{"id":99593,"date":"2025-06-10T10:12:26","date_gmt":"2025-06-10T10:12:26","guid":{"rendered":"https:\/\/www.novarion.systems\/event\/pqml-quantencomputing\/"},"modified":"2025-06-10T10:21:33","modified_gmt":"2025-06-10T10:21:33","slug":"pqml-quantencomputing","status":"publish","type":"tribe_events","link":"https:\/\/www.novarion.systems\/de\/event\/pqml-quantencomputing\/","title":{"rendered":"PQML – Quantencomputing"},"content":{"rendered":"

[vc_row][vc_column width=“1\/1″][vc_column_text uncode_shortcode_id=“185851″]<\/p>\n

Unser Beitrag zur CO2-Reduktion<\/h2>\n

PQML wurde gegr\u00fcndet, um eine \u00f6sterreichische Plattform f\u00fcr den Einsatz von Maschinellem Lernen (\u201eKI\u201c) unter Nutzung von (hybridem) Quantencomputing bereitzustellen. Die Plattform soll insbesondere \u00f6ffentlichen Forschungseinrichtungen, Universit\u00e4ten und gro\u00dfen Konzernen zug\u00e4nglich gemacht werden, um:
Eine Vernetzung der Akteure und den Austausch von Forschungsergebnissen zu f\u00f6rdern.
Machine-Learning-Modelle, die bisher mit klassischen Methoden berechnet wurden, in einem Quantencomputing-Umfeld neu zu berechnen.<\/p>\n

Vorteile von Machine-Learning-Modelle in einem Quantencomputing-Umfeld<\/h5>\n
    \n
  1. Parallele Verarbeitung von hunderte Modellen gleichzeitig<\/li>\n
  2. bis zu 1000-mal schnellere Berechnung<\/li>\n
  3. Genauere Ergebnisse durch optimierte Approximationstechniken<\/li>\n<\/ol>\n

    [\/vc_column_text][vc_column_text uncode_shortcode_id=“175660″ css=“.vc_custom_1749550171014{padding-top: 20px !important;}“]<\/p>\n

    \n
    \n
    \n

    Quantumcomputing<\/strong><\/h4>\n

    Quantencomputing birgt enormes Potenzial f\u00fcr Forschung und Industrie. Durch die Kombination mit maschinellem Lernen k\u00f6nnen industrielle Prozesse optimiert und erheblich effizienter gestaltet werden \u2013 ein entscheidender Faktor zur Reduktion von CO\u2082-Emissionen. <\/p>\n

    Unternehmen k\u00f6nnen ihre Klimabilanz verbessern und damit zu mehr Nachhaltigkeit beitragen. So gibt es beispielsweise erste Ans\u00e4tze zur Optimierung von Arbeitsabl\u00e4ufen und Prozessen im Qualit\u00e4tssicherungsschritt in der Automobilindustrie. Optimierte Abl\u00e4ufe bedeuten mehr Effizienz und weniger Emissionen, etwa weil Motoren in der Pr\u00fcfung weniger lang oder weniger oft laufen m\u00fcssen. <\/p>\n<\/div>\n<\/div>\n<\/div>\n

    Quantum Machine Learning<\/strong><\/h4>\n
    \n
    \n
    \n

    Die erfolgreiche Integration von Quantum Machine Learning (QML) in die Industrie steht vor mehreren Herausforderungen:<\/p>\n

    Die f\u00fcr die Ausf\u00fchrung von Quantenalgorithmen erforderliche Hardware ist noch relativ leistungsschwach und nur in geringem Umfang verf\u00fcgbar.<\/p>\n

    Au\u00dferdem sind die potenziellen Anwendungsf\u00e4lle oft zu abstrakt und werden nicht richtig verstanden.<\/p>\n

    Hinzu kommt, dass die M\u00f6glichkeiten der Quantentechnologie in der Branche noch nicht allgemein anerkannt sind. Selbst wenn dies der Fall ist, f\u00e4llt es den Entscheidungstr\u00e4gern oft schwer, die richtigen Kontakte und Fachkenntnisse auf diesem Gebiet zu finden. <\/p>\n<\/div>\n<\/div>\n<\/div>\n

    [\/vc_column_text][vc_column_text uncode_shortcode_id=“779774″]<\/p>\n

    \n
    \n
    \n
    \n

    Ziele des Projekts<\/h4>\n<\/div>\n<\/div>\n
    \n
    \n

    Schaffung einer Plattform & eines Expertenforums in \u00d6sterreich, um Forschung & Entwicklung im Bereich Quantum Machine Learning (QML) zu beschleunigen.<\/p>\n

    Entwicklung von Tools & Frameworks, die die Anwendung von QML auf Quanten- und Hybrid-Quanten-Hardware erleichtern.<\/p>\n

    Pilotprojekt im Bereich Chemie & Mikrobiologie, das zeigt, wie Quantencomputing & maschinelles Lernen zum Kampf gegen den Klimawandel beitragen k\u00f6nnen.<\/p>\n

    Bereitstellung einer Plattform-as-a-Service (PaaS)-Infrastruktur zur Umsetzung von Quanten-ML-Anwendungen in Gesch\u00e4ftsprozessen.<\/p>\n

    Aufbau einer aktiven & vielf\u00e4ltigen Quantum Machine Learning Community in \u00d6sterreich.<\/p>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n

    [\/vc_column_text][vc_column_text uncode_shortcode_id=“107217″]<\/p>\n

    \n
    \n
    \n

    Hybrides Quantencomputing<\/h4>\n<\/div>\n<\/div>\n
    \n
    \n

    Der Schl\u00fcssel zur CO2-Reduktion<\/p>\n<\/div>\n<\/div>\n<\/div>\n

    \n
    \n

    Im Rahmen unserer PQML-Veranstaltung erhielten wir tiefere Einblicke in eine der spannendsten Technologien der Zukunft:<\/strong><\/p>\n

    Quantencomputing und Quantum Machine Learning – mit einem immensen Potenzial f\u00fcr die CO\u2082-Reduzierung und die nachhaltige Umgestaltung unserer Industrie. Ein gro\u00dfes Dankesch\u00f6n an Jona Boeddinghaus (CEO, Gradient0) und Georg Gesek (CEO, Novarion) f\u00fcr ihre inspirierenden Beitr\u00e4ge! Ihre Expertise hat deutlich gezeigt, wie hybrides Quantencomputing und KI zusammenarbeiten k\u00f6nnen, um L\u00f6sungen f\u00fcr die Klimakrise zu schaffen. <\/p>\n

    Ein besonderes Highlight war die Videobotschaft von Alexander Pr\u00f6ll, Staatssekret\u00e4r f\u00fcr Digitalisierung. Er betonte die gesellschaftliche und wirtschaftliche Bedeutung dieser Technologien. Die Zukunft entsteht dort, wo Technologie und Nachhaltigkeit zusammenflie\u00dfen – und genau hier setzt PQML an. <\/p>\n<\/div>\n<\/div>\n

    [\/vc_column_text][\/vc_column][\/vc_row]<\/p>\n<\/div>","protected":false},"excerpt":{"rendered":"

    [vc_row][vc_column width=“1\/1″][vc_column_text uncode_shortcode_id=“185851″] Unser Beitrag zur CO2-Reduktion PQML wurde gegr\u00fcndet, um eine \u00f6sterreichische Plattform f\u00fcr den Einsatz von Maschinellem Lernen […]<\/p>\n","protected":false},"author":6,"featured_media":99586,"template":"","meta":{"_tribe_events_status":"","_tribe_events_status_reason":"","footnotes":""},"tags":[],"tribe_events_cat":[],"class_list":["post-99593","tribe_events","type-tribe_events","status-publish","has-post-thumbnail","hentry"],"_links":{"self":[{"href":"https:\/\/www.novarion.systems\/de\/wp-json\/wp\/v2\/tribe_events\/99593","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.novarion.systems\/de\/wp-json\/wp\/v2\/tribe_events"}],"about":[{"href":"https:\/\/www.novarion.systems\/de\/wp-json\/wp\/v2\/types\/tribe_events"}],"author":[{"embeddable":true,"href":"https:\/\/www.novarion.systems\/de\/wp-json\/wp\/v2\/users\/6"}],"version-history":[{"count":0,"href":"https:\/\/www.novarion.systems\/de\/wp-json\/wp\/v2\/tribe_events\/99593\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.novarion.systems\/de\/wp-json\/wp\/v2\/media\/99586"}],"wp:attachment":[{"href":"https:\/\/www.novarion.systems\/de\/wp-json\/wp\/v2\/media?parent=99593"}],"wp:term":[{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.novarion.systems\/de\/wp-json\/wp\/v2\/tags?post=99593"},{"taxonomy":"tribe_events_cat","embeddable":true,"href":"https:\/\/www.novarion.systems\/de\/wp-json\/wp\/v2\/tribe_events_cat?post=99593"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}