Forschung

Die Synergie zwischen Kommunikationstechnologie, cyber-physischem Systemdesign und künstlicher Intelligenz (KI) ermöglicht den autonomen Betrieb moderner vernetzter Systeme. Für solche Infrastrukturen, die mehrere kritische Missionen unterstützen, ist die Notwendigkeit von Effizienz und Widerstandsfähigkeit offensichtlich und unbestreitbar. Dennoch ist es oft schwierig, Effizienz zu erreichen, da die Ressourcen knapp sind und Technologien zur opportunistischen Ressourcenbeschaffung unvermeidlich sind, was zu einer Volatilität des wesentlichen Ressourcenflusses führt. Die begrenzte Verfügbarkeit von Informationen in Verbindung mit verrauschten und veralteten Signalen verschlimmert das Problem, insbesondere wenn Sicherheitsbedrohungen und -risiken bestehen. Außerdem wird das Optimierungsproblem durch widersprüchliche Hauptleistungskennzahlen zu einem Mehrzielproblem, und in einer dynamischen Umgebung verschiebt sich die optimale Betriebseinstellung mit der Zeit. Schließlich verursachen explizite Synchronisation und Koordination einen kostspieligen Overhead.

Die Forschungsgruppe „Lernende Technische Systeme“ trägt zur Analyse und Optimierung eines solchen vernetzten Systems intelligenter Systeme bei, indem sie einen interdisziplinären Ansatz entwickelt. Genauer gesagt entwickelt die Gruppe interpretierbare und erklärbare Kontroll- und Optimierungsmethoden, auch für Mehrparteien-Szenarien, die sich für eine verteilte Implementierung eignen und robust gegenüber Informationsmangel sind. Solche Algorithmen empfehlen jedem System bzw. jedem Controller eine Aktion in einer Folge von Versuchen. Sie nutzen nicht nur die a priori verfügbaren Daten, sondern verbessern auch die Entscheidungen im Laufe der Zeit, indem sie aus der Vergangenheit lernen, die verbundenen Systeme in einen effizienten stabilen Zustand führen oder die definierte Aufgabe erfüllen. Zu den Leistungskriterien für solche Methoden gehören Komplexität, Kosten-Nutzen-Verhältnis, Häufigkeit von Grenzwertverletzungen und Ähnliches.

Aus theoretischer Sicht sind die Säulen dieser Methoden die Spieltheorie und die KI, und der Anwendungsbereich ist der Eckpfeiler. In Bezug auf die Anwendung sind sie allgemein und in mehreren Bereichen, insbesondere im Ingenieurwesen, von Bedeutung. Dazu gehören Netze für erneuerbare Energien, Schwarmrobotik, intelligenter Verkehr und mobile Kommunikation, die aus praktischer Sicht derzeit ein Schwerpunktthema der Forschungsgruppe "Entscheidungsfindung" ist.

Beispiel

Die Forschungsgruppe „Intelligente Technische Systeme“ hat in den letzten Jahren ihre softwaredefinierte Netzwerkplattform entwickelt. Die Bausteine der Plattform sind Software-definierte Funkgeräte (SDR), wie in der Abbildung dargestellt. Bei den Geräten handelt es sich um eingebettete Systeme, die unabhängig von einem Host-Computer arbeiten können. Sie bestehen aus drei Modulen, d. h. aus Funkelementen (wie Sender und Empfänger), Prozessoren (auf FPGA-Basis) und Schnittstellen zu einem Computer für die Anwendungssteuerung und den Datenaustausch. Die Kombination dieser drei Module macht SDR-Geräte bis zu einem gewissen Grad "intelligent": Sie sammeln Daten durch Sensorik, lernen durch die Ausführung von maschinellen Lernprogrammen und treffen Entscheidungen durch KI-basierte Entscheidungsfindungsmethoden. Außerdem sind sie miteinander verbunden, da sie über das Funkausbreitungsmedium basierend auf verschiedenen Protokollen und Standards kommunizieren können. Die in der Abbildung dargestellte Plattform ist also ein vernetztes System intelligenter Systeme. In einer solchen Plattform ermöglicht die Implementierung von KI-basierten Entscheidungsstrategien die Kommunikation zwischen beliebigen Gerätepaaren ohne zentrale Steuerung und Informationen über wichtige Variablen wie die Kanalqualität. Das kann sogar für mobile Endgeräte gelten, d. h. wenn die SDR-Geräte sich bewegen, oder für unsichere Energieverfügbarkeit, z. B. wenn die Geräte ihre benötigte Energie zumindest teilweise über erneuerbare Energiequellen wie Solarzellen beziehen.

Nehmen wir als Beispiel die Frequenzzuweisung. In einem drahtlosen Kommunikationsnetz ist das Spektrum eine kostbare Ressource, die ständig im Überfluss vorhanden ist; daher spielt eine intelligente Frequenznutzung eine wesentliche Rolle für die Effizienz eines drahtlosen Netzes. Dies wird durch die Implementierung unserer KI- und ML-basierten Entscheidungsalgorithmen in den Prozessoren von SDR-Geräten möglich. Mithilfe solcher Strategien entscheidet jedes Gerät in aufeinanderfolgenden Runden über seinen Übertragungskanal. Durch Beobachtung des Ergebnisses jeder Entscheidung in jeder Runde, d. h. der erreichten Datenrate, passt der Algorithmus die Entscheidung an. Ziel ist es, ein effizientes Gleichgewicht zu erreichen, bei dem die Geräte das Spektrum bestmöglich nutzen und das gesamte System stabil bleibt.