QWeb © Research

Vom Parallelrechner zum Parallel-Quantum-Computing und dem 'QWeb ©'

(From parallel computing to parallel quantum computing – and the “QWeb ©")

So wie der PC und das Internet einst die Vorherrschaft der Mainframe-Ära in Frage stellten, ohne sie jedoch überflüssig zu machen, wird das fehlertolerante verteilte Quanten-computing (DQC) das heutige, auf Hyperscaler ausgerichtete Modell herausfordern.

Die Idee dahinter: Anstatt einen immer größeren, zentralisierten Quantencomputer zu bauen, verbindet man viele kleinere Quantenprozessoren über quantenmechanische und klassische Kanäle zu einem skalierbaren System. Je größer ein einzelner Chip wird, desto mehr gerät er in Konflikt mit sich selbst – Qubits interferieren miteinander, und der Kühl- und Verdrahtungsaufwand steigt exponentiell an. Ein Netzwerk vermeidet dies: Skalierung in die Breite statt in die Höhe.

Die zentrale Herausforderung: Wie korrigiert man Fehler, wenn eine Berechnung über mehrere verrauschte, miteinander verbundene Module läuft? Jüngste Simulationen zeigen, dass die Fehlerraten in einigen Fällen um eine Größenordnung sinken, und im Jahr 2025 lief erstmals ein verteilter Quantenalgorithmus über photonisch verbundene Module. Das macht DQC zu einem der vielversprechendsten Wege hin zum fehlertoleranten Quanten-computing.

Genau diesen Wandel fasse ich mit dem Begriff “QWeb ©" zusammen:

Peripherie statt Zentrum, Netzwerk statt Monolith – eine Zukunft, in der Rechenleistung dezentral entsteht und nicht nur in den Rechenzentren einer Handvoll Hyperscaler.

Die Zukunft rechnet verteilt.

www.qweb-quantum.com

#QuantumComputing

~ ~ ~

Distributed Quantum Computing (Parallel-Quantum-Computing) auf Wikipedia:

• Quantum Computing (QC)
• Modular and distributed architectures
• Quantum Network

Originalliteratur:

• Main et al. (2025): Distributed quantum computing across an optical network link – Nature 638, 383–388
• University of Oxford (2025): First distributed quantum algorithm brings quantum supercomputers closer – Pressemitteilung

Ich habe damit als erster weltweit (!) den Begriff "QWeb ©" geprägt und postuliert und am 1. Juli 2026 auf LinkedIn erstmals veröffentlicht und über das Internet Archive und qweb-quantum.com dokumentiert, um damit die These zu bezeichnen, dass fehlertolerantes ver-teiltes Quantencomputing die heutigen Hyperscaler-Strukturen relativieren wird – ähnlich wie einst PC und Internet die Mainframes zurückgedrängt haben.

Der LinkedIn-Artikel ist in englischer und deutscher Sprache verfasst.

Das Nockenwellen-Problem: Was ein Quantencomputer wirklich ist

(im Original: „The Camshaft Problem: What a Quantum Computer Actually Is")

Die meisten Erklärungen zum Quantencomputing beginnen mit „Ein Qubit kann 0, 1 oder beides gleichzeitig sein" — und verraten nie, wofür das eigentlich gut sein soll. Genau das ist der Nockenwellen-Fehler: eine zutreffende Aussage über den Motor, erzählt jemandem, der bloß wissen will, wann er den Wagen zur Inspektion bringen muss.

Deshalb habe ich eine andere Art von Einführung geschrieben. Sie beginnt mit der kleinsten Aufgabe, die ein Computer je zu erledigen hat — der Addition von 1 + 1 — und schaut dabei zu, wie ein Quantencomputer sich daran versucht. Das Ergebnis überrascht: Er löst sie dramatisch schlechter. Und zwar mit Absicht. Genau diese Tatsache erweist sich als der denkbar deutlichste Wegweiser dahin, wofür Quantencomputer wirklich gemacht sind.

→ Zum Artikel: https://qweb-quantum.com/blog/camshaft-problem-what-is-a-quantum-computer

Die Mathematik hinter dem Quantencomputing
(im Original: „The Math behind Quantum Computing")

Jeder Computer, den wir je benutzt haben, beruht auf der Booleschen Algebra: zwei Werte, eine Handvoll Gatter, ein paar Verknüpfungsregeln. Daraus entsteht der Halbaddierer, daraus die Arithmetik, daraus die von-Neumann-Architektur — und schließlich die Programmiersprachen, mit denen wir diese Maschinen steuern. Bis John Backus, der Schöpfer von Fortran, in seiner Turing-Award-Vorlesung 1977 ausgerechnet jenen Stil angriff, den er selbst mitgeprägt hatte: „Can Programming Be Liberated from the von Neumann Style?"

Was aber tritt im Quantencomputer an die Stelle der Booleschen Algebra? Die Antwort ist keine Erweiterung, sondern ein Austausch: lineare Algebra über komplexen Vektorräumen. Ein Qubit ist kein Wert, sondern ein Vektor. Ein Gatter ist keine Wahrheitstabelle, sondern eine unitäre Matrix. Und Rechnen heißt: multiplizieren.

Die Präsentation führt Schritt für Schritt von der Schulmathematik zu jener Algebra, auf der ein Qubit tatsächlich läuft. Sie erklärt, was ein Tensorprodukt wirklich ist — und was es nicht ist, denn mit dem Tensor der Relativitätstheorie hat es wenig zu tun. Sie zeigt, warum n Qubits 2ⁿ Zahlen zur Beschreibung brauchen, und warum diese Exponentialfunktion keine Metapher ist, sondern schlicht die Dimension des Zustandsraums.

Der schönste Befund unterwegs: Verschränkung ist mathematisch nichts Exotisches, sondern das Scheitern der Tensorfaktorisierung — ein Zustand ist genau dann verschränkt, wenn er sich nicht mehr in zwei getrennte Vektoren zerlegen lässt. Und die Boolesche Algebra? Sie verschwindet nicht, aber sie rückt an den Rand: Sie regiert nur noch, was hineingeht und was herauskommt — die Messung und das reversible Einbetten klassischer Logik. Sie ist die Schnittstelle, nicht der Motor.

Am Ende schließt sich der Kreis zu Backus. Ein Quantenschaltkreis kennt keinen Speicher, keine Zuweisung, keine schrittweise Zustandsänderung. Er ist Komposition von Funktionen mit einer echten Algebra dahinter — genau der funktionale Stil, den Backus 1977 forderte. Niemand hat das so geplant; die Physik ließ keine andere Wahl.

→ Zum Artikel: The Math behind Quantum Computing

Wer hat zuerst gemessen? Verschränkung und die Relativität des Kollapses
(im Original: „Whose Measurement Came First? Entanglement and the Relativity of Collapse")

Wann besitzt ein Teilchen einen eigenen Zustand — und wann existiert es nur als Teil eines größeren Ganzen? Dieser Artikel nähert sich der Frage über ein Gedankenexperiment: Zwei maximal verschränkte Qubits werden weit voneinander getrennt und quasi gleichzeitig gemessen. Wer von beiden Beobachtern hat die „erste" Messung durchgeführt und damit den Zustand des Paares festgelegt?

Die Antwort ist verblüffend: Es gibt keine. Weil die beiden Messereignisse raumartig getrennt sind, ordnen verschiedene Beobachter ihre zeitliche Reihenfolge unterschiedlich — und keine Sichtweise ist bevorzugt. Der Artikel zeigt, warum das kein Widerspruch ist: Alle beobachtbaren Größen, insbesondere die Korrelationen der Messergebnisse, sind von der angenommenen Reihenfolge vollständig unabhängig. Der „Kollaps" der Wellenfunktion erweist sich damit weniger als reales physikalisches Ereignis, sondern als Merkmal unserer Beschreibung.

Auf dem Weg dorthin führt der Beitrag durch die Bell-Ungleichung und den CHSH-Test (benannt nach Clauser, Horne, Shimony und Holt), erklärt die Tsirelson-Grenze und die experimentellen Schlupflöcher samt ihrer Schließung in den lückenlosen Tests von 2015.

Abschließend wird der Bogen zu praktischen Anwendungen geschlagen — zertifizierte Zufallszahlen und geräteunabhängige Schlüsselverteilung — und zurück zur Ausgangsfrage nach lokaler und globaler Information in verteilten Quantennetzwerken:

Was verschränkte Qubits leisten — und was nicht

Verschränkte Qubits tragen eine Korrelation, die nachweislich stärker ist als alles klassisch Erklärbare: Der Bell-Test schließt aus, dass die Messergebnisse auf einer vorab vereinbarten Absprache beruhen. Darin liegt ihr kryptografischer Wert — das Paar trägt ein gemeinsames Geheimnis, das Außenstehende nicht auslesen können, weil es vor der Messung schlicht noch nicht existierte.

Zugleich verführt dieser Befund zu einem Fehlschluss. Verschränkung überträgt keine Information: Keine Handlung an einem Qubit erzeugt am anderen eine beobachtbare Änderung, und jedes darauf aufbauende Protokoll — Schlüsselverteilung, Teleportation, Entanglement Swapping — benötigt zusätzlich einen klassischen, durch die Lichtgeschwindigkeit begrenzten Kanal.

Was geteilte Verschränkung verändert, ist daher nicht die Latenzgrenze, sondern die Menge der nötigen klassischen Kommunikation: Für bestimmte verteilte Aufgaben müssen Parteien mit verschränkten Paaren nachweislich weniger klassische Bits austauschen als Parteien ohne. Die Lichtgeschwindigkeit bleibt die Untergrenze dafür, wie schnell sich Übereinstimmung in einem Netzwerk ausbreiten kann — Verschränkung senkt lediglich den Preis, sie zu erreichen.

→ Zum Artikel: Whose Measurement Came First? Entanglement and the Relativity of Collapse

Wie Verschränkung den Preis der Übereinstimmung senkt
(im Original: „How Entanglement Lowers the Price of Agreement")

Jedes verteilte System zahlt dieselbe Rechnung: Seine Knoten halten lokale Information, seine Aufgaben verlangen global konsistente Antworten — und die Lücke dazwischen muss mit Kommunikation bezahlt werden, die nie schneller als das Licht reist. Dieser Artikel fragt, was Verschränkung an dieser Rechnung ändert, und was nicht.

Die Antwort beginnt mit den harten Grenzen: Verschränkung überträgt selbst keinerlei Information (No-Signalling), und für den reinen Datentransport hilft sie höchstens um den Faktor zwei (Holevo-Schranke, Superdense Coding). Die eigentliche Bühne ist die Kommunikationskomplexität (Yao 1979) — die Frage, wie viele Bits zwei Parteien mindestens austauschen müssen, um eine gemeinsame Funktion ihrer verteilten Eingaben zu berechnen. Hier zeigt der Artikel den Bogen von der ersten Ein-Bit-Einsparung (Cleve–Buhrman 1997) über quadratische bis hin zu bewiesenen exponentiellen Vorteilen (Raz 1999, Hidden Matching).

Den Höhepunkt bildet das Mermin–Peres-„Magic-Square"-Spiel (Das Mermin-Peres Magic Square auf Wikipedia: https://en.wikipedia.org/wiki/Quantum_pseudo-telepathy und auf YouTube: https://www.youtube.com/watch?v=ahsaT6y7Zig): eine Aufgabe, die zwei Parteien mit geteilten Bell-Paaren in jeder Runde sicher gewinnen — ganz ohne Kommunikation —, während jede klassische Strategie beweisbar an mindestens einer von neun Kombinationen scheitert. Zugleich benennt der Artikel die Grenzen: Für manche Funktionen (etwa das innere Produkt) verschwindet der Vorteil vollständig, und die Latenzgrenze c bleibt in jedem Fall unangetastet.

Der Schluss spannt den Bogen zu meiner Diplomarbeit von 1986 („Sprachkonzepte zur Darstellung lokaler und globaler Information für die Ablaufsteuerung von parallelen Prozessen"): Deren These — vollständige Konsistenz lokaler und globaler Information ist wegen c unerreichbar — wird durch die Quantenmechanik nicht widerlegt, sondern verfeinert. Verschränkung senkt die Kosten der Konsistenz, für manche Aufgaben exponentiell, für einige auf null — die Lichtgeschwindigkeit als Untergrenze bleibt.

→ Zum Artikel: How Entanglement Lowers the Price of Agreement

Das Mermin–Peres Magic Square Game und die Implementierung in Qiskit

(im Original: „The Mermin–Peres Magic Square Game")

Können zwei Parteien, die nicht miteinander kommunizieren dürfen, sich trotzdem so abstimmen, als hätten sie sich auf einen unmöglichen Antwortschlüssel geeinigt? Klassisch lautet die Antwort nein — ein einfaches Paritätsargument zeigt, dass jede vorab festgelegte 3×3-Tabelle bei mindestens einer von neun möglichen Abfragen scheitern muss. Dieser Artikel baut das Mermin-Peres Magic Square Game Schritt für Schritt auf: von der klassischen Unmöglichkeit über zwei geteilte verschränkte Qubit-Paare und die neun quantenmechanischen Messoperatoren, die das Spiel realisieren, bis zur operatoralgebraischen „Magie" — zwei bewusst mit Vorzeichen versehene Zellen —, die es zwei Spielern erlaubt, jede einzelne Runde mit Sicherheit zu gewinnen. Den Abschluss bildet der Bezug zum Kochen-Specker-Theorem über Quantenkontextualität.

→ Zum Artikel: The Mermin–Peres Magic Square Game

→ Zur Implementierung: The Mermin–Peres Magic Square Game in Qiskit

Die Verschmelzung von KI und Quantencomputing: Quanten-KI (QAI)

(The Merge of AI with QC: Quantum AI (QAI))

„KI plus Quantencomputing" mag nach einem einzigen riesigen Supercomputer klingen – doch die Architektur, die sich heute tatsächlich herausbildet, ist subtiler und weitaus interessanter. In aktuellen Forschungssystemen übernehmen die drei Technologien unterschiedliche, sich ergänzende Rollen: KI unterstützt Forscher beim Entwerfen von Experimenten, beim Interpretieren von Ergebnissen, beim Optimieren von Quanten-schaltkreisen und beim Orchestrieren zunehmend komplexer Arbeitsabläufe. Quanten-prozessoren bearbeiten ausgewählte Probleme mit einem grundlegend anderen Rechenmodell. Und klassische Supercomputer leisten weiterhin den Großteil der eigent-lichen Rechenarbeit drumherum.

Das Ergebnis ist ein hybrider Stack: KI für Vorhersage und Automatisierung, GPUs für Simulation und Hochleistungsrechnen, Quantenprozessoren für spezialisierte Experimente. Alle großen Technologieunternehmen investieren in die Software, die diese Ebenen miteinander verbindet – Google mit Cirq und TensorFlow Quantum, Microsoft mit Azure Quantum, Q# und seinem Quantum Development Kit, IBM mit dem Qiskit-Ökosystem für Quantenalgorithmen und Machine-Learning-Forschung sowie NVIDIA mit cuQuantum für beschleunigte Quantensimulation und CUDA-Q für hybride Workflows.

Nichts davon bedeutet, dass Quantencomputer KI-Systeme oder herkömmliche Rechen-zentren in absehbarer Zeit ersetzen werden. Die eigentliche Chance liegt heute im Zu-sammenspiel aller drei Ebenen – KI, klassisches Hochleistungsrechnen und Quanten-hardware. Langfristig könnte diese kombinierte Architektur die Chemiesimulation, die Ma-terialforschung, die Optimierung und die wissenschaftliche Entdeckung voranbringen. Und es könnte sich durchaus herausstellen, dass die Unternehmen, die die verbindende Software bauen, genauso wichtig sind wie jene, die die Quantenprozessoren selbst entwickeln.

→ Zum Artikel: https://qweb-quantum.com/#pub-quantum-ai-qai

Laufen LLMs auf Quantencomputern?

Noch nicht – aber es tut sich etwas anderes

(im Original: „Quantum Computing and Large Language Models: Where We Actually Stand")

Es ist eine weit verbreitete Annahme: Bei all den Schlagzeilen zum Thema Quantencomputing in letzter Zeit müssen Claude oder ChatGPT doch mittlerweile sicherlich auf Quantenhardware laufen, oder? Das tun sie nicht – und die heutigen Quantenprozessoren sind für diese Art von Arbeitslast nicht ausgelegt. Aber zwei weniger beachtete Entwicklungen sind erwähnenswert. Forschern ist es kürzlich gelungen, mit einem echten 156-Qubit-Quantenprozessor von IBM die Genauigkeit eines Llama-Modells messbar zu verbessern – und zwar mithilfe eines winzigen Quanten-Add-ons anstelle des Modells selbst. Unterdessen revanchiert sich die KI: Neue Open-Source-Modelle von Nvidia beschleunigen die Kalibrierung und Fehlerkorrektur von Quantenhardware, und Sprachmodelle wie Claude halfen einem Team dabei, die pro Qubit benötigte Atomanzahl um den Faktor 100 zu reduzieren. Keines davon ist ein Quanten-LLM. Beide sind Schritte in Richtung etwas Interessanterem.

→ Zum Artikel: https://qweb-quantum.com/blog/quantum-ai-llm