Im Jahr 2022 startete das Verbundprojekt ‚AutoQML‘ mit dem Ziel, Lösungsansätze zu entwickeln, die Quantencomputing und Machine Learning verknüpfen. Damit sollen Unternehmen dabei unterstützt werden, die Potenziale der Digitalisierung zu nutzen und wettbewerbsfähig zu bleiben Nun endet die Projektlaufzeit und die Verbundpartner bestehend aus den Fraunhofer-Instituten IPA und IAO und sieben weiteren Unternehmen präsentieren die Open-Source-Software ‚AutoQML‘.

Maschinelles Lernen (ML) spielt bereits eine zentrale Rolle in der Digitalisierungsstrategie vieler Unternehmen und ermöglicht effizientere Prozesse sowie neue Geschäftsmodelle. Allerdings fehlt es häufig an Fachkräften, sodass die Implementierung von ML-Lösungen mit erheblichem Arbeitsaufwand verbunden ist. Von der Datenakquisition über die Wahl der passenden Algorithmen bis hin zur Optimierung des Trainings erfordert dieser Prozess detailliertes ML-Fachwissen.

Der Ansatz des automatisierten maschinellen Lernens (AutoML) begegnet diesen Herausforderungen und erleichtert den Einsatz Künstlicher Intelligenz. Insbesondere die Auswahl der ML-Algorithmen wird automatisiert, sodass Anwenderinnen und Anwender weniger ML-Kenntnisse benötigen und sich stärker auf ihre eigentlichen Prozesse konzentrieren können.

In diesem Kontext verspricht Quantencomputing neue Lösungsansätze, die den AutoML-Ansatz signifikant verbessern. Darüber hinaus stellt Quantencomputing die für AutoML oft benötigte Rechenleistung bereit.

Neuer Ansatz: Quantencomputing hebt Maschinelles Lernen auf ein neues Niveau

Das Verbundprojekt AutoQML knüpfte an diese Innovation an und erreichte zwei zentrale Ziele: Zum einen wurde der neue Ansatz AutoQML entwickelt, der das AutoML-Prinzip um neuartige Quanten-ML-Algorithmen erweitert. Zum anderen hebt Quantencomputing den AutoML-Ansatz auf ein neues Niveau, da bestimmte Probleme mit Quantencomputing effizienter und nachhaltiger lösbar sind als mit konventionellen Algorithmen.

Das autoQML-Team bei einem Projekttreffen 2023. © Fraunhofer IAO

Unter der Leitung des Fraunhofer-Instituts für Arbeitswirtschaft und Organisation IAO ermöglicht die entwickelte Open-Source-Software AutoQML Entwicklerinnen und Entwicklern einen vereinfachten Zugang zu klassischen und Quanten-ML-Algorithmen. Die entwickelten Quanten-ML-Komponenten und Methoden wurden als Werkzeugkasten gebündelt und den Entwicklungsteams bereitgestellt. Dies befähigt Anwenderinnen und Anwender, sowohl maschinelles Lernen als auch Quanten-Machine-Learning zu nutzen und automatisierte hybride Gesamtlösungen zu entwickeln.

Neben dem Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA beteiligten sich die Unternehmen GFT Integrated Systems, USU, IAV Ingenieursgesellschaft Auto und Verkehr, KEB Automation, Trumpf und Zeppelin am Projekt. Die entwickelten Lösungen wurden anhand konkreter Anwendungsfälle aus dem Automotive- und Produktionsbereich getestet.

Benchmarking-Studie belegt Potenzial von AutoQML

In der abschließenden Benchmarking-Studie verglich das Projektkonsortium seine Open-Source-Software AutoQML mit den besten bekannten klassischen und quantenbasierten Methoden. Ein zentrales Ergebnis: Die automatisierten Lösungen der AutoQML-Software erzielen mindestens gleichwertige Ergebnisse wie die besten manuell gefundenen klassischen und quantischen Methoden. Dies eröffnet Entwicklerinnen und Entwicklern die Möglichkeit, eigene Anwendungsfälle zu erproben.

Mit der Open-Source-Software wurde ein bedeutender Schritt in Richtung einer breiteren Anwendung von Quantenmaschinellem Lernen in der Industrie gemacht, wodurch die Wettbewerbsfähigkeit und Innovationskraft der Unternehmen nachhaltig gesteigert werden kann.

Die fortschreitende Marktverbreitung durch die Unternehmenspartner fördert den Transfer forschungsnaher Hochtechnologie in ein breites industrielles Umfeld und stärkt den Industriestandort Deutschland signifikant. Die wissenschaftlichen Erkenntnisse aus dem Projekt wurden in mehreren Publikationen veröffentlicht. Gefördert wurde das Projekt über eine Laufzeit von drei Jahren vom Bundesministerium für Wirtschaft und Klimaschutz (BMWK).