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

Mobilfunknetze sind seit geraumer Zeit aus Alltag und Berufsleben kaum mehr wegzudenken, auch kommen diese zunehmend im industriellen Umfeld zum Einsatz. Entsprechend können die Anforderungen an diese je nach Nutzer_In, Situation und Anwendungsfall höchst unterschiedlich sein.

Bahnreisende wollen wäh­rend ihrer Fahrt im voll besetzten Zug arbeiten, per Telefon oder Internet kommunizieren oder digitale Unterhaltungsangebote nutzen. Geschwindigkeit, Bauweise des Eisenbahnwagons (Metall und Fenster-Materialien, welche die Ausbreitung des Signals erschweren) und Umgebung (wenn er etwa durch ländliche Gebiete mit geringer Netzabdeckung fährt) stellen große Herausforderungen für eine performante verlässliche Mobilfunkversorgung dar. Die Digitalisierung von Industriellen Abläufen andererseits erfordert eine extrem hohe Zuverlässigkeit der Vernetzung von Maschinen in Echtzeit. Diese Anforderungen verlangen immer mehr Informationen aus dem Mobilfunknetz, es agiert damit auch als Sensor.

Die ersten Generationen des Mobilfunks konnten im laufenden Betrieb kaum differenzierte Benutzeranforderungen berücksichtigen. Erst mit dem 5G-Standard wurden Funktionen im Funknetz realisiert, die eine dynamische Ressourcenoptimierung erlauben und das sogenannte Network Slicing ermöglichen. Die Herausforderung besteht nun darin Methoden zur Realisierung der dynamischen Optimierung zu entwickeln. Im gegenständlichen CD Labor wird die automatisierte Umsetzung der Optimierung durch einen modellbasierten Agenten angestrebt. Dieser muss stets den aktuellen Zustand der Funkschnittstelle sowie eine Vorhersage zukünftiger Lastprofile einbeziehen. Die erfolgreiche Umsetzung basiert somit auf digitalen Abbildungen der Realität, hier kommen die oben eingeführten digitalen Zwillinge ins Spiel.

Die titelgebenden digitalen Zwillinge, welche die Basis des datengetriebenen KI-Managements darstellen sind als Abbildung eines physikalischen Prozesses oder Objekts in einer natürlichen Umgebung auf ein virtuelles Objekt zu verstehen. Sie ermöglichen Validierung, Simulation oder Repräsentation dessen aktuellen oder zukünftigen Status. Ein Aufbau mittels traditionell rein datengetriebenen Machine-Learning(ML)-Methoden ist eine mögliche Lösung, welche jedoch durch ihren Bedarf an Trainingsdaten einen enormen Ressourcenbedarf erfordert.

Indem Laborleiter Philipp Svoboda und sein Team die verschiedenen Aspekte des jeweiligen Netzwerks samt Umgebung und Benutzer*innen in Form interaktiver digitaler Zwillinge von Eisenbahnnetzen, Industriegeländen und dynamischen Umgebungen erarbeiten, die in ständigem Austausch miteinander wirken, kann ML ressourcenschonend in verschiedenen Szenarien zur Verbesserung der drahtlosen Konnektivität verwendet werden.