6G-Mobilfunk

Überall, jederzeit und allgegenwärtig – damit der Mobilfunk das Versprechen der universellen Verfügbarkeit einlösen kann, hat sich in den vergangenen Jahren die Erkenntnis durchgesetzt, dass eine Beschränkung auf die terrestrische Konnektivität nicht ausreichend ist. Die »Non-Terrestrial Networks« der fünften Mobilfunkgeneration, die Satelliten in die Kommunikationsinfrastruktur integrieren, werden mit 6G nochmals diversifiziert und um eine weitere Dimension erweitert. Mit Boden, Luft und Weltall fügen sich mehrere komplementäre Schichten zu 3D-Netzwerken zusammen, die zum Beispiel Drohnen, Flugzeuge oder High Altitude Plattformen (HAPS) zusätzlich zu den Satelliten in den Mobilfunk einbinden. Dies erhöht seine Resilienz gegenüber externen Einflüssen, allerdings wächst mit jeder zusätzlichen Schicht und jedem weiteren Element auch der Koordinationsbedarf.

Dieser Herausforderung begegnen wir auf unterschiedlichen Wegen. Damit die Abläufe und Strukturen der hochdynamischen und komplexen 3D-Netze nachgebildet werden können, haben wir einen 6G-fähigen System-Level-Simulator entwickelt, mit dem Potenziale und Grenzen in praxisrelevanten Szenarien evaluiert werden können. Außerdem gehen wir der Frage auf den Grund, wie terrestrische und nicht-terrestrische Mobilfunksysteme integriert werden können, um in denselben Frequenzbereichen zu koexistieren und nahtlose Konnektivität selbst in entlegenen Gegenden zu ermöglichen. Hier erarbeiten wir KI-Methoden und Simulationswerkzeuge, die in der Lage sind, das Zusammenspiel mehrerer Funksysteme unter Berücksichtigung der offenen O-RAN Architektur zu harmonisieren. Zudem erforschen wir neue Wellenformen für 3D-Netzwerke, die derart energieeffizient sind, dass selbst kapazitätsbeschränkte Satelliten hohe Datenraten verarbeiten können.

Die Bekämpfung des Klimawandels ist eine der zentralen Menschheitsaufgaben des 21. Jahrhunderts. Das Pariser Klimaabkommen und der European Green Deal verpflichten Wirtschaft und Gesellschaft, bis spätestens 2050 CO₂-neutral zu werden – ein ambitioniertes Ziel, zu dem auch der Mobilfunk seinen Beitrag leisten muss. Zwar wird die drahtlose Kommunikation mit jeder Generation effizienter, allerdings läuft 6G Gefahr – wie bereits bei 5G – diese Vorteile wieder einzubüßen, da der Datenhunger und damit auch der Strombedarf in den 2030er-Jahren rasant wachsen werden. Folglich müssen flankierende Maßnahmen entwickelt werden, die das Datenvolumen vom Energieverbrauch entkoppeln. Die Formel lautet: Mehr Leistung, weniger Strom.

Die Dekarbonisierung des Mobilfunks gehört zu unseren Kernanliegen. Mit gezielten Methoden setzen wir dort an, wo besonders signifikante Effekte zu erwarten sind. Daher richten sich unsere Forschungsaktivitäten primär auf Basisstationen, die für rund 80 Prozent des Energieverbrauchs der Netze verantwortlich sind. Der Schlüssel sind Energy Savings: Die Basisstationen werden je nach Bedarf in unterschiedliche Wach- und Schlafzustände versetzt, sodass die Aktivität des Mobilfunks und der damit verbundene Energieverbrauch jederzeit gedrosselt werden können. Und da zwischen Basisstationen und Endgeräten verschiedene Abhängigkeiten bestehen, arbeiten wir zudem daran, die Schlafmodi optimal abzustimmen. So bleiben die Auswirkungen auf die Nutzer minimal. Um hierbei die wirkungsvollsten Methoden identifizieren, bewerten und verfeinern zu können, entwickeln wir einen 6G-fähigen Simulator für Energy Savings.

Mit 6G entsteht ein stets verfügbares System, das in jeder Umgebung und jedem Einsatzszenario den Zugang zur Edge- und Cloud-Infrastruktur sicherstellt. Diese Hyperkonnektivität ist mit konventionellen Methoden kaum noch zu bewältigen. Die jüngsten Durchbrüche in der Künstlichen Intelligenz werden daher zum zentralen Treiber der sechsten Generation: als integraler Bestandteil über alle Schichten des Netzwerks hinweg. So sollen autonom agierende KI-Agenten die Netze in Echtzeit koordinieren und potenzielle Probleme antizipieren. Um die intelligente Entscheidungsfindung der Netzwerke zu trainieren und Szenarien zu simulieren, kommen digitale Zwillinge zum Einsatz. Eine Herausforderung liegt jedoch darin, die KI-Methoden auf die Spezifikationen des kommenden Standards abzustimmen.

Unser Hauptfokus ist die Ressourcenallokation. Dabei untersuchen wir, wie sich Funknetze mithilfe KI-basierter Predictive Analytics automatisch an veränderte Rahmenbedingungen und Bedarfslagen anpassen können, sodass verfügbare Bandbreite, Leistung und Zeitfenster dynamisch verteilt werden und zugleich der Quality of Service garantiert wird. Mit »Joint Source and Channel Coding« nutzen wir KI, um die Übertragungseffizienz des Physical Layers sowie die gesamte Quality of Experience zu verbessern. Ein zusätzlicher Schlüssel sind Neuromorphic-Computing-Technologien wie Spiking Neural Networks, die die Funktionsweise des menschlichen Gehirns imitieren und die Daten in Form von Pulsen übertragen. Wir erforschen, wie sich durch diese neuronalen Netze die Anforderungen an die Energieeffizienz der 6G-Signalübertragung erfüllen lassen. Ein weiteres Machine-Learning-Paradigma aus unserem Repertoire ist das »Federated Learning«. Darunter versteht man das dezentrale Training neuronaler Netze direkt auf dem Endgerät. Um dieses Lernverfahren für 6G zu öffnen, haben wir eine Federated-Learning-Architektur in unsere System-Level-Simulationen integriert.

Das zentrale Versprechen, das der 6G-Standard erfüllen muss, ist die Echtzeitfähigkeit: mit extrem niedrigen Latenzen von unter einer Millisekunde. Allerdings kann 6G diese Vorteile nur dann ausspielen, wenn die Zuverlässigkeit der Datenübertragung vollumfänglich gewährleistet wird. Denn vor allem missionskritische Anwendungen können sich keine Ausfälle oder Verzögerungen leisten, die erhebliche Produktionsverluste oder Sicherheitsrisiken nach sich ziehen würden. Die Herausforderung für den Mobilfunk liegt dabei in sogenannten »Blockages«, also physische Hindernisse, die Signale reflektieren und dadurch deren Qualität massiv beeinträchtigen.

Echtzeit und Zuverlässigkeit gibt es bei uns nur im Doppelpack. Unser Fokus liegt auf Industriehallen: Wir erforschen Technologien, um zuverlässigen Echtzeitfunk auch inmitten von Metallwänden, Abschattungen und mobilen Transportfahrzeugen zu ermöglichen. Dazu gehört das dynamische Umrouten: Wird ein Hindernis erkannt, kann das Netzwerk eine automatische Umleitung einrichten und den Datenverkehr über einen alternativen Pfad schicken. Einen weiteren Schwerpunkt unserer Arbeit bilden Sub-Networks in Robotern und Maschinen. Mit »UWIN« haben wir einen Proof of Concept entwickelt, der prototypisch demonstriert, wie sich die Grenzen der Echtzeitkommunikation innerhalb solcher kleinen, lokalen Netzwerke verschieben lassen. Zudem setzen wir darauf, Techniken des Time-Sensitive Networking für 6G nutzbar zu machen. Durch Priorisierung und Koordinierung wird garantiert, dass kritische Informationen zum richtigen Zeitpunkt stets am richtigen Ort ankommen.

Es ist eine der wegweisenden Innovationen gegenüber den bisherigen Generationen: Mit 6G erhält der Mobilfunk erstmals Augen und Ohren. Denn die Signale, die normalerweise dem Datentransfer dienen, werden auf ihrem Weg von Sender zu Empfänger an Objekten reflektiert. Beim Sensing nutzen die Netze diese Echos, um Objekte orten, analysieren und verfolgen zu können. Das heißt: Kommunikationssignale können in der bestehenden Mobilfunkinfrastruktur auch als Radarwellenformen dienen. Da Basisstationen bereits flächendeckend verfügbar sind, kann so ein engmaschiges Sensing-Netz entstehen, das die Fähigkeiten klassischer Kameras und Sensoren erweitert. Der Verzicht auf spezialisierte Radar-Hardware spart nicht nur Kosten in Betrieb und Wartung, sondern erleichtert potenzielle Use Cases wie das Tracking von Fahrzeugen, die Überwachung von Arealen sowie die Detektion von Drohnen im Luftraum.

Weil Kommunikationssignale ursprünglich nicht auf die Nutzung als Radar ausgelegt waren, mangelt es ihnen noch an der notwendigen Granularität. Deshalb konzentriert sich unsere Forschung darauf, die Wellenformen in 6G so zu optimieren, dass der Dual Use aus Kommunikation und Sensing ohne Leistungsverluste möglich wird. Ziel ist es, die Umweltwahrnehmung durch die intelligente Kombination aus Mobilfunk, Sensoren und Kameras auf ein neues Niveau zu heben. Aus der Koexistenz soll Kooperation werden: Wir entwickeln multimodale KI-Methoden und Synchronisationstechniken, um die Daten aus den unterschiedlichen Quellen effektiv zu einem Gesamtbild zusammenzuführen.