Das schwedische Technologieunternehmen Waystream hat ein Forschungsprojekt zu den Themen Machine Learning und künstliche Intelligenz (KI) im Zusammenhang mit dem Betrieb von Breitband- und Stadtnetzen initiiert. Ziel des Projekts ist es, verschiedene Methoden für Machine Learning und künstliche Intelligenz in Bezug auf den Betrieb von glasfaserbasierten Breitbandnetzen zu evaluieren, um die Verfügbarkeit und Zuverlässigkeit für die Endnutzer zu verbessern.
Das Forschungsprojekt wurde von Waystream eingeleitet und setzt sich aus Teilnehmern verschiedener Organisationen zusammen. Das renommierte schwedische Forschungsinstitut RISE, das sich auf Nachhaltigkeit und Innovation spezialisiert hat, ist Teil des Projekts und steuert Expertise auf dem Gebiet der künstlichen Intelligenz und des Machine Learnings bei. Der schwedische Netzbetreiber Lunet, der das städtische Glasfasernetz im nordschwdischen Luleå betreibt, ist ebenfalls an dem Projekt beteiligt, das von Johan Sandell, CTO bei Waystream, geleitet wird.
"Künstliche Intelligenz und Machine Learning bieten neue Möglichkeiten, große Datenmengen zu analysieren, um Abweichungen vom Normalfall zu finden. Wenn man dies auf die Informationen anwendet, die von den Waystream-Switches durch Telemetrie bereitgestellt werden, kann man Fehler, die den Netzwerkverkehr beeinträchtigen, schneller finden. Für einen städtischen Netzbetreiber bedeutet dies, dass man Alarmmeldungen über Anomalien im Netz erhalten kann, die man sonst nicht gesehen hätte, bevor sie sich bereits auf große Endnutzergruppen auswirken. Es geht also darum, neue Werkzeuge zu erforschen, mit denen Netzbetreiber Fehler lokalisieren und sogar vorhersagen können, um Maßnahmen zu ergreifen, die Störungen für die Nutzer reduzieren", erklärt Johan Sandell.
Ende 2019 führte Waystream die Telemetrie-Funktionen in seine Produkte ein. Mit Hilfe der Telemetrie können Betreiber Tausende von Betriebsparametern von jedem Switch im Minutentakt erfassen. Diese Parameter liefern Details über die Netzwerkleistung. In einem großen Netzwerk kann es Hunderte, wenn nicht Tausende von Switches geben. Aktive Qualitätsmessung und passive Überwachung schaffen so einen einzigartigen Einblick in den momentanen Status des Netzes.
"Es handelt sich um eine riesige Menge an Daten, die zur Analyse zur Verfügung steht. Das ist mehr, als ein Mensch allein im Auge behalten kann. Gleichzeitig vermittelt jeder Parameter wichtige Informationen. Daher kann das Machine Learning, bei dem die Systeme lernen, was zu einer bestimmten Tageszeit normal ist, ein leistungsstarkes Werkzeug sein. Wenn einer dieser vielen Parameter vom Normalzustand abweicht, können Sie als Netzbetreiber eine automatische Analyse durchführen und bei Bedarf das Betriebspersonal alarmieren. Das ist das Ziel", erklärt Johan Sandell.
Der städtische Netzbetreiber Lunet ist Teil dieses Projekts. Er liefert unter anderem die erhobenen Daten, die normale und tatsächliche Ereignisse zeigen, die die Kunden in ihrem Netz betreffen. Daniel Henriksson von Lunet beschäftigt sich täglich mit dem Netzbetrieb.
"Wir sehen in dieser Technologie ein großes Potenzial. Wir arbeiten täglich mit verschiedenen Problemen, die unsere Dienstleistungen und die Erfahrung der Kunden beeinflussen. Manchmal gibt es im Internet Probleme, die unsere Kunden betreffen. Dann ist es von Vorteil, wenn wir schnell feststellen können, dass die Ursache außerhalb unseres Netzwerks liegt, damit wir keine unnötige Zeit mit der Fehlersuche verbringen. Gleiches gilt, wenn ein Problem sehr lokal ist und vielleicht nur eine bestimmte Nachbarschaft im Netzwerk betrifft. Dann möchten wir, dass der Kundendienst und unsere betroffenen Kunden schnell über korrekte Informationen verfügen. Deshalb ist dieses Projekt für uns so wichtig", erläutert Daniel Henriksson.
Das Forschungsprojekt wird von der schwedischen innovationsbehörde Vinnova als Teil einer Initiative unterstützt, die darauf abzielt, den Einsatz der Machine Learning-Technologie auf schwedische Unternehmen auszuweiten. Die technische Kompetenz in diesem Bereich stammt vom Forschungsinstitut RISE. Dr. Rami Mochaourab ist Experte auf dem Gebiet des Machine Learnings. Er sagt:
"Wir sind ein Team innerhalb von RISE, das an dem Projekt teilnimmt. Für uns ist dies eine spannende Anwendung, um herauszufinden, wie verschiedene Techniken des maschinellen Lernens in Telekommunikationsnetzen und nicht zuletzt in Stadtnetzen, die ein wichtiger Teil der modernen Kommunikationsinfrastruktur sind, eingesetzt werden können. Hier gibt es einen bidirektionalen Wissenstransfer, der auch RISE zugutekommt, da er unser Verständnis von Glasfaserzugang und Stadtnetzen erweitert ", sagt Rami Mochaourab.