Im Jahr 2023 gründete ich den Lehrstuhl für Vernetzte Eingebettete Systeme und Kommunikationssysteme an der Universität Augsburg und leite ihn seitdem.

UserNet (ML-basiertes Monitoring und Management von QoE für
nutzerzentrierte Kommunikationsnetze, Emmy-Noether-Nachwuchsforschungsgruppe gefördert von der Deutschen Forschungsgemeinschaft (DFG))

Um die Abschätzung der QoE für beliebige Internetanwendungen zu ermöglichen, wird das Wechselspiel zwischen QoE und Nutzerverhalten mittels Messungen
und subjektiven Studien untersucht und modelliert. Zusätzlich werden ML-Methoden domänenspezifisch für den Einsatz auf verschlüsseltem Netzverkehr angepasst. Dadurch wird es möglich, die QoE über beobachtete Interaktionen und den dadurch
ausgelösten Veränderungen im verschlüsselten Applikationsverkehr zu quantifizieren. Basierend darauf wird eine datengetriebene Verbesserung der QoE und QoE-Fairness ermöglicht, indem die optimalen Netzkonfigurationen durch Interaktion mit der dynamischen Netzumgebung unter Einsatz von verstärkendem Lernen gefunden werden. Mittels leistungsfähiger, softwarisierter Netztechnologien (SDN) wie P4 lassen sich, in Verbindung mit im Netz verfügbaren Rechenressourcen, solche feingranularen Modelle nun erstmals im Netz umsetzen, wodurch das Netzmanagement dynamischer wird. Deshalb wird die Implementierung der benötigten ML-basierten Algorithmen und Komponenten und deren Integration in
den Netzbetrieb erforscht.

Von 2019-2023 was ich Postdoc und Wissenschaftler am Lehrstuhl für Kommunikationsnetze der Universität Würzburg und habilitierte mich. Gleichzeitig leitete ich die Forschungsaktivitäten des Lehrstuhls im Bereich Maschinelles-Lernen-basiertes Netzmanagement für nutzerzentrierte Kommunikationsnetze.

UserNet (ML-basiertes Monitoring und Management von QoE für
nutzerzentrierte Kommunikationsnetze, Emmy-Noether-Nachwuchsforschungsgruppe gefördert von der Deutschen Forschungsgemeinschaft (DFG))

Um die Abschätzung der QoE für beliebige Internetanwendungen zu ermöglichen, wird das Wechselspiel zwischen QoE und Nutzerverhalten mittels Messungen
und subjektiven Studien untersucht und modelliert. Zusätzlich werden ML-Methoden domänenspezifisch für den Einsatz auf verschlüsseltem Netzverkehr angepasst. Dadurch wird es möglich, die QoE über beobachtete Interaktionen und den dadurch
ausgelösten Veränderungen im verschlüsselten Applikationsverkehr zu quantifizieren. Basierend darauf wird eine datengetriebene Verbesserung der QoE und QoE-Fairness ermöglicht, indem die optimalen Netzkonfigurationen durch Interaktion mit der dynamischen Netzumgebung unter Einsatz von verstärkendem Lernen gefunden werden. Mittels leistungsfähiger, softwarisierter Netztechnologien (SDN) wie P4 lassen sich, in Verbindung mit im Netz verfügbaren Rechenressourcen, solche feingranularen Modelle nun erstmals im Netz umsetzen, wodurch das Netzmanagement dynamischer wird. Deshalb wird die Implementierung der benötigten ML-basierten Algorithmen und Komponenten und deren Integration in
den Netzbetrieb erforscht.

Group-based Communication (Analyse und Modellierung von gruppenbasierter Kommunikation in Internetanwendungen für verbessertes Edge Caching, gefördert von der Deutschen Forschungsgemeinschaft (DFG))

Das Ziel dieses Forschungsprojekts ist es das neue Kommunikationsparadigma der gruppenbasierten Kommunikation zu analysieren. Die gewonnenen Erkenntnisse werden genutzt, um Edge Caching-Mechanismen zu entwerfen, die die Netzwerklast durch nutzergenerierte Inhalte in Kommunikationsgruppen reduzieren und gleichzeitig die vom Nutzer empfundene Dienstgüte bei der Kommunikation erhöhen.

Wintermute (KI-basierte Netzwerkbewertung, Richtliniendefinition und Durchsetzung der Sicherheit in komplexen Netzen, gefördert vom Bundesministerium für Bildung und Forschung (BMBF))
In diesem Projekt wollen wir eine sichere Kommunikation mit Hilfe von künstlicher Intelligenz (KI) und maschinellem Lernen (ML) unter zwei Hauptaspekten gewährleisten: Datenschutz und Benutzerfreundlichkeit. Während die Wahrung einer sicheren Kommunikation wichtig ist, muss eine Verletzung der Privatsphäre verhindert werden. Ziel ist es außerdem, eine benutzerfreundliche Lösung für die Erkennung von Eindringlingen bereitzustellen, die Spezialisten bei ihrer Entscheidungsfindung unterstützt, indem sie eine Bewertung der aktuellen Netzsituation liefert.

DNA (Trendscouting on the Design of a Decentralized Data-centric Network Architecture, funded by an industry partner)

Das Ziel des Projekts ist es eine Übersicht über Herausforderungen für dezentrale datenzentrische Netzarchitekturen herauszuarbeiten, besonders hinsichtlich Skalierbarkeit, Datenzentrierung und Mobilität.

DeDaNe (Trendscout Survey: Decentralized Data Network Architectures, funded by an industry partner)

Das Ziel des Projekts ist es eine Übersicht über dezentrale datenzentrierte Netzarchitekturen zu geben und relevante Fokusbereiche zu überblicken, um mögliche zukünftige Forschungsthemen zu identifizieren.

WebQKAI (KI-basierte Ansätze zur Identifizierung von Web-QoE-Leistungsindikatoren im Netz, finanziert vom AIT Austrian Institute of Technology)

Ziel des WebQKAI-Projekts ist es, aus Daten, die von Netzgeräten gesammelt wurden, Leistungsindikatoren (key performance indicators, KPIs) für die QoE von Webbrowsing abzuleiten, die den Betreibern Einblicke in den Netzbetrieb und die Netzwartung geben. Daher müssen in diesem Projekt relevante und wichtige Netzszenarien untersucht werden. Ziel des Projekts ist es, die QoE von Webbrowsing in bestimmten Szenarien (einschließlich Webzugriffen in Webbrowsern oder mobilen Apps) mit hoher Genauigkeit abzuschätzen.

KIKDIN (Einsatz von KI-Methoden zur Parametrisierung konvergenter, deterministischer, industrieller Netze, finanziert von Siemens Predevelopment Nürnberg)

Im Rahmen des KIKDIN-Projekts untersuchen wir den Einsatz von KI-Methoden zur Parametrisierung konvergenter, deterministischer, industrieller Netze. Langfristiges Ziel ist es, Netzkonfigurationen für verschiedene Anwendungstypen und verschiedene Netzinfrastrukturen automatisiert und dynamisch zuzuweisen und zu parametrisieren. Die Zuordnung basiert auf statistischen Methoden, zu denen insbesondere die Verwendung von maschinellem Lernen als KI-Methode gehört.

QoE-Care (Quality of Experience von Geschäftsanwendungen, finanziert von einem Industriepartner)
Dieses Projekt konzentriert sich auf die Beziehung zwischen der wahrgenommenen Qualität der Leistung von Geschäftsanwendungen durch die Mitarbeiter und den technischen Leistungsdaten solcher Anwendungen.

EduQoE (Überwachung und Analyse der Quality of Experience in Schulnetzen, Zusammenarbeit mit Plan Ceibal und dem AIT Austrian Institute of Technology)

Digitalisierte und Online-Bildungsdienste benötigen zuverlässige und qualitativ hochwertige Zugangsnetze, um Leistungseinbußen zu vermeiden, die sich auf die Qualität der Bildung auswirken. In diesem Projekt arbeiten wir mit Plan Ceibal zusammen, um die QoE in ihren Netzwerken zu überwachen und zu analysieren, mit dem Ziel, ihre Dienste zu verbessern.

Von 2018 bis 2019 arbeitete ich als Wissenschaftler und Postdoc für das AIT Austrian Institute of Technology im Digital Insight Lab des Center for Digital Safety & Security. Mein Fokus lag auf der Analyse von verschlüsseltem Videonetzverkehr und auf maschinellem Lernen basierten Modellen zur Vorhersage der Quality of Experience beim Videostreaming.

Big-DAMA (Big Data Analytics for Network Traffic Monitoring and Analytics, finanziert vom Wiener Wissenschafts- und Technologiefonds (WWTF))

Das Big-DAMA-Projekt entwickelt neuartige, skalierbare Techniken und Big-Data-Frameworks, mit denen sowohl Online-Netzverkehrsdatenströme als auch massive Offline-Verkehrsdatensätze analysiert werden können. Ziel ist es, skalierbares Online- und Offline-Data-Mining und maschinelles Lernen zu untersuchen, um extrem große Netzverkehrsdatensätze zu analysieren und zu charakterisieren.

ViCrypt (Analyse der Videoqualitätsmetriken für (nicht) verschlüsselten Videoverkehr, finanziert von einem Industriepartner)
In diesem Projekt wurde sowohl verschlüsselter als auch nicht verschlüsselter Videoverkehr überwacht und analysiert. Relevante Merkmale wurden aus dem Netzwerkverkehr als Eingabe für maschinelle Lernmodelle extrahiert. Ziel des Projekts war es, Video-QoE-Metriken und Benutzeraktionen mit hoher Genauigkeit vorherzusagen.

EduQoE (Überwachung und Analyse der Quality of Experience in Schulnetzen, Zusammenarbeit mit Plan Ceibal)
Digitalisierte und Online-Bildungsdienste benötigen zuverlässige und qualitativ hochwertige Zugangsnetze, um Leistungseinbußen zu vermeiden, die sich auf die Qualität der Bildung auswirken. In diesem Projekt arbeiten wir mit Plan Ceibal zusammen, um die QoE in ihren Netzwerken zu überwachen und zu analysieren, mit dem Ziel, ihre Dienste zu verbessern.

Von 2013 bis 2017 arbeitete ich als Forscher und Doktorand am Lehrstuhl für Kommunikationsnetze (Informatik III) der Universität Würzburg. Während dieser Zeit war ich an folgenden Projekten beteiligt:

QoE³ (Abschätzung der Quality of Experience am Netzrand, finanziert von einem Industriepartner)
Ziel des Projekts war es, Lösungen zur Echtzeit-Beobachtung oder Abschätzung von Quality of Experience (QoE) für adaptives HTTP-basiertes Videostreaming (HTTP Adaptive Streaming, HAS) am Netzwerkrand zu untersuchen und zu bewerten.

Mobi-QoE (Überwachung und Analyse der Quality of Experience in mobilen Breitbandnetzen, finanziert durch das H2020-Projekt der Europäischen Kommission MONROE (Messung mobiler Breitbandnetze in Europa) )
Das Ziel von Mobi-QoE war es, das Testbett von MONROE auf die QoE-Domäne auszudehnen, indem neuartige softwarebasierte QoE-fähige Messwerkzeuge und QoE-Modelle für beliebte Endbenutzerdienste (z. B. YouTube, Facebook, Spotify) integriert wurden. In Crowdsourcing-Feldversuchen werden die Erweiterungen evaluiert und die QoE-Modelle verfeinert, um Experimente für die QoE-basierte Leistungsbewertung mobiler Breitbandnetze mit dem MONROE-Testbed zu ermöglichen.

What's Up (WhatsApp gegen Depressionen von Kindern und Jugendlichen, finanziert durch eine Startnext Crowdfunding-Kampagne)
What's Up ist eine interdisziplinäre Zusammenarbeit mit Psychologen der Universität Tübingen, um mithilfe von WhatsAnalyzer die Kommunikation depressiver Kinder und Jugendlicher in WhatsApp zu analysieren. Ziel ist es, ein Frühwarnsystem für depressive Phasen zu erstellen, das effektiv bei der Behandlung von Depressionen eingesetzt werden kann. In dieser frühen Phase des Projekts ist eine Pilotstudie geplant, um die Forschungsaussichten zu bewerten und zukünftige Finanzierungsanträge vorzubereiten.

INPUT (Netzwerkinterne Programmierbarkeit zur Unterstüzung persönlicher Cloud-Dienste der nächsten Generation, finanziert von der Europäischen Kommission H2020)
Das Ziel von INPUT war es, eine neuartige Edge-Cloud-unterstützte Infrastruktur für persönliche Cloud-Dienste zu entwickeln. Im Rahmen dieses Projekts konzentrierten wir uns hauptsächlich auf Überwachungs-, Orchestrierungs- und Konsolidierungsalgorithmen für die optimierte Konfiguration der Netzwerk- / Cloud-Infrastruktur und die Zuweisung virtualisierter Cloud-Dienste in Bezug auf Energieverbrauch und Quality of Experience.

SmartQoE (Messkonzept und Trendscouting für QoE im mobilen Kontext, finanziert vom FTW Forschungszentrum Telekommunikation Wien)
SmartQoE war eine Kooperation mit dem FTW Forschungszentrum Telekommunikation Wien. Ziel des Projekts war es, ein Messkonzept zur Beobachtung von QoE-relevanten Anwendungsdaten für das Video-Streaming auf einem Smartphone zu entwickeln. Aus diesem Grund haben wir die Android-basierte YoMoApp (YouTube Monitoring App) entwickelt und implementiert, die vom FTW in Labor- und Feldstudien verwendet wurde, und die gesammelten Daten ausgewertet. Darüber hinaus war ein Trendscouting Teil des Projekts, um das Potenzial neuer Forschungsthemen zur QoE abzuschätzen.

SmartenIT (Sozialbewusstes Management des neuen Overlay-Anwendungsverkehrs in Kombination mit Energieeffizienz im Internet, finanziert vom 7. FRP der Europäischen Kommission)
SmartenIT widmete sich der anreizkompatiblen, schichtübergreifenden Optimierung des Netzbetriebs durch Nutzung des sozialen Bewusstseins, des QoE-Bewusstseins und der Energieeffizienz. Innerhalb des Projekts fungierten wir als Leiter des Arbeitspakets für "Verkehrsmessungen und Szenariodefinitionen" und waren an der Konzeption und Bewertung von Verkehrsmechanismen für das endbenutzerorientierte Szenario beteiligt. Wir haben HORST (Home Router Sharing based on Trust, vertrauensbasiertes Teilen von Heimroutern) entwickelt, einen sozialbewussten Verkehrsmanagementmechanismus, der das Auslagern von WLAN, das Vorabrufen / Zwischenspeichern von Inhalten und die Bereitstellung von Inhalten auf nutzereigenen Heimroutern ermöglicht. Der implementierte Prototyp von RB-HORST (HORST kombiniert mit RB-Tracker zur Bereitstellung von Inhalten) wurde auf der LCN 2015 mit dem Best Demo Award ausgezeichnet.

Von 2012 bis 2013 arbeitete ich als Forscher am Forschungszentrum Telekommunikation Wien (FTW) im Bereich nutzerzentrierte Interaktionen und Kommunikationsökonomie. Während dieser Zeit war ich an folgenden Projekten beteiligt:

ACE 2.0, ACE 3 (Verbesserung der Kundenerfahrung)
Ziel der ACE-Projekte war die Bewertung und Überwachung der Quality of Experience von Breitbanddiensten in drahtlosen und drahtgebundenen Netzen, die zusammen mit Industriepartnern wie A1 Telekom Austria, der Telekom Austria Group, Kapsch CarrierCom und der Vodafone Group durchgeführt wurden.

NGMN P-SERQU (Definition und Messung der Servicequalität, Projekt der Next Generation Mobile Networks Alliance)
Der Forschungsumfang des NGMN P-SERQU bestand darin, KPIs zur Überwachung der über drahtlose Netze gelieferten Video-QoE zu identifizieren. Eines der ursprünglichen Projektziele war die Entwicklung einer Korrelation zwischen QoS-KPIs für Funk- und Kernnetze, um die QoE von gestreamten Videos vorherzusagen. Hauptgrund für dieses Ziel war es, Mobilfunknetzbetreibern einen Mechanismus zur Vorhersage der QoE auf der Grundlage der QoS-Messungen bereitzustellen, die mit vorhandenen Tools in ihrem Netz erhalten wurden.

2012 arbeitete ich am Lehrstuhl für Programmiersprachen und -methodik (Informatik II) der Universität Würzburg und war an zwei Projekten beteiligt:

Digitalisierungsworkflow für alte Manuskripte (Universitätsbibliothek Würzburg)
In diesem Projekt wurde ein Digitalisierungsworkflow für die alten Manuskripte der Universitätsbibliothek Würzburg entwickelt und implementiert. Meine Aufgabe bestand darin, fehler- und inkonsistenztolerante Dokumentstruktur-Extraktionsalgorithmen (d.h. Seitenzahlen, Inhaltsverzeichnisse, Indizes) für digitalisierte und OCR-verarbeitete Manuskripte sowie ein webbasiertes Formular für Digitalisierungsaufträge zu implementieren. Wir haben an der ICDAR 2013 Competition on Book Structure Extraction teilgenommen, bei der unser Ansatz den vierten Platz belegt hat.

SpringerMaterials, SpringerReference (Springer Science Business Media)
Ziel dieses Projekts mit Springer war es, die Webportale von SpringerMaterials (Ressourcendatenbank für physikalische und chemische Daten in den Materialwissenschaften) und SpringerReference (wissenschaftliches Online-Publishing-System) zu entwickeln und zu pflegen. Meine Aufgaben waren Suchmaschinenoptimierung, Webanalyse sowie Implementierung der Unterstützung für Bild- und Videogalerien.