BMBF - 6G-ANNA: 6G Access, Network of Networks, Automation

In 6G-ANNA-MOEVE werden wir multi-kriterielle Optimierung und Entscheidungsfindungsalgorithmen sowie Methoden fu¨r verteiltes Lernen entwickeln. Die multi-kriteriellen Optimierungsprobleme haben mehrere Zielfunktionen, die gleichzeitig optimiert werden mu¨ssen. Ein Beispiel fu¨r solche hochkomplexe Probleme ist die Minimierung des Energieverbrauchs im Netz bei gleichzeitiger Sicherstellung von Ende- zu-Ende Performanz (Durchsatz, Latenz und Zuverla¨ssigkeit). Die Lo¨sung solcher Probleme ist eine Menge optimaler Alternativen, auf dieser Entscheidungsgrundlage kann der Anwender gema¨ß seinen Pra¨ferenzen die fu¨r ihn beste Lo¨sung auswa¨hlen. Das gibt dem Anwender ein hohes Maß an Flexibilita¨t in der Entscheidung, was zur Nachhaltigkeit der Lo¨sungen beitra¨gt.
Fu¨r eine Echtzeitoptimierung werden wir digitale Zwillinge (Simulationen) entwickeln. Allerdings spiegeln Simulationen die Realita¨t nicht perfekt wider. Daher sollen hier Methoden entwickelt werden, die eine effiziente Kombination von Offline- (Simulationsbasierte-) und Echtzeitoptimierung bieten. Eine mo¨gliche Lo¨sung fu¨r Echtzeitoptimierung kann durch verteilte Optimierung auf lokaler Ebene stattfinden. Parallelisierung bzw. die dezentrale Ausfu¨hrung von Optimierungsalgorithmen ist ein komplexes Problem und hat viele Herausforderungen, u.a. Konvergenz zu lokalem Optimum und Mobilita¨t der Knoten.
Bei der Entwicklung der Entscheidungsfindungsalgorithmen werden wir den Anwender in den Vordergrund stellen und dabei eine technische Unterstu¨tzung durch KI-Algorithmen anbieten. Ein Ziel des Projekts ist, dass durch die Interaktion zwischen Menschen und Maschine die nicht maschinenlesbaren Pra¨ferenzen der Anwender von Algorithmen verstanden werden, was wir "reverse explainability" von Entscheidungsfindung nennen. Diese findet in "Collaborative Spaces" Anwendung, die sich auf die Mensch-Maschine Interaktion, z.B. die Zusammenarbeit von Robotern und Menschen in der industriellen Produktion, fokussieren.