Am 26. und 27. Mai waren wir mit dem Lehrstuhl in Frankfurt! Ziel der Exkursion war der Besuch bei der Deutschen Bahn Fernverkehr AG, wo wir einen spannenden Einblick in das Thema ?WLAN im ICE“ bekommen haben. Au?erdem hatten wir die Gelegenheit, die Stadt ein wenig zu erkunden. Es waren zwei tolle Tage mit interessanten Eindrücken und viel guter Stimmung!

Kürzlich wurde unser Artikel mit dem Titel ?Exploring the application of Time Series Foundation Models to network monitoring tasks“, der von unserem Lehrstuhl in Zusammenarbeit mit Forschern der Universit?t Würzburg und des Austrian Institute of Technology (AIT) verfasst wurde, in den 269. Band der Zeitschrift Computer Networks aufgenommen.

Heute hat Prof. Seufert die IEEE Senior Member Plakette erhalten. Die IEEE Senior Member Auszeichnung wird an Fachleute vergeben, die über langj?hrige Erfahrung und signifikante Leistungen in ihrem Fachgebiet verfügen. Sie würdigt nicht nur herausragende technische Erfolge, sondern auch das Engagement und den Beitrag zur IEEE Community.

Heute h?lt Prof. Michael Seufert im IfI-Kolloquium der Universit?t Zürich einen Vortrag zum Thema Machine Learning-supported Network Management for User-centric Communication Networks. In seinem Talk wird er darauf eingehen, wie Machine Learning-Techniken zur Optimierung und Steuerung moderner Kommunikationsnetze eingesetzt werden k?nnen, um die Nutzererfahrung zu verbessern.

Wir freuen uns, Samuel Hufen ab heute als neuen wissenschaftlichen Mitarbeiter an unserem Lehrstuhl begrü?en zu dürfen. Wir freuen uns auf die Zusammenarbeit mit ihm und wünschen ihm einen guten Start!

?

Unser Forschungsartikel mit dem Titel ?To Cap or Not to Cap: Bandwidth Capping Effects on Network Interactions and QoE of Competing Short Video Streams“, der in Zusammenarbeit unseres Lehrstuhls mit Forschern der Universit?t Würzburg und AT&T Labs in den USA entstanden ist, wurde für die renommierte 16. ACM Multimedia Systems Conference (MMSys) akzeptiert.

Das Paper "Resource Allocation is All You Need: The Routing and Scheduling Problem in 6TiSCH Networks" wurde auf der IEEE Wireless Communications and Networking Conference (WCNC) 2025 angenommen.
In der Zusammenarbeit der Lehrstühle Organic Computing und NETCOM der Universit?t Augsburg wurde ein Verfahren entwickelt, das die Anzahl latenzkritischer Datenflüsse in 6TiSCH-Netzwerken maximiert.

Der Klimawandel ist eine der gro?en Herausforderungen des 21. Jahrhunderts. Die Wissenschaft stattet die Gesellschaft hierbei mit Wissen, Methoden und Technologien aus, um Probleme und Herausforderungen frühzeitig zu erkennen, zu verstehen und darauf besser reagieren zu k?nnen. Passend zu diesem Thema ver?ffentlicht die Universit?t am 15. November 2024 in der Süddeutschen Zeitung eine Sonderbeilage über ?Forschung als Frühwarnsystem“.

Für das Paper ?Fitting the Puzzle: Towards Source Traffic Modeling for Mobile Instant Messaging" ist Prof. Dr. Michael Seufert, Lehrstuhl für Vernetzte Eingebettete Systeme und Kommunikationssysteme, Fakult?t für Angewandte Informatik an der Universit?t Augsburg, gemeinsam mit einem Team der Julius-Maximilians-Universit?t Würzburg auf der 15. Internationalen “Conference on Network of the Future” mit dem Best-Paper-Award ausgezeichnet worden.

Heute wurde unser Paper ?Agree to Disagree: Exploring Consensus of XAI Methods for ML-based NIDS“ auf dem 1st Workshop on Network Security Operations (NecSecOr) vorgestellt.?In diesem Paper werden die Effektivit?t und der Konsens verschiedener erkl?rbarer KI-Methoden (XAI) bei der Verbesserung der Interpretierbarkeit von auf Maschinellem Lernen basierenden Network Intrusion Detection Systems (ML-NIDS) untersucht. Dabei wird festgestellt, dass einige Methoden sehr gut übereinstimmen, w?hrend andere voneinander abweichen, was die Notwendigkeit einer sorgf?ltigen Auswahl unterstreicht, um Vertrauen in reale Cybersicherheitsanwendungen aufzubauen.

Heute wurde unser Paper ?Certainly Uncertain: Demystifying ML Uncertainty for Active Learning in Network Monitoring Tasks“ auf der 20th International Conference on Network and Service Management (CSNM) vorgestellt. In dieser Arbeit untersuchen wir den Einsatz von Active Learning (AL) zur Verbesserung von Machine Learning (ML) Modellen in der Netzwerküberwachung durch die Einbeziehung von Expertenbeitr?gen mit dem Ziel, das Vertrauen in das Modell, die Anpassungsf?higkeit und die Leistung zu erh?hen. Dabei wird eine umfassende Evaluierung von auf Unsicherheit basierenden AL-Ans?tzen für verschiedene Datens?tze und Szenarien vorgenommen.