QUANTUM FINANCE

Zurück zur Übersicht der Technologiesteckbriefe

Was?
Finanzmärkte stellen einige der rechenintensivsten Probleme der Wirtschaft: Risiken bewerten, Portfolios optimieren, Betrug erkennen – oft unter Zeitdruck und mit enormen Datenmengen. Viele dieser Aufgaben beruhen auf Simulationen, die Tausende möglicher Marktszenarien durchspielen, oder auf Optimierungen, die aus Millionen möglicher Kombinationen die beste auswählen müssen. Klassische Computer lösen solche Probleme mit Näherungsverfahren – schnell genug für den Alltag, aber nicht immer optimal. Quantencomputer könnten hier an mehreren Stellen ansetzen: bei der schnelleren Bewertung von Finanzrisiken, bei der Suche nach besseren Anlagestrategien und bei der Erkennung von Mustern in Marktdaten. Die Finanzbranche investiert deshalb bereits heute erheblich in die Erforschung von Quantenalgorithmen.

Wofür?
Ein konkretes Beispiel: Banken müssen täglich das Risiko ihres gesamten Portfolios berechnen – wie viel könnten sie im schlimmsten Fall verlieren? Dafür werden Zehntausende Marktszenarien simuliert, was selbst auf Großrechnern Stunden dauert. Schnellere Berechnungen würden nicht nur Kosten sparen, sondern auch ermöglichen, Risiken häufiger und genauer zu bewerten – etwa in Echtzeit statt über Nacht. Auch die Portfoliooptimierung ist ein klassisches Anwendungsfeld: Aus Tausenden verfügbarer Anlagen die beste Mischung zu finden, unter Berücksichtigung von Risiko, Rendite und regulatorischen Vorgaben, ist ein kombinatorisches Problem, das mit wachsender Größe exponentiell schwieriger wird. Darüber hinaus könnte Quantencomputing bei der Betrugserkennung oder der Preisbildung komplexer Finanzprodukte Vorteile bieten.

Wie?
Zwei Ansätze stehen im Vordergrund. Für Risikosimulationen wird erforscht, ob Quantencomputer sogenannte Monte-Carlo-Simulationen beschleunigen können – Verfahren, die Tausende zufällige Szenarien durchspielen, um Wahrscheinlichkeiten abzuschätzen. Klassisch braucht man für doppelte Genauigkeit viermal so viele Szenarien. Quantenalgorithmen könnten dieses Verhältnis quadratisch verbessern: doppelte Genauigkeit mit nur doppeltem Aufwand. Für Optimierungsprobleme wie die Portfoliozusammenstellung werden – ähnlich wie in der Logistik – Quantenannealing und variationelle Algorithmen getestet. Beide nutzen Superposition, um große Lösungsräume effizienter zu durchsuchen. In der Praxis arbeiten alle Ansätze hybrid: Ein klassischer Rechner bereitet die Daten auf, der Quantenprozessor übernimmt den rechenintensiven Kern.

Ausblick:
Die Finanzbranche gehört zu den aktivsten Erforschern von Quantentechnologien: Große Banken unterhalten eigene Quantum-Teams und veröffentlichen regelmäßig Forschungsarbeiten. Erste Proof-of-Concept-Rechnungen für Risikobewertung und Portfoliooptimierung wurden auf heutiger Hardware demonstriert, allerdings zunächst für vereinfachte Probleme. Für praktische Anwendungen sind weitere Fortschritte bei der Entwicklung von Quantencomputern nötig. Darüber hinaus werden Quantenkryptographie zur abhörsicheren Übertragung von Transaktionsdaten und quantenbasierte KI-Verfahren zur Mustererkennung in Marktdaten bereits erprobt. Der Finanzsektor könnte damit zu den ersten Branchen gehören, in denen verschiedene Quantentechnologien – Computing, Kommunikation und maschinelles Lernen – gemeinsam zum Einsatz kommen.

Diese Inhalte stammen aus den "Technologie-Steckbriefen", die das Fraunhofer ISI in Modul 1entwickelt hat.