Research database

of the Osnabr¨¹ck University of Applied Sciences

All publicly-funded research projects from A to Z

All research projects which are recorded, are located centrally in our research database. You can search for key words, or narrow your search by setting filters. (websites only available in German)

Filter

Please enter at least 3 characters

Fakult?t

Drittmittelgeber

Schwerpunktfelder

Laufzeit

Alphabet

Loading data
Projektlaufzeit:
01.12.2023 - 31.12.2024
Antragsteller/in:
Prof. Dr. Ralf T?njes
Drittmittelgeber/F?rderlinie:
BMDV
Fakult?t:
IuI
F?rdersumme:
424.265,64 €
Projektpartner extern:
ADVES GmbH & Co. KG, MECSware GmbH, Universit?t Osnabr¨¹ck
Projektzusammenfassung:

Beim Spot-Farming werden Sensorsysteme, Drohnen und Agrarroboter eingesetzt, um effizient und nachhaltig Landwirtschaft zu betreiben. Die daf¨¹r ben?tigte drahtlose Kommunikation kann mit dem 5G-Mobilfunkstandard umgesetzt werden. H?ufig ist die Abdeckung landwirtschaftlicher Nutzfl?chen durch das Mobilfunknetz in Deutschland jedoch nicht ausreichend. Um trotzdem Spot-Farming mit 5G betreiben zu
k?nnen, besteht die M?glichkeit der Verwendung eigener 5G-Netze, sogenannter Campusnetze.

Ziel von ENCAMPS ist es, Spot-Farming mit nomadischen, also ?rtlich ungebundenen, 5G-Campusnetzen zu erm?glichen. Schwerpunkte sind hier die Automation der Konfiguration der Basisstationen, die Entwicklung einer zuverl?ssigen Verbindung zum Internet und die dynamische Migration zwischen Edge und Cloud-Ressourcen. Die Entwicklungen von ENCAMPS bef?higen landwirtschaftliche Betriebe dazu, ihr
eigenes Ad-hoc-5G-Campusnetz automatisiert aufzubauen, um damit Spot-Farming zu betreiben.

Die ÐÂÀÏ»¢»úƽ̨,×îÐÂÀÏ»¢»ú Osnabr¨¹ck ist f¨¹r die Realisierung der Automation der Konfiguration und des Monitorings des Campusnetzes verantwortlich. Aktuell verf¨¹gbare 5G-Schnittstellen kommen oftmals aufgrund von zu hoher Komplexit?t f¨¹r die Anwender*innen nicht zum Einsatz. Um die Komplexit?t mittels Automation gering zu halten, werden zun?chst 5G-Kern- und Zugangsnetz entsprechend der Anwendungsf?lle vorkonfiguriert. Danach folgt die automatisierte ?bersetzung der anwendungsspezifischen Anforderungen in zugeh?rige Netzkonfigurationen und 5G-Qualit?tsmetriken. Beim Monitoring werden Netzparameter, Basisstationskonfiguration und topographische Daten aufgezeichnet. KI kann diese als Trainingsdaten f¨¹r die sukzessive Optimierung der Konfigurationseinstellungen verwenden. Das entwickelte 5G-Campusnetz soll dann zun?chst auf dem Testfeld und daraufhin in realit?tsnaher landwirtschaftlicher Umgebung aufgebaut, erprobt und bewertet werden.

Logo F?rdermittelgeber:
To the results ¨‹ (XXX)