Neues hybrides Framework für proaktive Edge-Cloud-Ressourcenverwaltung

Ein neues Forschungsprojekt aus dem arXiv-Repository präsentiert ein hybrides Framework, das die Verwaltung von Edge-Cloud-Ressourcen von reaktiv zu proaktiv und vorausschauend umstellt. Durch die Kombination eines CNN‑LSTM‑Modells zur Zeitreihenprognose mit einem Multi‑Agenten‑Deep‑Reinforcement‑Learning‑Orchestrator kann das System zukünftige Lasten vorhersagen und bereits im Voraus Ressourcen zuweisen.

Der Schlüssel liegt darin, die prognostizierten Daten direkt in den Zustandsraum des DRL‑Agents einzubetten. Dadurch „sieht“ der KI‑Manager die Zukunft und trifft langfristige Entscheidungen, die Kosten senken, ohne die Systemleistung zu beeinträchtigen. Das Ergebnis ist ein ausgewogenes Verhältnis zwischen Wirtschaftlichkeit, Geschwindigkeit und Zuverlässigkeit.

Simulationen zeigen, dass das neue System bestehende Ansätze deutlich übertrifft. Es bewältigt komplexe Entscheidungsaufgaben und jongliert mehrere Ziele gleichzeitig – kostengünstig, schnell und zuverlässig – und bietet damit einen klaren Mehrwert für Edge‑Cloud‑Umgebungen.