Masterarbeit “Kognitive Netzwerkintelligenz für energieeffiziente und deterministische industrielle Kommunikation”

Moderne Fertigungsumgebungen integrieren zunehmend KI/ML-basierte Inferenzprozesse direkt in die Produktionshalle. Die daraus resultierenden Kommunikationslasten durchlaufen heterogene Netzwerkinfrastrukturen, die 5G-Kernnetze, industrielles WLAN (IEEE 802.11ax/be) und IEEE 802.1 TSN umfassen – jede mit unterschiedlichen Eigenschaften hinsichtlich Deterministik, Zuverlässigkeit und Energieeffizienz. Bestehende Netzwerkmanagementsysteme für industrielle Umgebungen sind primär auf Deterministik, Ausfallsicherheit und Interoperabilität ausgelegt, insbesondere für die nahtlose Integration in Ethernet/TSN-Infrastrukturen. Energieeffizienz- und Umweltkennzahlen wie CO₂-Fußabdruck, Energiekostenmodelle oder die Energieeffizienz (PUE) auf Netzwerkebene werden derzeit bestenfalls als sekundäre Optimierungsziele behandelt und nicht als funktionale Anforderungen der Netzwerkarchitektur selbst.

Diese Priorisierung ist zunehmend unhaltbar. Regulatorische Anforderungen (EU-Energieeffizienzrichtlinie, Richtlinie zur Nachhaltigkeitsberichterstattung von Unternehmen), steigende Energiekosten in der industriellen Produktion und der wachsende Energiebedarf von KI/ML-Inferenz-Workloads erfordern, dass Energiemessung und -modellierung als primäre funktionale Anforderung – und nicht als Zusatzfunktion – in das Netzwerkmanagement integriert werden. Derzeit existiert keine integrierte, architekturübergreifende Lösung, die gleichzeitig Deterministik, Ethernet/TSN-Interoperabilität und Energiebeobachtbarkeit gewährleistet.

Die vorliegende Arbeit leistet einen Beitrag zu einer kognitiven Netzwerkmanagementschicht, die Anwendungsworkloads, einschließlich rechenintensiver Anwendungen wie großer Sprachmodelle und KI-Inferenz, dynamisch und energieeffizient über die dreischichtige industrielle Kommunikationsinfrastruktur verteilt. Die zentrale Herausforderung besteht in der energiebewussten Verkehrssteuerung, die Übertragungswege und Ressourcen domänenübergreifend koordiniert, um Energieverbrauch, CO₂-Fußabdruck und Netzwerkbetriebskosten zu minimieren, ohne dabei deterministische Latenz- und Jitter-Garantien, Ethernet/TSN-Interoperabilität oder Ausfallsicherheitsanforderungen zu verletzen.

Deine Aufgabe:

Untersuchung und Analyse von Ansätzen zur Energiemodellierung und zur Messung der Umweltverträglichkeit heterogener industrieller Netzwerkkomponenten, die in das ns-3 DetNetWiFi-Framework integriert werden können, und Entwicklung eines konsistenten, domänenübergreifenden Frameworks zur Energiemessung und -modellierung als funktionale Grundlage der kognitiven Managementschicht.
Entwicklung und Implementierung eines auf Reinforcement Learning oder Graphen basierenden Optimierungsagenten für die energiebewusste Verkehrssteuerung im gesamten 5G/TSN/Wi-Fi DetNetWiFi-Kontinuum, der Energieverbrauch, CO₂-Fußabdruck und QoS-Anforderungen wie begrenzte Latenz, Jitter und Fehlertoleranz gemeinsam optimiert.
Ausgewählte domänenspezifische Optimierungsziele wie UPF-Platzierung und Umweltberichterstattung auf 5G-Kernebene, GCL-Planungsoptimierung (IEEE 802.1Qbv) und energiebewusste Stream-Planung auf TSN-Backbone-Ebene sowie adaptive Sendeleistung, Schlafplanung und Energiemanagement auf Wi-Fi-Edge-Ebene bearbeiten, untersuchen und implementieren.
Das vorgeschlagene Framework mit ns3-48 DetNetiWiFi evaluieren und dabei Energieeinsparungen, CO₂-Reduzierung, Latenzkonformität und Ausfallsicherheit unter verschiedenen Arbeitslast- und Topologiebedingungen messen.

Dein Profil:

Master-Studierende(r) der Informatik, Elektrotechnik, Nachrichtentechnik oder eines verwandten Fachgebiets.
Vorkenntnisse im Bereich drahtlose Kommunikation und/oder industrielle Vernetzung sind von Vorteil.
Praktische Programmiererfahrung in Python, C/C++ oder ähnlichen Sprachen.
Vertrautheit mit Tools zur Netzwerksimulation oder -emulation, vorzugsweise ns-3.
Ausgeprägte analytische Fähigkeiten sowie Interesse an Echtzeitsystemen und Netzwerkoptimierung.
Hervorragende Kommunikationsfähigkeiten in Englisch; Deutschkenntnisse sind von Vorteil.

Unser Angebot:

Ein spannendes und innovatives, offenes Forschungsumfeld im Rahmen eines staatlich geförderten Forschungs- und Entwicklungsprojekts.
Direkte Zusammenarbeit mit Industriepartnern (Deutsche Telekom, Siemens) und akademischen Forschungsgruppen.
Internationales, dynamisches Arbeitsumfeld mit hochqualifizierten und motivierten Kollegen.
Möglichkeit, zur IEEE/3GPP-Standardisierung beizutragen und Forschungsergebnisse zu veröffentlichen.
Hinweis: Diese Stelle für diese Masterarbeit ist unentgeltlich.

Haben wir Dein Interesse geweckt?

Dann bewirb dich bitte mit einem Motivationsschreiben, einem ausführlichen Lebenslauf und einem aktuellen Zeugnis.

Job-ID: IioT-MSC-01-2026
Kontakt: Prof. Dr. Rute Sofia personal@fortiss.org