5G Lokalisierung: Technologien

5G bezeichnet die fünfte Mobilfunkgeneration und ist damit direkter Nachfolger von 4G. Die 5G-Technologie wird ständig weiterentwickelt. Diese Entwicklungen werden vom Standardisierungsgremium 3rd Generation Partnership Project (3GPP) in sogenannten Releases zusammengefasst, die jeweils neue Funktionen sowie Verbesserungen bereits eingeführter Funktionen beinhalten. Durch neue 5G Technologien wird Lokalisierung erstmals für vielfältige Anwendungen im Einklang mit Mobilfunk verfügbar gemacht. 

Bisher wurden 3 Releases zu 5G veröffentlich.

5G Release 15: Dieses Release legte die Grundlagen für den 5G-Standard fest und wurde im Jahr 2018 verabschiedet. Es führte die erste Version von 5G NR (New Radio) ein und legte die Grundlagen für viele Aspekte der 5G-Technologie.

5G Release 16: Verabschiedet im Jahr 2020, führte Release 16 eine Vielzahl neuer Funktionen und Verbesserungen ein, die die 5G-Technologie erweiterten. Dazu gehören Verbesserungen in der Positionierungsgenauigkeit auf voraussichtlich 3 m im Innenbereich und horizontale Positionierungsgenauigkeit von 10 m im Freien bei Latenzzeiten von weniger als 1 Sekunde.

5G Release 17: Dieses Release wurde Ende 2022 verabschiedet und beinhaltet unter anderem die Ausweitung des nutzbaren Spektrums auf Frequenzen oberhalb des bislang genutzten mmWave-Bereichs bis 71 GHz, sowie Latenzreduzierungen und eine verbesserte Lokalisierungsgenauigkeit von 20-30 cm für IoT Use Cases.

5G Advanced: neue Maßstäbe für die Lokalisierung

Der 18. Release wird einige Verbesserungen mit sich bringen, die unter dem Begriff „5G Advanced“ zusammengefasst werden. 5G Advanced zielt darauf ab, die bereits niedrige Latenzzeit von 5G weiter zu reduzieren. Während 5G typischerweise Latenzzeiten von etwa 1 bis 10 Millisekunden bietet, könnte 5G Advanced Latenzzeiten von weniger als 1 Millisekunde anstreben. Dies würde die Reaktionsfähigkeit von Echtzeit-Anwendungen wie Augmented Reality, Virtual Reality, industrieller Automatisierung und autonomen Fahrzeugen weiter verbessern. Außerdem wird eine hohe Lokalisierungsgenauigkeit bei gleichzeitig geringem Stromverbrauch möglich sein.

Technologien zur Lokalisierung in 5G am Fraunhofer IIS

Die 5G-Positionierungs-Architektur wird eine Vielzahl von Sensoren integrieren, welche sowohl auf Mobilfunksignalen als auch auf Mobilfunk-unabhängiger Technik basieren, um ein hybrides Positionierungsschema zu ermöglichen.
Für die Lokalisierung bietet 5G beste Vorraussetzungen, da es unter anderem eine große Bandbreite für eine bessere Zeitauflösung, neue Frequenzbänder im mm-Wellen-Bereich und massive MIMO für genaue Winkelmessung bietet. Damit trägt die 5G-Lokalisierung
zur Beschleunigung industrieller und logistischer Prozesse bei. Dies wird möglich, indem mit 5G die Positionsbestimmung beispielsweise von Drohnen (UAV) oder fahrerlosen Transportsystemen (FTS, engl. Automated Guided Vehicles, AGV) und mobilen Robotern (AMR), das Tracking von Gütern und Produkten in intralogistischen Prozessen oder die Lokalisierung für AR-Anwendungen umgesetzt werden kann.
Die Lokalisierung mit 5G kann aber auch zur Navigation von Einsatzkräften oder zur Lokalisierung einer stetig steigenden Zahl von mobilen Sensoren (z.B. Umweltsensoren) genutzt werden. Daneben sind das autonome Fahren oder der Einsatz im Krankenhaus zur Lokalisierung von medizinischen Geräte oder im Rettungsdienst weitere Anwendungsbereiche der Lokalisierung mit 5G.

Das Fraunhofer IIS arbeitet an verschiedenen Use Cases und entwickelt unterschiedliche Möglichkeiten 5G für die Lokalisierung zu nutzen:

5G-Netze nutzen die Zeitdifferenzmessung der Signallaufzeit zwischen einem Sender (Basisstation) und einem Empfänger (z.B. einem mobilen Gerät). Durch die Berechnung der Zeit, die das Signal benötigt, um vom Sender zum Empfänger zu gelangen, kann die Entfernung zwischen den beiden Punkten geschätzt werden.

Eine Möglichkeit zur Lokalisierung in 5G-Netzen ist die Nutzung variierenden Signalstärken zur Positionsbestimmung. Die Signalstärke nimmt mit zunehmender Entfernung vom Sender ab und kann beispielsweise auf einem Smartphone sehr leicht gemessen werden. Die typische Signalstärke an einem Ort kann zur Positionsbestimmung genutzt werden.

Machine Learning kann genutzt werden, um in den gesammelten 5G-Lokalisierungsdaten Muster und Zusammenhänge zu erkennen. Dadurch können komplexe Umgebungsbedingungen und Signalstörungen besser berücksichtigt werden, was zu einer erhöhten Genauigkeit der Positionsbestimmung führt. Machine Learning-Algorithmen können kontinuierlich lernen und sich an verändernde Umgebungen anpassen. Dies ermöglicht eine dynamische Anpassung der Lokalisierungsmodelle, um Ungenauigkeiten zu minimieren und eine konstante Verbesserung der Genauigkeit zu gewährleisten.

Insbesondere der Übergang zwischen Innen- und Außenbereichen bringt für eine nahtlose Lokalisierung spezielle Herausforderungen mit sich, weil in solchen Indoor-Outdoor-Szenarien 5G- und Satellitensignale oft mehrfach an Gebäuden und Objekten reflektiert werden. Reflektionen treten zum Beispiel auf großen Industriegeländen oder auch im Bereich hoher Häuserschluchten (Urban Canyon) auf. Hier kann die Integration anderer Technologien wie GNSS, Inertialsensoren und WLAN helfen, die Genauigkeit der nahtlosen Lokalisierung  weiter zu verbessern.