Quantum Capability Kickstart – Quantencomputing in fünf Sessions
Von Quantenkonzepten zu Hands-on Quantum Coding.
Der Quantum Capability Kickstart richtet sich an Quant-, Risk-, Data-Science-, Innovations- und Technologieteams, die praktische Quantum-Coding-Kompetenz aufbauen wollen. Die Teilnehmenden lernen die Kernkonzepte, indem sie einfache Quantum Circuits schreiben und ausführen, Resultate interpretieren, grundlegende Quantenalgorithmen abstimmen und unterstützende Werkzeuge wie RQP und LLM-gestütztes Coding nutzen, um schneller von der Theorie zum Experiment zu kommen. Der Kickstart schliesst mit den eigenen 3–4 Kandidaten-Use-Cases des Teams, bereit für die RQP-Nutzung.
Pauschalpreis für ein Team bis 8 Teilnehmende – wird im Erstgespräch besprochen
Format
Fünf interaktive Sessions
Jede Session dauert etwa 3–4 Stunden und verbindet Erklärung, Coding, Walkthroughs und praktisches Experimentieren.
Fokus
Quantum-Coding-Kompetenz
Die Teilnehmenden lernen, einfache Quantenprogramme zu schreiben, auszuführen, zu untersuchen und anzupassen – mit Frameworks wie Qiskit für das Hands-on-Coding.
Ergebnis
Praktische Experimentierkompetenz
Die Teilnehmenden gehen mit einem Arbeitsverständnis von Circuits, Simulatoren, Algorithmusparametern und Resultatinterpretation nach Hause – und wissen, wie LLM-Unterstützung Quantum Coding beschleunigen kann.
Welche Lücke der Kickstart schliesst
Viele Teams haben von Quantencomputing gehört, aber den Schritt von den Konzepten zum Code noch nicht gemacht. Der Kickstart schliesst diese Lücke. Er führt die mathematischen und konzeptionellen Grundlagen ein, verbindet sie aber stets zurück mit ausführbaren Quantum Circuits, Coding-Workflows, Simulatoren, Algorithmus-Tuning und praktischem Experimentieren.
Typische Ausgangsfragen
- Wie kommen wir von der Quantentheorie zu ausführbarem Code?
- Wie funktionieren Qubits, Gates, Circuits und Messung in der Praxis?
- Wie schreiben und führen wir einfache Quantenprogramme aus?
- Wie beeinflussen Simulatoren, Hardware-Backends, Rauschen und Shots die Resultate?
- Wie können LLMs Quantum Coding, Debugging und Lernen unterstützen?
Typische Ergebnisse
- Fähigkeit, einfache Quantum Circuits zu lesen und zu schreiben
- praktisches Verständnis von Quantum-Coding-Workflows
- Sicherheit beim Interpretieren von Messungen und Simulatorresultaten
- grundlegende Fähigkeit, das Verhalten von Quantenalgorithmen abzustimmen und zu untersuchen
- klareres Urteil darüber, wo sich tieferes Prototyping lohnen könnte
Curriculum: fünf interaktive Sessions
Die Struktur lässt sich anpassen, ein typischer Kickstart beginnt aber mit Ein-Qubit-Grundlagen und führt dann über Interferenz, Verschränkung und Finanzalgorithmen, die als Prototypen mit Referee laufen, bis zur Frage, was auf realer Hardware überlebt.
Session #1
Grundlagen des Quantencomputings
Ein-Qubit-Systeme
Themen
- Einführung in Qubits, Vektoren, Matrizen und komplexe Zahlen
- mathematische Beschreibung von Qubit-Zuständen und Gates
- Phasen, Phasenverschiebungen, Unitarität, Bloch-Kugel und Rotationen
- Messung und das Doppelleben eines Qubits
- der erste eigene Quantum Circuit
Ergebnis
Die Teilnehmenden verstehen die grundlegenden mathematischen und konzeptionellen Bausteine des Ein-Qubit-Quantencomputings und schreiben ihren ersten einfachen Circuit.
Session #2
Quanteninterferenz
Phasen, Rotationen und Interferenz
Themen
- komplexe Zahlen, Phasen und Rotationen
- Überblick über die Ein-Qubit-Gates
- wie Quanteninterferenz funktioniert
- der 3-Schritte-Ansatz für Quanteninterferenz
- einfache Interferenzbeispiele programmieren und untersuchen
Ergebnis
Die Teilnehmenden verstehen, warum Interferenz für Quantenalgorithmen zentral ist, und lernen, einfache Interferenzeffekte im Code zu reproduzieren.
Session #3
Circuit-Berechnungen und Algorithmus-Mechanik
Tensorprodukte, Phase Kickback, die drei klassischen Algorithmen
Themen
- Tensorprodukte und Schritt-für-Schritt-Berechnung von Circuits
- Basen und Basiswechsel, Eigenzustände und Eigenwerte
- kontrollierte Gates auf Eigenvektoren: Phase Kickback
- Deutsch–Jozsa als interaktive Übung
- Shor, Q-Day und Post-Quanten-Kryptographie; Grover für unstrukturierte Suche
Ergebnis
Die Teilnehmenden berechnen Mehr-Qubit-Circuits von Hand und im Code und erklären die drei klassischen Algorithmen als Anwendungen eines einzigen Rezepts – einschliesslich dessen, was Shor für Q-Day und PQC bedeutet.
Session #4
Quantenalgorithmen für Finanzanwendungen, hands-on
Erwartungswerte, die hybride Schleife, QAOA und VQC
Themen
- der Erwartungswert als die Zahl, auf die ein Optimizer steuert; Sampler versus Estimator
- parametrisierte Gates, der variationelle Ansatz, Daten als Winkel
- QAOA: Cost- und Mixer-Layer, das QUBO, Penalty-Gewichte, Tiefe und Restarts
- QAOA-Portfoliooptimierung als Rapid Quantum Prototype mit exaktem Referee
- VQC-Betrugsklassifikation als Rapid Quantum Prototype gegen abgestimmte klassische Baselines
Ergebnis
Die Teilnehmenden lesen ein QUBO und stimmen seine Penalties ab, lassen QAOA und einen variationellen Klassifikator auf Simulatoren laufen und beurteilen jedes Resultat gegen die beste klassische Baseline.
Session #5
Rauschen, Hardware und Quantum Monte Carlo
Was auf einem realen Gerät überlebt; Pricing und Risiko
Themen
- Gate-Fidelity, Routing und Tiefenlimiten: was auf heutige Hardware passt
- die Noise Ladder von der exakten Simulation bis zum realen IBM-Gerät, hands-on mit dem Circuit aus Session 4
- Simulatoren: Statevector, Tensor-Network, verrauscht – und wo jeder an seine Grenze stösst
- Quantum Monte Carlo für Pricing und Risiko: eine Wahrscheinlichkeit wird zur Amplitude, das quadratische Versprechen und sein Preis
- Ausblick: was heute machbar ist und was als Nächstes zu tun ist
Ergebnis
Die Teilnehmenden beurteilen, was auf einem realen Gerät überlebt, wählen den Simulator, der die Frage beantwortet, und führen Quantum-Monte-Carlo-Pricing als Rapid Quantum Prototype mit klassischer Referenz aus.
Wo RQP ins Spiel kommt
Die Rapid Quantum Prototyping Suite kann einbezogen werden, um den Kickstart konkreter zu machen. Statt Quantenalgorithmen nur theoretisch zu diskutieren, können die Teilnehmenden Workflows untersuchen, Experimente ausführen, gegen klassische Baselines vergleichen, Outputs prüfen und RQP als strukturierte Brücke zwischen Schulungsbeispielen und der Exploration eigener Use Cases nutzen.
QAOA
Optimierungs-Workflows für Beispiele aus Portfolio, Allokation, Scheduling und Auswahl unter Nebenbedingungen, einschliesslich Parameterwahl und Benchmark-Vergleich.
VQC und QSVM
Quantum-Machine-Learning-Workflows für klassifikationsorientierte Beispiele, einschliesslich der Struktur von Feature-Encoding, Training und Evaluation.
QMC und QAE
Quantum-Monte-Carlo- und Erwartungswertschätzungs-Workflows für Pricing-, Wahrscheinlichkeits- und Risikobeispiele, einschliesslich Ressourcen- und Konvergenzvergleich.
Leistungsumfang
fünf interaktive Sessions von je etwa 3–4 Stunden
ein begleitendes Jupyter Notebook pro Session: insgesamt 147 ausführbare Code-Zellen, mit gestuften Übungen und ausgearbeiteten Lösungen
ein Slide-Handout pro Session: insgesamt 327 Seiten, jede Inhaltsfolie wiedergegeben mit der Erklärung, die sie im Raum begleitet hat, plus ein Prosa-Begleittext pro Session
Notebooks, die offline auf einem Laptop laufen: kein Cloud-Konto, keine Hardware-Warteschlange, keine Anbieterbeziehung nötig
ausführbare Quantum Circuits und Algorithmusbeispiele, jedes gegen eine klassische Referenz geprüft statt bloss behauptet
gemeinsame Sprache für fachliche und technische Stakeholder
praktisches Verständnis von Circuits, Gates, Shots, Simulatoren und Resultaten
Einführung in RQP-gestütztes Experimentieren und Benchmarking
Hinweise, wie LLMs Quantum Coding und Lernen unterstützen können
Kursmaterial
Der Kickstart ist kein Foliensatz mit angehängter Demo. Jede Session verbindet ein Deck mit einem begleitenden Jupyter Notebook, und alle Teilnehmenden behalten beides. Das schriftliche Material ist so angelegt, dass es Monate später für jemanden lesbar bleibt, der im Raum war – und nutzbar für Kolleginnen und Kollegen, die nicht dabei waren.
Begleitende Notebooks
Ein Jupyter Notebook pro Session, insgesamt 147 ausführbare Code-Zellen. Jede Zelle ist passend zu einer Folie nummeriert, sodass Deck und Notebook nebeneinander gelesen werden können. Gestufte Übungen mit ausgearbeiteten Lösungen, und nichts, was ein Cloud-Konto oder eine Hardware-Warteschlange braucht – die Teilnehmenden können in der Woche danach alles erneut ausführen.
Erweiterte Handouts
Ein Slide-Handout pro Session, insgesamt 327 Seiten. Jede Folie, die ein Argument trägt, ist mit der im Raum gegebenen Erklärung wiedergegeben, plus die typischen Fallstricke, die Selbstkontrollfragen und der Verweis auf die Notebook-Zelle, die die Aussage verifiziert.
Gegen klassische Baselines verifiziert
Jede quantitative Aussage wird gegen einen klassischen Referee gestellt – das exakte Optimum, wo sich eines berechnen lässt, ein zurückgehaltenes Testset, wo nicht. Wo kein Quantenvorteil zu berichten ist, sagt das Material das auch.
Das Material vor der Buchung ansehen
Ein 23-seitiges Sample nimmt aus jeder der fünf Sessions ein Thema und führt es durchgehend aus – von den Folien, die eine Idee aufbauen, bis zur Notebook-Seite, die sie ausführbar macht. Die ersten drei setzen keine Physik voraus und lassen sich Zeile für Zeile nachvollziehen; die letzten beiden sind das Urteilsvermögen, das ein Team braucht, bevor es Geld für Hardware ausgibt oder einem Machine-Learning-Resultat glaubt – einschliesslich eines Quantenklassifikators, der gegen logistische Regression, eine SVM und einen Random Forest gebenchmarkt wird.
Sample herunterladen (PDF, 23 Seiten, EN)Voraussetzungen: sind Sie bereit?
Quantenwissen wird nicht vorausgesetzt. Was der Kurs braucht, ist ein Laptop mit funktionierendem Python-Notebook, grundlegendes Python sowie NumPy-Vektoren und -Matrizen; komplexe Zahlen helfen, werden aber eingeführt. Ein kurzer Online-Self-Check zeigt Ihnen und uns, was vor dem ersten Morgen aufzufrischen ist. Er ist eine Standortbestimmung, keine Aufnahmeprüfung.
Self-Check vor dem Kurs machen (EN)Vor dem Kurs
- Notebook einrichten ↗ · PDF, 5 Seiten, EN
- Bereit für den Kickstart? Self-Check auf Papier ↗ · PDF, 12 Seiten, EN
Cheat Sheets
- Vektoren und Matrizen ↗ · PDF, 4 Seiten, EN
- Komplexe Zahlen ↗ · PDF, 2 Seiten, EN
Jede Operation mit ihrer Struktur, einem ausgearbeiteten Beispiel und dem NumPy-Aufruf. Zum Ausdrucken und neben den Laptop legen.
Wer teilnehmen sollte
Das Format funktioniert besonders gut für Teams, die finanzfachliche, quantitative, technische und Innovationsperspektiven verbinden. Es lässt sich auch für ein stärker managementorientiertes oder ein technischeres Publikum anpassen.
- Quant-Teams
- Risk-Teams
- Data-Science-Teams
- Innovationsteams
- Technologie- und Architekturteams
- Führungskräfte, die eine realistische Sicht auf Quantum Coding und Experimentieren brauchen
Voraussetzungen
- Grundkenntnisse in Python werden für Teilnehmende der Hands-on-Teile empfohlen.
- Grundlegende Mathematik, einschliesslich einfacher Vektor- und Matrixrechnung, ist hilfreich.
- Vorkenntnisse zu komplexen Zahlen sind hilfreich, aber nicht erforderlich.
- Kein Vorwissen in Quantencomputing erforderlich.
- Das Format lässt sich für Management, gemischte Teams oder technisch versiertere Expertengruppen anpassen.
Was der Kickstart nicht ist
Keine Hype-Veranstaltung
Der Kickstart benennt Limitationen, Hardware-Grenzen, Benchmarking-Bedarf und den Unterschied zwischen vielversprechender Forschung und praktischem Geschäftsnutzen ausdrücklich.
Nicht nur ein Theoriekurs
Der Fokus liegt nicht nur auf dem Verständnis von Konzepten. Die Teilnehmenden werden dazu angeleitet, einfache Quantenprogramme und algorithmische Workflows zu schreiben, auszuführen, zu untersuchen und anzupassen.
Kickstart für Ihr Team besprechen
Ein kurzes Erstgespräch reicht in der Regel, um Zielgruppe, Reifegrad, bevorzugtes Format und die Frage zu klären, ob der Kickstart stärker auf Quantum Coding, das Verständnis von Quantenalgorithmen, RQP-gestütztes Experimentieren oder eine Orientierung auf Managementebene ausgerichtet sein soll.