NTT Data hat in Zusammenarbeit mit dem Proto_lab der TH Rosenheim zwei Machbarkeitsstudien für die Anwendung von Quantentechnologie in der Fertigungsindustrie abgeschlossen. Diese liefern Erkenntnisse zur Planung der Auftragsbearbeitung in hoch komplexen Produktionsinfrastrukturen und zum Training von Robotern für inhomogene Arbeitsabläufe. In beiden Fällen sollte Quantentechnologie dazu dienen, die KI-Prozesse zu beschleunigen.
Reinforcement-Learning und Quantentechnologie kombiniert
Statisch fixierte Roboterarme übernehmen in der Industrie bereits unterschiedliche Tätigkeiten. Mobil eingesetzt könnten sie zusätzliche Aufgaben wie die Automatisierung von Gütertransport in Produktionsumgebungen (Intralogistik) übernehmen. Allerdings führt die Bewegung im Raum dazu, dass die Berechnung, der für eine bestimmte Aktion erforderlichen Kräfte, erschwert wird. Vereinfacht dargestellt wird dieses Problem in der Wissenschaft als ‚Cart-Pole‘-Modell. Dabei kommt es darauf an, einen fahrbaren Untersatz (Cart) so zu steuern, dass eine darauf stehende Stange (Pole) in der Senkrechten bleibt und dabei auf Veränderungen im Umfeld des Carts (Hindernisse, Erschütterungen etc.) angemessen zu reagieren. Als vereinfachtes Beispiel für mögliche Anwendungen von Roboterarmen in der Industrie nutzten die Forschungsteams das Experiment, um das Potenzial der Quantentechnologie für ein effizienteres Training von Robotern zu belegen. Erfolgsentscheidend war dabei die Kombination von Reinforcement-Learning und Quantencomputing. Für ihre praktischen Experimente verwendeten die Forschenden den Service Amazon Braket von AWS. Die Cloud-Plattform bietet verschiedene Geräte zum Ausführen von hybriden Quantenalgorithmen. Damit gelang es in einem ‚Real-World-Szenario‘ nachzuweisen, dass die Quantentechnologie in der Lage ist, die komplexen Steuerungsalgorithmen während der Laufzeit der digitalen Roboterarmsteuerung auszuführen und damit die Lernkurve zu steigern.
Job-Shop-Problem gelöst
In einer weiteren gemeinsamen Machbarkeitsstudie konnten die Forschenden Taillards Job-Shop-Problem, einen gängigen Benchmark für die Leistungsfähigkeit von Algorithmen in der Fertigungslogistik, mithilfe der Coherent Ising Machine lösen. Dabei handelt es sich um ein von NTT Data entwickeltes photonisches adiabatisches Quantenoptimierungssystem. Zur Simulation dieser innovativen Technologie auf klassischer Hardware entwickelten die Forschungsteams mehrere Algorithmen, darunter die chaotische Amplitudenkontrolle. Die Technologie ermöglicht es Anwendern, schneller Lösungen für Steuerungsprobleme in zunehmend komplexeren Fertigungsumgebungen zu finden.
‚Enormes Potenzial‘
„Der Einsatz künstlicher Intelligenz zur Steuerung industrieller Prozesse wird zunehmend zu einem kritischen Wettbewerbsfaktor für produzierende Unternehmen in Deutschland, in Europa und weltweit. Moderne Anwendungen erfordern enorme Rechenleistung bei gleichzeitig möglichst geringen Latenzzeiten“, kommentiert Noah Klarmann, Professor für künstliche Intelligenz an der Technischen Hochschule Rosenheim. In diesem Zusammenhang zeige die Zusammenarbeit mit NTT Data das enorme Potenzial von Quantencomputing im Vergleich zu traditionellen Lösungen. Oliver Köth, Chief Technology Officer, NTT Data DACH, erklärt: „Quantencomputing ist ein mächtiges Werkzeug, um Lösungen für die zunehmend komplexen Aufgaben in Wirtschaft und Gesellschaft zu finden. Wir als NTT Data freuen uns, in enger Zusammenarbeit mit Partnern wie der TH Rosenheim wissenschaftliche Erkenntnisse in konkrete Anwendungen der Quantentechnologie umzusetzen. Gemeinsam laden wir Unternehmen und Institutionen aus Wirtschaft, Wissenschaft und Technik ein, neue Anwendungsszenarien zu finden, um die Geschäftsmodelle von morgen mit Quantentechnologie effektiv und nachhaltig zu unterstützen.“