KI-Verfahren für zuverlässigen Big-Data-Transport
AI-RMDT widmet sich dem Transport großer Datenmengen über IP-Netze. Ausgangspunkt ist das im FILA-Labor entwickelte Datenübertragungsprotokoll RMDT. Das Forschungsziel besteht darin, dieses Protokoll mit Verfahren der künstlichen Intelligenz weiterzuentwickeln und den Datenfluss bei hohen Übertragungsraten besser zu steuern. Dabei stehen Effizienz, Zuverlässigkeit und Stabilität in unterschiedlichen Netzwerkumgebungen im Mittelpunkt.
Der Ansatz verbindet maschinelles Lernen mit Mehrparameteroptimierung und Synchronisationsalgorithmen. Untersucht werden sowohl die Steuerung der Übertragung als auch sichere Übertragungsmodelle für IP-basierte Netze. Die Beschreibung umfasst damit mehrere miteinander verknüpfte Forschungsfragen und nicht allein die erreichbare Datenrate.
Die angestrebten Verbesserungen sind Entwicklungsziele. Im Zentrum steht die Frage, wie sich die einzelnen Verfahren zu einer effizienteren und zuverlässigeren Transportlösung verbinden lassen.
Forschungsschwerpunkte
- Analyse und Weiterentwicklung von RMDT für die Übertragung großer Datenmengen.
- KI-basierte Optimierung von Datenfluss und Stabilität sowie neue Ansätze für Congestion Control.
- Theoretische und experimentelle Untersuchung von Application-Layer-Multicast und Dateisynchronisation.
- Analyse sicherer Übertragungsmodelle und der Einsatzmöglichkeiten von Mehrparameteroptimierung.
Danksagung
Dieses Projekt wird durch den Europäischen Fonds für regionale Entwicklung (EFRE) und das Land Sachsen-Anhalt im Rahmen des Programms Sachsen-Anhalt WISSENSCHAFT – Forschung und Innovation (EFRE) 2021–2027 gefördert (Förderkennzeichen: ZS/2023/12/182323).
