DE
EN
DE
EN
TUHH > Forschungsbericht > 2022

Forschungsbericht 2022



Telematik E-17

Leitung: Prof. Dr. rer. nat. Volker Turau

Institut auf TORE
Institutswebsite

Telematik verbindet die Bereiche Telekommunikation und Informatik. Sie erforscht Verteilte Systeme. Dies sind Systeme von vernetzten Rechnern bei denen die Kommunikation ausschließlich über den Austausch von Nachrichten erfolgt, d.h. es gibt keinen gemeinsamen Speicher. Der allgegenwärtige Zugang zum Internet hat Verteilte Systeme zur vorherrschenden Architektur des Informationszeitalters gemacht. World Wide Web, Instant Messaging, Cloud Computing, Internet der Dinge, Peer-to-Peer, Sensornetze, Ubiquitous computing, dies sind alles spezielle Ausprägungen von Verteilten Systemen. Das Institut für Telematik erforscht und lehrt theoretische Grundlagen und praktische Anwendungen Verteilter Systeme. Der theoretische Schwerpunkt liegt auf der Erforschung von Methoden zur Gewährleistung von Fehlertoleranz in Verteilten Systemen. Fehlertoleranz bezeichnet die Eigenschaft eines Systems, seine Funktionsweise auch aufrechtzuerhalten, wenn unvorhergesehenes Benutzerverhalten oder Fehler in der Hard-/Software bzw. bei der Kommunikation auftreten. Fehlertoleranz erhöht die Zuverlässigkeit und die Verfügbarkeit eines Systems. Dies sind wichtige Eigenschaften in Anwendungsbereichen wie Medizintechnik, Automobiltechnik, Luftfahrttechnik und Industrieprozesssteuerung. Weiterhin erforscht das Institut für Telematik praktische Anwendungen von Verteilten Systemen in Bereichen wie Smart Grid, Medizintechnik und Industrieanlagen. Hierbei stehen vernetzte eingebettete Systeme im Mittelpunkt. Es werden Kommunikationsprotokolle für extrem ressourcen-beschränkten Systeme auf Basis des Standards IEEE 802.15.4 entworfen und implementiert. Die Evaluation der Protokolle erfolgt durch Simulationen und Experimente mit realer Hardware. Diese Arbeiten werden durch industrienähere Projekte, in denen ein Transfer in den Anwendungsbereich erfolgt, komplementiert. Maschinelles Lernen für eingebettete Systeme Nach Jahrzehnten intensiver Forschung hält Machine Learning (ML) zunehmend Einzug in reale Anwendungen. Wegbereiter sind der Fortschritt von Rechensystemen mit enormer Rechenleistung und die Verfügbarkeit großer Mengen von Daten. ML hat ein enormes Potenzial, die Leistungsfähigkeit von Geräten und Maschinen unterschiedlichster Anwendungsbereiche zu steigern. In den nächsten fünf bis zehn Jahren wird ML auch in eingebettete Systeme Einzug halten. Im Institut liegt der Schwerpunkt der ML-Forschung daher im Bereich eingebetteter Systeme. Smart Grids für die Energiewende Smart Grids sind als "neue Stromnetze" der "Energiewende" moderne Stromnetze, bei denen Kommunikationsnetze auf allen Spannungsebenen zur Erfassung von Daten und zur Steuerung und Optimierung des Stromnetzbetriebs sowie angeschlossener Generatoren und Verbraucher verwendet werden. Das Institut hat in der Smart Grid Forschung zwei Schwerpunkte. Der erste liegt in der optimierten Nutzung der Niederspannungsebene und im Einsatz von Haushaltsgeräten (z. B. Boiler, Wasserbetten) für Demand-Response. Der andere ist die Modellierung und Simulation von Kommunikationsnetzen in sektorgekoppelten zellularen Energiesystemen. Sensornetze Eingebettete und vernetze Sensorik bieten neue Möglichkeiten in vielen wissenschaftlichen und sozialen Anwendungsgebieten. Sensornetze sind hoch verteilte Systeme, bestehend aus heterogenen Sensorknoten, häufig verbunden über ein drahtloses Netz. Die Beschränktheit der zur Verfügung stehenden Energie, des Speichers oder der Rechenleistung erfordern radikal neue Lösungen im Gegensatz zu den traditionellen verteilten Systemen. In diesem Institut beschäftigen wir uns hauptsächlich mit Middleware-Ansätzen für drahtlose Sensornetze. Selbststabilisierende Systeme Ein verteiltes System ist selbststabilisierend, wenn es aus jedem beliebigen Zustand nach endlich vielen Schritten in einen legitimen Zustand findet und das System bis zum Auftritt eines Fehlers in einem legitimen Zustand bleibt. Selbststabiliersung stellt damit eine Technik zur nicht-maskierenden Fehlertoleranz dar. In diesem Institut untersuchen wir selbststablisierende Algorithmen unter den Gesichtspunkten Effizienz sowie Verhalten im Fehlerfall und forschen an Werkzeugen zur Unterstützung der Entwicklung solcher Algorithmen.

Publikationen

Projekte

Kooperationspartner

  • Brandenburgische Technische Universität Cottbus-Senftenberg
  • Universität Heidelberg
  • Université Claude Bernard Lyon, Frankreich
  • m2m Germany GmbH, Wehrheim
  • PrimingCloud GmbH, Mannheim
  • Universität Twente, Enschede, Niederlande
TU Hamburg
Technische Universität
Hamburg (TU Hamburg)
Am Schwarzenberg-Campus 1
21073 Hamburg
Weiterführende Links
Impressum
Datenschutz
Barrierefreiheit
Kontakt
Anfahrt
Medien und Presse
Weltoffene Hochschule
Familienfreundliche Hochschule
BMWi
Exist
ESF
EU