Digitale Zwillinge und KI für nachhaltige Funkzugangsnetze

Dieses CD-Labor strebt nach der Schaffung einer Grundlage für den Einsatz auf künstlicher Intelligenz (KI) basierender Lern- und Aktualisierungsmethoden im Bereich drahtloser Netzwerke in verschiedensten Szenarien, wodurch Aspekte wie Effizienz, Nachhaltigkeit und Zuverlässigkeit profitieren sollen: Zu diesem Zweck werden sogenannte „Digitale Zwillinge“ (DT, „digital twins“) erarbeitet, welche stark unterschiedliche Umgebungen wie Züge, Industriegelände und dynamische Umgebungen samt zugehörigem Funkzugang und der jeweiligen Nutzer_Innenpopulation im Zusammenspiel mit selbigem repräsentieren.

Digitale Zugzwillinge
Projektübersicht

Verbesserung von Mobilfunknetzen für vielfältige Anwendungen: Die Rolle von 5G und Digitalen Zwillingen

In der heutigen Welt sind Mobilfunknetze nicht nur eine Annehmlichkeit, sondern eine Notwendigkeit für das tägliche Leben und den zunehmend digitalen Industriesektor. Die Anforderungen an diese Netze sind jedoch je nach Nutzer, Umgebung und Anwendung sehr unterschiedlich und stellen eine Reihe einzigartiger Herausforderungen dar.

Die vielfältigen Anforderungen der Nutzer von Mobilfunknetzen

Betrachtet man die verschiedenen Szenarien, in denen Mobilfunknetze von entscheidender Bedeutung sind: Ein Zugreisender möchte während seiner Reise arbeiten, telefonieren, im Internet surfen oder digitale Unterhaltung genießen. Hier muss das Netz physische Barrieren wie das Design des Zuges und Umweltfaktoren wie ländliche Gebiete mit schlechter Netzabdeckung überwinden, um einen nahtlosen Service zu bieten. Im Gegensatz dazu erfordern industrielle Anwendungen eine unübertroffene Zuverlässigkeit für die Echtzeit-Vernetzung von Maschinen, so dass das Netz auch unter schwierigsten Bedingungen effektiv funktionieren muss.

Die Entwicklung der Mobilfunknetze: Umarmung von 5G

Die Einführung der 5G-Technologie stellt einen bedeutenden Sprung nach vorn dar, da sie die Möglichkeit der dynamischen Ressourcenoptimierung und des Network Slicing bietet, um diese unterschiedlichen Anforderungen zu erfüllen. Diese technologische Entwicklung ermöglicht es dem Netz, sich in Echtzeit anzupassen und bietet maßgeschneiderte Lösungen sowohl für den Pendler, der im Zug ein Video streamt, als auch für die Fabrik, die auf eine präzise Maschine-zu-Maschine-Kommunikation angewiesen ist.

Der innovative Ansatz des CD-Labors

Führend auf diesem Gebiet sind Philipp Svoboda und sein Team im CD-Labor, die einen modellbasierten Agenten für die automatische Netzoptimierung entwickeln. Dieses System bewertet auf intelligente Weise die aktuellen Bedingungen und sagt künftige Anforderungen voraus, um Ressourcen dynamisch zuzuweisen und so jederzeit eine optimale Netzleistung zu gewährleisten.

Digitale Zwillinge: Ein Paradigmenwechsel für das Netzwerkmanagement

Im Mittelpunkt ihres Ansatzes steht die Verwendung digitaler Zwillinge – virtuelle Nachbildungen physischer Systeme -, die genaue Simulationen und Vorhersagen ermöglichen. Diese digitalen Zwillinge sind für die Verfeinerung des KI-gesteuerten Netzwerkmanagements von entscheidender Bedeutung. Sie bieten eine Möglichkeit, die Reaktion des Netzwerks auf verschiedene Szenarien zu visualisieren und zu manipulieren, ohne dass umfangreiche Tests in der realen Welt erforderlich sind.

Auf dem Weg in eine ressourceneffiziente Zukunft

Bisher waren für Anwendungen des maschinellen Lernens (ML) große Datenmengen erforderlich, was sie ressourcenintensiv machte. Durch die Erstellung digitaler Zwillinge von Eisenbahn-Netzwerken, Industrieumgebungen und anderen dynamischen Umgebungen kann das Team ML jedoch effizienter einsetzen. Diese innovative Nutzung digitaler Zwillinge erhöht nicht nur die Zuverlässigkeit und Leistung der Netze, sondern ebnet auch den Weg für nachhaltigere und kostengünstigere Lösungen.

Die Arbeit in diesem CD-Labor ist ein Beispiel für das Potenzial von 5G und digitalen Zwillingen, die Mobilfunknetze zu revolutionieren und den komplexen und vielfältigen Anforderungen moderner Nutzer und Branchen gerecht zu werden.