Rauschfrei – KI in der Nachrichtentechnik

KI in der NachrichtentechnikInstitutsleiter Stephan ten Brink erläutert Spielregeln der Kommunikation. Foto: Susanne Roeder

IdeenwerkBW-Schwerpunkt neue Anwendungen der Künstlichen Intelligenz (KI) (1): An der Universität Stuttgart will man herausfinden, ob mit KI in der Nachrichtentechnik Sender und Empfänger selbstlernend die Kommunikation verbessern können.

„Wir sind am Nabel der Innovation“, sagt Stephan ten Brink. Sein In­stitut für Nachrichtentechnik im Pfaffenwaldring 47 liegt in Sichtweite und nur wenige Meter entfernt von der Arena 2036, einem Schmelztiegel von Ideen, sehr nah an der Universität und gleichzeitig sehr nah an der Industrie.

„Heutzutage arbeiten die nachrichtentechnischen Systeme mit klassischen Signalverarbeitungsmethoden“ erklärt der Wissenschaftler, der sich explizit als Ingenieur versteht. „Das Übertragungsmedium als solches ist uns relativ egal, solange es sich eignet. Für dieses Medium entwickeln wir Verfahren, um es möglichst gut zu nutzen.“ Außer einem Funkkanal kommen auch Glasfaserkanal oder Breitband­kabelnetz infrage, wie man es vom Internet oder Kabelfernsehen kennt.

Jenseits der klassischen Methoden befassen sich ten Brink und sein 15-köpfiges Team mit Künstlicher Intelligenz. Das Institut gehört damit zu den wenigen innerhalb Deutschlands und Europas, die mit Künstlicher Intelligenz (KI) Verfahren für die Nachrichtentechnik entwickeln und feststellen wollen, ob dies Vorteile gegenüber modellbasierten klassischen mathematischen Verfahren hat. „Wir selbst sind unsere kritischsten Kritiker, denn wir haben als Referenz unsere klassischen Verfahren, mit denen wir erwiesenermaßen sehr erfolgreich sind und in der Forschung ganz vorne mitmischen. Wir können also sehr gut beurteilen, wo KI sinnvoll ist und wo nicht“, sagt der Professor.

KI in der Nachrichtentechnik kann Störungen korrigieren

Stephan ten Brink, Leiter des Instituts für Nachrichtentechnik an der Universität Stuttgart. Foto: Roeder

Es gilt Fragen zu klären wie: Welche Störungen gibt es auf einem spezifischen Funkkanal? Welche Ausbreitungsbedingungen liegen vor? Welche Echos gibt es, was für Reflexionen oder Beugungen? Welche Variationen über die Zeit sind messbar – kurzfristig und längerfristig?

Insgesamt geht es darum, die physikalischen Phänomene zu ermitteln, die jedem Kanal eigen sind. „Die Signalformung oder ,Verpackung‘ der zu übermittelnden Information kann dann mit klassischer Signalverarbeitung und Codierung erfolgen oder mit neuen Verfahren der KI“, sagt ten Brink. Es geht dabei beispielsweise darum, wie robust die Übermittlung bei Störungen ist. Sein Institut arbeitet derzeit mit klassischen Methoden und denen der KI daran, besonders gute Übertragungsverfahren zu entwickeln.

Ist die Arbeit am Institut also die wichtigste? Ten Brink lacht, weist jedoch darauf hin, wenn man das Übertragungsmedium austausche, also aus dem Funkkanal einen Glasfaser- oder Drahtkanal mache, dann ändere sich in bestimmten Bereichen der Übermittlung fast nichts. Auf der Ebene der Bits, also der kleinsten Signaleinheiten, seien die physikalischen Phänomene hingegen ganz andere. Bei der Glasfaser etwa zeigen sich Streuphänomene, beim Kabel dagegen gibt es Störungen durch Rauschen.

Künstliche Intelligenz kann Streuphänomene herausrechnen

Bei der Glasfaser etwa kann man digitale Lichtimpulse, quasi Lichtblitze, am Anfang der Faser sehen. Nach 80 Kilometern aber zerfließen diese Impulse, es kommt zur Dis­persion oder Zerstreuung. Die verschiedenen Signalanteile in der Glasfaser laufen also unterschiedlich schnell, weshalb sie auch unterschiedlich schnell beim Empfänger ankommen – der Impuls ist zerflossen. Weil die Signaltechniker die Eigenschaften der Glasfaser sehr gut kennen, können sie eine geeignete Signalaufbereitung nach der sogenannten nichtlinearen Schrödinger-Gleichung klassisch mathematisch modellieren. Einfacher ausgedrückt: Sie können mathematisch bestimmen, was sie beim Empfänger tun müssen, um die Dispersion zurückzurechnen.

Genau an dieser Stelle lassen sich Methoden der Künstlichen Intelligenz einsetzen. „Diese Methoden sind viel allgemeiner anwendbar“, sagt ten Brink. Ohne genaues Modell lerne dann der Empfänger zusammen mit dem Sender, wie der Kanal aussieht, könne gegebenenfalls das Signal dadurch sogar noch besser übertragen. Der Grund: Viele Effekte, die vielleicht nur im echten Kanal passieren, sind im mathematischen Modell nicht berücksichtigt.

KI in der Nachrichtentechnik kann selber Muster erkennen

„Mit anderen Worten“, so ten Brink weiter, „KI kann Strukturen oder Eigenschaften von Übertragungskanälen erfassen, die wir als Mensch vielleicht gar nicht sehen. Und weil wir sie nicht sehen, können wir kein mathematisches Modell ableiten. Wenn wir das könnten, wäre die Signalverarbeitung, die mit klassischen Modellen arbeitet, mindestens genauso gut.“ Als Testfeld hat sein Team am Institut eine Funkstrecke aufgebaut. „Die haben wir zuerst mit klassischer Signalverarbeitung beaufschlagt und so übertragen. Dann haben wir neuronale Netze beim Sender und Empfänger aufgebaut.

Es stellte sich heraus, dass die Übertragung so noch besser werden kann.“ Denn es entstehen viele Effekte, die nicht im Modell abgebildet werden können, aber implizit ausgenutzt werden. Jedoch sei es „gar nicht so einfach, genau zu wissen, was genau das neuronale Netz via KI da an zusätzlicher Struktur erkannt hat“, sagt ten Brink.

Noch ist offen, wo KI in der Nachrichtentechnik überlegen ist

Kurzum: Bisher können die Ingenieure am Institut feststellen, dass die Leistungsfähigkeit dank KI besser wurde. Allerdings ist es fast unmöglich, aus dem trainierten Netz einfache Regeln abzuleiten, um besser zu verstehen, wodurch genau die Robustheit erhöht wurde. „Das ist ein Nachteil dieses Verfahrens“, meint der Wissenschaftler. Und die Vorteile? Der scheinbare Nachteil von Künstlicher Intelligenz ist gleichzeitig ein Vorteil. Das Verfahren ist insbesondere dann interessant, wenn es um Kanäle geht, die schwer modellierbare Eigenschaften haben.

Ten Brink gibt einen Ausblick, wo und wie Künstliche Intelligenz in seinem Bereich zukünftig eingesetzt werden könnte. „Bei uns Funktechnikern geht es immer um elektromagnetische Wellen – und das ist Physik. Bei molekülbasierter Übertragung sind als Informationsträger chemische Substanzen im Spiel und die übertragen viel langsamer.“ Manchmal gebe es aber auch Kombinationen aus beidem, beispielsweise bei Nervenbahnen. Es gibt also Übertragungskanäle, die mathematisch extrem schwer modellierbar sind. Am Institut hofft man, mit KI-Verfahren weiterzukommen. Bis jetzt ist aber noch nicht offensichtlich, dass Künstliche Intelligenz in jedem Fall besser ist.

KI in der Nachrichtentechnik – die Startups
Innovative Kommunikationstechnologien und smarte Analysen finden von der Universität Stuttgart den Weg in die Praxis. Hier zwei Beispiele für KI in der Nachrichtentechnik. 
Das Startup Naise hat sich im Jahr 2017 formiert, hervorgegangen aus der Universität Stuttgart und mit der Vision, „die Fabrik der Zukunft mit maximaler Transparenz und Flexibilität auszustatten,“ sagt Jens Heinrich. Zusammen mit Kai Przybysz-Herz und Robert Libert wagte er mit Starthilfe der Startup Autobahn den Sprung aus dem Studentendasein in die Selbstständigkeit.
Das Naise-System basiert auf einer Technologie für die Funkkommunikation. Darüber erfolgen sowohl die Lokalisierung als auch der echtzeitfähige Datenaustausch. Die Hardware fertigt Naise in Eigenregie. Auch Nachrichtenkonfiguration, Antennentechnik und Mehrwegempfang gehen auf das Konto des Stuttgarter Startups, das prominente Namen wie Bosch, Daimler oder das Centrum für Satellitennavigation in Hessen, Cesah, unter seinen Kunden und Förderern weiß. Naise sieht sich als Anbieter einer umfassenden Lösung für die Intralogistik und all ihrer Teilnehmer, ermöglicht das Zusammenwirken von Menschen, Waren, Gabelstaplern oder mobilen Robotern. Gesteuert wird dieser Prozess über eine Sensorik- und Softwarelösung, die die Lokalisierung im gesamten Gebäude sowie die autonome Steuerung von fahrerlosen Transportsystemen umsetzt und die Sicherheit für Menschen erhöht.
Auch ThingOS ist eine Ausgründung aus der Universität Stuttgart. Das Startup mit mittlerweile elf Mitarbeitern bietet eine Technologie-Plattform zur Verknüpfung verschiedenster Geräte für das Internet der Dinge (IoT). Dabei werden verschiedenste nachrichtentechnische Protokolle miteinander verknüpft. Die Plattform ermöglicht Entwicklern, schnell Applikationen zu entwickeln, die vernetzte Geräte einbeziehen. Seit der Gründung im Februar 2018 wurden mit Bosch und Daimler bereits erste Projekte im Bereich der Indus­trie 4.0 realisiert.

Ideenwerkbw.de Newsletter

Einmal pro Woche die neuesten Startup-News!

NEWSLETTER