Quanten-KI für klassische Roboter

• Das DLR hat eine Methode entwickelt, mit der sich Trainingsvorteile von Quanten-KI auf klassischer Hardware nutzen lassen.
• DLR-Forschende haben dazu eine quantentrainierte KI so modifiziert, dass sie auf herkömmlichen Computern ausführbar ist und dann auf einen Roboter übertragen.
• Hocheffiziente Quantenalgorithmen können künftig das Training von KI vereinfachen und beschleunigen, indem nur das Trainingsergebnis auf Endgeräte übertragen wird.
• Schwerpunkte: Künstliche Intelligenz (KI), Quanten-KI, Quantencomputing, maschinelles Lernen, intelligente Robotik, Verkehr, Logistik, Industrie 4.0, Sicherheit, Cyber-Sicherheit

Das Deutsche Zentrum für Luft- und Raumfahrt (DLR) hat eine Methode entwickelt, mit der sich die Trainingsvorteile künftiger Quanten-KI auch auf klassischer, eingebetteter Hardware nutzen lassen, beispielsweise in der Robotik. Quanten-KI kann schneller und effektiver lernen als klassische KI. DLR-Forschenden ist es gelungen, das Trainingsergebnis einer Quanten-KI erfolgreich auf die Hardware eines herkömmlichen Roboters zu übertragen. Damit öffnen sich neue, hocheffiziente und kostengünstigere Wege für KI bei komplexen und dynamischen Aufgaben. Dazu zählen beispielsweise das maschinelle Lernen, die Logistik oder die Industrie 4.0.

Das DLR-Institut für KI-Sicherheit zeigt auf der Quantum Effects 2026 (Messe Stuttgart, Halle 2, Stand 2E17), wie sich eine übersetzte Quanten-KI in einem Roboter mit Greifarm erfolgreich einsetzen lässt.

Training ist der Wissensschatz von KI

Je besser eine KI trainiert ist, desto größer ist ihr Wissensschatz und umso sicherer kann sie Entscheidungen treffen. Dies bestimmt die Leistung der KI und ist gleichzeitig die größte Herausforderung für ihre Betriebssicherheit. Klassische KI braucht für das Training große Datenmengen und viele Trainingsdurchläufe. Quantencomputer können diesen Lernprozess beschleunigen und vereinfachen - das spart Energie, Zeit, Daten und letztlich Kosten.

Quanten-KI hat ein großes Anwendungspotenzial. Sie bewältigt komplexe und dynamische Aufgaben auch in sich ständig verändernden Umgebungen. Einsatzmöglichkeiten gibt es überall dort, wo hohe Anpassungsfähigkeit oder Interaktion mit Menschen nötig ist. Typische Aufgaben sind der Materialtransport, das Beladen von Maschinen, das Greifen komplexer Gegenstände sowie der Einsatz von Werkzeugen, Montagearbeiten oder das Steuern von Fahrzeugen. Zu künftigen Einsatzgebieten zählt insbesondere die humanoide Robotik, beispielsweise in der Pflege und Medizin bis hin zu Planetenmissionen in der Raumfahrt.

Vorteile künftiger Quanten-KI schon heute nutzen

"Quanten-KI funktioniert nur auf Quantencomputern. Bisher gibt es jedoch noch keinen universell einsetzbaren, fehlerfreien Quantencomputer. Selbst wenn diese künftig verfügbar sind, wird nicht jedes KI-gesteuerte Endgerät mit einem Quantencomputer ausgestattet sein", erklärt Lea Schmitz vom DLR-Institut für KI-Sicherheit.

Um den Trainingsvorteil künftiger Quanten-KI auch auf klassischen Computern und Geräten mit einfacher Hardware nutzen zu können, hat das Institut eine mehrstufige Transfermethode entwickelt und erprobt. Diese Methode übersetzt das Trainingsergebnis einer Quanten-KI in eine für herkömmliche Hardware ausführbare und optimierte Form. Das macht ihren Einsatz auf kleinen, mobilen Geräten mit einfachen Steuerungscomputern erst möglich.

"Unser Ziel ist, quantentrainierte KI künftig losgelöst von Quantencomputern anwenden zu können. Wir sehen große Potenziale beispielsweise in der Automatisierung von Industrieprozessen oder in Robotern, deren Rechenleistung meist deutlich unterhalb der eines normalen PCs liegt, ebenso bei smarten Geräten", sagt Lea Schmitz.

Roboter wechselt Rad mit übersetzter Quanten-KI

Die DLR-Forschenden haben das Transferkonzept erstmals in der Praxis umgesetzt. Sie haben damit gezeigt, dass sich Quanten-KI auf einfache und leichte Standard-Hardware übertragen lässt. Dies ist ein entscheidender Schritt, um mögliche Vorteile von Quanten-KI praktisch nutzen zu können. "Wir demonstrieren dies am Beispiel eines mobilen Kleinroboters, der einen Miniaturreifen greift", beschreibt ihr Kollege Lautaro Hickmann. "Wir haben die Quanten-KI vorab mit Hilfe einer Simulation des Roboters trainiert. Dazu haben wir die Roboterbewegungen aus einer klassischen Simulation mit einer Steuerung durch die Quanten-KI kombiniert."

Die Methode eignet sich besonders für einfache und leicht Hardware in Fahrrobotern, Kränen oder Rovern. Ein weiteres, künftiges Anwendungsfeld sind kleine Geräte im Internet of Things, wie smarte, mit kleinen Computern ausgestattete und vernetzte Geräte im Haushalt bis hin zur Gebäudetechnik. Dort liegt die größte Herausforderung darin, die benötigte Rechenleistung und den Energieverbrauch gering zu halten. Die Transfermethode lässt sich grundsätzlich überall dort anwenden, wo KI eingesetzt wird oder werden soll.

Tensornetzwerk übersetzt Quanten-KI für klassische Hardware

Das Projektteam des DLR hat zunächst die Quanten-KI trainiert. Für ihren Roboter ließ sich das Training auf heute verfügbaren Quantencomputern jedoch noch nicht ausführen. Die Bewegungsabläufe des Greifarms mit fünf Gelenken sind dafür eine zu komplexe Aufgabe. Sie haben deshalb auf einen Softwaresimulator eines Quantencomputers zurückgegriffen. "Wenn wir die quantenphysikalischen Prinzipien wie Superposition und Verschränkung auf einem klassischen Rechner simulieren, können wir natürlich nicht die hohe Effizienz und Geschwindigkeit wie auf einem echten Quantencomputer erreichen. Aber wir können die grundlegenden Prinzipien schon jetzt nachvollziehen", betont Lautaro Hickmann.

Mit sogenannten Tensornetzwerken werden alle Trainingsinformationen der Quanten-KI in eine für klassische Computer ausführbare Form übersetzt. Diese besteht aus mathematischen Strukturen, die geometrische und physikalische Eigenschaften beschreiben. Um die exportierte Quanten-KI auch auf kleinen Geräten einzusetzen, wird das Netzwerk zusätzlich komprimiert und vereinfacht. "Unsere Methode ist bereits heute fertig und lässt sich nutzen, sobald die Quantenhardware zum Training verfügbar ist. Dann wird das Verfahren industriell relevant", ergänzt Lea Schmitz.

Quanten-KI bleibt unter Verschluss

Ein Sicherheitsvorteil der Transfermethode ist, dass das Training der Quanten-KI zentral in einem Rechenzentrum oder Unternehmen erfolgen kann. Die fertig trainierte Quanten-KI bleibt dort unter Verschluss. Nur das Trainingsergebnis wird speziell für die Endgeräte optimiert und bereitgestellt.

Diese Endgeräte benötigen zudem keine Echtzeitverbindung zu einem Quantencomputer in der Cloud. Sie können selbstständig ohne Datenverbindung agieren und sind so vor Cyberangriffen oder Datendiebstahl geschützt. Das ist besonders für die Serienfertigung relevant. Dies schützt die Datensouveränität und ermöglicht den vielfachen Einsatz von Quanten-KI.

Dieser Forschungserfolg des DLR ist ein wichtiges Ergebnis, um Quanten-KI in der Praxis nutzbar zu machen. Der nächste Schritt ist, gemeinsam mit der Industrie die neue Methode auf konkrete Anwendungsfälle und industrielle Hardware abzustimmen und weiterzuentwickeln.

Weiterführende Links

• DLR-Institut für KI-Sicherheit
• Quanten-KI und Ausführungsumgebungen
• Thema im Fokus: Quantentechnologien

Kontakt