BVG nutzt Quantencomputing, um den Fachkräftemangel zu bekämpfen
BVG setzt auf Quantencomputing gegen Personalmangel
Der Berliner Verkehrsbetrieb BVG geht mit einer innovativen Lösung gegen den akuten Fachkräftemangel vor. Bis 2026 werden voraussichtlich über 4.300 Mitarbeiter in den Ruhestand gehen – und verschärfen die Krise damit weiter. Ein neues Quantencomputing-Projekt zeigt nun vielversprechende Ergebnisse bei der Optimierung von Fahrplänen und könnte jährlich Millionen einsparen.
Die Herausforderung bestand darin, 150 Busfahrer auf verschiedenen Linien einzuplanen – eine komplexe Aufgabe, die durch den anhaltenden Personalabbau noch schwieriger wird. Herkömmliche Methoden berücksichtigen oft nicht die individuellen Wünsche der Fahrer, was zu Unzufriedenheit führt. Das Team von Beerantum verfolgte einen anderen Ansatz und integrierte diese Präferenzen in sein Optimierungsmodell.
Cashback bei deinen
Lieblingsrestaurants und Services
Kaufe Gutscheine und spare in deinen Lieblingsorten in deiner Nähe
Mithilfe des Bias-Field-DCQO-Algorithmus von Kipu Quantum und der DBSCAN-Clusteranalyse identifizierten sie verschiedene Fahrerprofile. Dadurch ließen sich API-Abfragen um 80 Prozent reduzieren, was das System deutlich effizienter machte. Die Lösung verband klassische Datenverarbeitung, Quantenberechnungen und klassische Nachbearbeitung zu einem nahtlosen Prozess.
Innerhalb von 24 Monaten entwickelte sich das Projekt von einer frühen Konzeptphase (TRL 4) bis zu einem fast einsatzbereiten Pilotprojekt (TRL 6). Selbst eine bescheidene Effizienzsteigerung von zwei Prozent bei der Planung könnte der BVG jährlich rund 18 Millionen Euro sparen. Die flexible Architektur lässt sich zudem an andere Bereiche anpassen – etwa an Schichtplanung in Krankenhäusern oder Logistiklösungen für die „letzte Meile“.
Der Pilot zeigt, wie quantengestützte Planung den Personalengpässen der BVG entgegenwirken und gleichzeitig Kosten senken kann. Bei weiterer Entwicklung könnte das System auch für andere Branchen mit ähnlichen logistischen Herausforderungen interessant sein. Der nächste Schritt ist die Skalierung für den flächendeckenden Einsatz.
