UserNet (ML-basiertes Monitoring und Management der QoE für nutzerzentrierte Kommunikationsnetze, Emmy-Noether-Nachwuchsforschungsgruppe, gef?rdert durch die Deutsche Forschungsgemeinschaft (DFG))

Um das QoE-Monitoring für beliebige Internetanwendungen zu erm?glichen, wird das Zusammenspiel von QoE und Nutzerinteraktionen anhand von Messungen und subjektiven Studien untersucht und modelliert. Darüber hinaus werden ML-Methoden an das Gebiet angepasst, um sie auf verschlüsselten Netzwerkverkehr anwenden zu k?nnen. Dies erm?glicht die Quantifizierung der QoE durch die ?berwachung von Interaktionen und den resultierenden Ver?nderungen im verschlüsselten Anwendungsverkehr. Auf dieser Grundlage wird durch den Einsatz von verst?rkendem Lernen eine datengetriebene Verbesserung von QoE und QoE-Fairness erm?glicht, indem optimale Netzwerkkonfigurationen durch Interaktion mit der dynamischen Netzwerkumgebung gefunden werden. Mithilfe leistungsf?higer, softwaredefinierter Netzwerktechnologien (SDN) wie P4 und vorhandener Rechenressourcen im Netzwerk k?nnen solche feink?rnigen Modelle nun erstmals im Netzwerk implementiert werden, wodurch das Netzwerkmanagement dynamischer wird. Daher wird die Umsetzung der erforderlichen ML-basierten Algorithmen und Komponenten und deren Integration in den Netzwerkbetrieb erforscht.

?

?

?

?

In-Network Video Traffic Management (Zusammenarbeit mit? AT&T Research Labs, USA und Universit?t Würzburg, Deutschland)

Das rasante Wachstum von Kurzvideo-Streaming-Diensten wie TikTok, Instagram Reels oder YouTube Shorts stellt sowohl Dienstanbieter als auch Netzbetreiber vor gro?e Herausforderungen. Hohe Datenmengen und applikationsspezifische Preloading-Strategien führen zu starken Schwankungen im Bandbreitenbedarf, was oft zu überm??igem Ressourcenverbrauch führt – insbesondere, wenn Nutzer schnell durch Videos wischen und nur einen Bruchteil der geladenen Inhalte tats?chlich ansehen.
Um diesen Herausforderungen zu begegnen, k?nnen verschiedene Netzmanagement-Techniken eingesetzt werden. Dieses Projekt untersucht dabei unter anderem die Auswirkungen einer Bandbreitenbegrenzung auf den Kurzvideo-Datenverkehr. Um ein besseres Verst?ndnis der Effekte zu erhalten, werden Daten sowohl auf der Netz- als auch auf der Anwendungsebene erfasst. Diese Forschung hilft, die Auswirkungen auf Netzdynamik, Fairness und die Quality of Experience (QoE) der Nutzer zu bewerten.
Die Ergebnisse tragen zur Entwicklung effizienterer Strategien für das Management von Videoverkehr bei, um die Netzauslastung zu optimieren und gleichzeitig ein ununterbrochenes Streaming-Erlebnis zu gew?hrleisten.

?