Verbundprojekt: Quantum methods and benchmarks for resource allocation (QuBRA); Teilvorhaben: Konfigurationsprobleme und Flottenmanagement

Abstract

QuBRA untersuchte, ob Quantencomputer industrielle Optimierungsprobleme praktisch lösen können, mit Fokus auf Konfiguration und Flottenmanagement bei Volkswagen AG. Es wurden klassische, maschinelle Lernverfahren und Quantenalgorithmen simuliert und systematisch verglichen. Die Hardware-Entwicklung blieb hinter den Erwartungen zurück, weshalb hybride und simulierte Ansätze im Vordergrund standen. Für Konfigurationsprobleme wurden ML-Baselines (u.a. Deep Reinforcement Learning) und Quantenprototypen (z.B. QAOA, Quantum Schöning) entwickelt und bewertet. Im Flottenmanagement wurden klassische und quanteninspirierte Methoden für Routing- und Standortprobleme analysiert; HOBO-Encodings verbesserten die Speicher-Effizienz. Standardisierte Benchmarks und KPIs wurden für objektive Vergleiche etabliert (QuBRABench). Die Ergebnisse zeigen, dass Quantenalgorithmen aktuell noch keinen Vorteil gegenüber klassischen Methoden bieten, aber wichtige Grundlagen für die Zukunft schaffen. Zwei Patentanmeldungen und mehrere wissenschaftliche Publikationen dokumentieren die Innovationskraft des Projekts. Die Zusammenarbeit mit Industrie- und Forschungspartnern war entscheidend für praxisnahe Lösungen und Wissenstransfer. Die Resultate bilden die Basis für zukünftige Pilotprojekte, weitere Forschung und die strategische Entwicklung von Quantentechnologien bei Volkswagen AG.