Quantencomputing ist ein bedeutender technologischer Trend. In einer aktuellen Studie werden Empfehlungen für den Umgang mit dem Thema und die strategischen Überlegungen zur Einführung untersucht.
Technologie ist nicht erst seit der Digitalisierung ein wichtiger Faktor für Finanzdienstleister. Im Bank Blog finden Sie Studien zu den wichtigsten Trends und Entwicklungen.
Partner des Bank Blogs
Quantencomputing ist ein technologisches Verfahren das derzeit noch in seinen Kinderschuhen steckt. In naher Zukunft könnte es Unternehmen jedoch bahnbrechende, neue Möglichkeiten eröffnen. In einem aktuellen Whitepaper erläutert die Unternehmensberatung BearingPoint Empfehlungen für den Umgang mit dem Thema Quantum Computing und erläutert die strategischen Überlegungen für Unternehmen. Dabei liegt der Schwerpunkt auf der Entwicklung einer Quantum-Governance, einschließlich einer strategischen Roadmap zur unterbrechungsfreien Integration von Quantencomputing in das Geschäftsmodell sowie in den Geschäftsbetrieb. Gezeigt wird auch, wo die Technologie Quantum Computing derzeit steht, wo sie bereits einsetzbar ist, und wann für Firmen der richtige Zeitpunkt ist, ““quantenfähig” zu werden.
Das ist Quantencomputing
Mit Quantencomputing lernen wir eine grundlegend andere Art der Verarbeitung von Daten kennen. Sie implementiert keine streng binäre Logik und verarbeitet nicht nur Einsen und Nullen. Stattdessen verwenden diese Computer quantenmechanische Objekte, so genannte Qubits, und gewinnen durch quantenmechanische Effekte eine potenziell exponentielle Beschleunigung der Berechnung. Einfach formuliert: Eine Datenverarbeitung unvorstellbarer Geschwindigkeit wird möglich.
Die Technologie setzt dort an, wo Unternehmen heutzutage besonders Unterstützung benötigen, nämlich bei riesigen Datenmengen. Strukturierte und vor allem komplexe unstrukturierte Daten werden oft nicht schnell genug oder überhaupt nicht verarbeitet, etwa bei der Clusteranalyse, der Mustererkennung oder der Auswertung von Korrelationen.
Für wen ist Quantum Computing geeignet?
Das Sammeln, Analysieren und Bearbeiten von Daten hat eine hohe Bedeutung für viele gegenwärtige und zukünftige Geschäftsmodelle von Unternehmen. Um die wachsenden Datenmengen schneller verarbeiten zu können, ist ein grundlegender Wandel in der Berechnungstechnologie erforderlich. Sonst drohen Beeinträchtigungen und Wachstumsprobleme.
Bisher setzt man große Hoffnungen vor allem auf Machine Learning. Die bestehenden Ansätze stoßen aber an ihre Grenzen. Neue Technologien auf Grundlage der Quantenmechanik können hier den wichtigen Impuls geben. Es wartet eine exponentielle Beschleunigung der Datenverarbeitung.
Chancen und Grenzen von Machine Learning
Beim Machine Learning geht es meist darum, Muster zu klassifizieren und zu erkennen oder Daten zu clustern, ohne die Prozesse zu imitieren, die die Daten erzeugt haben. Sogenannte generative Algorithmen haben Machine Learnings schon enorm weitergebracht. Inzwischen sind die Maschinen nicht nur in die Lage zu versetzen und Daten auszuwerten, sondern auch beispielsweise effektiv kreativ zu werden.
Eine Möglichkeit, schon heute mit der Zeit zu gehen und erste Verbesserungen für das Unternehmen zu gewinnen, bildet „Generative Adversarial Networks” (GANs). Diese spezifische Methode des Machine Learnings löst einige Probleme, mit denen man bisher beschäftigt war. Mögliche Anwendungsbereiche für GANs sind beispielsweise die Genomanalyse, die Frachtvorhersage, die Betrugserkennung, oder die Modellierung von Finanzdatensätzen.
QuGANS: Die entfesselte Zukunft?
GANs sind leistungsstark, aber die Beschränkungen der traditionellen Datenverarbeitung hemmen ihre Anwendung. Ein Beispiel: Die Erstellung einer realistischen, multivariaten, finanziellen Zeitreihe. Diesen Zeitreihen liegen zufällige Prozesse wie Stationarität, Heteroskedastizität, Strukturbrüche und Ausreißer zugrunde. Für normale Maschinen ist die (Mit-)Berechnung all dieser Aspekte unmöglich.
Was helfen könnte, sind „Quantum Generative Adversarial Networks (QuGANs)”. Sie haben bei der Erzeugung realistischer Finanzkorrelationen einen erheblichen Vorteil haben. Neben der statischen Abhängigkeitsstruktur multivariater Finanzzeitreihen kann der Algorithmus Zeitreihenmerkmale (z.B. Autokorrelation) und Verteilungseigenschaften erfassen.
Bereit für den Quantensprung?
Wann ist der richtige Zeitpunkt für Unternehmen, sich mit Quantencomputing zu beschäftigen? Die einfache Antwort: Besser früher als später. Denn die Algorithmen, die jeweils zur passenden Implementierung nötig sind, müssen erst für jeden Fall einzeln entworfen werden.
Dabei sind Quantenalgorithmen nicht mit klassischen Entwürfen vergleichbar. Es handelt sich vielmehr um einen gänzlich unterschiedlichen Bereich. Es kann mitunter Jahre dauern, das Wissen über das Entwerfen und Denken für Quantenberechnungen zu sammeln und verwertbar zu machen.
Premium Abonnenten des Bank Blogs haben direkten kostenfreien Zugriff auf die Bezugsinformationen zu Studien und Whitepapern.
Noch kein Premium-Leser?
Premium Abonnenten des Bank Blogs haben direkten Zugriff auf alle kostenpflichtigen Inhalte des Bank Blogs (Studienquellen, E-Books etc.) und viele weitere Vorteile.
>>> Hier anmelden <<<
Neu: Tagespass Studien
Sie wollen direkten Zugriff auf einzelne Studien, aber nicht gleich ein Premium-Abonnement abschließen? Dann ist der neue Tagespass Studien genau das richtige für Sie. Mit ihm erhalten Sie für 24 Stunden direkten Zugriff auf sämtliche Studienquellen.
>>> Tagespass Studien kaufen <<<
Ein Service des Bank Blogs
Der Bank Blog prüft für Sie regelmäßig eine Vielzahl von Studien/Whitepapern und stellt die relevanten hier vor. Als besonderer Service wird Ihnen die Suche nach Bezugs- und Downloadmöglichkeiten abgenommen und Sie werden direkt zur Anbieterseite weitergeleitet. Als Premium Abonnent unterstützen Sie diesen Service und die Berichterstattung im Bank Blog.
