Schneider testet Quantenchip und verbessert die Energieprognose für Haushalte um bis zu 41 %

Schneider, das Unternehmen für Energiemanagement und Industrieautomation, hat einen Quantenprozessor in einem Test mit einem der unspektakulärsten, aber folgenreichsten Probleme der Stromwirtschaft befasst: der Schätzung, wie viel Strom ein Haushalt tatsächlich verbrauchen wird. Den von Interesting Engineering berichteten Ergebnissen zufolge verbesserte die Kombination aus Quantenchip und der Prognosepipeline des Unternehmens die Genauigkeit der Energievorhersagen für Haushalte um bis zu 41 Prozent.

Die Hardware stammte von Silicon Quantum Computing (SQC), einem australischen Entwickler, zu dessen Unterstützern Telstra, der dominierende Telekommunikationsanbieter des Landes, und die Commonwealth Bank gehören. Das Unternehmen hat zudem Unterstützung von der australischen Regierung erhalten – ein Detail, das die Bemühungen direkt in eine breitere nationale Initiative zur Schaffung souveräner Kompetenz in der Quantentechnologie einordnet.

Quantenunterstützung für das Smart Home

Der Strombedarf von Haushalten ist bekanntermaßen schwer genau zu bestimmen. Wetter, Anwesenheitsmuster, die Wahl der Haushaltsgeräte, die Tageszeit und abrupte Verhaltensänderungen treiben den Verbrauch nach oben oder unten. Versorgungsunternehmen, Einzelhändler und Netzbetreiber müssen sich jedoch auf Lieferentscheidungen festlegen, bevor sie wissen, was die Kunden tun werden. Selbst bescheidene Zugewinne bei der Prognosegenauigkeit können sich in weniger verschwendeter Erzeugung, weniger Notkäufen an volatilen Spotmärkten und letztlich niedrigeren Rechnungen für die Verbraucher niederschlagen.

Der Test von Schneider deutet darauf hin, dass Quantenhardware an dieser Marge einen Beitrag leisten könnte. Statt konventionelle Modellierung vollständig zu ersetzen, wurde ein Quantenchip in einen bestehenden Prognose-Workflow eingebettet und gemessen, wie stark sich die Vorhersagen verbesserten. Ein Genauigkeitsgewinn von bis zu 41 Prozent ist ein bemerkenswertes Ergebnis für einen Bereich, in dem selbst einstellige Verbesserungen üblicherweise als bedeutend gelten.

Was Silicon Quantum Computing einbringt

Silicon Quantum Computing hat jahrelang Prozessoren entwickelt, die auf Silizium-basierten Qubits beruhen – ein Ansatz, der gerade deshalb Aufmerksamkeit erregt hat, weil er auf Fertigungstechniken setzt, die die Halbleiterindustrie bereits gut beherrscht. Wenn diese Wette aufgeht, könnte die Skalierung von Quantenhardware auf jahrzehntelange bestehende Fertigungsexpertise zurückgreifen, statt eine völlig neue industrielle Basis zu erfordern.

Warum Geld aus Telekommunikation und Bankwesen zusieht

Die Zusammensetzung der Investorenbasis von SQC ist aufschlussreich. Der plausibelste kurzfristige kommerzielle Wert des Quantencomputings liegt in Optimierung, Simulation und statistischer Modellierung – Probleme, mit denen Telekommunikationsnetze und Finanzinstitute ständig konfrontiert sind. Telstra ringt mit Routing, Kapazitätsplanung und Nachfrageprognose in einem nationalen Netz. Die Commonwealth Bank arbeitet mit Risikomodellen, Portfoliooptimierung und Betrugserkennung. Beides sind Arten von Workloads, bei denen ein schnelleres oder ausdrucksstärkeres Berechnungssubstrat irgendwann von Bedeutung sein könnte.

Ein Energieprognose-Test ist daher eine nützliche Brücke. Er gibt einem Quantenentwickler ein konkretes, messbares industrielles Problem zum Testen und einem etablierten Industrieanbieter eine Möglichkeit zu bewerten, ob die Technologie bereit ist, reale Abläufe zu berühren.

Warum 41 Prozent eine Zahl sind, die es zu prüfen lohnt

Genauigkeitsverbesserungen bei der Lastprognose summieren sich auf Weisen, die leicht unterschätzt werden:

• Erzeugungsplanung. Bessere Bedarfsschätzungen ermöglichen es Betreibern, Kraftwerke präziser zu disponieren, wodurch weniger Kapazität allein als Absicherung gegen Fehlprognosen in Reserve gehalten werden muss.
• Netzstabilität. Mit der Verbreitung verteilter Solarenergie, Batterien und Elektrofahrzeuge wird die Lücke zwischen Prognose und Realität schwerer auszugleichen. Schärfere Vorhersagen mildern diese Belastung.
• Endkundenpreise. Lieferanten, die den Haushaltsverbrauch genauer vorhersagen können, können Verträge mit geringerer Risikoprämie kalkulieren.
• Demand Response. Programme, die Kunden für eine Verlagerung des Verbrauchs bezahlen, hängen davon ab, zu wissen, wann Spitzen auftreten. Schlechte Prognosen untergraben den gesamten Mechanismus.
• Emissionen. Genauere Prognosen bedeuten, dass weniger Spitzenlastkraftwerke – oft die schmutzigsten und teuersten Einheiten im System – kurzfristig hochgefahren werden müssen.

Eine Verbesserung um 41 Prozent wäre, wenn sie außerhalb der Testumgebung Bestand hätte, groß genug, um alle fünf dieser Bereiche gleichzeitig zu beeinflussen.

Wo Quantencomputing das Netz berührt

Quantenprozessoren sind keine Allzweck-Ersatzlösungen für die klassischen Computer, die den Betrieb von Versorgungsunternehmen bereits steuern. Die realistische kurzfristige Rolle ist enger gefasst: die Lösung bestimmter Klassen von Optimierungs- und Sampling-Problemen, die für konventionelle Hardware unhandlich werden, wenn die Zahl der Variablen steigt. Die Energieprognose auf Haushaltsebene passt gut zu dieser Beschreibung, denn ein Versorgungsunternehmen, das Tausende oder Millionen einzelner Haushalte modelliert, hat es mit einem enormen kombinatorischen Raum zu tun.

Prognose ist der Engpass

Die Prognose steht fast allem vorgelagert, was ein Versorgungsunternehmen sonst tut. Sie bestimmt, wie viel Energie im Voraus gekauft wird, welche Anlagen eingesetzt werden, wann Wartungsfenster geöffnet werden und wie viel Reservekapazität warmgehalten wird. Deshalb erregen selbst inkrementelle Genauigkeitsgewinne die Aufmerksamkeit von Betreibern – und deshalb wiegt ein quantenunterstütztes Ergebnis in diesem Bereich mehr als ein Benchmark-Ergebnis bei einem abstrakten Problem.

Die Einschränkungen, die man im Auge behalten sollte

Die Begeisterung sollte durch die Grenzen dessen gedämpft werden, was bisher offengelegt wurde:

• Die berichtete Verbesserung wird als „bis zu“ 41 Prozent beschrieben, was im Allgemeinen auf ein Best-Case-Ergebnis und nicht auf einen Durchschnitt über alle Bedingungen hindeutet.
• Der Test scheint eher ein Versuch als ein Live-Einsatz gewesen zu sein, was bedeutet, dass reales Rauschen, fehlende Daten und betriebliche Einschränkungen wahrscheinlich kontrolliert wurden.
• Details zur Größe des Datensatzes, zum als Vergleich verwendeten Basismodell und zur Hardware-Konfiguration wurden nicht vollständig öffentlich dargelegt.
• Die unabhängige Reproduktion des Ergebnisses – idealerweise über verschiedene Netze und Klimazonen hinweg – wird der eigentliche Test dafür sein, ob der Gewinn allgemein oder spezifisch für diesen Aufbau ist.

Keine dieser Einschränkungen entwertet den Befund, aber zusammen sprechen sie dafür, ihn als vielversprechendes Signal und nicht als gesicherte Fähigkeit zu behandeln.

Wie es weitergehen könnte

Der offensichtliche nächste Schritt ist Skalierung. Prognosegewinne, die in einem kontrollierten Test auftreten, müssen unruhige Produktionsdaten, saisonale Schwankungen und schlicht das Volumen einer echten Kundenbasis überstehen. Wenn der Ansatz Bestand hat, verläuft die natürliche Entwicklung von der Vorhersage auf Haushaltsebene hin zur Prognose für Nachbarschaften, Abgänge und Regionen – Ebenen, auf denen die Rechenlast wächst und der operative Nutzen mit ihr.

Für Silicon Quantum Computing ist der Test zugleich ein kommerzieller Beleg. Der Nachweis, dass seine Hardware bei einem Problem, das ein etabliertes Industrieunternehmen tatsächlich beschäftigt, eine klassische Baseline schlagen kann, ist für potenzielle Käufer überzeugender als jeder Labor-Benchmark.

Das größere Bild

Das Quantencomputing schwebt seit Jahren zwischen Laborversprechen und kommerzieller Realität. Der glaubwürdigste Weg nach vorn führt über enge, klar definierte industrielle Probleme, bei denen die Hardware nur besser als die Alternative sein muss – nicht universell überlegen. Die Energieprognose für Haushalte ist genau diese Art von Problem: begrenzt, messbar und mit echtem Geld verbunden.

Eine Verbesserung um 41 Prozent bei der Vorhersage des Haushaltsbedarfs wird das Netz nicht allein transformieren. Aber sie deutet darauf hin, dass Quantenhardware sich der operativen Seite des Energiegeschäfts nähert und dass die Unternehmen, die die Quantenentwicklung finanzieren – darunter Telekommunikationsfirmen, Banken und Regierungen – beginnen, konkrete Erträge bei den Problemen zu sehen, die ihnen am wichtigsten sind.

Dieser Artikel basiert auf einer Berichterstattung von Interesting Engineering. Lesen Sie den Originalartikel.