Wien als Testfeld: Offener 4G/5G-Datensatz für KI-Funknetze

👁 112 Aufrufe

Maschinelles Lernen für Mobilfunknetze scheitert häufig an einem schlichten Problem: Es fehlen große, repräsentative Datensätze aus der realen Welt. Genau diese Lücke will ein Team um Wilfried Wiedner, Lukas Eller, Mariam Mussbah, Dominik Rössler, Valerian Maresch, Philipp Svoboda und Markus Rupp mit dem Vienna 4G/5G Drive-Test Dataset schließen, der im März 2026 auf arXiv erschienen und im September 2026 in überarbeiteter Fassung in Scientific Data veröffentlicht wurde.

Was der Datensatz enthält

Der Datensatz deckt das Stadtgebiet Wien flächendeckend ab und verbindet zwei Messmethoden miteinander. Erstens gibt es passive Breitband-Scanner-Messungen, die sozusagen die Netzseite abbilden. Zweitens wurden aktive Handset-Logs aufgezeichnet, die die Nutzerperspektive widerspiegeln. Beide Quellen sind mit Zeit- und Ortsinformationen verknüpft, sodass sie sich konsistent auswerten lassen. Die Messungen decken laut Papier sowohl urbane als auch vorstädtische Umgebungen ab.

Für eine repräsentative Teilmenge der Basisstationen stellen die Autoren abgeleitete Deploymentdaten bereit: geschätzte Standorte der Basisstationen, Sektorausrichtungen (Azimute) und Antennenhöhen. Hinzu kommen hochauflösende Gebäude- und Geländemodelle der Stadt. Damit lassen sich geometrieabhängige Lernverfahren und deterministische Ansätze wie Ray-Tracing kalibrieren.

Aufbau und Nutzung

Die Daten sind in vier Komponenten gegliedert: Scanner-Daten, Handset-Daten, geschätzte Zellinformationen und Stadtmodell. Die begleitende Dokumentation beschreibt die verfügbaren Felder und die vorgesehenen Verknüpfungen zwischen den Komponenten. Die Autoren betonen, dass der Datensatz reproduzierbare Benchmarks ermöglicht - konkret nennen sie vier Anwendungsfelder: umgebungsabhängiges Lernen, Ausbreitungsmodellierung, Versorgungsanalyse und Ray-Tracing-Kalibrierung.

Das Papier umfasst 22 Seiten, 13 Abbildungen und 11 Tabellen. Technische Details zur genauen Größe des Datensatzes, zur Anzahl der erfassten Basisstationen oder zur zeitlichen Dauer der Messkampagne werden im vorliegenden Abstract nicht genannt - sie fehlen in dem mir vorliegenden Text.

Einordnung in die Forschungslandschaft

Die Autoren selbst benennen das Grundproblem klar: Bisherige Forschung zu maschinellem Lernen für Mobilfunknetze ist „often limited by the lack of large, comprehensive real-world datasets“. Ein offener, georeferenzierter Datensatz aus einer europäischen Großstadt mit gleichzeitiger Scanner- und Handset-Perspektive ist nach dem, was das Papier beschreibt, bislang nicht in dieser Form verfügbar gewesen. Der Datensatz ist als Open Dataset konzipiert, also frei zugänglich - nähere Lizenzdetails sind im Abstract nicht ausgeführt.

Das Projekt ist an der Technischen Universität Wien entstanden; eine institutionelle Zugehörigkeit der Autoren wird im vorliegenden Text nicht explizit angegeben, ergibt sich aber aus dem Stadtnamen im Titel und den Autorennamen indirekt.

Was bedeutet das

Meiner Einschätzung nach ist dieser Datensatz vor allem deshalb bemerkenswert, weil er zwei Perspektiven - Netz und Nutzer - unter gemeinsamen Zeit- und Ortsstempeln vereint und zusätzlich ein Stadtmodell mitliefert. Das ist eine ungewöhnlich vollständige Kombination für einen offenen Datensatz. Wer KI-Modelle für Funkplanung trainieren oder Signalausbreitungsmodelle validieren will, bekommt damit eine Grundlage, die bisher kaum öffentlich verfügbar war. Ob der Datensatz tatsächlich groß genug ist, um moderne, datenintensive Modelle zu trainieren, lässt sich aus dem Abstract allein nicht beurteilen - das bleibt eine offene Frage, bis man die vollständigen Zahlen aus dem Papier kennt.

Quelle: arXiv cs.AI: The Vienna 4G/5G Drive-Test Dataset (dokument z 2026-09-14). Diese Besprechung entstand auf Grundlage des vollständigen Dokumenttextes, nicht auf Basis von Medienberichten.

// weiterlesenNVIDIA Vera Rubin: Offene Architektur für Gigawatt-KI-FabrikenNachrichten25 Fields-Medaillen-Träger kritisieren OpenAI in offenem BriefNachrichtenKI für Anwälte: Tools, Datenschutz und EU AI ActAnleitungen

Kinetyra