Interview mit Dr. Danica Marsden, leitende Wissenschaftlerin für Quanteninformatik bei der Bank of Canada

Quantencomputing scheint das nächste grosse Ding zu sein. Qubits statt Bits werden die komplexesten Zahlungsprozesse prägen. Sie haben kürzlich eine Forschungsstudie mitveröffentlicht, die die Wirksamkeit eines solchen neuartigen Algorithmus bezüglich Liquiditätseinsparung bei der Abwicklung im kanadischen RTGS-System belegt. Wie berechnet sich die Reduzierung der Opportunitätskosten? 

Die Verbesserung der Effizienz von Zahlungssystemen, die auf Bruttobasis abrechnen müssen, erfordert Optimierungsroutinen, die derzeit nicht in Echtzeit ausgeführt werden können. Da man davon ausgeht, dass künftige, vollwertige Quantencomputer sich bei Optimierungsproblemen hervorragend eignen werden, haben wir einen Algorithmus dazu entwickelt. Bei unserer Simulation mit derzeit verfügbaren Prototypen stellten wir auf Systemebene eine erhebliche Verringerung der Liquidität von rund 240 Millionen kanadischen Dollar pro Tag fest. Die Einsparungen für die Teilnehmer lassen sich anhand der Opportunitätskosten der Sicherheiten berechnen, die im Austausch für diese Liquidität bei der Zentralbank hinterlegt sind. Da es sich bei den zulässigen Sicherheiten in der Regel um Staatsanleihen handelt, die auf den Repo-Märkten mit einem geringen Aufschlag gegenüber anderen hochwertigen Sicherheiten gehandelt werden, schätzen wir die Einsparungen auf fünf bis zehn Basispunkte pro Dollar, das heisst 240 000 Dollar pro Tag. Dieser Betrag wird unter den Systemteilnehmern proportional zum Wert ihrer Transaktionen aufgeteilt.

Die Zeit für die Ausführung Ihres Algorithmus beträgt fünf Sekunden vor Ausführung der Transaktionen. Ist dieser Algorithmus auch für Instant Payments geeignet? 

Derzeit verwenden viele RTGS-Systeme Liquiditätssparmechanismen, die quasi auf Faustregeln beruhen. So umgehen sie beispielsweise grössere Zahlungen, wenn nicht genügend Liquidität vorhanden ist. Da solche Mechanismen nicht alle Zahlungsaufträge durchsuchen, führt dies zu suboptimalen Lösungen. Unsere Methode prüft alle möglichen Umordnungen für einen Batch an Zahlungen und findet eine, die alle Zahlungen darin abwickelt und gleichzeitig die Liquiditätskosten senkt. Das dauert etwa 90 Sekunden – genauso lange, bis der Batch von Zahlungen im System akkumuliert ist – wovon etwa fünf auf die Optimierung durch Quantencomputing entfallen. Diese Art von Präprozessor, ob Quantum oder nicht, eignet sich nicht für Zahlungen, die sofort ausgeführt werden müssen – also beispielsweise für Massenzahlungen. Sie ist dann zweckmässig, wenn der Nutzen des Effizienzgewinns die Verzögerungskosten deutlich überwiegt.

Auf welche anderen Anwendungsfälle könnte das Quantenzeitalter einen grossen Einfluss haben? 

Überall dort, wo sich ähnliche Probleme bei der Optimierung der Transaktionsabwicklung ergeben – zum Beispiel bei der Abwicklung von Wertschriften und Devisengeschäften, bei der Ermittlung von Netting-Sätzen, beim Matching eines Geschäfts, bei der Arbitrage etc. Darüber hinaus könnte Quantencomputing in Kombination mit maschinellem Lernen die Echtzeitüberwachung unterstützen, um Muster zu erkennen und Anomalien im Zahlungsverkehr aufzudecken.