Quantencomputer Verschlüsselung: Prof. Dr. Mainzer über Shor
Quantencomputer Verschlüsselung beschreibt das Risiko, dass Quantenrechner heutige Kryptografie in Minuten knacken. Im Interview mit Leonard Schmedding ordnet Prof. Dr. Klaus Mainzer diese Gefahr ein. Der Präsident der Europäischen Akademie der Wissenschaften und Künste spannt dabei einen weiten Bogen. Er reicht von Leibniz über Turing bis zu Quantengehirnen und Computern, die mit Licht rechnen.
Für Unternehmen steckt darin mehr als Theorie. Wir sehen in Projekten täglich, wie stark Sicherheit und Rechenkosten über den Erfolg von KI entscheiden. Mainzer liefert dafür einen klaren Kompass: Welche Rechner lösen welche Probleme, und wo liegen ihre harten Grenzen?
Von Leibniz bis Turing: Wo das digitale Rechnen herkommt
Die Geschichte beginnt im 17. Jahrhundert. Gottfried Wilhelm Leibniz baut eine Rechenmaschine mit Zahnrädern und Staffelwalzen. Seine Vision geht weiter: Jedes Problem lässt sich in Zahlencodes übersetzen und berechnen. Inspiriert vom chinesischen Yin und Yang entwickelt er zudem die Dualzahlen aus 0 und 1.
Im 19. Jahrhundert folgt Charles Babbage mit dem ersten programmgesteuerten Rechner. Ada Lovelace denkt als erste über Software nach. Alan Turing beschreibt 1936 schließlich das Prinzip aus Speicher und Prozessor. Es steckt bis heute in jedem Smartphone. Konrad Zuse baut 1941 mit der Z3 den ersten funktionierenden Digitalrechner.
Schon Turing zeigt eine harte Grenze auf. Kein Algorithmus kann für jedes Programm entscheiden, ob es nach endlich vielen Schritten hält. Mainzer nennt das eine prinzipielle Grenze der Digitalisierung. Schnellere Hardware ändert daran nichts, denn es handelt sich um einen logischen Widerspruch.
Machine Learning: Hochgetrimmte Statistik auf schnellen Rechnern
Die erste KI war symbolisch. Das Programm Logic Theorist simulierte 1956 logisches Schließen. Expertensysteme bildeten später ärztliches Wissen in Wenn-dann-Regeln ab. In der Logistik laufen solche Systeme bis heute, ohne dass jemand noch von KI spricht.
Heutige KI meint dagegen Machine Learning. Mainzer bleibt nüchtern: ChatGPT sei hochgetrimmte Statistik auf schnellen Rechnern. Die Mathematik stammt aus der Thermodynamik von Ludwig Boltzmann. Hopfield und Hinton erhielten dafür 2024 den Physik-Nobelpreis. Wer KI-Projekte plant, sollte diese Logik kennen, wie wir auch in unserem Beitrag zur Superintelligenz zeigen.
Newton und Einstein hatten kaum Daten. Sie fanden ihre Gesetze über kausales Denken. Genau hier setzt Physical AI an, etwa mit Physics-Informed Neural Networks. Sie verknüpfen neuronale Netze mit Naturgesetzen. Das hilft bei marode gewordenen Brücken, in der Kardiologie und bei Drohnen für 300 bis 400 Dollar.
Neuromorphe Chips und Photonik: Die Rückkehr des analogen Rechnens
Das menschliche Gehirn braucht nur 20 Watt. Die USA planen dagegen Atomkraftwerke für ihre KI-Fabriken. Der Grund liegt im von-Neumann-Flaschenhals. Jedes Bit wandert zwischen Speicher und Prozessor hin und her. Mainzer vergleicht das mit Ketchup, der durch eine enge Flasche muss.
Neuromorphe Chips lösen das Problem in Hardware. Ein Memristor speichert und rechnet zugleich, ähnlich einer Synapse. Titandioxid aus der Sonnencreme eignet sich als günstiges Material. Photonische Varianten rechnen mit Licht in Nanosekunden. Laborsysteme kommen mit rund 75 Watt aus und brauchen keine Kühlung.
Der entscheidende Punkt ist mathematischer Natur. Kurt Gödel zeigte 1931 unentscheidbare Mengen in der Arithmetik ganzer Zahlen. Alfred Tarski bewies später: Über den reellen Zahlen sind solche Mengen entscheidbar. Analoge Rechner könnten damit Turings Grenze überwinden. Mainzer nennt als Beispiel die Bildrekonstruktion bei CT und MRT.
Quantencomputer: Superposition und das Ende der Verschlüsselung
Richard Feynman forderte in den 1980er Jahren einen Rechner nach den Regeln der Quantenmechanik. Das Kernprinzip ist die Superposition. Erwin Schrödinger illustrierte sie 1935 mit seiner berühmten Katze. Ein Qubit überlagert 0 und 1 mit bestimmten Wahrscheinlichkeiten. Viele Qubits lassen sich so in einem einzigen Schritt bearbeiten.
Das trifft die Basis heutiger Kryptografie. Große Zahlen lassen sich klassisch nur in nicht polynomialer Zeit zerlegen. Der Shor-Algorithmus schafft das womöglich in Minuten. Bitcoin und Bankverbindungen stehen damit unter Druck. Mainzer warnt zudem: Ein junger Mathematiker aus Garching könnte morgen einen klassischen Weg finden. Quantensichere Verschlüsselung wird für Unternehmen damit zum Planungsthema.
Prinzipielle Grenzen überwindet der Quantencomputer allerdings nicht. Turings Halteproblem bleibt für ihn unlösbar. Diesen Schritt traut Mainzer allein dem analogen, neuromorphen Rechnen zu. Der Quantenrechner beschleunigt also nur das, was theoretisch ohnehin berechenbar ist.
Verschränkung: Warum Quantenkommunikation sicherer wird
Neben dem Risiko steht ein großer Sicherheitsgewinn. Einstein, Podolsky und Rosen beschrieben 1935 die Verschränkung. Zwei entfernte Orte teilen dabei einen gemeinsamen, nichtlokalen Zustand. Experimente bestätigten das Phänomen Anfang der 1980er Jahre. Schneller als Licht reisen Informationen dadurch trotzdem nicht.
China nutzt das Prinzip bereits mit Satelliten. Sie senden verschränkte Photonen an Sender und Empfänger, in der Fachwelt Alice und Bob. Nur diese beiden kennen den präparierten Zustand. Der Schlüssel läuft über einen klassischen Kanal und bleibt für Dritte wertlos. Für Angreifer gibt es theoretisch keine Möglichkeit, die Botschaft mitzulesen.
Hybride KI im Rechenzentrum der Zukunft
Mainzer erwartet keinen einzelnen Sieger. Er spricht von einer hybriden KI. Im Rechenzentrum der Zukunft arbeiten Supercomputer, neuromorphe Chips und Quantenrechner nebeneinander. Je nach Aufgabe wählen Anwender den passenden Zugang. Für Unternehmen bedeutet das: Architekturentscheidungen werden zur strategischen Frage.
Die Komplexität verschwindet hinter Software, wie beim heutigen Computer. Mainzer zitiert Wittgenstein: Wer oben ist, wirft die Leiter weg. Programmiersprachen dürften dabei an Bedeutung verlieren. Seine Tochter, eine Ingenieurin, spricht schon heute einfach mit ChatGPT.
An junge Menschen richtet der 78-Jährige einen klaren Appell. Mathematik und Physik verlieren Studierende an schnelle Geschäftsmodelle. Mainzer hält das für gefährlich, wenn am Ende nur Investoren wie Peter Thiel die Richtung vorgeben. Langfristige Durchbrüche kamen stets von Leuten wie Newton, Einstein und Feynman.
Fazit: Quantencomputer, Verschlüsselung und die Grenzen des Rechnens
Beim Thema Quantencomputer Verschlüsselung liefert Mainzer eine differenzierte Antwort. Der Shor-Algorithmus bedroht heutige Codes, die Quantenkommunikation schafft neue Sicherheit. Analoge und neuromorphe Rechner könnten sogar Turings Grenze sprengen. Wir empfehlen Unternehmen, ihre Kryptografie jetzt zu inventarisieren. Wer die Grundlagen versteht, plant seine KI-Strategie robuster.
Häufige Fragen
Können Quantencomputer heutige Verschlüsselung knacken?
Laut Prof. Dr. Klaus Mainzer ja, zumindest prinzipiell. Heutige Verschlüsselung beruht auf Aufgaben, die klassische Rechner nicht in polynomialer Zeit lösen. Der Shor-Algorithmus nutzt die Superposition und beschleunigt das Zerlegen großer Zahlen massiv. Was heute ein Menschenleben dauert, ginge dann in Minuten. Mainzer betont zugleich: Auch ein cleverer klassischer Algorithmus könnte die Codes eines Tages brechen. Für Unternehmen heißt das, die eigene Kryptografie schon heute auf den Prüfstand zu stellen.
Macht Quantentechnologie die Kommunikation sicherer?
Ja. Mainzer sieht in der Quantenkommunikation einen großen Sicherheitsgewinn. Sie beruht auf Verschränkung, die Einstein, Podolsky und Rosen 1935 beschrieben haben. Sender und Empfänger teilen einen gemeinsamen Zustand, den nur sie kennen. Der Schlüssel läuft zusätzlich über einen klassischen Kanal. Ohne den präparierten Zustand nützt er Angreifern nichts. China testet das Prinzip bereits mit Satelliten, die verschränkte Photonen an zwei Stationen senden.
Was ist der Unterschied zwischen Bit und Qubit?
Ein klassisches Bit kennt nur 0 oder 1, es springt zwischen beiden Zuständen. Ein Qubit überlagert beide Zustände mit bestimmten Wahrscheinlichkeiten. Mainzer erklärt das mit einem Zeiger auf einer Kugel, der sich stetig von Pol zu Pol bewegt. Steht er auf 3 Uhr, sind 0 und 1 gleich wahrscheinlich. Viele überlagerte Qubits lassen sich in einem Schritt bearbeiten. Daraus entsteht der enorme Tempovorteil.
Warum gilt analoges Rechnen wieder als Zukunftstechnologie?
Mainzer verweist auf zwei Gründe. Erstens Energie: Neuromorphe Chips mit Memristoren vereinen Speicher und Prozessor, ähnlich wie eine Synapse. Photonische Systeme im Labor kommen mit rund 75 Watt aus. Zweitens Präzision: Nach Alfred Tarski sind Probleme über den reellen Zahlen entscheidbar. Analoge Rechner könnten damit Grenzen überwinden, an denen digitale Computer laut Turing scheitern. Ein Beispiel ist die Rekonstruktion von CT- und MRT-Bildern.
