Reviewing and Refining the Life Cycle of AI/ML-based Network Management Systems Towards Long-term Profitability
Unser gemeinsames Paper „Reviewing and Refining the Life Cycle of AI/ML-based Network Management Systems Towards Long-term Profitability“ von Michael Seufert (Universität Augsburg) und Nikolas Wehner (Universität Würzburg) wurde zur Veröffentlichung in der IEEE Communications Magazine angenommen. Die Arbeit verbindet die Forschung beider Universitäten und beschäftigt sich mit den Herausforderungen, KI/ML-basierte Ansätze für das Netzwerkmanagement von einzelnen Forschungsprototypen hin zu einem nachhaltigen Betrieb in realen Netzwerken zu entwickeln. Dazu betrachtet die Arbeit den gesamten Lebenszyklus KI/ML-basierter Network Management Systeme – von der Planung und Entwicklung über Deployment und Betrieb bis hin zur möglichen Ablösung. Neben der technischen Leistungsfähigkeit werden dabei insbesondere die kontinuierliche Überwachung der Systemleistung, die Datengenerierung und die mit dem langfristigen Betrieb verbundenen Kosten berücksichtigt. Eine zentrale Aussage der Arbeit ist, dass der langfristige Erfolg solcher Systeme nicht allein von der Genauigkeit der verwendeten Modelle abhängt. Stattdessen sollten Wirtschaftlichkeit und eine dauerhaft zuverlässige Systemleistung die Entscheidungen über Deployment, Weiterentwicklung und letztlich auch die Ablösung eines Systems bestimmen. Darüber hinaus werden offene Forschungsfragen, unter anderem zu realistischen Benchmark-Szenarien, standardisierten Kostenmodellen und der gemeinsamen Betrachtung von Performance und Kosten, aufgezeigt. Paper: Michael Seufert, Nikolas Wehner. “Reviewing and Refining the Life Cycle of AI/ML-based Network Management Systems Towards Long-term Profitability.” IEEE Communications Magazine, 2026. Link zum Paper: Coming soon