Stand 2025: Wer baut die größten Quantencomputer – und was heißt das wirklich?

Das Schlagzeilen-Problem

„6.100 Qubits!” – „IBM plant 100.000 Qubits bis 2033!” – „Quantenüberlegenheit demonstriert!”

Solche Meldungen erscheinen regelmäßig. Was sie fast nie erklären: Die reine Qubit-Zahl ist als Leistungsindikator ungefähr so aussagekräftig wie die Megapixel-Zahl einer Kamera. Ein technischer Wert, der ohne Kontext wenig aussagt.

Dieser Artikel ordnet die aktuellen Zahlen ein – nüchtern, mit den Differenzierungen, die in Pressemeldungen meistens fehlen.

Die aktuelle Landschaft (Stand 2025)

California Institute of Technology – 6.100 Qubits

Caltech hat mit neutralen Atomen einen Prozessor mit über 6.000 physikalischen Qubits demonstriert. Neutrale Atome werden in optischen Fallen gehalten und mit Lasern manipuliert. Der Ansatz skaliert gut in der Qubit-Anzahl, kämpft aber mit Gate-Fidelity und Kohärenzzeiten.

Einordnung: Die Zahl ist beeindruckend als Engineering-Leistung. Für fehlerkorrigiertes Rechnen reichen diese Qubits aber nicht – dazu bräuchte man erheblich mehr physikalische Qubits mit deutlich niedrigeren Fehlerraten.

IBM – Condor, Heron und die 100.000-Qubit-Roadmap

IBM hat mit dem Condor-Prozessor 1.121 supraleitende Qubits auf einem Chip integriert. Der Heron-Prozessor (133 Qubits) setzt stattdessen auf bessere Qualität pro Qubit. IBM plant, über modulare Vernetzung bis 2033 auf 100.000 Qubits zu skalieren.

Einordnung: IBM hat erkannt, dass reine Skalierung der Qubit-Zahl nicht reicht. Der Schwenk zu „Qualität vor Quantität” mit Heron ist ein Signal: Die Branche lernt, dass 133 gute Qubits nützlicher sein können als 1.000 schlechte.

D-Wave Systems – über 5.000 Qubits

D-Wave nutzt einen fundamental anderen Ansatz: Quantum Annealing statt Gate-basiertem Quantencomputing. Ihre Systeme haben über 5.000 Qubits und sind kommerziell im Einsatz – aber für Optimierungsprobleme, nicht für universelle Berechnungen.

Einordnung: D-Wave-Qubits sind nicht direkt vergleichbar mit Gate-Qubits. Annealing löst eine andere Klasse von Problemen und ist nicht universell programmierbar. Ob Quantum Annealing einen echten Vorteil gegenüber klassischen Optimierern bietet, ist wissenschaftlich nicht abschließend geklärt.

IonQ – Ionenfallen

IonQ setzt auf gefangene Ionen als Qubits. Die Vorteile: sehr lange Kohärenzzeiten und hohe Gate-Fidelity. Der Nachteil: Die Skalierung ist langsam. Aktuelle Systeme haben 32 bis 36 Qubits – wenig im Vergleich, aber mit deutlich besserer Qualität pro Qubit.

Quantinuum – Hybrid aus Honeywell und Cambridge Quantum

Quantinuum kombiniert Honeywells Ionenfallen-Hardware mit der Software-Expertise von Cambridge Quantum Computing. Ihre Systeme gelten als die zuverlässigsten aktuell verfügbaren Quantencomputer, mit den niedrigsten Fehlerraten der Branche – bei ebenfalls moderater Qubit-Zahl.

Die entscheidende Unterscheidung: Physikalische vs. logische Qubits

Das ist der Punkt, den jede Schlagzeile unterschlägt.

Physikalische Qubits

Das, was tatsächlich auf dem Chip existiert. Jedes physikalische Qubit ist ein instabiles quantenmechanisches System, das Fehler macht – durch Wechselwirkung mit der Umgebung, durch unperfekte Steuerung, durch thermisches Rauschen.

Logische Qubits

Ein logisches Qubit besteht aus vielen physikalischen Qubits, die zusammenarbeiten, um Fehler zu korrigieren. Ähnlich wie RAID-Systeme Festplattenausfälle kompensieren, korrigieren Fehlerkorrekturcodes einzelne Qubit-Fehler.

Das Verhältnis

Aktuelle Schätzungen gehen davon aus, dass für ein fehlerkorrigiertes logisches Qubit zwischen 1.000 und 10.000 physikalische Qubits nötig sind – je nach Hardware-Plattform und Fehlerkorrekturverfahren.

Was das bedeutet:

Aufgabe	Logische Qubits benötigt	Physikalische Qubits benötigt
RSA-2048 knacken (Shor)	~4.000	4 bis 40 Millionen
Einfache Molekülsimulation	~100	100.000 bis 1 Million
Nützliche Optimierung	~50-200	50.000 bis 2 Millionen

Die aktuellen Rekordsysteme mit 1.000 bis 6.000 physikalischen Qubits sind davon Größenordnungen entfernt.

Qualitätsmetriken, die wichtiger sind als Qubit-Anzahl

Gate-Fidelity

Wie präzise einzelne Operationen (Gates) auf den Qubits ausgeführt werden. Aktuelle Werte:

• Supraleitend (IBM, Google): 99,5-99,9% für Single-Qubit-Gates, 99-99,5% für Two-Qubit-Gates
• Ionenfallen (IonQ, Quantinuum): 99,9%+ für Single-Qubit, 99,5-99,9% für Two-Qubit
• Neutrale Atome (Caltech, QuEra): 99,5% für Single-Qubit, 97-99% für Two-Qubit

Klingt hoch? Für fehlerkorrigiertes Rechnen müssen Two-Qubit-Gate-Fidelities über 99,9% liegen. Selbst kleine Verbesserungen in der dritten Nachkommastelle haben massive Auswirkungen auf die Anzahl physikalischer Qubits, die man für ein logisches Qubit braucht.

Kohärenzzeit

Wie lange ein Qubit seinen Quantenzustand behält, bevor Dekohärenz eintritt:

• Supraleitend: Mikrosekunden bis niedrige Millisekunden
• Ionenfallen: Sekunden bis Minuten
• Neutrale Atome: Hunderte Millisekunden bis Sekunden

Die Kohärenzzeit begrenzt, wie viele Operationen man durchführen kann, bevor die Information verloren geht. Ein Algorithmus, der 10.000 Schritte braucht, ist sinnlos auf Hardware mit Kohärenzzeiten von 100 Mikrosekunden und Gate-Zeiten von 10 Mikrosekunden.

Konnektivität

Nicht jedes Qubit kann direkt mit jedem anderen interagieren. Supraleitende Qubits haben typischerweise 2-4 direkte Nachbarn. Ionenfallen erlauben All-to-All-Konnektivität. Neutrale Atome liegen dazwischen.

Geringe Konnektivität erzwingt SWAP-Operationen, die zusätzliche Fehler einführen und Rechenzeit kosten.

Was die verschiedenen Plattformen vergleichbar macht

Plattform	Qubits	Gate-Fidelity (2-Q)	Kohärenz	Konnektivität	Skalierbarkeit
Supraleitend	Hoch (1000+)	Gut (99-99,5%)	Kurz	Lokal	Gut
Ionenfallen	Niedrig (30-50)	Sehr gut (99,5%+)	Lang	All-to-All	Schwierig
Neutrale Atome	Hoch (1000+)	Mittel (97-99%)	Mittel	Flexibel	Sehr gut
Annealing	Sehr hoch (5000+)	Spezialfall	Spezialfall	Spezifisch	Gut

Es gibt keinen klaren Gewinner. Jede Plattform hat Stärken und Schwächen. Die Frage „Wer hat die meisten Qubits?” ist so hilfreich wie die Frage „Welches Auto hat die meisten PS?” – ohne zu wissen, ob es um Formel 1 oder Schwerlasttransport geht.

Googles „Quantum Supremacy” – eingeordnet

2019 demonstrierte Google mit dem Sycamore-Prozessor (53 Qubits) eine Berechnung, die klassisch nach eigenen Angaben 10.000 Jahre dauern würde – auf dem Quantencomputer aber 200 Sekunden. IBM widersprach und zeigte, dass ein klassischer Supercomputer die Aufgabe in 2,5 Tagen lösen könnte.

Was davon bleibt: Die Aufgabe (Random Circuit Sampling) hat keinen praktischen Nutzen. Sie wurde speziell gewählt, weil sie für Quantencomputer einfach und für klassische schwer ist. Es war ein wichtiger Meilenstein für die Physik – aber kein Beweis für praktische Überlegenheit.

Seitdem hat sich die Diskussion verschoben: von „Quantum Supremacy” (theoretischer Nachweis) zu „Quantum Advantage” (praktischer Nutzen). Letzteres ist für kein kommerziell relevantes Problem eindeutig belegt.

Einordnung

Die Quantencomputer-Landschaft 2025 ist beeindruckend in ihrer Vielfalt und Geschwindigkeit der Fortschritte. Aber die Schlagzeilen erzählen nur die halbe Geschichte.

6.100 Qubits sind kein Durchbruch zum fehlerkorrigierten Quantencomputer – sie sind ein Schritt auf einem Weg, der noch Größenordnungen länger ist. IBMs 100.000-Qubit-Roadmap ist ambitioniert, aber selbst wenn sie gelingt, hängt der Nutzen an Fehlerraten, die heute noch nicht erreicht werden.

Die ehrliche Einordnung: Wir sind in der Phase der experimentellen Grundlagenforschung mit zunehmend industrieller Beteiligung. Nicht mehr im Labor, aber auch nicht in der Produktion.

Im nächsten Artikel schauen wir uns an, welche konkreten Probleme Quantencomputer lösen könnten – und wo der oft zitierte „Quantum Advantage” Realität ist und wo Wunschdenken.