Ein Quantenalgorithmus zur Lokalisierung mit begrenzten Mobilfunkinformationen

Suchen nach Ihnen mit nur einem Signal

Moderne Telefone werden ständig gefragt: „Wo sind Sie?“—für Karten, Fahrdienste, Notrufe und mehr. Viele Geräte können jedoch immer nur einen Sendemast gleichzeitig empfangen und verwerfen damit zahlreiche nahegelegene Informationen, die die Positionsbestimmung deutlich erleichtern würden. Dieses Papier untersucht, wie Konzepte aus dem Quantencomputing aus jenem einzelnen, bescheidenen Signal deutlich mehr Ortsgenauigkeit herausholen können und damit möglicherweise die Art verändern, wie künftige Telefone und Netze ermitteln, wo wir uns befinden.

Warum ein Mast nicht ausreicht

Aktuelle Ortungstechnologien haben jeweils eigene Kompromisse. GPS ist leistungsfähig, verbraucht aber viel Akku und versagt oft in Innenräumen. WLAN-basierte Verfahren können präzise sein, benötigen jedoch dichte Funkabdeckung. Bewegungsensoren in Telefonen driften mit der Zeit. Zelluläre Positionsbestimmung—also welche Sendemasten das Telefon hören kann—ist attraktiv, weil sie fast überall funktioniert und wenig Energie benötigt. Die Mobilfunkstandards und Betriebssysteme der meisten Telefone, einschließlich aller iPhones und der meisten Android-Geräte, geben jedoch nur den einen Mast preis, mit dem das Telefon aktuell verbunden ist. Ältere Untersuchungen gingen von der gleichzeitigen Verfügbarkeit mehrerer Nachbarmasten aus. Wenn diese reichhaltige Sicht auf nur einen Mast reduziert wird, kann die Genauigkeit um mehr als den Faktor zwei leiden. Neue Ideen sind nötig, die mit dieser härteren Informationslage arbeiten.

Eine Stadt als Folge darstellen

Der erste Schritt der Autorinnen und Autoren ist ein Umdenken, wie eine Stadt oder Nachbarschaft für Ortungszwecke repräsentiert wird. Anstatt für jeden Punkt eine riesige, separate „Fingerabdruck“-Datenbank zu speichern, bauen sie einen Graphen möglicher Nutzerpositionen—diskrete Punkte wie Straßenecken und Gehwegstellen—, die durch Kanten verbunden sind und abbilden, wo Menschen tatsächlich gehen können. Indem ein Computer einen langen Zufallspfad auf diesem Graphen ausführt, erzeugen sie eine lange Referenzsequenz, die beschreibt, welche Sendemasten typischerweise entlang plausibler Wege zu hören sind. Jede Position in dieser Mastersequenz wird dann in mehrere einfache Ja-Nein-Spuren umgewandelt: eine Spur pro Mast, die markiert, ob dieser Mast an diesem Schritt zu hören ist. Diese kompakte Darstellung erleichtert das spätere Abgleichen und macht ihn skalierbarer.

Die Quantenphysik nach Übereinstimmungen suchen lassen

Wenn sich ein Nutzer bewegt, zeichnet sein Telefon im Hintergrund die Identität des derzeit verbindenden Masts über ein kurzes Verlauffenster auf—vielleicht wenige Sekunden. Das ergibt eine weitere Sequenz: die Online-Spur. Die zentrale Herausforderung besteht darin, herauszufinden, wo diese kurze Spur am besten in die lange Referenzsequenz passt. Klassisch würde man das Fenster an jeder möglichen Position entlangschieben und vergleichen, ein Vorgang, der bei wachsenden Städten und Datensätzen schmerzhaft langsam und speicherintensiv wird. Der vorgeschlagene Quantenalgorithmus geht dieses Matching radikal anders an. Er kodiert alle Kandidatenpositionen gleichzeitig in ein Quanteregister, zusammen mit den Bits, die beschreiben, welcher Mast zu jedem Schritt gehört. Quantenoperationen berechnen dann parallel, wie unterschiedlich jeder Kandidatabschnitt zur jüngsten Historie des Telefons ist, und ein spezielles Suchverfahren, bekannt als Grovers Algorithmus, erhöht die Wahrscheinlichkeit, beim Messen des Quantenzustands die am besten passende Position auszugeben.

Vom einzelnen Mast zum Kartennadel-Punkt

In der Praxis hat der Nutzer möglicherweise im kurzen Verlauf mehrere verschiedene Masten gehört. Der Algorithmus behandelt die binäre Spur jedes Mastes separat, gewinnt aus jeder eine Kandidatenpositionsschätzung und verschmilzt diese dann zu einer einzigen Kartennadel mittels gewichteter Mittelung, die sicherere Treffer stärker gewichtet. Die Autorinnen und Autoren analysieren, wie viele Quantenbits die Methode benötigt und wie lange sie läuft, und zeigen, dass sie gegenüber den besten klassischen Methoden für vergleichbare Sequenzabgleiche eine quadratische Zeitbeschleunigung und eine exponentielle Einsparung beim Speicherbedarf bietet. Sie setzen den Algorithmus im Quanten-Simulator von IBM um und testen ihn mit realen Außendaten aus einem 0,2 Quadratkilometer großen städtischen Gebiet, das von 21 Sendemasten abgedeckt wird. Die Quantenmethode erreicht die Genauigkeit ihres klassischen Gegenstücks und behält gleichzeitig ihre theoretischen Effizienzvorteile.

Was das für künftige Telefone bedeutet

Die Studie demonstriert, dass ein sorgfältig gestalteter Quantenalgorithmus begrenzte Einzelmastinformationen in hochpräzise Positionsschätzungen verwandeln kann—mit Medianfehlern von rund 10 Metern, also deutlich innerhalb der regulatorischen Anforderungen für Notrufe. Obwohl heutige Quantenhardware diesen Ansatz noch nicht im städtischen Maßstab ausführen kann, legt die Arbeit einen klaren Fahrplan dar: Stellen künftige Quantenrechner stabilere und zahlreichere Qubits bereit, könnten sie großflächige, latenzarme Ortungssysteme antreiben, die aktuelle Datenschutz- und Plattformbegrenzungen respektieren und gleichzeitig präzise, energieeffiziente Lokalisierung liefern.

Zitation: Shokry, A., Youssef, M. A quantum algorithm for localization using limited cellular information. npj Wirel. Technol. 2, 20 (2026). https://doi.org/10.1038/s44459-026-00033-2

Schlüsselwörter: zellulare Lokalisierung, Quantencomputing, mobile Positionsbestimmung, standortbezogene Dienste, Grover-Suche