Die Entwicklung und das Management von Telekommunikationsnetzen werden immer komplexer. Um diese zu vereinfachen, sind neue Lösungen erforderlich, die den Nutzern Zuverlässigkeit und eine hohe Nutzungsqualität garantieren und gleichzeitig die Wettbewerbsfähigkeit der Dienste für die Anbieter und Betreiber sicherstellen. Die verbesserten Architekturlösungen, die TAPIR-CM entwickeln wird, werden die Netzwerkintelligenz so beeinflussen, dass 5G und nachfolgende Mobilfunkgenerationen diese Ziele erreichen können. TAPIR-CM baut auf den Ergebnissen des kürzlich abgeschlossenen Projekts TIGRE5-CM auf, das eine Architektur auf Basis von Software-Defined Networks (SDN) bot.
Das in Madrid ansässige IMDEA Networks Research Institute koordiniert das TAPIRCM-Projekt. IMDEA Networks arbeitet dabei mit denselben Partnern zusammen wie beim TIGRE5-Projekt: der Universität Carlos III. Madrid und der Universität Alcalá.
Domenico Giustiniano, außerordentlicher Forschungsprofessor bei IMDEA Networks und Projektleiter, erläutert die Ziele des TAPIRCM-Projekts: „Mit TAPIRCM erkunden wir neue Perspektiven in Forschungsbereichen, mit denen wir bestens vertraut sind. Konkret wollen wir zwei wichtige Forschungsfelder stärken und ausbauen. Das erste ist die Kombination von SDN (Software Deployment Network) und Network Function Virtualization (NFV) zur Verbesserung von Netzwerken. Dies wird den gesamten Systemlebenszyklus flexibler und agiler gestalten.“
Der zweite Bereich betrifft die Anwendbarkeit von maschinellem Lernen/künstlicher Intelligenz auf Netzwerke. Dies verspricht Betreibern die Möglichkeit, das Verhalten und die Eigenschaften des von mobilen Nutzern verbrauchten Datenverkehrs präzise vorherzusagen. Mithilfe dieser Informationen können Betreiber die Leistung ihrer Netzwerkfunktionen, wie z. B. Aufgabenplanung, Mobilitätsmanagement, Orchestrierung und Ressourcenzuweisung, verbessern.
Laut Domenico Giustiniano werden die Forscher von IMDEA Networks auf spezifische Fachgebiete und ihren etablierten experimentbasierten Ansatz zurückgreifen: „Unser Team wird sich auf die Charakterisierung der Mobilfunknetzzugriffsphase konzentrieren, um optimierte Lösungen zu entwickeln. Wir werden außerdem festlegen, wie und wo wir die benötigten Messungen durchführen, um Algorithmen des maschinellen Lernens für die Verkehrsklassifizierung und -prognose zu testen. Dabei ist es wichtig, dass wir mit demselben engagierten experimentellen Ansatz vorgehen, den wir in all unseren Forschungsaktivitäten anwenden.“
Laut Giustiniano hofft das Team nach Abschluss des Projekts, die Ergebnisse seiner Arbeit in Form eines funktionsfähigen Prototyps präsentieren zu können. „Unser konkretes Ziel ist es, die von uns entwickelten Lösungen zu prototypisieren, um sie zu optimieren. Die Erreichung unserer Ziele wird zu einer Reihe von Lösungen führen, die die bestehende Netzwerkarchitektur deutlich verbessern und den Weg für zukünftige 5G-Netze ebnen.“
TAPIR-CM wird vom Ministerium für Bildung und Forschung der Autonomen Gemeinschaft Madrid im Rahmen des Forschungs- und Entwicklungsprogramms für Forschungsgruppen 2018 gefördert und vom Europäischen Sozialfonds (ESF) und dem Europäischen Fonds für regionale Entwicklung kofinanziert.
