Christoph Moser

• Diese Masterarbeit beschäftigt sich mit der Untersuchung von Leistungsbeeinträchtigungen in xDSL-Netzwerken durch den Einsatz von ML (Machine Learning) Methoden. Angesichts der noch immer weit verbreiteten Bedeutung einer zuverlässigen und leistungsfähigen DSL-Infrastruktur für den digitalen Alltag zielt diese Arbeit darauf ab, innovative Lösungen zur Identifizierung und Behebung von Signalstörungen zu erforschen. Durch eine umfassende Analyse der xDSL-Technologie und der bestehenden Herausforderungen im Bereich der Signalübertragung legt die Arbeit die theoretische Grundlage für den Einsatz von ML. Anschließend werden verschiedene ML-Modelle entwickelt, trainiert und evaluiert, um ihre Eignung für die automatische Erkennung und Klassifizierung von Netzwerkbeeinträchtigungen zu bestimmen. Die Ergebnisse zeigen, dass ML-basierte Ansätze das Potenzial haben, signifikante Verbesserungen in der Fehlerdiagnose und Behebung zu erzielen, was letztendlich zu einer optimierten Netzwerkleistung führt. Diese Arbeit leistet einen wichtigen Beitrag im Bereich der Netzwerkdiagnostik und öffnet neue Wege für die Anwendung von ML-Technologien in der Telekommunikationsindustrie.
• This master's thesis investigates the use of ML (machine learning) methods to mitigate performance degradation in xDSL networks. Given the continued importance of a reliable and high-performance DSL infrastructure for everyday digital life, this work aims to explore innovative solutions for identifying and reme-dying signal impairments. Through a comprehensive analysis of xDSL technology and the existing challenges in the field of signal transmission, the thesis lays the theoretical foundation for the use of ML. Subsequently, various ML models are developed, trained, and evaluated to determine their suitability for the automatic detection and classification of network impairments. The results show that ML-based approaches have the potential to achieve significant improvements in fault diagnosis and remediation, ultimately leading to optimized network performance. This work makes an important contribution to the field of network diagnostics and opens up new avenues for the application of ML technologies in the telecommunications industry.