Effizientes Management von Ressourcen in drahtlosen Netzwerken mit maschinellen Lernansätzen
Lokale WLAN-Systeme durchdringen zunehmend Heim-, Enterprise- und Internet Provider-Netze und sind eine entscheidende technologische Komponente für die heutige Kommunikation. Die Anforderungen an diese Netze können hierbei, je nach Anwendungsgebiet, sehr unterschiedlich sein. So sind bei Audio- und Video-Anwendungen hohe Datenübertragungsraten gefordert, während diese in der industriellen Anwendung des Internet of Things (IoT) eine untergeordnete Rolle spielen. Hier ist eher eine kurze Reaktionszeit, eine sog. geringe Latenz, gefragt. Für andere Anwendungen wiederum sind unterbrechungsfreie Funkverbindungen oder fehlerfreie Datenübertragung von entscheidender Bedeutung. Diese unterschiedlichen Anforderungen verlangen von den Netzbetreibern komplexe automatisierte Prozesse (Algorithmen) zur optimierten Bereitstellung der Netzwerkressourcen. Gegenwärtig verfügbare Algorithmen können dies kaum leisten.
Im Verbundforschungsprojekt SupraCoNex wollen die Partner durch den Einsatz von neuen Konzepten der Künstlichen Intelligenz (KI) den Datendurchsatz in heutigen WLAN-Netzwerken signifikant steigern und das WLAN-Netzmanagement effektiv vereinfachen. Da die Komplexität und Dynamik des Managements kein statisches Planungsschema zulässt, müssen Algorithmen eingesetzt werden, die auf aktuelle Anforderungen dynamisch reagieren können. Der theoretische Ansatz hierzu kommt aus der mathematischen Spieltheorie: Es werden Methoden eingesetzt, die dem menschlichen Lernen entsprechen. Richtige Entscheidungen der eingesetzten Algorithmen werden verstärkt, nicht-zielführende Entscheidungen werden gehemmt. Damit soll in SupraCoNeX die Frage beantwortet werden, wie effizient solche Netzwerke unter Einsatz von Computer-basiertem selbstverstärkten Lernen arbeiten können und wo ein signifikantes Optimierungspotenzial für die Algorithmen-gesteuerte Verteilung der Netzwerkressourcen besteht.
In SupraCoNex werden praxisrelevante Antworten zur effizienten Nutzungssteigerung bestehender WLAN-Systeme erarbeitet und durch den Einsatz von KI-Algorithmen erstmalig realisiert. Dabei werden solche Algorithmen theoretisch betrachtet, die es erlauben, eine Vielzahl von Parametern zu berücksichtigen (sog. Multi-Armed-Bandit-Algorithmen): Durchsatz an Daten, Latenz der Reaktionszeit, Robustheit und Sicherheit der Datenpakete sollen über die geplante Software-Steuerung optimiert werden. Die angestrebte Leistungsanalyse wird in produktiven WLAN-Netzen mit realen Internet-Nutzern evaluiert und in ein Betriebssystem (Linux-Kernel) integriert.
Das interdisziplinäre SupraCoNeX-Projektkonsortium, bestehend aus führenden Forschungs-, Industrie- und Anwendungspartnern, adressiert Herausforderungen der Digitalisierung durch neuartige Forschungsansätze. Das Konsortium erwartet durch die erfolgreiche Bearbeitung der Projektaufgaben eine Effizienzsteigerung im Datendurchsatz für WLAN-Anwendungen von mindestens 30 %. Damit können die Wettbewerbsfähigkeit deutscher Anbieter von Netzwerktechnologie und die Effizienz der IT-Infrastruktur in Deutschland deutlich gestärkt werden.