QUANDA gestartet: Quantencomputing für die Anomalie-Erkennung in Energiesystemen
Forschungsprojekt verbindet Quantencomputing und klassische Hochleistungsrechner und erprobt Anwendungen anhand realer Energiedaten
Wunsiedel/Berlin, November 2026. Das Verbundprojekt QUANDA (Quantum Anomaly Detection & Analysis) ist am 1. Oktober 2026 gestartet. Sechs Partner aus Wissenschaft und Wirtschaft untersuchen darin, wie Quantum Machine Learning zur Anomalie-Erkennung im Energiesektor eingesetzt und mit klassischen Hochleistungsrechnern kombiniert werden kann. Am 9. November 2026 erhielt das Konsortium im Rahmen der „Tage der digitalen Technologien 2026“ in Berlin den Förderbescheid. Das Vorhaben wird durch das Bundesministerium für Forschung, Technologie und Raumfahrt (BMFTR) gefördert.

„Mit QUANDA bringen wir konkrete Fragestellungen aus der Energiewirtschaft in die Entwicklung quantenbasierter Anomalie-Detektion ein. Entscheidend ist, dass wir die Verfahren anhand realer Daten aus Erzeugung, Netz und Verbrauch erproben und ihren Nutzen aus Sicht der Praxis bewerten“, sagt Dr.-Ing. Theresa Weith, COO und Prokuristin der UBT Future Energy Lab Wunsiedel GmbH.
Ein gemeinsamer Software-Stack für Quantencomputing und Hochleistungsrechner
QUANDA ist ein Satellitenprojekt des Förderprogramms QC Next und eng an das bundesweite Leitprojekt FullStaQD angebunden. Dieses entwickelt einen offenen, modularen und standardisierten Software-Stack, der den Zugang zu Quantencomputern erleichtern und ihre Integration in bestehende Rechenumgebungen ermöglichen soll. QUANDA steuert dazu offene und wiederverwendbare Softwarebausteine bei.
Die sechs Projektpartner bringen unterschiedliche Kompetenzen ein: Die Technische Hochschule Deggendorf koordiniert das Vorhaben und entwickelt QML-Algorithmen zur Anomalie-Erkennung. Die Leibniz Universität Hannover arbeitet an QML-Modellen und der Repräsentation von Quantendaten. Die Gesellschaft für wissenschaftliche Datenverarbeitung mbH Göttingen (GWDG) bringt ihre HPC-Infrastruktur und Softwarekomponenten ein. Gemeinsam mit QUDORA Technologies GmbH, die Quantenhardware sowie Compiler- und Transpilertechnologien beisteuert, entwickelt sie die technische Verbindung zwischen klassischen Hochleistungsrechnern und Quantencomputern. Die ZukunftsEnergie Nordostbayern GmbH und die UBT Future Energy Lab Wunsiedel GmbH bearbeiten die Energie-Anwendungsfälle. Das FEL stellt dafür reale Energiedaten bereit und übernimmt die Validierung der entwickelten Lösungen.
Anomalie-Erkennung mit realen Energiedaten erproben
Im Anwendungsfeld Quantum Machine Learning untersucht QUANDA drei konkrete Anwendungsfälle zur Anomalie-Erkennung in Energiesystemen. Im Mittelpunkt stehen multimodale Zeitreihen aus Erzeugung, Netz und Verbrauch. Ungewöhnliche Muster können beispielsweise auf technische Fehler, Netzschwankungen oder auffällige Lastprofile hinweisen. Dafür werden geeignete Datenaufbereitungsverfahren und Lernmodelle entwickelt und anhand realer Energiedaten erprobt.
Dabei wird untersucht, ob Quantum-Machine-Learning-Verfahren gegenüber klassischen Machine-Learning-Methoden Vorteile bei der Erkennung solcher Abweichungen bieten. Die Ergebnisse werden anhand definierter Anwendungsfälle und Vergleichsverfahren bewertet. Ziel ist es, die Einsatzmöglichkeiten quantenbasierter Verfahren im energiewirtschaftlichen Umfeld fundiert einzuschätzen.
Das UBT Future Energy Lab Wunsiedel bringt hierfür seine Expertise in der Erfassung und Analyse von Energiedaten sowie im Betrieb von Energieinfrastruktur ein. Es stellt Daten aus dem Modellprojekt Wunsiedel bereit, definiert Anforderungen an die Anomalie-Erkennung aus Betreiberperspektive und unterstützt die Datenaufbereitung sowie die Umsetzung der Anwendungsfälle. Die entwickelten Verfahren sollen in die bestehende Energiedateninfrastruktur des FEL integriert und unter realen Bedingungen erprobt und bewertet werden.
Projektlaufzeit und Förderung
Das Projekt läuft vom 1. Oktober 2026 bis zum 30. September 2029 und wird im Förderprogramm „Entwicklung digitaler Technologien“ (QC Next) durch das Bundesministerium für Forschung, Technologie und Raumfahrt gefördert. Projektträger ist der DLR Projektträger.

„Im Projekt wollen wir untersuchen, wo Quantum-Machine-Learning-Verfahren bei der Analyse von Energiedaten gegenüber klassischen Methoden einen Mehrwert bieten können. Dafür entwickeln und vergleichen wir geeignete Ansätze anhand konkreter Anwendungsfälle. Die Ergebnisse helfen uns, die Einsatzmöglichkeiten des Quantencomputings für die Anomalie-Erkennung in Energiesystemen realistisch einzuschätzen“, erklärt Dr.-Ing. Marco Griesbach, Leiter Technologische Forschung und Entwicklung am FEL.
Kontakt:
UBT Future Energy Lab Wunsiedel GmbH
Prof. Dr.-Ing. Dieter Brüggemann, Geschäftsführer
E-Mail: dieter.brueggemann@fel-wunsiedel.de
