6G-Mobilfunk

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 auf Basisstationen, die für über 70 Prozent des Energieverbrauchs der Netze verantwortlich sind. Der Schlüssel lautet Network Energy Savings: Bestimmte Komponenten der Basisstationen werden intelligent in unterschiedliche Wach- und Schlafzustände versetzt, sodass der Energieverbrauch in Abhängigkeit vom übertragenen Datenvolumen jederzeit reduziert werden kann, ohne die Nutzer zu beeinträchtigen. Um hierbei die wirkungsvollsten Methoden identifizieren, bewerten und verfeinern zu können, arbeiten wir an einem 6G-fähigen Simulator für Network Energy Savings.

Mit 6G entsteht ein stets verfügbares System, das in jeder Umgebung und jeder Situation den Zugang zu Edge und Cloud sicherstellt. Diese Hyperkonnektivität ist mit konventionellen Methoden kaum noch zu bewältigen – damit das massive Datenvolumen in Echtzeit und ohne Interferenzen koordiniert werden kann, sind autonom agierende Netze erforderlich. Die jüngsten Durchbrüche in der Künstlichen Intelligenz werden somit zum zentralen Treiber der sechsten Generation. Ein KI-fähiger Mobilfunk durchläuft selbstorganisierte und selbstoptimierte Lernprozesse, die das Netzwerk zu einer intelligenten Entscheidungsfindung und Problemlösung befähigen. Eine Herausforderung liegt jedoch darin, die KI-Methoden auf die spezifischen Bedingungen des kommenden Standards abzustimmen.

Ein 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 diese neuronalen Netze nutzen lassen, um die Signale in 6G-Netzen energieeffizient, robust und mit geringen Latenzen zu verarbeiten. Ein anderer Schwerpunkt ist das Thema Ressourcenallokation. Dabei untersuchen wir, wie sich Funknetze mithilfe Künstlicher Intelligenz automatisch an veränderte Rahmenbedingungen und Bedarfslagen anpassen können, um die verfügbaren Bandbreiten dynamisch zu verteilen und etwaige Probleme zu antizipieren. Eine Machine-Learning-Methode, die besonders in unserem Fokus steht, ist das »Federated Learning«. Darunter versteht man das dezentrale Training neuronaler Netze direkt auf dem Endgerät. Um dieses Lernverfahren für 6G zu öffnen, konzipieren wir eine Federated-Learning-Simulation.

Ein zentrales Versprechen, das der 6G-Standard erfüllen will, ist die Echtzeitfähigkeit mit extrem niedrigen Latenzen von unter 100 μs. Allerdings kann 6G diesen Trumpf nur dann ausspielen, wenn die Zuverlässigkeit des Datenflusses vollumfänglich gewährleistet wird, da jede fehlgeschlagene Übertragung die Latenz wieder erhöht. Vor allem missionskritische Anwendungen können sich keine Ausfälle oder Verzögerungen leisten, da dies erhebliche Produktionsverluste oder Sicherheitsrisiken nach sich ziehen würde. Die Herausforderung für den Mobilfunk liegt dabei im Umgang mit sogenannten »Blockages«, also physischen Hindernissen, die Signale reflektieren oder abschwächen und dadurch die Qualität der Übertragung massiv beeinträchtigen.

Echtzeit und Zuverlässigkeit gibt es bei uns nur im Doppelpack. Der Fokus liegt dabei auf Industriehallen: Wir erforschen Technologien, um zuverlässigen Echtzeitfunk auch inmitten von Metallwänden und Abschattungszonen für mobile Teilnehmer zu ermöglichen. Dazu gehört das schnelle 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« entwickeln wir eine Funklösung, die auf eine verzögerungsfreie und stabile Kommunikation innerhalb solcher kleinen, lokalen Netzwerke spezialisiert ist. Zudem setzen wir darauf, Time-Sensitive Networking für 6G durchgängig nutzbar zu machen. Durch Priorisierung und Koordinierung wird garantiert, dass kritische Informationen stets zum richtigen Zeitpunkt am richtigen Ort ankommen.

5G hat der vernetzten Mobilität den Weg bereitet, nun soll ihr 6G zum endgültigen Durchbruch verhelfen. Im Mittelpunkt steht die Transformation von Fahrzeugen zu intelligenten Kommunikationszentralen, die in der Lage sind, datengestützte Entscheidungen zu treffen. Dazu detektieren Fahrzeuge die Verkehrsdynamiken, replizieren diese in Form von virtuellen Abbildern und initiieren einen kontinuierlichen Informationsaustausch mit den anderen Verkehrselementen. Die extrem geringen 6G-Latenzen ermöglichen die Koordination der Verkehrsteilnehmer untereinander in Echtzeit, sodass auf plötzlich wechselnde, unvorhersehbare Situationen sofort reagiert werden kann. Dies verbessert die Verkehrssicherheit und den Verkehrsfluss.

Essenzieller Baustein dieser V2X-Konnektivität ist die Sidelink-Technologie, die die Voraussetzung für die direkte Kommunikation zwischen Fahrzeugen schafft. Wir erforschen, wie sich Sidelink in höheren Frequenzbereichen umsetzen lässt und werden die zugrunde liegenden Konzepte zugleich weiterentwickeln. Eine Option ist die Verknüpfung mit dem Joint-Communication-and-Sensing-Ansatz. Hier untersuchen wir, inwiefern sich die Erfassung der Sensorik-Daten sowie die Weitergabe der daraus gewonnenen Informationen in demselben Funkkanal vereinen lassen. Außerdem arbeiten wir daran, die Fahrzeugkommunikation mithilfe Künstlicher Intelligenz zu optimieren. Ein solcher smarter Sidelink setzt auf lokale Lernprozesse im Fahrzeug, die das Datenvolumen reduzieren und den Datenschutz stärken.