13 unverzichtbare Quantenprogrammiersprachen und -tools für 2026

Quantenprogrammiersprachen entwickeln sich schnell zu entscheidenden Werkzeugen im beginnenden Zeitalter des Quantencomputings. Diese neue Generation von Programmiersprachen ermöglicht es Entwicklern und Forschern, mit Qubits zu interagieren und Algorithmen zu entwerfen, die ihre klassischen Gegenstücke bald um Größenordnungen übertreffen könnten.

Bis 2025 wurden mehr als 37 verschiedene Quantenprogrammiersprachen eingeführt, die jeweils auf bestimmte Modelle, Hardware und Anwendungsfälle des Quantencomputings zugeschnitten sind. Zusammengenommen spiegeln diese Sprachen die vielfältigen Ansätze der Quantenberechnung wider, die von gatterbasierten Systemen und Variationsschaltungen bis hin zu adiabatischen Modellen und hybriden klassischen Quantenalgorithmen reichen. [1]

Im Folgenden habe ich die führenden Quantenprogrammiersprachen hervorgehoben, die es Entwicklern ermöglichen, die Besonderheiten der Quantenmechanik effektiv zur Lösung komplexer Probleme zu nutzen. 

Wussten Sie schon?  

GitHub hostet über 21.000 Quantensoftware-Repositories, was einem Wachstum von 200 % seit 2017 entspricht. Diese Repositories haben Beiträge von über 10.000 einzelnen Entwicklern angezogen, wobei die Code-Commits insgesamt über 1,2 Millionen Zeilen betragen. [2]

13. Menge

Erstveröffentlichung :2022
Erstellt von :Unabhängige Forscher und Open-Source-Mitwirkende
Einzigartige Stärke :Quantum-First-Ansatz und sauberes Abstraktionsmodell
Am besten für :Forscher suchen nach einem leichten Toolset ohne Anbieterbindung

Qunity ist eine weniger bekannte, aber zukunftsweisende Quantenprogrammiersprache und ein Framework, das die Klarheit klassischer Programmiermodelle mit den einzigartigen Paradigmen der Quantenmechanik verbindet. 

Sie ist von Grund auf als quantennative Sprache konzipiert und setzt quantenmechanische Einschränkungen (z. B. kein Klonen und einheitliche Evolution) sowohl auf der Typsystem- als auch auf der Logikebene durch. 

Während es von klassischen Programmiersprachen wie C und Python inspiriert ist, passt es die Syntax und Semantik so an, dass sie auf natürliche Weise mit Quantencomputerprinzipien wie Linearität, Reversibilität, Überlagerung und Verschränkung kompatibel sind. [3]

Das Design von Qunity ist modular und soll Backend-agnostisch sein, wobei Unterstützung für Simulatoren und Kompatibilitätsschichten entwickelt wird, um in Zukunft auf echte Quantenprozessoren abzuzielen.  

12. TKET 

Erstveröffentlichung :2019
Erstellt von :Quantinuum
Einzigartige Stärke :Behandelt Hardware-Einschränkungen intelligent
Am besten für :Hardware-agnostische Schaltungsoptimierung; Werkzeuge auf Produktionsebene

TKET fungiert in erster Linie als optimierender Compiler und Ausführungsrahmen auf mittlerer Ebene, der eine Schnittstelle zwischen Quantenprogrammen auf hoher Ebene und verschiedenen Quantenhardwarezielen herstellt. 

TKET konzentriert sich auf die Optimierung von Quantenschaltkreisen, Gattersynthese und Qubit-Routing. Es wandelt abstrakte Quantenalgorithmen in hardwarekompatible Anweisungen mit minimaler Tiefe und Fehlerraten um. 

Seine Fähigkeit, Hardware-Einschränkungen (z. B. Qubit-Konnektivitätsbeschränkungen, Gattertreue und native Befehlssätze) intelligent zu handhaben, ermöglicht es ihm, effizientere Schaltkreise mit geringerer Gatteranzahl und kürzeren Ausführungszeiten zu generieren. 

In unabhängigen Benchmarks hat TKET in einigen Anwendungsfällen eine bis zu 40 % geringere Gate-Anzahl und 25–30 % schnellere Ausführungszeiten im Vergleich zu nativen Compilern gezeigt. 

11. ProjectQ 

Erstveröffentlichung :2016 
Erstellt von :ETH Zürich
Einzigartige Stärke :Compilerorientierter, modularer Aufbau
Am besten für :Quantencompiler-Forschung und Bildungszwecke

ProjectQ bietet eine modulare und erweiterbare Quantencomputerplattform für Forscher, Entwickler und Pädagogen. 

Es wurde in Python geschrieben und war eines der frühen Quanten-SDKs, das den Schwerpunkt auf eine Compiler-basierte Architektur legte, bei der Quantenprogramme in Zwischendarstellungen übersetzt werden, bevor sie auf Simulatoren oder echter Quantenhardware ausgeführt werden. 

ProjectQ legt Wert auf Modularität und ermöglicht es Entwicklern, Quantenprogramme in einem Python-ähnlichen Stil zu definieren, sie mithilfe anpassbarer Pipelines zu kompilieren und sie entweder auf integrierten Simulatoren oder Backends wie IBM Quantum Experience auszuführen. Darüber hinaus ermöglicht das Compiler-zentrierte Design eine feinkörnige Kontrolle über Optimierung, Gate-Zerlegung und zielspezifische Übersetzung. [4]

Es unterstützt auch die Emulation von Quantenschaltkreisen, die Wellenfunktionssimulation und die Emulation einer einheitlichen Matrix und kann als experimenteller Spielplatz für Compilerforschung, Quantenfehlerkorrektur und Optimierungsstudien dienen. 

10. Quantencomputersprache (QCL)

Erstveröffentlichung :2000
Erstellt von :Bernhard Ömer
Einzigartige Stärke :Klarer Zugriff auf den Quantenzustand auf niedriger Ebene
Am besten für :Erlernen der klassischen Quanten-Hybridstruktur

QCL ist eine der frühesten High-Level-Programmiersprachen, die speziell für Quantencomputing entwickelt wurde.

Zu einer Zeit, als die Quantenprogrammierung weitgehend auf mathematischer oder Schaltungsebene erfolgte, führte QCL strukturierte Syntax, Variablen, Bedingungen, Schleifen und modulare Funktionen ein – und legte damit im Wesentlichen den Grundstein für spätere höhere Quantensprachen. 

Es trennt klassische und Quantenberechnung, wobei klassische Register den Kontrollfluss verwalten, während Quantenregister (Quregs) Quantenzustände speichern und manipulieren. Die Sprache führte viele der heute üblichen Programmierkonstrukte für Quantencomputer ein, wie etwa einheitliche Operatoren, Messanweisungen, reversibles Rechnen und zusätzliche Qubits für den vorübergehenden Gebrauch. 

Obwohl QCL nicht an kommerzielle Quantenhardware gebunden ist, bleibt es ein wertvolles Werkzeug in akademischen und Forschungsumgebungen, insbesondere für die Lehre und Simulation von Quantenalgorithmen. 

9. Erdbeerfelder

Erstveröffentlichung :2018
Erstellt von :Xanadu
Einzigartige Stärke :Ausschließlicher Fokus auf CV-Quantencomputing
Am besten für :Simulation und Programmierung photonischer Quantensysteme

Strawberry Fields ist eine Full-Stack-Open-Source-Quantenprogrammierungsbibliothek, die auf das Quantencomputing mit kontinuierlichen Variablen (CV) zugeschnitten ist. Es wurde speziell für quantenphotonische Schaltkreise entwickelt, die Quantenzustände des Lichts (wie gequetschte Zustände, kohärente Zustände und Gaußsche Zustände) zur Durchführung von Berechnungen verwenden.

Im Kern nutzt Strawberry Fields die Quantenassemblysprache Blackbird. Dadurch können Entwickler photonische Quantenschaltungen entwerfen, simulieren und optimieren, indem sie sowohl Gate-basierte Modelle als auch Arbeitsabläufe für maschinelles Lernen verwenden. 

Es kann in Verbindung mit PennyLane (einem weiteren Xanadu-Projekt) verwendet werden, um hybride quantenklassische Berechnungen und maschinelle Lernanwendungen zu ermöglichen. Die Plattform eignet sich gut für Anwendungsfälle im Bereich Quantenmaschinelles Lernen, Quantenchemie, CV-Quantenkryptographie und Quantenoptikforschung. [5]

8. Ozean

Erstveröffentlichung :2018
Erstellt von :D-Wave-Systeme
Einzigartige Stärke :Entwickelt für Quantenglühen; unterstützt Hybridlöser
Am besten für :Lösung kombinatorischer Optimierungsprobleme

Ocean ist ein Open-Source-Framework für die Quantenprogrammierung, das speziell dazu entwickelt wurde, Benutzern bei der Entwicklung und Optimierung von Problemen für Quanten-Annealer zu helfen – ein ganz anderes Paradigma als gatterbasierte Quantencomputer. [6]

Es handelt sich nicht um eine Programmiersprache im herkömmlichen Sinne, sondern um eine in Python erstellte Toolchain, die benutzerdefinierte Probleme (hauptsächlich Optimierungsprobleme) in eine Form übersetzt, die von der Quanten-Annealing-Hardware von D-Wave lösbar ist.

Die modulare Architektur von Ocean macht es für Entwickler und Forscher, die an benutzerdefinierten Lösern oder Optimierungsheuristiken arbeiten, in hohem Maße erweiterbar. Es eignet sich am besten für die Lösung kombinatorischer Optimierungsprobleme wie Fahrzeugrouting, Portfoliooptimierung, Terminplanung und maschinelle Lernaufgaben. 

Darüber hinaus lässt sich Ocean nahtlos in den Cloud-Service Leap von D-Wave integrieren und bietet Entwicklern sofortigen Zugriff auf Quantenhardware und -ressourcen. Im Jahr 2025 gab D-Wave die allgemeine Verfügbarkeit seines Quantencomputersystems Advantage2 mit über 4.400 Qubits bekannt. Ocean wurde aktualisiert, um dieses System der nächsten Generation vollständig zu unterstützen.

7. QuTiP

Erstveröffentlichung :2012
Erstellt von :Johannes Johansson, Paul Nation und Mitarbeiter
Einzigartige Stärke :Physikorientierte Simulationsleistung
Am besten für :Theoretische Forschung und Modellierung

QuTiP ist ein umfassendes Open-Source-Framework, das sich auf die Simulation der Physik von Quantensystemen konzentriert, insbesondere in der zeitkontinuierlichen Evolution, Mastergleichungen und nicht-einheitlicher Dynamik. 

QuTiP ist in Python geschrieben und mit NumPy, SciPy und Cython optimiert und eignet sich effizient für numerische Berechnungen. Es ermöglicht Forschern, zeitabhängige Schrödinger-Gleichungen, Lindblad-Master-Gleichungen und Heisenberg-Bewegungsgleichungen zu modellieren und zu lösen, die für die Quantenmechanik von zentraler Bedeutung sind. [7]

QuTiP bietet auch eine Reihe von Solvern, einschließlich mesolve für Lindblad-Mastergleichungen sesolve für Schrödinger-Gleichungen und mcsolve für Monte-Carlo-Simulationen. Diese Löser ermöglichen die Untersuchung sowohl geschlossener als auch offener Quantensysteme unter verschiedenen Bedingungen.  

Aufgrund dieser Fähigkeiten wird es häufig in Bereichen wie der Quantenoptik, der Quantenthermodynamik, der Hohlraum-QED und der supraleitenden Qubit-Forschung eingesetzt.

6. PennyLane

Erstveröffentlichung :2018
Erstellt von :Xanadu
Einzigartige Stärke :Integriert sich in klassische Ökosysteme für maschinelles Lernen
Am besten für :Quantenmaschinelles Lernen; Hybride klassische Quantenmodelle

PennyLane ist eine Open-Source-Quantencomputerbibliothek auf Python-Basis, die Quantencomputer mit Arbeitsabläufen für maschinelles Lernen integriert und Tools für die automatische Differenzierung von Quantenschaltkreisen bietet. 

Es verbindet Quantenberechnung und klassische Optimierung durch die Nutzung von Frameworks wie PyTorch, TensorFlow und JAX. Dadurch können Entwickler Quantenknoten in klassische Modelle des maschinellen Lernens einbetten. 

PennyLane unterstützt über sein Plugin-System verschiedene Quantenhardware und -simulatoren und ermöglicht es Entwicklern, Quantenschaltungen auf verschiedenen Backends auszuführen, ohne ihren Code zu ändern. Diese Flexibilität macht es zu einem wertvollen Werkzeug sowohl für die Forschung als auch für praktische Anwendungen im Quantencomputing. [8]

Die Bibliothek bietet auch spezielle Funktionalitäten für die Quantenchemie, wie differenzierbare Hartree-Fock-Löser und Werkzeuge zur Konstruktion molekularer Hamilton-Operatoren. Diese Funktionen ermöglichen es Forschern, quantenchemische Simulationen mit Gradienten-basierten Optimierungstechniken durchzuführen.

5. OpenQASM

Erstveröffentlichung :2017
Erstellt von :IBM Research
Einzigartige Stärke :Unterstützt Hardwareneutralität und erleichtert die Interoperabilität
Am besten für :Definieren von Low-Level-Schaltkreisen und Gate-Sequenzen

OpenQASM (Open Quantum Assembly Language) ist eine hardwareunabhängige Zwischendarstellung für Quantenschaltungen, die eine Low-Level-Syntax im Assembler-Stil für Quantengatteroperationen bereitstellt. 

Die Sprache konzentriert sich insbesondere darauf, Quantenschaltkreise in einem maschinenlesbaren und für Menschen lesbaren Format auszudrücken. Es ermöglicht die präzise Beschreibung von Anweisungen auf Gate-Ebene, einschließlich Qubit-Zuweisung, Quanten-Gate-Anwendung, Messungen, klassische Registerinteraktionen und bedingte Logik.

OpenQASM hat sich zu einem weithin akzeptierten Standard für die Darstellung von Quantenprogrammen in einer strukturierten, deklarativen Form entwickelt. Die jüngste Forschung konzentriert sich auf die Ermöglichung der Verifizierung und Formalisierung des hybriden quantenklassischen Computings mit OpenQASM 3 und unterstreicht das Potenzial der Sprache für eine strenge Programmanalyse und -validierung.

4. PyQuil

Erstveröffentlichung :2017
Erstellt von :Rigetti Computing
Einzigartige Stärke :Parametrische Zusammenstellung, realistische Simulationsschicht
Am besten für :Ausführen von Programmen auf Rigetti-Hardware und -Simulatoren

PyQuil ist eine Open-Source-Quantenprogrammierungsbibliothek, die zum Erstellen und Ausführen von Quantenprogrammen mithilfe des Quil-Protokolls (Quantum Instruction Language) entwickelt wurde.  

PyQuil ist in Python geschrieben und dient als primäres Werkzeug für die Interaktion mit Rigettis Forest-Plattform und Aspen-Quantenprozessoren, die auf supraleitenden Qubit-Architekturen basieren. Im Gegensatz zu Python-basierten Abstraktionen in anderen Frameworks bietet Quil Entwicklern mehr Transparenz darüber, was tatsächlich auf der Quantenhardware läuft, was für das Debugging und die Leistungsoptimierung von unschätzbarem Wert ist. [9]

Es ist insbesondere auf NISQ-Computing (Noisy Intermediate-Scale Quantum) ausgerichtet und bietet Entwicklern eine ausdrucksstarke und dennoch Low-Level-Schnittstelle zum Aufbau und Simulieren von Quantenschaltungen. 

PyQuil bietet eine starke Mischung aus Abstraktion und Optimierung sowie eine realistische Simulationsschicht (QVM), die das Hardwareverhalten genau nachahmt. Entwickler können Schaltkreise so kompilieren, dass sie den tatsächlichen Hardware-Einschränkungen der Rigetti-Geräte entsprechen, wie etwa Qubit-Konnektivität, native Gate-Sets und Rauschprofile. 

In Kombination mit dem Zugriff auf die Aspen QPUs von Rigetti macht dies PyQuil zu einem praktischen und zuverlässigen Werkzeug für Forschung und Tests.  

3. Q#

Erstveröffentlichung :2017
Erstellt von :Microsoft
Einzigartige Stärke :Integrierte Simulationstools, modulare Quantenbibliotheken
Am besten für :Entwicklung von Algorithmen auf Unternehmensniveau

Q# (Q-sharp) ist eine domänenspezifische Quantenprogrammiersprache, die ein starkes Typensystem verwendet und eine strikte Trennung zwischen Quantendaten und klassischen Daten erzwingt, um Programmierfehler zu minimieren. 

Im Gegensatz zu Frameworks wie Qiskit und Cirq, die auf allgemeinen Programmiersprachen wie Python basieren, wurde Q# von Grund auf speziell für Quantencomputing entwickelt. 

Q# zeichnet sich durch seine formale Struktur, starke Typsicherheit und langfristige Skalierbarkeit aus. Es verfügt über eine starke statische Typisierung und Fehlerprüfung zur Kompilierungszeit, was das Risiko von Fehlern erheblich reduziert. Eine seiner Hauptstärken sind integrierte Tools zur Ressourcenschätzung, mit denen Entwickler nicht nur Quantenschaltkreise simulieren, sondern auch deren Kosten im Hinblick auf Qubits, Gate-Anzahl und Schaltkreistiefe bewerten können.

Es verfügt über eine umfangreiche Bibliothek vorgefertigter Quantenoperationen, wie etwa Quanten-Fourier-Transformation, Amplitudenverstärkung und Grovers Suche. Darüber hinaus ist es tief in die umfassendere Azure Quantum-Plattform von Microsoft sowie in Visual Studio, Visual Studio Code und Jupyter Notebooks integriert. [10]

2. Cirq

Erstveröffentlichung :2018
Erstellt von :Google AI Quantum Team
Einzigartige Stärke :Hardwareorientierte Steuerung auf Präzisionsniveau
Am besten für :Benutzerdefinierte Schaltkreise für Geräte aus der NISQ-Ära, Quantensimulationen

Cirq ist ein Open-Source-Quantenprogrammier-Framework, das hauptsächlich zur Unterstützung von NISQ-Geräten (Noisy Intermediate-Scale Quantum) entwickelt wurde. Es bietet Entwicklern eine differenzierte Kontrolle über Quantenschaltungen, insbesondere wenn es auf Hardwaretopologie und Rauscheigenschaften ankommt.

Cirq nutzt eine momentbasierte Architektur. Es organisiert Vorgänge in zeitbasierten „Momenten“, was eine bessere Simulation des Ausführungszeitpunkts ermöglicht und die Integration realistischer Rausch- und Dekohärenzmodelle erleichtert. [11]

Im Gegensatz zu übergeordneten Frameworks, die sich auf abstrakte Quantenalgorithmen konzentrieren, legt Cirq den Schwerpunkt auf die Kontrolle auf der Gate- und Schaltungsplanungsebene. Dies ermöglicht es Forschern, mit hardwarebewussten Optimierungen zu experimentieren und Quantenoperationen zu vergleichen. 

Cirq wird häufig als Basisprogrammierschicht für TensorFlow Quantum verwendet. Es ist auch die Muttersprache für die Interaktion mit den supraleitenden Quantenprozessoren von Google wie Sycamore und Bristlecone. 

1. Qiskit

Erstveröffentlichung :2017
Erstellt von :IBM Research
Einzigartige Stärke :Tiefe vertikale Integration mit der Quantenhardware von IBM
Am besten für :Schaltungsdesign, Quantenalgorithmus-Prototyping, Hybridsimulationen

Qiskit ist eine Open-Source-Quantenprogrammiersprache, die es Entwicklern und Forschern ermöglicht, sich sowohl aus theoretischer als auch praktischer Sicht mit Quantencomputern auseinanderzusetzen, von der Simulation von Quantenschaltkreisen bis hin zu deren Einsatz auf den supraleitenden Quantenprozessoren von IBM.

Qiskit wurde in Python entwickelt, unterstützt das Gate-basierte Modell der Quantenberechnung und ist eng in die Quanten-Cloud-Hardware von IBM integriert. 

Die Plattform hat sich von einem einfachen SDK zu einem umfassenden Stack entwickelt, der hochrangige Algorithmusbibliotheken (wie Qiskit Machine Learning, Nature, Optimization), Schaltkreisbauer mittlerer Ebene und sogar die Steuerung auf Impulsebene durch Qiskit Pulse umfasst. Diese mehrschichtige Architektur ermöglicht es Entwicklern, Quantenprogramme auf jeder Abstraktionsebene zu erstellen, zu experimentieren und zu optimieren. 

Eine der bahnbrechendsten Funktionen von Qiskit ist der Echtzeitzugriff auf tatsächliche Quantenhardware über IBM Quantum Experience, das Quantenprozessoren mit 5, 16, 27 und 127+ Qubits hostet. Dies hat Tausenden von Entwicklern praktische Erfahrungen mit echtem Quantenrauschen und Gerätebeschränkungen verschafft. 

In den letzten Jahren hat sich Qiskit zu einer der am besten zugänglichen und am weitesten verbreiteten Plattformen im Quantencomputing entwickelt. Es wurde über 6 Millionen Mal installiert, mit rund 300.000 Neuinstallationen jeden Monat. Mit mehr als 2.000 Forks und über 8.000 Beiträgen auf GitHub hat Qiskit bis heute auch die Ausführung von über 3 Billionen Quantenschaltungen ermöglicht. [12]

Weitere Informationen 

• 21 interessanteste Fakten über Quantencomputer  
• 15 Quantenprozessoren, die ein neues Rechenparadigma darstellen

Zitierte Quellen und zusätzliche Referenzen  

1. Felipe Ferreira, Eine explorative Studie zur Verwendung von Quantenprogrammiersprachen, ScienceDirect
2. Krishna Upadhyay, Analyse der Entwicklung und Wartung von Quantencomputer-Repositories, arXiv
3. Finn Voichick, Eine einheitliche Sprache für Quanten- und klassisches Computing, arXiv
4. ProjectQ, ein Open-Source-Softwareprojekt für Quantencomputing, arXiv
5. Dokumentation, PennyLane-Strawberry Fields Plugin, PennyLane
6. Dokumentation, So optimieren Sie Geschäftsprobleme mithilfe quantenklassischer Hybridlöser, D-Wave
7. Neill Lambert, Die Quanten-Toolbox in Python, arXiv
8. Quantum Devices, das Quantengeräte-Ökosystem von PennyLane mit über 40 integrierten Optionen, PennyLane
9. Dokumentation, pyQuil ermöglicht Ihnen das Erstellen und Ausführen von Quil-Programmen mit Python, pyQuil
10. Qsharp-Übersicht, Einführung in die Quantenprogrammiersprache Q#, Microsoft
11. Referenz, Ein Zeitabschnitt von Vorgängen innerhalb einer Schaltung, Google
12. Muhammad AbuGhanem, IBM Quantencomputer:Evolution, Leistung und zukünftige Richtungen, Springer