Manisha Luthra mit KuVS-Preis für beste Dissertation ausgezeichnet

Die Beiträge der Dissertation vereinfachen es, Kommunikationsnetze zu bauen, welche die komplexen Anforderungen von IoT-Applikationen erfüllen – zum Beispiel im sehr dynamischen und komplexen Szenario einer Smart City.

Verkehrsführung selbstfahrender Autos, Laststeuerung in intelligenten Stromnetzen, automatische Überwachung von Geldüberweisungen: In der Smart City beziehen sich Applikationen auf riesige Mengen an Echtzeit-Daten aus beweglichen Quellen wie Sensoren oder Smartphones. Doch wie können die Daten schnell und sinnvoll verarbeitet werden?

Damit hat sich Manisha Luthra in ihrer Dissertation am Fachgebiet Multimedia Kommunikation und im Rahmen des Sonderforschungsbereichs MAKI befasst, für die sie nun mit dem KuVS-Preis ausgezeichnet wurde. Der Preis wird von der Fachgruppe Kommunikation und Verteilte Systeme (KuVS) in der Gesellschaft für Informatik und der Informationstechnischen Gesellschaft im VDE e.V. vergeben.

Konkret entwickelt Manisha Luthra in ihrer Dissertation mit dem Titel „Network-centric Complex Event Processing“ Lösungen zu drei Problemfeldern in solchen dynamischen und Echtzeit-Kommunikationsnetzen: dies sind die Themen Adaptivität, Effizienz und Interoperabilität.

Wo im Netzwerk werden Datenströme am besten zu sinnvollen Einheiten weiterverarbeitet?

Der erste Beitrag zur Adaptivität dreht sich um die Frage, wie die benötigte Rechenleistung bestmöglich im Netzwerk verteilt werden kann und wo im Netz Datenströme am besten als “Operatoren” zu sinnvollen Einheiten weiterverarbeitet werden – vor allem, wenn beispielsweise an einer Verkehrskreuzung neue Sensoren zum Netz hinzukommen und andere verschwinden.

Manisha Luthra hat ein intelligentes System entwickelt, das diese Dynamik im Netzwerk berücksichtigt und sich unter verschiedenen Platzierungsoptionen für die leistungsstärkste entscheidet. Der Operator wird anhand der entsprechenden Vorhersagen dann automatisch innerhalb des Netzwerks verschoben, zum Beispiel von einem Sensor zu einem Server. Das System sorgt dabei für eine nahtlose Transition ohne Leistungsverluste zwischen den Platzierungsoptionen – basierend auf dem Konzept der “Transition”, mit dem im Sonderforschungsbereich “MAKI – Multi-Mechanismen-Adaption für das künftige Internet” gearbeitet wird.

Wie können die Daten schneller verarbeitet werden?

Das zweite Problem der Effizienz geht Manisha Luthra an, indem sie das Paradigma “Information-centric networking” (ICN) nutzt, um Operatoren auf programmierbaren Switches im Netzwerk auszuführen und auf diese Weise die Schnelligkeit der Datenverarbeitung zu erhöhen.

Dies garantiert eine extrem niedrige Latenz, welche bei der Verarbeitung von Datenströmen aus Sensoren immens wichtig ist, weil permanent neue Daten generiert werden und diese quasi in Echtzeit zu sinnvollen Einheiten weiterverarbeitet werden müssen.

Wie können komplexe Datenstromanwendungen unabhängig vom zugrunde liegenden System (und der Programmiersprache) entwickelt werden?

Im dritten Beitrag zum Thema Interoperabilität schlägt Manisha Luthra Methoden vor, die es möglich machen, die Schnittstellen zu verschiedenen Complex-Event-Processing (CEP)-Systemen zu vereinheitlichen und dadurch verschiedene dieser Systeme im selben Netzwerk ausführen zu können.

Hierzu macht sie sich die Prinzipien zunutze, welche dem Serverless Computing zugrunde liegen. Entwickler*innen haben dank dieser Methoden den Vorteil, dass sie CEP-Anwendungen unabhängig von der genutzten Programmiersprache, der unterliegenden Hardware und dem Betriebssystem programmieren können.

Die Dissertation wurde am Fachgebiet Multimedia Kommunikation von Prof. Ralf Steinmetz und Prof. Boris Koldehofe betreut.

Zur Person: Manisha Luthra

Manisha Luthra arbeitet inzwischen als Postdoktorandin am Fachgebiet Data and AI Systems am Fachbereich Informatik der TU Darmstadt. Seit Kurzem ist sie zudem Senior Researcher im Forschungsbereich „Systemische KI für Entscheidungsunterstützung (SAIDE)“ am Deutschen Forschungszentrums für Künstliche Intelligenz (DFKI) unter Leitung von Prof. Carsten Binnig.

Beitragsbild: privat