Wir sind der Lehrstuhl für „Vernetzte Eingebettete Systeme und Kommunikationssysteme“ (networked embedded systems and communication systems, NETCOM) und beschäftigen uns unter anderem mit der gemessenen und empfundenen Qualität von vernetzten Anwendungen. Dies sind zum Beispiel aktuelle Internetanwendungen, für die wir auch selbst oft Netzprobleme wahrnehmen können, etwa wenn zu Hause im WLAN-Netz der Videocall nur unscharf ist oder unterwegs im 5G-Mobilfunknetz TikTok-Videos nicht geladen werden. Auch eingebettete Systeme zum Beispiel im Internet der Dinge (IoT) oder im industriellen Kontext haben hohe Anforderungen an Kommunikationsnetze und benötigen etwa eine hohe Verfügbarkeit des Kommunikationsnetzes oder Datenübertragung in Echtzeit.

In unserer Forschung untersuchen wir, wie Probleme im Netz erkannt werden können und das Netz so konfiguriert werden kann, dass Anforderungen erfüllt werden und Probleme schnell behoben werden oder gar nicht erst auftreten. Wir beschäftigen uns dabei mit den klassischen Aspekten des Netzmanagements wie im FCAPS-Modell definiert, d.h., unsere Forschung umfasst Fehlermanagement (Fault), Konfigurationsmanagement (Configuration), Erhebung von Statistiken und Leistungsmetriken (Accounting), Leistungsmanagement (Performance) und Sicherheitsmanagement (Security) von nutzerzentrierten und industriellen Kommunikationsnetzen unter Einsatz aktueller Technologien, wie software-definierte Netze, Virtualisierung von Netzfunktionen und programmierbare Datenschichten.

Die Innovationen und Synergien unserer Forschung liegen zum einen darin, dass wir nicht nur objektive Leistungsmetriken (Quality of Service, QoS) für Fehler- und Leistungsmanagement heranziehen, sondern zusätzlich die subjektive Erfahrung der Nutzer (Quality of Experience, QoE) berücksichtigen. Zum anderen nutzen wir datengetriebene Ansätze aus dem Bereich der künstlichen Intelligenz (KI) und des maschinellen Lernens (ML) und passen sie für die Beobachtung und das Management von Kommunikationsnetzen an, um feingranulare Modelle zu erstellen, die die hohe Komplexität der Wechselwirkungen zwischen Nutzern, Anwendungen und Netzen besser abbilden als bisherige Modelle. Dabei können technische Parameter und Leistungsindikatoren der Anwendungen trotz zunehmender Verschlüsselung des Datenverkehrs privatsphärebewahrend mit hoher Genauigkeit abgeschätzt werden, was applikationsbewusstes Netzmanagement ermöglicht.

Zur Erreichung unserer Forschungsziele setzten wir ein breites Spektrum verschiedener Methoden ein. Dabei arbeiten wir modellbasiert mittels theoretischer Überlegungen oder Simulationen, datenbasiert durch den Einsatz von Data Science und KI/ML-Methoden und systembasiert mit Hilfe von realistischen Implementierungen und Messungen in Testbeds mit echter Hardware.

Unsere Vision ist es, dass zukünftige vernetzte Systeme und Kommunikationsnetze sich – durch Lernen aus verfügbaren und beobachteten Netzdaten – flexibel, autonom und proaktiv selbst konfigurieren können, so dass die Performanz, Zuverlässigkeit und Sicherheit von vernetzten Systemen und die QoE und Zufriedenheit der Nutzer optimiert werden.