Forschungsgebiete

Ein Forschungsdatensatz soll mehrere Standorte erreichen, ein Datenstrom über einen langen Übertragungsweg nutzbar bleiben. FILA untersucht, wie Transportprotokolle, Überlastkontrolle und Verteilstrukturen dabei zusammenwirken. Hohe Bandbreite und lange Laufzeiten machen die Aufgabe anspruchsvoll: Viele Daten können bereits unterwegs sein, bevor der Sender eine Rückmeldung erhält.

RMDT verbindet mehrere Empfänger in einer Transportsitzung. Application-Layer-Multicast ordnet die beteiligten Anwendungen zu einem Weiterleitungsbaum. Damit hängen zwei Entscheidungen zusammen: Wie schnell wird gesendet, und über welche Anwendungen gelangen die Daten zu den Empfängern? Senderanpassung, Warteschlangen und die Behandlung fehlender Pakete werden im Zusammenhang betrachtet.

Die Auswertung verbindet die Rate tatsächlich gelieferter Nutzdaten mit Verzögerung, Verlust und Ressourcenbedarf. Versuchsaufbau, Hintergrundverkehr, Endsysteme und Protokolleinstellungen machen Ergebnisse vergleichbar. LTest erschließt einzelne Paketverläufe; HighPerTimer unterstützt die lokalen Zeitoperationen. Das Bandbreiten-Verzögerungs-Produkt hilft, die Größenordnung der gleichzeitig unterwegs befindlichen Daten einzuordnen.

AI-RMDT erweitert diese Fragen um lernende Transportsteuerung. In der PPO-Studie von 2026 wurde eine unter moderater Bandbreite trainierte Regelung auf einen realen WAN-Pfad mit einem 10-Gbit/s-Interface übertragen. Im ausgewerteten Einzelfluss lagen die mittlere Empfangsrate bei 49,6 Mbit/s und die Spitze bei 438 Mbit/s. Schwankungen und Paketverluste zeigten, dass eine trainierte Strategie nicht automatisch auf einen deutlich größeren Bandbreiten-Verzögerungsbereich skaliert.

Die Arbeit untersucht einen konkreten Pfad; Zeitmessung und Implementierung begrenzen die Auswertung. CUBIC und BBR prüften die Pfadkapazität mit vier parallelen Flüssen, was keinen vergleichbaren Einzelfluss- oder Fairnesstest ersetzt. Der nächste Schritt liegt deshalb in skalierungsbewusstem Training und genauerer Paketsteuerung. Versuchsaufbau und Ergebnisse der PPO-Skalierungsstudie lesen. Für eigene Experimente und studentische Themen steht das FILA-Team als Kontakt bereit.

Ausgewählte Publikationen

• Nikolai Mareev, Dmitry Kachan, Eduard Siemens (2022). Multipoint Data Transmission Issues in High Bandwidth-Delay Product TCP/IP Networks. Progress in Advanced Information and Communication Technology and Systems, Lecture Notes in Networks and Systems 548, 277–295 (Springer) DOI: 10.1007/978-3-031-16368-5_14.
• Ali Ghermezian, Kirill Karpov, Dmitry Kachan, Veronika Kirova, Eduard Siemens (2026). PPO-Driven Reinforcement Learning Congestion Control Under High-BDP Wide-Area Deployment: A Scaling Analysis. Proceedings of the International Conference on Applied Innovations in IT (ICAIIT), 14(2), 43–49 DOI: 10.25673/123807.

Forschungsgebiete · Team und Kontakt

Entdecken Sie die Abschlussarbeiten und Studienprojekte am FILA oder die Themen für eine eigene Arbeit.