Ein quanteninspiriertes Multi-Ziel-Scheduler für skalierbare Aufgabenorchestrierung in fog-basierten cyber-physisch-sozialen Systemen

Intelligenteres Rechnen am Rand des Netzwerks

Von Smartwatches und vernetzten Autos bis hin zu stadtweiten Sensornetzen hängt unser Alltag zunehmend von Millionen winziger Geräte ab, die in Echtzeit reagieren müssen. Dieser Artikel untersucht, wie sich all diese digitalen Aktivitäten schneller, kostengünstiger und mit geringerem Energieverbrauch koordinieren lassen, indem die Planung von Aufgaben auf dem „Fog“ — den kleinen Servern zwischen unseren Geräten und entfernten Cloud-Rechenzentren — neu gedacht wird.

Warum die Cloud allein nicht ausreicht

Moderne cyber-physisch-soziale Systeme vereinen physische Sensoren, Computernetzwerke und menschliches Verhalten. Beispiele sind intelligente Verkehrssysteme, Fernüberwachung der Gesundheit und industrielle Automatisierung. In solchen Umgebungen müssen Daten oft innerhalb von Millisekunden verarbeitet werden; sich ausschließlich auf weit entfernte Cloud-Server zu verlassen, kann Verzögerungen, Überlastung und Dienstunterbrechungen verursachen. Fog-Computing begegnet dem, indem Rechenknoten näher an den Nutzern platziert werden — an Straßenrandstationen, Basisstationen und lokalen Gateways. Die Entscheidung, welcher Fog-Knoten welche Aufgabe übernehmen soll, ist jedoch alles andere als trivial. Jede Entscheidung beeinflusst, wie lange Nutzer warten, wie viel Anbieter für Ressourcen und Strafen zahlen und wie viel Strom das Gesamtsystem verbraucht.

Die Herausforderung: Zeit, Geld und Energie zugleich jonglieren

Die Aufgabenplanung in Fog-Umgebungen ist ein Problem, das Informatiker als NP-schwer bezeichnen: Mit wachsender Zahl von Geräten und Jobs explodiert die Anzahl möglicher Zuordnungen. Bestehende Scheduler, die auf Schwarmintelligenz, Reinforcement Learning oder klassischen evolutionären Algorithmen beruhen, können zwei Ziele wie Zeit und Kosten handhaben, tun sich aber oft schwer, wenn ein dritter Faktor — Energieeffizienz — hinzukommt oder wenn Tausende von Aufgaben von hochmobilen, sozial getriebenen Nutzern eingehen. Diese Methoden konvergieren möglicherweise langsam, bleiben in lokalen Optima stecken oder liefern nur eine begrenzte Menge an Kompromisslösungen, was den Betrieb großer, realistischer Systeme erschwert.

Ideen aus der Quantenphysik übernehmen — ohne Quantencomputer

Die Autoren schlagen FOG-QIEA vor, ein neues Scheduling-Framework, das „quanteninspiriert“ ist, aber vollständig auf gewöhnlichen Prozessoren läuft. Anstelle echter Qubits kodiert der Algorithmus jede mögliche Aufgaben-zu-Knoten-Zuordnung als probabilistischen Vektor, der quantenähnliche Superposition nachbildet: Viele Möglichkeiten werden gleichzeitig repräsentiert. Spezialisierte Update-Regeln, denen Drehgatter und Verschränkung ähneln, passen diese Wahrscheinlichkeiten koordiniert an, sodass die Suche zunächst breit exploriert und sich dann auf vielversprechende Bereiche des Lösungsraums konzentriert. Eine Nachbarschaftsstrategie verfeinert Gruppen verwandter Lösungen weiter, sodass die endgültige Menge an Zeitplänen ausgeglichene Kompromisse zwischen drei Zielen bietet: Gesamtausführungszeit, Gesamtkosten (einschließlich Strafen für verpasste Deadlines) und dem gesamten Energieverbrauch der Fog-Knoten.

Den neuen Scheduler auf die Probe stellen

Zur Bewertung von FOG-QIEA simulieren die Autoren realistische Smart-City-Szenarien mit dem iFogSim-Toolkit und modellieren Hunderte bis Tausende von IoT-Aufgaben, die durch eine dreischichtige Architektur aus Endgeräten, Fog-Knoten und Cloud-Servern fließen. Sie vergleichen ihren Ansatz mit bekannten evolutionsbasierten Algorithmen wie NSGA-II, neueren schwarmbasierten und lernbasierten Schedulern sowie anderen quanteninspirierten Techniken. Über viele Läufe und Aufgabengrößen hinweg konvergiert FOG-QIEA 20–35 % schneller zu hochwertigen Lösungen, reduziert den Energieverbrauch um etwa 15–25 % und senkt die Gesamtkosten sowie Service-Level-Verstöße gegenüber konkurrierenden Methoden. Zudem erhält es eine reichhaltigere Pareto-Front — eine vielfältigere Menge an besten Kompromissoptionen — sodass Betreiber Zeitpläne wählen können, die je nach Bedarf Geschwindigkeit, Einsparungen oder Nachhaltigkeit betonen.

Was das für zukünftige vernetzte Gesellschaften bedeutet

Für Nichtfachleute lautet die Kernbotschaft: Konzepte aus der Quantenmechanik zu übernehmen, kann klassische Computer heute darin befähigen, komplexe Netzwerke intelligenter zu steuern. FOG-QIEA zeigt, dass durch die gleichzeitige Darstellung vieler Scheduling-Optionen und deren koordinierte, wahrscheinlichkeitgesteuerte Aktualisierung fog-basierte Systeme mehr Nutzer zuverlässiger bedienen können, während weniger Energie verbraucht wird. Das macht groß angelegte Smart-City-, Gesundheits- und Verkehrsservices heute praktikabler und umweltfreundlicher und legt die Grundlage für künftige hybride Systeme, die solche Algorithmen eines Tages mit echter Quantenhardware kombinieren könnten.

Zitation: Hammouda, N.G., Shalaby, M., Alfilh, R.H.C. et al. A quantum-driven multi-objective scheduler for scalable task orchestration in fog-based cyber-physical-social systems. Sci Rep 16, 6874 (2026). https://doi.org/10.1038/s41598-025-33627-x

Schlüsselwörter: Fog-Computing, Aufgabenplanung, quanteninspirierte Algorithmen, smarte Städte, energieeffizientes Rechnen