Wir haben 2020 eine Kooperation mit unserem Kunden Lunet und dem schwedischen Forschungsinstitut RISE gestartet, um zu erforschen, wie sich KI/Maschinenlernen zur Analyse von Betriebsdaten nutzen lässt. Ziel war es, die neu eingeführten Streaming-Telemetriedaten unserer Access-Switches zu nutzen, um die Verfügbarkeit zu erhöhen und den Betrieb von Glasfaserzugangsnetzen zu vereinfachen.

Das Streaming von Telemetriedaten hat gegenüber der herkömmlichen Datenerfassung (z. B. SNMP) den Vorteil, dass es nahezu in Echtzeit erfolgt, so dass ein breiteres Spektrum von Netzproblemen ermittelt werden kann. Datenpunkte wie die Bitrate haben jedoch eine komplexe Struktur und variieren unter anderem je nach Tageszeit, Wochentag, Jahreszeit und bestimmten Ereignissen, was bedeutet, dass feste Schwellenwerte nicht zur Erkennung von Anomalien verwendet werden können. Hier bietet die KI und insbesondere das maschinelle Lernen die erforderlichen Werkzeuge, um die Fingerabdrücke verschiedener Fehlersituationen zu finden.

Das Projekt wurde 2020 erweitert, indem es Teil des von Celtic-Next unterstützten paneuropäischen Flaggschiffprojekts AI-NET wurde, an dem 98 Organisationen aus sieben Ländern beteiligt sind. Die Zusammenarbeit von Waystream wurde mit den KI-Experten des schwedischen KMU Savantic und des deutschen Fraunhofer Heinrich-Hertz-Instituts erweitert.

Das Projekt wurde als Feldversuch in einem Live-Netzwerk durchgeführt, bei dem mehr als 1'400 Waystream-Zugangs-Switches im offenen Zugangsnetz von Lunet nahezu in Echtzeit Daten an eine von Savantic entwickelte KI-basierte Datenanalyse-Pipeline lieferten. Untersucht wurden unter anderem der Vergleich von Algorithmen für maschinelles Lernen, die Kapazität der Pipeline und die Vorteile von Daten in Echtzeit.

Das Ergebnis wurde auf mehreren Konferenzen vorgestellt, darunter Denog15 in Berlin und SNCNW in Linköping. Zusammen mit dem gesamten AI-NET-Programm wurde es mit dem CELTIC-NEXT-Innovationspreis für 2024 ausgezeichnet.

"Das Projekt hat unter anderem die Vorteile von Echtzeitdaten im Vergleich zur herkömmlichen Datenerfassung aufgezeigt, und die Erfahrungen aus dem Projekt werden sowohl für die Funktionalität der Produkte als auch für die Zusammenarbeit mit Technologie- und Produktpartnern von Bedeutung sein", sagt Johan Sandell, CTO bei Waystream.

Möchten Sie mehr über unser KI-Projekt erfahren?

Weitere Informationen finden Sie im Dokument "SNCNW2024 On the use of streaming telemetry data for network health monitoring and anomaly detection".