TY - THES A1 - Schönberger, Manuel T1 - Eine zweigleisige Strategie hin zu ausgereiftem Quanten-Datenmanagement T1 - A Twofold Strategy Towards Mature Quantum Data Management N2 - By relying on stagnant general-purpose devices limited by the end of Moore's law, conventional data management (DM) methods are challenged by ever-increasing computational loads. As a promising alternative, we may rely on quantum processing units (QPU) as special-purpose accelerators, which may overcome the limitations of conventional systems by exploiting quantum phenomena. However, given their early-stage, prototypical nature, contemporary QPUs remain limited in size and reliability, which renders them unfit for practical scenarios. In this thesis, we therefore propose a twofold strategy to aid the shift towards mature quantum data management. As a first fundamental pillar, our strategy rests on QPU-DM co-design: Inspired by the conventional hardware-software co-design paradigm, our method yields recommendations for the tailored design of QPU architecture, to craft quantum systems conforming to the specific requirements of DM tasks. Based on an empirical assessment involving contemporary quantum systems, and simulating enhanced QPU architectures, our method identifies the most effective among a variety of architectural enhancements, and allows us to derive recommendations on the design of QPUs tailored to DM tasks. However, to decide whether QPU-DM co-design efforts are truly worth pursuing, we require insights into the true potential of quantum systems for DM up-front. As a second fundamental pillar, our strategy hence assesses the algorithmic aptness of our methods on quantum-inspired special-purpose hardware (HW): While classical in nature, such systems mimic the workings of pure QPUs, and thus provide a lower bound on the capabilities of future QPUs. Thereby, our strategy yields insights into the true potential of future QPUs, which are expected to achieve still higher performance upon obtaining a sufficient level of maturity. We demonstrate the aptness of our twofold strategy on fundamental DM and query optimisation tasks by (1) deriving QPU design recommendations for the join ordering (JO) problem by applying our QPU-DM co-design method, (2) demonstrating the scalability aptness of quantum-inspired HW for extremely large JO solution spaces that prove challenging for conventional approaches, (3) deriving methods to solve the most extensive class of JO problems on quantum(-inspired) systems, and (4) conducting a still more extensive assessment of quantum-inspired HW for multiple query optimisation. Thereby, we aid the shift from currently imperfect QPUs towards systems fit for mature quantum data management. N2 - Anforderungen zur Verarbeitung stetig ansteigender Datenmengen stellen eine wachsende Herausforderung im Bereich des Datenmanagement (DM) dar, dessen etablierte Methoden auf traditionellen Allzweck-Systemen beruhen, deren Entwicklung durch das Ende des Mooreschen Gesetzes stagniert. Eine vielversprechende Alternative bieten Quantum Processing Units (QPU), welche das Potential aufweisen, die Limitationen traditioneller Systeme durch das Ausnutzen von Phänomenen der Quantenmechanik zu überwinden. Aufgrund ihres frühen Entwicklungsstadiums und ihrer prototypischen Natur sind gegenwärtige QPUs jedoch trotz dieses Potentials in ihrer Kapazität und Zuverlässigkeit begrenzt, und folglich ungeeignet für praktische Anwendungen. In dieser Arbeit schlagen wir daher eine zweigleisige Strategie für die Entwicklung hin zu ausgereiftem Quanten-Datenmanagement vor. Als erste fundamentale Säule beruht unsere Strategie auf Techniken des QPU-DM Co-Design: Inspiriert durch das konventionelle Hardware-Software Co-Design Paradigma können wir anhand unserer Methode Empfehlungen für das maßgeschneiderte Design von QPU Architekturen ermitteln, um Quanten-Systeme zu entwerfen, welche an spezifische Anforderungen fundamentaler DM Aufgaben angepasst sind. Basierend auf empirischen Analysen gegenwärtiger Quanten-Systeme und der Simulation strukturell erweiterter QPU Architekturen identifiziert unsere Methode unter Betrachtung einer Vielzahl möglicher Alternativen die effektivsten Erweiterungen für das Design von maßgeschneiderten QPUs. Zur Entscheidung über die Anwendung ressourcen-intensiver QPU-DM Co-Design Methoden benötigen wir vorab jedoch Erkenntnisse über das tatsächliche Potential von Quanten-Systemen für DM. Als zweite fundamentale Säule sieht unsere Strategie daher eine algorithmische Analyse von Quanten-Methoden mittels quanten-inspirierten Systemen vor: Derartige Systeme imitieren die Funktionsweise tatsächlicher QPUs, und geben daher trotz ihrer klassischen Natur Aufschluss über die Mindest-Leistungsfähigkeit und das Potential tatsächlicher, ausgereifter QPUs, welche zur Ausnutzung von Quantenphänomenen befähigt sind. Wir demonstrieren die Tauglichkeit unserer zweigleisigen Strategie für fundamentale DM Probleme durch (1) das Ermitteln von Design-Empfehlungen für das Join Ordering (JO) Problem durch Anwendung unserer QPU-DM Co-Design Methode, (2) das Demonstrieren der Skalierbarkeit quanten-inspirierter Methoden für extrem große JO Lösungsräume, (3) das Konzipieren von Methoden zum Lösen der umfangreichsten Klasse von JO Problemen auf quanten(-inspirierten) Systemen, und (4) das Durchführen einer noch umfangreicheren Analyse quanten-inspirierter Methoden für Multiple Query Optimisation. Dadurch unterstützen wir die Transformation von aktuellen QPU-Prototypen hin zu Quanten-Systemen, die für ausgereiftes Quanten-Datenmanagement geeignet sind. Y1 - 2025 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:898-opus4-84774 ER -