Online-Spiele, Video-Streams, Besuche in den virtuellen Welten des Metaverse: Immer mehr Anwendungen sind auf eine gut funktionierende Internetverbindung angewiesen. Was ?gut funktionierend“ genau bedeutet, ist aber von Fall zu Fall unterschiedlich: Gamer m?chten die Aktionen ihrer Gegner mit m?glichst geringer Verz?gerung mitbekommen, um noch reagieren zu k?nnen. Wer sich einen Film anschaut, st?rt sich vor allem daran, wenn das Bild pl?tzlich einfriert und dann erst nach ein paar Sekunden weiterl?uft – n?tig ist also eine m?glichst konstante Datenrate. Und ein gro?er Download soll m?glichst schnell und gleichzeitig fehlerfrei erfolgen. Die Dienste müssen also im Netz unterschiedlich behandelt werden, damit die jeweiligen Nutzer zufrieden sind.

Verschlüsselte Datenverbindungen erschweren es, die Nutzer zufriedenzustellen

?Viele Datenverbindungen erfolgen heute aber verschlüsselt“, erkl?rt Prof. Dr. Michael Seufert, Inhaber des Lehrstuhls für Vernetzte Eingebettete Systeme und Kommunikationssysteme der Universit?t Augsburg. ?Das hei?t, es l?sst sich nicht einfach erkennen, ob ein Datenpaket zu einem Video, zu einer Webseite oder zu einem Download geh?rt. Das erschwert es, die Datenstr?me je nach Nutzung angepasst und gerecht zu verteilen.“

Seufert leitet eine sogenannte Emmy-Noether-Forschungsgruppe, die dieses Problem l?sen m?chte. Die Idee hinter dem von der Deutschen Forschungsgemeinschaft (DFG) mit 1,9 Millionen Euro gef?rderten Projekt: KI-Algorithmen sollen die verschickten Datenpakete analysieren und anhand bestimmter Gemeinsamkeiten erkennen, zu welcher Kategorie von Anwendungen sie geh?ren. Au?erdem sollen sie absch?tzen, welche Qualit?t diese Anwendung momentan für den Nutzer hat – ob also etwa ein Videostream spürbar ruckelt oder ohne St?rung abspielt.

Auf diesem Weg sind die Forschenden nun einen gro?en Schritt vorw?rtsgekommen: ?Wir haben eine Methode entwickelt, bei der ein Switch, der ein sehr hohes Aufkommen an Internet-Daten weiterleitet, zus?tzlich in Echtzeit deren Qualit?t bewerten kann“, sagt der Informatiker. ?Wir sprechen hier von mehreren Terabit pro Sekunde – das sind Gr??enordnungen, wie sie etwa bei 250.000 gleichzeitigen Videostreams anfallen würden.“ Seine Arbeitsgruppe nutzte dazu Verfahren aus dem Bereich des maschinellen Lernens. Die Algorithmen werden dabei mit einer Vielzahl von Datenpaketen gefüttert. Im Laufe dieses Trainings lernen sie, die verschiedenen Arten von Daten anhand spezifischer Charakteristika zu erkennen. ?Wir erzeugen dazu im Labor automatisiert verschiedene Datenstr?me - zum Beispiel, indem wir Smartphones per Mobilfunk ein Video aufrufen lassen, mit verschiedenen PCs per DSL oder Glasfaser eine Reihe von Downloads starten oder auch andere Dienste nutzen“, sagt er. ?Der generierte Datenverkehr wird aufgezeichnet und für das Training der KI-Algorithmen genutzt.“

Wieviel Verz?gerung ist tolerierbar?

Die jetzt ver?ffentlichte Methode ist ein erster Schritt, um die Zufriedenheit der Anwenderinnen und Anwender mit den von ihnen genutzten Internetdiensten zu verbessern. ?Wir sprechen in diesem Zusammenhang auch von Quality of Experience, abgekürzt QoE“, erkl?rt Seufert. ?Wenn etwa ein Videostream ruckelt, mindert das die QoE deutlich. Wenn es ein paar Sekundenbruchteile l?nger dauert, eine Webseite aufzurufen, ist das dagegen weniger st?rend.“

Seine Arbeitsgruppe m?chte auch herausfinden, welche Verz?gerungen Nutzerinnen und Nutzer tolerieren, ohne dass ihre Zufriedenheit mit der Internetverbindung spürbar leidet. ?Dazu führen wir Experimente mit Versuchspersonen durch, in denen wir zum Beispiel bestimmte Dienste gezielt ausbremsen“, sagt er. Die Ergebnisse dieser Studien geben dann Aufschluss darüber, wie die unterschiedlichen Anforderungen der Datenstr?me am besten und am fairsten erfüllt werden k?nnen. ?Da die Datenmengen im Internet so stark wachsen, werden immer wieder Situationen auftauchen, in denen es zu Engp?ssen kommt“, erkl?rt Seufert. ?Wir wollen mit unserer Forschung erreichen, diese Engp?sse so geschickt zu managen, dass sie m?glichst wenige Menschen st?ren.“

fl
?

Publikation:
Michael Seufert, Katharina Dietz, Nikolas Wehner, Stefan Gei?ler, Joshua Schüler, Manuel Wolz, Andreas Hotho, Pedro Casas, Tobias Ho?feld, Anja Feldmann: "Marina: Realizing ML-driven Real-time Network Traffic Monitoring at Terabit Scale", IEEE Transactions on Network and Service Management, 2024. https://doi.org/10.1109/TNSM.2024.3382393

?