Motivation
Die 5G-Mobilfunktechnik wird künftig neben den landesweiten Netzen auch für lokale Funknetze (sog. 5G-Campusnetze) genutzt. 5G-Campusnetze werden in der Fertigung („Industrie 4.0“), in Funktionszusammenhängen (z.B. Krankenhäusern, Landwirtschaft) und in öffentlich stark frequentierten Bauwerken (Einkaufszentren, Flughäfen, Stadien) aufgebaut. Dabei werden mit der Massive-MIMO-Technologie hohe Datenraten, niedrige Latenzzeiten und hohe Zuverlässigkeit möglich sein. Massive-MIMO ist eine Technologie für Mehrantennensysteme mit sehr vielen Sende- und Empfangsantennen, die als eine der 5G-Schlüsseltechnologien angesehen wird. Damit diese technischen Möglichkeiten genutzt werden können, ist eine komplexe Planungsphase des Aufbaus nötig. Das gilt speziell dann, wenn 5G-Campusnetze in Umgebungen mit hohen Zuverlässigkeits- und Latenzzeitanforderungen (der Zeit, die zwischen Übermittlung eines Signals und der Antwort des Empfängers liegt) eingesetzt werden. Zum Beispiel in Industrie-4.0-Umgebungen, in denen es durch Verbindungsabbrüche zu einer Maschine oder eine hohe Latenzzeit zu Verzögerungen im Betrieb oder sogar Schäden an der Maschinen und Verletzungen von Mitarbeitern kommen kann. Die Planung eines Campusnetzes erfordert in solchen Fällen eine präzise Vorhersage der zu erwartenden Dienstgüten, um hohe Zuverlässigkeitsanforderungen zu erfüllen. Deshalb müssen neben der Netzabdeckung auch die erwarteten Interferenzen (Änderung der Amplitude bei der Überlagerung von zwei oder mehr Wellen) zuverlässig vorhergesagt werden.
Ziele und Vorgehen
Im Verbundvorhaben „PräKIpio“ sollen Verfahren des maschinellen Lernens (ML) zur Funkausbreitungsvorhersage und Fehleranalyse in künftigen 5G-Campusnetzen mit Massive-MIMO entwickelt werden. Im Vorhaben sollen KI-gestützte Prädiktionsmodelle entwickelt und in Planungswerkzeugen genutzt werden, um einerseits mit Hilfe von Gebäudedaten und gegebenenfalls punktuellen Messungen wesentliche Eigenschaften der Funkversorgung vorhersagen sowie andererseits Fehlerfälle in 5G-Campusnetzen automatisiert analysieren zu können. Um die Forschungsziele zu erreichen, sollen die speziellen Ausbreitungseigenschaften des Funkmediums in 5G-Massive-MIMO-Szenarien durch Messungen, vor allem im 5G-Berlin-Campus, charakterisiert werden. Die Messdaten bilden die Basis für den Entwurf und das Training von Methoden des Maschinellen Lernens (ML) zur Vorhersage der Funkversorgung.
Innovationen und Perspektiven
Mit dem Vorhaben soll die mit der 5G-Technologie verbundene Komplexität für Nicht-Experten beherrschbar gemacht werden, um so die Schwelle zum Eintritt in das 5G-Campusnetz für Unternehmen und Institutionen zu senken.