Die metallverarbeitende Industrie stellt mit mehr als 390.000 Unternehmen und rund 3,7 Mio. Angestellten den größten sekundären Sektor innerhalb der EU dar. Die Zerspanungstechnik repräsentiert in diesem Bereich eine der wichtigsten Fertigungstechnologien. Zahlreiche deutsche Schlüsselindustrien erwirtschaften einen Großteil ihrer Wertschöpfung am Produkt mittels Zerspanung, wie bspw. der Werkzeug- und Formenbau, die Halbleiterindustrie oder der Triebwerksbau. Auf Grund des hohen Stellenwerts der zerspanenden Fertigung sind die betreffenden Unternehmen an einer kontinuierlichen Optimierung von Zerspanungsprozessen hinsichtlich Qualität, Produktivität, Wirtschaftlichkeit und zunehmend auch Nachhaltigkeit interessiert.

Durch die Digitalisierung werden Zerspanungsprozesse von digitalen Zwillingen repräsentiert, was eine durchgängige Planung, Fertigung und Qualitätssicherung ermöglicht.  In der industriellen Anwendung werden Modelle und Simulationen basierend auf digitalen Zwillingen aufgrund ihres Rechenbedarfs und dem erforderlichen Expertenwissen für deren Bedienung zumeist ausgeschlossen. In Folge werden relevante physikalische Effekte in der industriellen Praxis entweder vernachlässigt oder nur durch grobe Abschätzungen approximiert. Hierunter leiden die Qualität des Digitalen Zwillings und die daraus abgeleiteten Erkenntnisse und Entscheidungen erheblich, was in vielen Fällen zu signifikanten, wirtschaftlichen Nachteilen von Unternehmen führen kann.

Bedingt durch die hohen Qualitätsanforderungen und die zumeist erheblichen Kosten für Ausschüsse, ermöglichen Simulationen es auf Basis digitaler Zwillinge optimierte Zerspanungsvorgänge zu planen. Diese technologiespezifischen Simulationsmodelle fußen primär auf Modellen aus Analytik, Numerik und zunehmend auch dem Bereich des maschinellen Lernens (ML) (bspw. Neuronale Netze). Insbesondere die Ansätze aus den Kategorien Numerik und ML führen regelmäßig selbst leistungsfähige digitale Infrastrukturen an ihre Grenzen, da sie heute noch auf herkömmlichen Halbleiterrechnern und deren technischer Funktionsweise beruhen. Die resultierenden langwierigen Berechnungszeiten und/oder fehlerhaften Berechnungsergebnisse erschweren bis heute den Transfer vollständiger Industrie 4.0 Rahmenmodelle in die Industrie. Erste Untersuchungen zeigen, dass quantenmechanische Funktionsprinzipien entscheidende Vorteile in der Lösung zahlreicher algorithmischer Fragestellungen versprechen, wie vor allem signifikante Beschleunigungen bei numerischen Verfahren und Ergebnisverbesserungen durch „Quantum Machine Learning“-basierte Ansätze.

Das Projekt greift die Leistungsfähigkeit der kurzfristig angestrebten Quantenrechner auf und entwickelt darauf aufbauend Szenarien für das mittelfristige Ziel des Quantenvorteils für praxisrelevante Anwendungen. Hierfür ist die Verbindung zu Hardwareentwicklung und -analyse u.a. durch die Teilnahme des Forschungszentrums Jülich (FZJ) zentral, da so Hardwarefähigkeiten und -einschränkungen berücksichtigt werden können und das Potenzial von Quantencomputern früh genutzt wird. QUASIM bündelt Kompetenz aus Industrie und Akademie. Hier werden innovative Services forciert, die aufgrund der hohen Wertigkeit auch den frühen Einsatz von Quantencomputern ermöglichen. Die Vorgehensweise in der Implementierung beruht auf existierenden Schnittstellen, sodass Transferierbarkeit und Hardware-Agnostizität gewährleistet sind. Längerfristige Ziele des Projekts sind die Entwicklung und Erprobung von Algorithmen und Technologien des Quanten Computing für kritische Simulationsfragestellungen in der Fertigung, die methodische Einbettung in Industrie 4.0- Rahmenwerke als „Quantum-as-a-Service“ (QaaS) und der praxisorientierte Wissenstransfer zur produktionsorientierten Simulation auf Basis von QC.

An QUASIM sind neben dem Deutschen Forschungszentrum für Künstliche Intelligenz (DFKI), das als Koordinator agiert, das Fraunhofer-Institut für Produktionstechnologie (IPT), das Technologieunternehmen Trumpf, das Forschungszentrum Jülich und der Softwarekomponentenanbieter ModuleWorks beteiligt. Darüber hinaus unterstützen die assoziierten Partner Ford und MTU Aero Engines das Projekt.