Das Stuttgarter Unternehmen Q.ANT entwickelt photonische Prozessoren, die bestimmte Rechenoperationen mithilfe von Licht statt ausschließlich elektronisch ausführen. Die Technologie soll rechenintensive Anwendungen der Künstlichen Intelligenz (KI) beschleunigen und ihren Energiebedarf senken. Besonders geeignet ist sie für bild- und videobasierte KI-Anwendungen, etwa in der Klima- und Wetterforschung. Photonische Chips sollen klassische Prozessoren ergänzen, nicht vollständig ersetzen.
Das Leibniz-Rechenzentrum und das Karlsruher Institut für Technologie testen die Technologie bereits unter realen Bedingungen. Q.ANT betreibt eine Pilotlinie mit einer Kapazität von 50.000 Chips jährlich und vereinbarte 2026 eine strategische Partnerschaft mit IONOS für den Einsatz in kommerziellen Rechenzentren. Ob photonische Prozessoren den Gesamtstrombedarf von Rechenzentren spürbar reduzieren können, hängt von ihrer Verbreitung ab.
Diese Zusammenfassung wurde mithilfe von Künstlicher Intelligenz erstellt. Haben Sie Fehler entdeckt? Dann weisen Sie uns gerne darauf hin.
Farbige Lichtwellen bewegen sich auf dem Display des photonischen Rechners. Dahinter steckt ein anderer Ansatz als bei klassischen Prozessoren: Bestimmte Rechenoperationen werden mit Licht statt ausschließlich elektronisch ausgeführt. Dabei können viele Rechenoperationen gleichzeitig ablaufen und komplexe Rechenschritte in einem Zug erledigt werden. Das soll vor allem bei rechenintensiven KI-Anwendungen Tempo bringen und Energie sparen.
Schneller und effizienter
Durch den Einsatz von Künstlicher Intelligenz (KI) steigt der Energiebedarf von Rechenzentren rasant. Das treibt die Stromkosten in die Höhe und belastet das Energiesystem sowie die Stromnetze. Die Internationale Energieagentur schätzt, dass Rechenzentren bis 2030 so viel Strom verbrauchen könnten wie Japan heute. Gleichzeitig stoßen klassische Chiparchitekturen bei Leistung, Energiebedarf und Kühlung zunehmend an Grenzen.
„Für komplexe KI-Berechnungen zählt am Ende nur eins: Wie schnell die Antwort kommt und wie viel Energie und Rechenkapazität sie braucht. Genau da spielt photonisches Rechnen seine Stärken aus“, sagt Dr. Michael Förtsch, Gründer und CEO von Q.ANT.
Mehr Start-up-Portraits
Start-up HeatbrAIn: Bessere Daten für die Wärmewende – Gebäudedaten, KI und Prognosen: Wie heatbrAIn den Wärmebedarf in Kommunen berechnet. Mehr erfahren
Start-up Heatrix: XXL-Föhn statt Gas und Öl – Grüne Prozesswärme in der Industrie steckt noch in den Kinderschuhen. Mit heißer Luft will Heatrix die Produktion nachhaltiger machen. Zum Beitrag
Start-up Revincus: Energie aus dem Abwasser – Energiequelle aus dem Abfluss: Revincus möchte die Wärmegewinnung aus Abwasser in Mehrfamilienhäusern etablieren. Zum Portrait
Die Systeme sollen sich in bestehende Rechenzentren integrieren lassen. „Neue Technologien greifen nur, wenn sie sich in bestehende Infrastruktur einfügen“, sagt Förtsch. Für geeignete Anwendungen könnte dadurch der Strombedarf pro Rechenoperation sinken. Ob das bei stark wachsender KI-Nutzung auch spürbar den Gesamtstrombedarf der Rechenzentren und die Netze entlastet, hängt jedoch davon ab, wie breit die Technologie eingesetzt wird.
2018 gründete Förtsch das Start-up in Stuttgart als Ausgründung aus dem Unternehmen Trumpf, einem Hersteller von Werkzeugmaschinen und Lasertechnik, der weiterhin Investor ist. Technologisch setzt Q.ANT auf Lithiumniobat. Das Material besitzt besondere elektrooptische Eigenschaften und ermöglicht es, Licht schnell zu steuern.
Eine Ergänzung, kein Ersatz
Q.ANT produziert inzwischen Prozessoren in kleinen Stückzahlen, die in sogenannte Native Processing Server (NPS) eingebettet sind. Das Unternehmen betreibt eine eigene Pilotlinie mit einer Kapazität von 50.000 Chips pro Jahr, die es nutzt, um die Entwicklung der Prozessoren zu beschleunigen und die Qualität zu sichern. Das Leibniz-Rechenzentrum in München sowie das Karlsruher Institut für Technologie testen sie – direkt neben klassischen Prozessoren von Nvidia. Photonische Prozessoren werden dort also bereits unter realen Bedingungen neben klassischen Systemen erprobt.
Komplett verdrängen werden sie diese nicht. Photonische Chips seien eine Ergänzung und kein Ersatz für alle digitalen Chips, sagt der CEO von Q.ANT. „Auch in Zukunft werden wir nicht alles mit photonischen Chips rechnen. Sie eignen sich vor allem für bild- und videobasierte KI-Anwendungen.“ Diese sind besonders rechenintensiv und werden zum Beispiel in der Klima- und Wetterforschung eingesetzt oder bei Strömungssimulationen im Autobau und in der Luftfahrt.
2025 konnte das Stuttgarter Start-up 68 Millionen Euro bei Investoren einwerben. Das Team ist inzwischen auf knapp 100 Beschäftigte gewachsen und hat ein Büro im texanischen Austin eröffnet. Erste Kunden arbeiten bereits mit den photonischen Rechnern. Nun geht es darum, die Technologie breiter einzusetzen und die Produktion zu skalieren.
Strategische Partnerschaft mit IONOS
2026 vereinbarte Q.ANT eine strategische Partnerschaft mit dem Cloud-Anbieter IONOS. Ziel ist der Einsatz photonischer Prozessoren in kommerziellen Rechenzentren. Q.ANT ist nach eigenen Angaben bisher das einzige Unternehmen weltweit, das solche Prozessoren liefern kann. Für Entwicklung und Produktion betreibt das Unternehmen in Stuttgart eine eigene Pilotlinie.
Für die weitere Expansion fordert Förtsch bessere Rahmenbedingungen, Marktzugang und eine strategische Standortpolitik: „Die Politik muss jetzt den Mut haben, gezielt neue Rechenarchitekturen zu stärken und entsprechende Rahmenbedingungen für ein neues Compute-Ökosystem zu schaffen. Denn neue Märkte entstehen nicht durch Technologie allein, sondern vor allem durch neue Anwendungen, die daraus entstehen“, sagt er. Entscheidend sei neben der Hardware ein Ökosystem aus Entwicklern und Anwendungen. Seit September stellt Q.ANT dafür ein Open-Source-Softwarepaket bereit.
Förtsch sieht eine realistische Chance, dass Deutschland und Europa im nächsten KI-Zyklus eigene Champions im photonischen Computing hervorbringen und eine eigene Wertschöpfungskette aufbauen können.
Zurück zum Magazin-Schwerpunkt „Vertrauen“