedingungen, wie zum Beispiel ultrakalte Umgebungen. Die Hardware muss zudem stark isoliert werden, um externe Störungen zu vermeiden. Infolgedessen sind Quantencomputer extrem empfindlich, und ihre Quantenzustände werden leicht durch Umgebungsgeräusche gestört. Das kann dann im Umkehrschluss zu fehlerhaften Berechnungen und Simulationen führen.

Außerdem ist die Zeitspanne, während die Qubits ihren Quantenzustand aufrechterhalten, extrem kurz. Oft in Mikrosekunden gezählt, stellt diese Begrenzung eine erhebliche Einschränkung für die Dauer und Komplexität von Rechenaufgaben dar. Auch das Programmieren von Quantencomputern ist eine gigantische Herausforderung. Quantenalgorithmen erfordern ein ausgeklügeltes Verständnis von Quantenphysik und fortgeschrittenen mathematischen Konzepten. So ist das Programmieren dieser Maschinen nicht mit dem Programmieren von klassischen Computern zu vergleichen.

Dennoch ist das revolutionäre Versprechen des Quantencomputing ungeschmälert. Wir sehen stetige Fortschritte bei der Verbesserung der Stabilität von Qubits, der Erhöhung der Kohärenzzeiten und der Entwicklung robuster Quantenprogrammiersprachen. Diese Fortschritte bereiten den Weg zu zuverlässigeren und effizienteren Quantencomputing-Systemen.

Trotzdem ist es schwierig vorherzusagen, wann voll funktionsfähige, fehlerfreie Quantencomputer Realität sein werden. Aber es gibt ein Gleichgewicht, das zwischen klassischen Computern und voll funktionsfähigen Quantencomputern gefunden werden kann. Die unvollkommenen Quantenmaschinen von heute, als Noisy Intermediate-Scale Quantum (NISQ) Geräte bezeichnet, können für bestimmte Aufgaben Rechenvorteile bieten und als nützliches Testfeld für Quantenalgorithmen dienen. In seinem Paper aus dem Jahr 2008 stellte John Phillip Preskill fest, dass ein Quantencomputer mit einer Anzahl von Qubits von 50 bis 100 besser funktionieren kann als die heutigen digitalen Maschinen, auch wenn sie vollständig dem aktuellen Stand der Umgebungsgeräusche ausgesetzt sind.

Auch wenn die vollständige Nutzung des universellen Quantencomputers in der Finanzbranche, der Klimaforschung und der Kryptografie eine schwierige Aufgabe zu sein scheint, ist das Potenzial der Technologie klar. Aber auch geringerer Zeit für Forschung und Entwicklung neuer ökologischer Materialien sind realisierbar. Mit erhöhter Rechengeschwindigkeit kann der Einfluss des Quantencomputing auf die Finanzbranche, die Art und Weise, wie Vermögenswerte bewertet und Portfolios beurteilt werden, revolutionieren. Eines der größten Innovationspotenziale liegt in der Kryptografie, wo das Quantencomputing sowohl eine Bedrohung als auch eine Chance für die digitale Sicherheit darstellt! Aber auch weitere Use Cases im Bereich der Arzneimittelforschung und der personalisierten Medizin sind denkbar.