Rahman Jamal, Global Technology & Marketing Director, National Instruments
2017 wird ein entscheidendes Jahr sowohl für das IoT als auch für 5G – einzeln genommen, aber auch zusammen betrachtet –, denn beide haben sehr viel gemein. Damit eng verwoben sind weitere Themenfelder wie etwa Big Analog Data, Time-Sensitive Networks (TSN) und das Testen von IoT- und IIoT-fähigen Geräten und Systemen. Doch was heißt das nun im Detail?
Prototyping für 5G: Vom Konzept zur Realität
Der angestrebte Standard 5G wird Wireless-Netzwerken zweifellos zu unvorstellbaren Höhen verhelfen, doch es birgt auch Herausforderungen. Forscher müssen nicht nur die Anforderungen bislang unerreichter Wireless-Datenraten angehen, sondern auch Lösungen für die Netzwerklatenz und -reaktionszeit finden, während sie zugleich einer tausendfachen Kapazitätssteigerung Rechnung tragen müssen. Doch damit nicht genug: Netzbetreiber fordern, dass Weiterentwicklungen weniger Energie verbrauchen als bestehende Infrastrukturen.
Angesichts der zahlreichen Spekulationen in Sachen 5G-Netze haben die Normungsgremien, einschließlich des 3GPP, vor kurzem damit begonnen, Konzepte in die Praxis umzusetzen. Forscher auf dem Gebiet 5G müssen nun das Grundgerüst erstellen, das unseren Alltag ganz neu definieren wird: ob Fahrzeuge und Transportsysteme oder Fertigung, Energieversorgung oder Gesundheitswesen.
Wo also setzt man am besten mit einer Lösung für diese komplexen Herausforderungen an? Die Antwort darauf sind Prototypen bzw. spezielle 5G-Prototypen, die es Forschern im Wireless-Bereich ermöglichen, noch im Experimentierstadium Tests mit realen Systemen in echten Szenarien durchzuführen. Richtig umgesetzt können diese 5G-Prototypen die Voraussetzung dafür schaffen, die Markteinführungszeiten eines Unternehmens erheblich zu verkürzen.
Um auch die Zeit für die Erstellung eines funktionstüchtigen Prototypen zu verringern, nutzen viele Forscher mittlerweile einen Plattform-basierten Ansatz, der einen einheitlichen Entwicklungsprozess unterstützt. Zuerst erfolgen mathematische Berechnungen und Simulationen, anschließend wird der Algorithmus in einem System und funktionierender Hardware abgebildet. Herkömmliche Ansätze sind mittlerweile zu teuer und zeitaufwändig geworden. Ein Entwicklungsansatz auf Plattform-Basis dagegen verspricht, die neuen Entwicklungen schneller zu ermöglichen, genauso wie es Forscher an Orten wie der Lund University, bei Nokia Networks, NYU Wireless und Samsung bereits demonstrieren.
Big Analog Data: Von Edge Computing bis Enterprise Data Management
