Matthias Frei

Perspektivisch wird Datenverkehr nicht mehr ausschließlich zwischen Cloud bzw. einem Server in einem Rechenzentrum und einem mobilen Endgerät stattfinden. Kommunikation zwischen Geräten wird vielmehr auf Basis von Anwendungsbeziehungen direkt aufgebaut werden, um immersive Anwendungen, automatisiertes Fahren oder Virtual Reality zu realisieren. Hierzu folgen der 5G Mobilfunkstandard und zukünftige Netzwerktechnologien in ihrem Design zunehmend dem Data-Centric Paradigma, in dem unter anderem auch die steigende Relevanz von direkter Gerätekommunikation eine Berücksichtigung findet. Eine weitere elementare Entwicklung trägt ebenfalls dazu bei: Rechen- oder Informationsressourcen werden nicht länger ausschließlich von Cloud-Servern zur Verfügung gestellt.

Multi-Access Edge Computing (MEC) ist Bestandteil aktueller Forschung und beschäftigt sich mit der Bereitstellung von Ressourcen auf verteilen Edge Knoten. MEC Instanzen können beispielsweise nah an Basisstationen angesiedelt sein, um Anwendungen mit besonderen Anforderungen, wie geringe Latenz, geringvarianter Jitter, hohe Bandbreiten oder Datenschutzanforderungen nah am Endgerät zu bedienen. Mit der Zeit werden Services enstehen, deren Komponenten buchstäblich überall und verteilt bereitgestellt werden können - ohne dass eine zwingend hierarchische Netztopologie berücksichtigt werden muss. Neben einer Cloud-Instanz kann ein Service demnach auch auf der Edge-Instanz in der Nähe, also z.B. einer Mobilfunk-Basisstation, einem Verkehrsleitsystem oder sogar einem benachbarten User Equipment (UE), betrieben werden. Auch Multi-Level MEC Konstellation sind möglich. Ein homogener Technologie-Stack, der das Cloud-Computing erweitert, ermöglicht eine Daten-zentrische Architektur, die gleichzeitig strenge Service-Anforderungen berücksichtigen kann.

Die enstehende Architektur kann dabei aus zwei Perspektiven betrachtet werden. Mit Blick auf die Netzwerkkommunikation sind MEC Resourcen über nur wenige Links bzw. Hops erreichbar. Durch diese geographische bzw. topologische Nähe werden die Links nicht überlastet, was in den genannten Performance-Vorteilen resultiert. Mit Blick auf die bereitgestellten Services, kann ein MEC-Orchestrator dynamisch Service Deployments auf Rechenknoten auf die jeweils aktuelle Situation anpassen und Ressourcen in die Topologie einbinden oder beispielsweise zur Einsparung von Energie entfernen. Neben Orchestrationsentscheidungen führt auch die Fortbewegung von Teilnehmern zu einer Änderung der Netzwerktopologie. Um das volle Potential von MEC auszuschöpfen und somit auch Dienste betreiben zu können, die auf MEC Resourcen angewiesen sind, müssen beide Perspektiven sinnvoll miteinander kombiniert werden.

In statisch aufgebauten Umgebungen lassen sich MEC Resourcen meist gut vorausplanen. Eine Herausforderung wird es insbesondere, wenn die genannten dynamischen Topologieänderungen oder Mobilität der UEs das Gesamtsystem beeinflussen. Eine der Kernfragen, die sich stellt, ist: Können die Kommunikationsanforderungen von MEC-abhängigen Diensten, die zur reibungslosen Umsetzung des Dienstes nötig sind, zu jedem Zeitpunkt eingehalten werden? 

Das Forschungsprojekt beschäftigt sich mit der Auswahl der besten MEC-Resourcen, zum Beispiel aus UE Sicht, sowie den, aus Netzwerksicht, besten Lokationen für Orchestratoren, um die Dienste bereitzustellen. Der Fokus liegt hierbei insbesondere auf der aktuellen Netzwerk- und Topologiesituation in Kombination mit den strengen Kommunikationsanforderungen von Diensten, die MEC-Resourcen benötigen. Es werden Strategien und Algorithmen, beispielweise auf Basis von Graphen, entwickelt, implementiert und evaluiert. Eine Verifikation findet durch system-level Simulationen und realen Einsatz statt.