Künstliche Intelligenz (KI) wird voraussichtlich zu einem grundlegenden Bestandteil zukünftiger Netzwerke werden, die Netzwerkleistung verbessern und intelligente Lösungen für komplexe Probleme in der drahtlosen Kommunikation sowie für KI-Dienste und -Anwendungen bieten. Es wird erwartet, dass native KI-Netzwerke eine durchgängige Orchestrierung und Kontrolle von Rechenleistung, Daten und Modellen ausüben werden, sodass die wichtigsten Bestandteile wie Verbindungen, Computer, Daten und KI-Algorithmen/-Modelle von Natur aus integriert sind. Ein zentraler Aspekt dieser Integration wird das Konzept der verteilten KI sein, die eine entscheidende Rolle bei der Entwicklung der Netzwerkintelligenz spielt. Es umfasst die gleichzeitige Ausführung von KI-Modellen über die Netzwerkelemente und -funktionen des Kernnetzwerks, des Funkzugangsnetzwerks, des Transportnetzwerks und der zugrunde liegenden Infrastruktur hinweg und ermöglicht so die Verarbeitung und Analyse von Daten in Echtzeit. Dies beschleunigt nicht nur die Entscheidungsfindung, sondern reduziert auch die Latenz und steigert so die Leistung und Effizienz des Netzwerks.
In diesem Arbeitsumfeld untersuchen wir, wie verteilte KI eine Vielzahl von Anwendungsfällen im drahtlosen Netzwerk abdecken kann, wie z. B. Echtzeit-Netzwerkoptimierung, prädiktive Analysen, Quality of Service (QoS)-Management, Energieeffizienz, Lastausgleich sowie Ressourcenmanagement und -optimierung. Jeder dieser Anwendungsfälle erfordert unterschiedliche Strategien für die Modellbereitstellung und das Management des Lebenszyklus für Training und Inferenz. Modelle müssen regelmäßig aktualisiert und neu trainiert werden, um mit Änderungen der Netzwerkbedingungen und -anforderungen Schritt zu halten, und sie müssen kontinuierlich überwacht und bewertet werden, um ihre Leistung und Genauigkeit sicherzustellen.
Wer ist im Forschungsteam?
- Khalid Ali khalid.ali@th-deg.de, Wissenschaftlicher Mitarbeiter ThDeggendorf