Künstliche Intelligenz (KI) und ihr wichtigster Teilbereich, das maschinelle Lernen (ML), verändern fast alle Branchen und gelten als einer der wichtigsten technologischen Wegbereiter für B5G/6G-Netze. Es wird auch erwartet, dass sie den Status quo verändern und die Funktionsblöcke im gesamten Stapel der optischen Transportnetze revolutionieren werden, die von unseren Zimmern und Büros (Fiber to the Room (FTTR)) bis zu anderen Städten/Ländern/Kontinenten (Metro-/Kern-/Unterwassernetze) reichen. Am HHI entwickeln wir KI-gestützte Lösungen für das breite Ökosystem optischer Netze und innovieren modernste Algorithmen, um die Vision der KI-gestützten Netzautomatisierung Wirklichkeit werden zu lassen.
Fakten
Die Realisierung der KI-gestützten Netzautomatisierung erfordert umfangreiche Forschungs- und Entwicklungsarbeiten in mehreren Schlüsselbereichen, darunter: 1) Netzüberwachung, 2) Telemetrieerfassung und -streaming, 3) Erzeugung von Referenzdatensätzen, 4) Algorithmenentwicklung, 5) experimentelle Prüfung und Validierung sowie 6) Erklärbarkeit, Zertifizierung und Einsatz. Diese Entwicklungen sollten das grundlegende Merkmal des Telco-Ökosystems berücksichtigen, nämlich das Vorhandensein zahlreicher Interessengruppen. Einerseits erfordert dies die Einbeziehung eines hohen Maßes an Interoperabilität in den Entwicklungsprozess. Andererseits ist die KI-gestützte Netzautomatisierung in hohem Maße auf die gemeinsame Nutzung von Daten angewiesen, was aufgrund von Vertraulichkeits- und Regulierungsfragen zu einer übermäßigen Komplexität führt. Diese Bedenken motivieren die Einbindung von Lösungen, die Sicherheit, Vertrauen und den Schutz der Privatsphäre der Beteiligten bieten.
Die Gruppe Datenanalytik und digitale Signalverarbeitung (DSP) betreibt Forschung in all diesen Schlüsselbereichen und darüber hinaus. Wir entwickeln innovative Lösungen für die gesamte ML-Pipeline und validieren sie mithilfe unserer groß angelegten Testinfrastruktur. Wir entwickeln und veröffentlichen Referenzdatensätze für eine Vielzahl von Anwendungsfällen (z. B. QoT-Schätzung, vorausschauende Wartung, Verkehrsprognose). Darüber hinaus arbeiten wir an dem Paradigma der dateneigentumsbewussten Netzautomatisierung und entwickeln Lösungen für die gemeinsame Nutzung und den Handel von Netzdaten und ML-Modellen zwischen verschiedenen Akteuren (z. B. Betreibern, Anbietern und Dritten).
Einer unserer strategischen Bereiche ist die Erforschung der Anwendungen von datenschutzfreundlicher KI, KI am Netzrand und föderiertem Lernen für Telekommunikationsnetze und andere datenzentrierte Branchen. In diesem Zusammenhang integrieren wir aktiv neue Funktionen und Fähigkeiten in unsere Privacy-Preserving AI-as-a-Service-Softwarelösung DLFi, um zum Paradigma der verteilten Intelligenz in jedem Ökosystem beizutragen, in dem ein cyber-physisches System vorhanden ist.