Name des Teilnehmers: Jannis Weil
Beschreibung des IT-Forschungsprojekts: Der Stellenwert des Internets ist heutzutage höher als je zuvor. Unzählige miteinander vernetzte Systeme arbeiten pausenlos daran, um die von uns benötigten Dienste bereitzustellen und Anfragen auf der ganzen Welt zu bearbeiten. Viele der dabei für Koordination und Datenaustausch verwendeten Algorithmen wurden manuell entworfen. Sie nutzen Heuristiken, die ausreichende, aber nicht zwangsläufig optimale Ergebnisse liefern. Verhalten sich Systeme suboptimal, kann dies in erhöhten Kosten und schlechter Nutzendenerfahrung resultieren.
Entsprechend existiert ein Trend in Richtung lernfähiger Systeme. Diese passen sich unter wenigen Vorgaben selbstständig an die Anforderungen an. Unter Laborbedingungen erzielen sie zudem in vielen Anwendungsfällen, bspw. Videostreaming und Service Placement, bessere Ergebnisse als vorherige Heuristiken. Dieses Projekt konzentriert sich auf Lernverfahren aus dem Bereich Reinforcement Learning. Die dabei betrachteten Systeme interagieren über mehrere Schritte hinweg mit dem Netzwerk, treffen Entscheidungen und verändern dessen Zustand. Obwohl das Internet aus vielen vernetzten Knoten besteht, werden diese Verfahren oft nur lokal angewandt. Intelligente Systeme agieren unabhängig voneinander oder berücksichtigen nur beschränkte Nachbarschaften im Netzwerk. Alternativ wird das gesamte Netzwerk von einer zentralen Stelle aus gesteuert. Dies ist allerdings bei großen Netzwerken nicht praktikabel.
Das übergeordnetes Ziel dieses Projektes besteht darin, die Anwendbarkeit aktueller Reinforcement Learning Verfahren auf Netzwerke zu verbessern. Der Fokus liegt auf dem Informationsaustausch zwischen lernenden Kommunikationssystemen. Das Projekt untersucht, wie sich diese im gesamten Netzwerk selbstständig und gezielt austauschen können. Dies soll die Koordinationsfähigkeit der Systeme verbessern. Darüber hinaus werden Methoden erforscht, um die Generalisierbarkeit der Verfahren auf verschiedene Netzwerktopologien und Szenarien zu verbessern.
Software Campus-Partner: Technische Universität Darmstadt & HUAWEI
Umsetzungszeitraum: 01.03.2022 – 29.02.2024
© Projektlogo: Alisha Hirsch
