KI und Digital Twins in 6G-Netzwerken Schulung

Grundlagen: Digital Twins und 6G-Konvergenz

• Konzepte von Digital Twins in der Anwendung auf Telekommunikationsnetze
• 6G-Diensteklassen und -anforderungen, die die Nutzung von Twins motivieren
• Datenquellen, Fidelity-Stufen und Lebenszyklus-Management von Twins

Modellierung von 6G-Komponenten und -Umgebungen

• Darstellung von RAN-Elementen, Fronthaul/Midhaul/Backhaul und Edge-Compute in Twin-Modellen
• Berücksichtigung von Kanal-, Ausbreitungs- und THz/mmWave-Modellierung
• Zeitliche Granularität und Synchronisation zwischen digitalen und physischen Ebenen

Simulations- und Ko-Simulationsarchitekturen

• Standalone-Simulation im Vergleich zur Ko-Simulation mit Echtzeit-Netzwerk-Telemetrie
• Ns-3, Unity und Emulations-Toolchains für integriertes Testen
• Skalierungsstrategien für großflächige Twin-Szenarien

KI-native Optimierungstechniken

• Supervised und Reinforcement Learning für das Radio-Ressourcen-Management
• Online-Learning, Transfer Learning und Domänenanpassung für den Transfer von Twin zu Feld
• Workflows für die geschlossene Regelung und Muster für die Politikbereitstellung

Echtzeit-Telemetrie, Inferenz und Feedbackschleifen

• Streaming-Telemetrie-Architekturen und Inferenz mit niedriger Latenz
• Abwägungen zwischen Edge- und Cloud-Inferenz sowie Modellpartitionierung
• Gestaltung sicherer Feedbackschleifen und menschlicher Steuerungseingriffe

Fidelity, Validierung und Unsicherheitsquantifizierung von Digital Twins

• Metriken für Twin-Genauigkeit und Validierungsmethoden
• Techniken zur Quantifizierung und Minderung von Modellunsicherheit
• Nutzung von Digital Twins für SLA-Validierung und Leistungsgarantie

Orchestrierung, Automatisierung und intentsbasierte Betriebsabläufe

• Integration von Twins mit Orchestrierungsebenen und intentsbasierten APIs
• CI/CD- und Testpipelines für Twin-Modelle und ML-Artefakte
• Policy-Engines und automatisierte Wiederherstellungsstrategien

Sicherheit, Datenschutz und Vertrauen in twin-fähigen Netzen

• Datenverwaltung, datenschutzschützende Modellierung und föderierte Twin-Ansätze
• Gefahrenmodelle für die Twin-Synchronisation und Modellintegrität
• Audit, Herkunft und Erklärbarkeit von KI-gestützten Entscheidungen

Fallstudien und Domänenanwendungen

• Industrielle Automatisierung und vernetzte Digital Twins in der Fertigung
• Mobilität, autonome Systeme und XR-Dienstevalidierung
• Betriebsbeispiele für vorausschauende Wartung und Kapazitätsplanung

Praktische Labore und Mini-Projekt

• Erstellung eines kleinen Digital Twin eines RAN-Abschnitts unter Verwendung von ns-3 und einer Visualisierungseinheit
• Training eines leichten ML-Modells zur Anomalie-Erkennung mit twin-generierten Daten
• Implementierung eines geschlossenen Testlaufs: Telemetrie -> Modell-Inferenz -> Politikänderung in der Simulation

Zusammenfassung und nächste Schritte