In den letzten Jahren hat der SATCOM-Markt eine Revolution erlebt. Dies ist vor allem auf die rasche Entwicklung von softwaredefinierten oder in einigen Fällen vollständig digitalen Nutzlasten zurückzuführen. Diese modernen Satelliten bieten völlig neue Dienste und wecken neue Bedürfnisse, an die zuvor noch nie jemand gedacht hat. Die Revolution hat begonnen. Herkömmliche Nutzlasten, d. h. Ad-hoc-Hardware, die für bestimmte Missionen entwickelt wurde, gehören der Vergangenheit an. Der derzeitige Schwerpunkt liegt auf generischen Lösungen, die dynamische Anforderungen erfüllen und die Vorteile ihrer rekonfigurierbaren, softwarebasierten Gegenstücke nutzen können.

Der Wendepunkt in der Geschichte der kommerziellen Satellitenkommunikation kam im Jahr 2021, als der Betreiber Eutelsat den Satelliten Eutelsat Quantum startete. Quantum war der erste vollständig softwaregesteuerte kommerzielle Satellit, der die Kontrolle über die Nutzlast in die Hände des Endnutzers legte. Bald darauf wurde die Gebührenerhebung nach dem Pay-as-a-Service-Prinzip zu einem revolutionären neuen Konzept. Aufbauend auf diesem Erfolg hat Eutelsat seine Flotte kontinuierlich um neue Satelliten erweitert und diese mit hochmodernen flexiblen Nutzlasten ausgestattet.

Diese Entwicklungen bei der Zahlungslast haben zwei wichtige Auswirkungen. Erstens bieten sie dem Betreiber eine nahezu unendliche Anzahl von Rekonfigurationsmöglichkeiten. Zweitens wird die komplizierte Handhabung solch komplexer Zahlungsgebühren die Art und Weise beeinträchtigen, wie die Betreiber bisher damit gearbeitet haben.

Dynamische Nachfrage, belastbare Systeme, Echtzeit, Multi-Mission, 5G/6G usw. Wie können die Betreiber diese komplexen Systeme in einem sich so stark verändernden Umfeld verwalten? Künstliche Intelligenz (KI) und maschinelles Lernen (ML) sind dazu zweifelsohne unsere besten Verbündeten.

In diesem Zusammenhang zielt das ATRIA-Projekt darauf ab, KI/ML-Techniken auf relevante SATCOM-Anwendungsfälle anzuwenden, die von erfahrenen Eutelsat-Betreibern ausgewählt wurden, um ihren Betrieb zu erleichtern und im Endeffekt zu automatisieren. Zu diesem Zweck hat GMV als Koordinator des Konsortiums und Systemintegrator ein Prototypsystem namens AI-PCS entwickelt. AI-PCS integriert u. a. die von CTTC und AIKO als den KI-Experten des Konsortiums entwickelten KI/ML-Module.

Der erste Anwendungsfall, der behandelt wurde, war das Problem der Vielfalt der Gateways. AI-PCS wurde so trainiert, dass das System zur Minimierung der Inaktivitätszeiten vorhersagen kann, wann eine Umschaltung zwischen nominalen und redundanten Gateways erforderlich ist. Zu diesem Zweck analysieren die in AI-PCS integrierten KI/ML-Module die Korrelation zwischen der Niederschlagsmenge und den Signalpegeln der Baken an den Gateway-Standorten. Auf der Grundlage der Wettervorhersage kann das AI-PCS-System in Echtzeit vorhersagen, ob eine Umschaltung erforderlich wird.

Der zweite Anwendungsfall konzentriert sich auf Balken. In diesem Fall werden die KI/ML-Module mit zuvor bereitgestellten Daten zum Strahlverkehr und zur Dienstkapazität trainiert. Dies ist sehr nützlich für die Vorhersage von Verkehrsüberlastungen und die anschließende Alarmierung des Betreibers.

Das AI-PCS-System wurde in einer echten Betriebsumgebung validiert, wobei Echtzeitdaten aus den Datenseen des Betreibers (Skylogic) und Wettervorhersagen von Drittsystemen verwendet wurden. Die KI/ML-Module lieferten Echtzeit-Ergebnisse, die auf den verschiedenen AI-PCS-Bildschirmen zur einfachen Interpretation durch den Bediener angezeigt wurden. Das AI-PCS-System ist außerdem mit einem Alarmsystem ausgestattet, das einen Signalton abgibt, wenn einer der Anwendungsfälle ein Ergebnis liefert, das ein Eingreifen eines Bedieners erfordert.

Die zufriedenstellenden Ergebnisse des Abnahmetests vor Ort (OSAT) im März 2023 haben die Entwicklung der zweiten Phase des Projekts erheblich vorangetrieben. In dieser Phase geht es um neue Anwendungsfälle und die Integration zusätzlicher Entwicklungen von anderen Partnern des Konsortiums.

Author: Leticia Alonso