5G ist die nächste Stufe der mobilen Vernetzung. Dabei verspricht die neue Generation mehr als nur schnellere Downloadgeschwindigkeiten und geringere Latenzen. Durch die größere Bandbreite und die flächendeckende Abdeckung, die 5G mitbringt, eröffnen sich viele neue Anwendungsmöglichkeiten, die über den reinen Mobilfunk hinausgehen. Sie reichen von Laptops und mobilen IoT-Geräten bis hin zu Fahrzeugen und umfangreichen industriellen Installationen. Nach Branchenschätzungen wird 5G bis Mitte der 2020er-Jahre im Zuge der Umstellung von 4G-Geräten, die nicht mit 5G-Netzen kompatibel sind, über 1 Milliarde Nutzer hinzugewinnen. Für die Umstellung auf 5G sind jedoch umfangreiche Investitionen in eine neue Mobilfunkinfrastruktur erforderlich. Dabei wird sich die 5G-Architektur im Vergleich zu früheren Implementierungen erheblich verändern. Diese Veränderungen beruhen auf einigen der wichtigsten Merkmale von 5G, die sich aus der vierten Generation entwickelt haben. Im Folgenden erläutern wir diese Hauptmerkmale und sehen uns an, wie sich diese auf die Architektur der Datenplattform für ein typisches 5G-System auswirken. Dazu untersuchen wir die Implementierungsoptionen für verschiedene Ebenen von Datenplattformen und zeigen typische Implementierungsoptionen auf. Außerdem erläutern wir anhand eines Beispiels für eine mittelgroße Datenplattform die wichtigsten Designentscheidungen und Kompromisse.

5G-Merkmale bestimmen die Implementierungsarchitektur

Low-Band 5G-Mobilfunkmasten arbeiten in einem ähnlichen Frequenzbereich wie 4G-Mobiltelefone (von 600 MHz bis 850 MHz) und bieten ähnliche Reichweiten und Downloadgeschwindigkeiten (30 Mbit/s bis 250 Mbit/s). Daher wird Low-Band 5G in vielen Gebieten der Welt bereits wieder abgeschaltet. 5G-Sendemasten im mittleren Frequenzbereich nutzen Mikrowellen zwischen etwa 2,5 GHz und 3,7 GHz, mit denen sich die Download-Geschwindigkeiten auf 100 Mbit/s bis 900 Mbit/s erhöhen und die Reichweite um mehrere Kilometer steigern lässt. In Großstädten und anderen bevölkerungsreichen Gebieten sind diese Mid-Band-5G-Masten bereits der Normalfall und könnten bald zum weltweiten Standard werden.

High-Band 5G arbeitet derzeit im Frequenzbereich von 25 GHz bis 39 GHz und bietet Download-Geschwindigkeiten, die mit denen von Kabel-Internetdiensten vergleichbar sind, d. h. etwa 1 Gbps. High-Band 5G hat jedoch auch seine Grenzen. Der Frequenzbereich von 25 GHz bis 39 GHz liegt am unteren Ende des Millimeterwellenbands (mmW). mmW hat eine geringere Reichweite als Mikrowellen. Das wiederum bedeutet, dass High-Band 5G eine größere Anzahl kleinerer Zellen benötigt, um das gleiche Gebiet abzudecken wie Mid-Band 5G. Physikalische Hindernisse wie Wände oder Haushaltsgeräte können die 5G-Konnektivität im High-Band-Bereich ebenfalls einschränken. mmWs haben zudem Probleme bei der Durchdringung von festen Objekten. Außerdem ist High-Band 5G wesentlich teurer als die Technologie mit niedrigeren Frequenzen. Der Einsatz von High-Band 5G könnte daher in naher Zukunft auf große, relativ offene Einrichtungen wie Konzerthallen und Sportarenen beschränkt sein.

Die Pyramide der 5G-Datenplattformen

Bei der Festlegung der 5G-Hierarchieebene für eine bestimmte Implementierung müssen Faktoren wie die Reichweite, die notwendige Download-Geschwindigkeit und die Kosteneffizienz berücksichtigt werden. Auf einer dezentralen 5G-Datenplattform werden Datenverarbeitung, -speicherung und -kommunikation auf verschiedenen Ebenen der Architekturhierarchie angeordnet, um Kosten, Stromverbrauch, Netzleistung, Reichweite und Benutzerfunktionen zu optimieren. Ganz am Rande des Netzes befinden sich kleine Pico-Plattformen, die kleine Entfernungen (einige Dutzend Meter) innerhalb eines Gebäudes oder einer Anlage abdecken. Dazu gehören z. B. die Gebäudeautomatisierung, die Sicherheit, die Überwachung von Modulen in der Fabrikhalle und die Steuerung. Eine Ebene über diesen sogenannten Edge-Geräten befinden sich Aggregationsplattformen, die alle Edge-Geräte zusammenfassen und den Datenverkehr über eine Entfernung von etwa 100 Metern konsolidieren und optimieren. Diese Geräte befinden sich oft auf der Ebene des Gebäudes oder eines kleinen Campus und können die Kommunikation analysieren, filtern, kombinieren und priorisieren, manchmal auch mithilfe von künstlicher Intelligenz (KI).

Die Zwischenplattformen befinden sich auf der Ebene unterhalb der großen zentralen Rechenzentren (Core) und sorgen für kürzere Antwortzeiten. Diese Antworten sind oft algorithmusbasiert und werden vom Core ausgewählt und in regelmäßigen Abständen aktualisiert. Diese Plattformen sorgen für die Echtzeit-Steuerung, die für die Plattformen im Edge-Bereich benötigt wird. Die Analyse und Verfolgung der Daten auf diesen Plattformen kann den Plattformanbietern einen Mehrwert und neue Einnahmequellen verschaffen. Kosteneinsparungen durch Prozesse wie vorausschauende Wartung, Materialverfolgung und -weiterleitung, Systemmanagement und Lastausgleich des Datenverkehrs können an die Nutzer weitergegeben werden (z. B. gegen eine Abo-Gebühr oder einen Anteil an den Einsparungen).

Big Data-Operationen werden auf den zentralen Plattformen der Rechenzentren ausgeführt. In diesen riesigen Datenverarbeitungs- und -speichersystemen sind historische Daten und komplexe Algorithmen des maschinellen Lernens gespeichert, mit denen Optimierungsfilter und -prozesse für die Programmierung von Zwischenplattformen erstellt werden, um schnelle Antworten und einen Mehrwert für die Kunden zu erzielen.

Evaluierung verschiedener Plattformen für Rechenzentren

Auf jeder Ebene der 5G-Hierarchie gibt es unterschiedliche Anforderungen und Abwägungen, die der Entwickler berücksichtigen muss:

• Kleine Plattformen sind die kosten-, platz- und stromsparendsten Elemente des Systems. Sie müssen sich einfach installieren lassen und benötigen eine mittlere Lebensdauer, da für jede Aggregationsplattform mehrere benötigt werden. Hier bieten sich MCU-basierte Implementierungen an, da sie die geforderten niedrigen Kosten, den geringen Stromverbrauch und den geringen Platzbedarf bieten, ohne Abstriche bei der Flexibilität und Rechenleistung zu machen.
• Aggregationsplattformen erfordern ein hohes Maß an Flexibilität, Rechenleistung, Zwischenspeicher und Sicherheit. Auf FPGAs basierende Implementierungen bieten hier ein Höchstmaß an Flexibilität und Rechenleistung, da die zugrunde liegende Hardware bei Bedarf für neue Protokolle, neue KI-Algorithmen oder neue Mehrwerte für Kunden umprogrammiert werden kann. Zudem lassen sich FPGAs leicht skalieren, sodass Anbieter verschiedene Produktebenen mit unterschiedlichen Flexibilitäts- und Leistungsniveaus zu verschiedenen Preis- und Leistungsklassen schaffen können.
• Zwischenplattformen erfordern das höchste Maß an Rechenleistung, Sicherheit und Flexibilität. Kosten, Stromverbrauch und Platzbedarf sind dabei akzeptable Kompromisse. Auf dieser Ebene ist eine hybride Kombination aus Speicherschutzeinheiten (für die reine Rechenleistung gängiger Operationen) und FPGAs (für Flexibilität und Anpassungsfähigkeit) der optimale Implementierungsansatz. Der FPGA kann bei Bedarf sogar in Echtzeit umprogrammiert werden, um dem steigenden Bedarf an wichtigen Funktionen wie Videoverarbeitung, Verschlüsselung, Entschlüsselung, Suche und Filterung gerecht zu werden. Mithilfe von KI-Algorithmen können solche Anforderungen anhand von Schlüsselindikatoren wie Belegung, Verkehrsmuster, Wetter usw. genau vorhergesagt werden.

Funktionsweise einer Aggregationsplattform

Im Folgenden betrachten wir eine mittelgroße Aggregationsplattform und sehen uns an, wie die wichtigsten Funktionen darin implementiert sind. Durch die Verwendung eines FPGAs mit einem On-Chip-Mikrocontroller kann das Gerät von der MCU aus in Betrieb genommen werden und bietet einen sicheren Ausgangspunkt für den Start und sichere Updates. Diese „Root of Trust“ nutzt robuste und geschützte Verfahren zur Ver- und Entschlüsselung sowie zur Speicherung von Sicherheitsschlüsseln, um Hacker und Viren daran zu hindern, das System zu übernehmen. Die MCU kann auch Standardoperationen wie Kommunikation, Paketverarbeitung, Videoverarbeitung, Komprimierung und effiziente Speicherung durchführen. Dabei kann die On-Chip-FPGA-Hardware für die weniger häufigen, aber rechenintensiven Operationen genutzt werden, damit die MCU für allgemeine Operationen verfügbar bleibt, die zeitnah erledigt werden müssen.

In Verbindung mit KI- und Machine-Learning-Algorithmen kann der FPGA beispielsweise für digitale Filterung, Bildverarbeitung, Bilderkennung und ähnliche Spezialaufgaben eingesetzt werden, um Vorhersagen zu treffen und die Hardware bedarfsgerecht zu programmieren. Im Laufe der Zeit könnten neue Algorithmen ermittelt, erstellt und von Zwischen- und Hauptplattformen heruntergeladen werden, um die Leistung weiter zu optimieren und neue Einnahmequellen für den Plattformanbieter sowie Kosteneinsparungen für den Kunden zu schaffen.

Fazit

5G bringt Cloud, Core und Edge zusammen. Dabei ist es jedoch wichtig, dass jeder dieser Bereiche auf der richtigen Infrastruktur läuft oder Zugang zu ihr hat. Ein Rechenzentrum wird immer gebraucht, auch wenn das Edge-Computing für 5G wichtig ist. Aber mit der zunehmenden Verbreitung von 5G-Verbindungen und der wachsenden Zahl von 5G-fähigen Geräten steigt auch der Bedarf an kleinen und dezentralen Zwischenplattformen für diese Geräte. Die Datenverarbeitung vom Rechenzentrum bis in den Edge-Bereich wird das Markenzeichen der 5G-fähigen Welt sein. In dieser Welt werden Thermostate, Kühlschränke und sogar Flugzeuge, Züge und Autos mit demselben Mobilfunknetz verbunden sein wie Smartphones.