Daten zur Optimierung von Netzdiensten nutzen
Die Rolle der Mobilfunknetzbetreiber wandelt sich rasch. Da soziale Interaktionen zum bestimmenden Faktor des Internets werden, fungieren Netze zunehmend als Medium für den Datenaustausch. „Die Nutzung dieser Daten könnte uns zum kritischen Verständnis verhelfen, wie wir unser Leben leben und wie wir daher Infrastrukturen wie Verkehr und Telekommunikation optimieren können“, erklärt der ursprüngliche Projektkoordinator von DAWN4IoE, Weisi Guo von der Universität Cranfield im Vereinigten Königreich. „Darum geht es bei intelligenten Städten.“ Eine wesentliche Herausforderung besteht darin, dass herkömmliche Netze nicht auf Daten aus sozialen Medien ausgerichtet sind. Das bedeutet, dass Netzbetreiber ihren Dienst nach bestem Wissen und Gewissen planen müssen, z. B. wie viele Menschen in einem bestimmten Gebiet Ihren Dienst wahrscheinlich nutzen werden. Nicht möglich ist, den sozialen Kontext der entsprechenden Dienstleistung in Echtzeit anzupassen. „Kommunikationsnetze reagieren nicht sehr empfindlich auf kurzfristige Schwankungen, z. B. wenn ein Zug streikt und alle versuchen, einen Nachricht zu schreiben“, fügt Guo hinzu. „Daraus kann ein schlechter Netzempfang entstehen.“
Verbraucherverhalten im Sinne der Kontextualisierung der Netznutzung nachvollziehen
Im Rahmen des von der Universität Warwick koordinierten und über die Marie-Skłodowska-Curie-Maßnahmen unterstützten Projekts DAWN4IoE sollte diese Herausforderung bewältigt werden. „Bei diesem Projekt ging es darum, proaktiv zu prüfen, wie wir Daten nutzen können, um die Gefühle und das Verhalten der Verbraucherschaft besser zu verstehen und das Geschehen in einen Kontext zu stellen“, kommentiert Guo. Diese Daten können dann eingesetzt werden, um nahezu in Echtzeit Informationen zur Optimierung von Netzdiensten bereitzustellen, indem Ereignisse hervorgehoben werden und erklärt wird, warum sie auftreten. „Ist ein bestimmtes Ereignis zum Beispiel eine Anomalie oder wird es sich wahrscheinlich wiederholen?“, bemerkt Guo. „Und wie kann sich ein Netz in Zukunft anpassen, um einem solchen Ereignis proaktiv zuvorzukommen?“
Kommunikationsnetze optimieren
Im DAWN4IoE-Konsortium waren Universitäten und Start-ups vereint, die die Software und Fallstudiendaten für die Forschenden zur Verfügung stellten. Das Projektteam erstellte unter anderem einen Datenkatalog mit Problemen, der für einen Netzbetreiber von Nutzen sein könnte. Das Team hat außerdem KI-basierte Sprachmodelle entwickelt, um genau zu entschlüsseln, was Menschen sagen. „Englisch kann eine wankelmütige Sprache sein“, bemerkt Guo. „Wenn Sie zum Beispiel sagen: ‚Der Empfang ist wirklich schlecht‘, kann sich das auf Ihren Telefondienst oder auf eine Hochzeitsfeier beziehen, an der Sie teilnehmen.“ KI-Modelle wurden nicht nur zur Bestimmung von Schlüsselwörtern, sondern auch zum Verständnis von Sätzen aus grammatikalischer Sicht und unter dem Gesichtspunkt von deren Verwendung eingesetzt. Anschließend wurden Entwurfsalgorithmen und mobile Edge-Computing erschlossen, um diese Erkenntnisse so anzuwenden, dass die Netzabdeckung optimiert werden kann. „Ein Netzbetreiber könnte zum Beispiel mehr Frequenzen für einen bestimmten Bahnhof bereitstellen, wenn ein Zug ausfällt und das Netz weiß, dass die Leute darüber Nachrichten schreiben“, fügt Guo hinzu.
Echtzeitdaten in die technische Praxis einbinden
Guo ist davon überzeugt, dass die automatisierte und proaktive Einbindung in Echtzeit von Verbraucherdaten in die technische Praxis entscheidend ist, um einen besseren Echtzeitdienst bereitzustellen. „Es geht darum, die Art und Weise zu ändern, wie wir über den Netzbetrieb denken“, sagt er. „Die Philosophie sollte sich darum drehen, wie wir Kapazitäten und Dienstleistungen anbieten können, die dynamisch und individuell sind.“ Ein entscheidender nächster Schritt wird die Integration dieses Konzepts in die Normen und tatsächlichen Praktiken der 6G-Kommunikation sein. „Standardisierung ist dafür entscheidend“, sagt er abschließend.
Schlüsselbegriffe
DAWN4IoE, drahtlos, Internet, intelligente Städte, KI, Telekommunikation
