Optimierung von drahtlosen Netzwerken
etit-Nachwuchswissenschaftlerin erhält Preis der ITG für ihre Dissertation
2020/11/23 von Sebastian Stamm
Sabrina Klos vom Fachgebiet Kommunikationstechnik erhält für ihre Dissertation „Context-Aware Decision Making in Wireless Networks: Optimization and Machine Learning Approaches” den Dissertationspreis 2020 der Informationstechnischen Gesellschaft (ITG). In ihrer Arbeit stellt sie Lösungen zur Steigerung der Performanz von drahtlosen Netzwerken vor.
Die Digitalisierung unserer Umwelt schreitet mit großen Schritten voran. Immer mehr und heterogenere Geräte sollen miteinander kommunizieren. Dabei steigen die Anforderungen mobiler Anwendungen in Bezug auf Datenrate, Zuverlässigkeit und Latenzzeiten signifikant. Dies kann nur funktionieren, wenn die Leistung mobiler Netzwerke, im Fachjargon auch als Performanz bezeichnet, verbessert wird. Konventionelle Ansätze zielen nur darauf ab, die Kommunikationsfähigkeit der drahtlosen Netzwerke zu verbessern. Dieser Ansatz kann aber den zukünftigen Kommunikationsbedarf nicht abdecken.
Um dies zu schaffen, muss man drahtlose Netzwerke wie eine Art Team betrachten, in welchem verschiedene Spieler miteinander arbeiten, um ein Ziel zu erreichen. Dabei hat natürlich jeder einzelne Spieler seine eigene Aufgabe und Funktion an einer anderen Stelle des Platzes. Trotzdem sind alle Spieler im Team verbunden und agieren miteinander.
Das Äquivalent zu den Spielern im Team sind in drahtlosen Netzwerken die unterschiedlichen Ressourcen, die Kommunikations-, Rechen-, Speicher-, Datenerfassungs- und die Nutzerressourcen. Nur wenn man ein optimales Zusammenspiel sicherstellt, bei dem jede Ressource optimal ausgenutzt wird, ist es möglich, die Performanz des ganzen Netzwerkes so weit zu steigern, dass diese den zukünftigen Ansprüchen genügt.
Neue Verfahren zur Steigerung der Performanz
In ihrer Dissertation untersucht Frau Dr. Klos beispielhaft drei Verfahren, die die verschiedenen Ressourcen gemeinsam betrachten und einsetzen. Diese drei Verfahren werfen jeweils ein fundamentales kontextbezogenes Entscheidungsproblem auf. So muss man sich zum Beispiel beim Auslagern von Rechenaufgaben aus mobilen Endgeräten in einen externen Server (Cloud Computing) im Klaren darüber sein, welche mobilen Endgeräte ihre Aufgaben in der Cloud ausführen lassen und welche nicht. Es muss die optimale Mischung aus Rechen- und Kommunikationsressourcen gefunden werden.
Um die entstehenden mathematischen Optimierungsprobleme zu lösen, entwarf Frau Dr. Klos Algorithmen des maschinellen Online-Lernens, die den Nutzen einzelner Auswahlmöglichkeiten herausfinden und dadurch die optimale Auswahl zu treffen lernen, um den Gesamtnutzen zu optimieren. Ihre praxisnahe Forschung trägt dazu bei, dass wir auch in Zukunft problemlos über mobile Endgeräte kommunizieren und arbeiten können, ohne dass die mobilen Netzwerke zusammenbrechen.
