Deutsch Intern
Lehrstuhl für Informatik III

Seminar "Aktuelle Entwicklungen zukünftiger Internet-Strukturen (NGN)"

Thema: Angewandte agentische KI am Beispiel Netzmanagement

Betreuer: Dr. Andreas Mäder (Mail: andreas.maeder@uni-wuerzburg.de)

Agentische KI-Systeme bearbeiten Aufgaben über mehrere Schritte hinweg. Sie planen, rufen Werkzeuge auf, werten die Ergebnisse aus und entscheiden dann über den nächsten Schritt. Im Netzwerkmanagement könnten sie zum Beispiel Störungen untersuchen, Informationen aus mehreren Managementsystemen zusammenführen oder Konfigurationsänderungen vorbereiten und prüfen.

Das wirft einige grundlegende Fragen auf. Worin unterscheidet sich ein solcher Agent von klassischer Netzwerkautomatisierung oder AIOps? Wie verlässlich sind seine Entscheidungen? Welche Zugriffe darf er erhalten? Und wie kann man feststellen, ob ein Änderungsvorschlag fachlich richtig und sicher ist?

Vergabe der Themen

Vor der Themenvergabe senden die Studierenden eine kurze formlose Bewerbung per E-Mail an andreas.maeder@uni-wuerzburg.de. Darin nennen Sie maximal zwei Themenpräferenzen und erläutern knapp, warum Sie das jeweilige Thema interessiert, welche Fragestellung Sie besonders relevant finden und wie Sie die Bearbeitung grundsätzlich angehen würden. Eigene Themenvorschläge sind ebenfalls möglich, sofern sie agentische KI und Netzwerkmanagement klar miteinander verbinden. Die endgültige Vergabe erfolgt anschließend in einem gemeinsamen Präsenztermin.

Es ist zu beachten, dass die Anzahl der verfügbaren Seminarplätze begrenzt ist. Die Anmeldung kann vor Ablauf der Anmeldefrist geschlossen werden, sofern alle verfügbaren Seminarplätze vergeben sind. Mit der Anmeldung wird ein Seminarplatz reserviert. Die Zuteilung der Seminarthemen erfolgt während des Präsenztermins.

Dieses Seminar ist sowohl für Studierende im Bachelor als auch im Master geeignet. Es richtet sich an Studierende aller Studiengänge der Informatik. Im Informatik Master kann das Seminar auch für verschiedene Schwerpunkte angerechnet werden, in denen Experimente zentral sind, u.a. Internet-Technologie, Informatik und Nachhaltigkeit,  IT-Sicherheit, Software Engineering, Künstliche Intelligenz, Games Engineering.

Seminarablauf

Dieses Seminar findet im Wintersemester statt. Ansagen über Fristen, Termine und Veranstaltungen werden über den WueCampus-Kurs verbreitet, zu welchem Teilnehmer*innen zu Beginn des Semesters von ihren Betreuer*innen manuell hinzugefügt werden.

Das Seminar beginnt mit einer Einführungsveranstaltung zur finalen Themenvergabe am Di. 13.10., 14.15 im Seminarraum SE II. 

Seminarteilnehmer*innen werden eine zwischen 25- und 30-minütige Präsentation zu ihrem Thema für die anderen Seminarteilnehmenden vorbereiten. Es wird dabei großer Wert auf Selbstständigkeit und eigenverantwortliches Arbeiten gelegt. Absprachen und Austausch zwischen Seminarteilnehmenden wird ermutigt, um zu vermeiden, dass Aspekte mehrmals eingeführt werden. Die eingesparte Zeit soll es Teilnehmenden erlauben, innerhalb ihres Themenbereichs eigene thematische Schwerpunkte zu setzen.

Gegen Ende des Semesters, Ende Januar und Anfang Februar, werden die abschließenden Vorträge gehalten. 

Zusätzlich ist auch eine schriftliche Ausarbeitung zum gewählten Seminarthema ein Teil des Seminars. Umfang dieser Arbeit sollten ca. 10 bis 15 Seiten sein. Teilnehmende erhalten dafür eine LaTeX-Vorlage. Auch in diesem Abschnitt der Arbeit ist es Aufgabe der Seminarteilnehmenden, selbstständig zu arbeiten. Die Abgabe erfolgt über den WueCampus-Kurs. 

Wie für alle Prüfungsleistungen ist eine Prüfungsanmeldung über WueStudy auch für das Seminar nötig, ohne die eine Verbuchung der Note nicht möglich ist.

In aller Kürze

  • Erste Präsenzveranstaltung zur finalen Themenvergabe ist Dienstag, 13.10.2026, 14.15 im Seminarraum SE II
  • Seminarvortrag von 25 bis 30 Minuten mit anschließender Diskussion
  • schriftliche Ausarbeitung im Umfang von etwa zehn Seiten
  • eigenständige Literaturarbeit und, soweit passend, eine praktische Untersuchung
  • dokumentierte und reflektierte Nutzung von KI-Werkzeugen - ein begrenztes Budget wird vorraussichtlich bereitgestellt.

Zu jeder Themenbearbeitung gehören:

  • ein fachlicher und theoretischer Überblick,
  • eine klar eingegrenzte Fragestellung,
  • eine nachvollziehbare wissenschaftliche Vorgehensweise,
  • eine kritische Bewertung der gefundenen Ergebnisse,
  • einen Seminarvortrag und eine schriftliche Ausarbeitung.

Eine praktische Untersuchung ist i.A. erwünscht wenn sie bei der Beantwortung der Fragestellung hilft, jedoch nicht verpflichtend.

Modul in WueStudy

 

Themen

Dieses Thema zeichnet die Entwicklung vom klassischen Netzwerkmanagement über Software-Defined Networking, Intent-Based Networking und Closed-Loop Automation bis zu AIOps und agentischer KI nach. Entscheidend ist die Abgrenzung: Welche Aufgaben sind lediglich automatisiert, wo kommen lernende Verfahren zum Einsatz und wann ist der Begriff Agent gerechtfertigt?

Mögliche Leitfrage: Welche neuen Fähigkeiten bringt agentische KI gegenüber bisherigen Automatisierungs- und AIOps-Ansätzen?

Startliteratur:

Hier geht es um die heute verfügbare Werkzeuglandschaft: allgemeine Agent-Harnesses, netzwerkspezifische Forschungsprototypen, Netzmanagementwerkzeuge und kommerzielle Systeme. Verglichen werden etwa Planung, Zustandsverwaltung, Toolnutzung, Multi-Agent-Ansätze und Verifikation. Wichtig ist eine saubere Trennung zwischen dem eigentlichen Harness und Komponenten, die nur Daten liefern, Aktionen ausführen oder Ergebnisse prüfen.

Mögliche Leitfrage: Welche Architekturansätze für agentisches Netzwerkmanagement existieren, und wie unterscheiden sie sich?

Startliteratur:

Störungsdiagnose umfasst Fault Management, Event Correlation, Root Cause Analysis und Remediation. Das Thema fragt, was ein Agent in diesem Ablauf anders macht als klassische Verfahren. Dafür muss geklärt werden, welche Daten der Agent braucht, wie er Diagnosehypothesen prüft und wann aus einer Diagnose ein Handlungsvorschlag werden darf. Wer praktisch arbeiten möchte, kann ein überschaubares Störungsszenario mit vorhandenen oder synthetischen Daten untersuchen.

Mögliche Leitfrage: Was unterscheidet einen agentischen Diagnoseprozess von klassischer automatisierter Fehleranalyse?

Startliteratur:

Ausgangspunkt sind etablierte Konzepte wie Desired State, modellgetriebene Konfiguration, NETCONF/YANG, Infrastructure as Code, Validierung, Freigabe und Rollback. Die Frage ist, welche Aufgaben ein Agent in einem solchen Change-Prozess übernehmen kann und welche Schritte besser deterministisch oder unter menschlicher Kontrolle bleiben.

Mögliche Leitfrage: Wie verändert agentische KI etablierte Prozesse für Konfigurationsänderungen, Prüfung und Freigabe?

Startliteratur:

Agenten greifen über definierte Werkzeuge und Schnittstellen auf ein Netz zu. Dieses Thema vergleicht dafür CLI, NETCONF, RESTCONF, gNMI, Controller-APIs und das Model Context Protocol. Relevant sind das Abstraktionsniveau, die Beschreibung der Werkzeuge, die Fehlerbehandlung, verwendete Datenmodelle und die Frage, wie sich zulässige Aktionen begrenzen lassen.

Mögliche Leitfrage: Wie müssen Netzmanagementschnittstellen aufbereitet werden, damit ein Agent sie zuverlässig und kontrolliert verwenden kann?

Startliteratur:

Campusnetze, Rechenzentren, WANs und Mobilfunknetze unterscheiden sich in ihren Datenquellen, Zeitskalen, Eingriffsmöglichkeiten und Risiken. Welche Teile eines Agenten lassen sich trotzdem wiederverwenden? Die Bearbeitung kann eine einzelne Domäne vertiefen oder zwei Domänen gezielt miteinander vergleichen.

Mögliche Leitfrage: Welche Teile eines Netzmanagement-Agenten sind generisch, und welche müssen an die jeweilige Netzdomäne angepasst werden?

Startliteratur:

Dieses Thema befasst sich mit Sandboxing, Least Privilege, Capability-Modellen, Policy Enforcement, menschlichen Freigaben, externer Verifikation und Auditierbarkeit. Dazu kommen Risiken, die speziell bei Agenten auftreten: Prompt Injection über Toolausgaben, manipulierte Betriebsdaten oder problematische Kombinationen einzeln harmloser Werkzeuge. Ein kleines Experiment mit eingeschränkten Werkzeugrechten kann die Literaturarbeit ergänzen.

Mögliche Leitfrage: Mit welchen Sicherheits- und Kontrollmechanismen lässt sich die Autonomie eines Netzmanagement-Agenten verantwortbar begrenzen?

Startliteratur:

Wie lässt sich ein Netzmanagement-Agent so bewerten, dass die Ergebnisse belastbar und reproduzierbar sind? Eine reine Erfolgsquote dürfte dafür kaum genügen. Weitere mögliche Größen sind Robustheit, Qualität der Zwischenschritte, Werkzeugaufrufe, Laufzeit, Tokenkosten, Sicherheitsverletzungen und menschlicher Korrekturaufwand. Daraus kann auch ein kleines Evaluationsdesign für ausgewählte Agenten entstehen.

Mögliche Leitfrage: Welche Metriken und Versuchsaufbauten werden benötigt, um Netzmanagement-Agenten aussagekräftig zu vergleichen?

Startliteratur:

Agenten könnten in der Netzwerklehre als Tutoren, Feedbackgeber oder Diagnosehilfen eingesetzt werden. Sie sollen Lernende unterstützen, ohne ihnen einfach vollständige Lösungen abzunehmen. Das Thema betrachtet mögliche Lerneffekte, aber auch Fehlvorstellungen, Abhängigkeiten und sinnvolle Grenzen des Einsatzes.

Mögliche Leitfrage: Welche Aufgaben können Agenten in der Netzwerklehre sinnvoll übernehmen, ohne den Kompetenzerwerb zu unterlaufen?

Startliteratur:

Beim Zigbee-Thema stehen Discovery, Commissioning, Gerätekonfiguration und Fehlerdiagnose im Vordergrund. Die Aufgabe besteht darin, geeignete Tätigkeiten für einen Agenten zu bestimmen und seine Aktionen an einem realen System zu überprüfen. Ein kleines Zigbee-Setup kann ausgeliehen werden. Einrichtung und Durchführung übernimmt die Person, die das Thema bearbeitet, weitgehend selbst.

Mögliche Leitfrage: Welche Managementaufgaben eines Zigbee-Systems eignen sich für agentische Unterstützung, und wo liegen die praktischen Grenzen?

Startliteratur:

Batfish kann agentisch erzeugte oder veränderte Netzkonfigurationen unabhängig und deterministisch prüfen. Der Deep Dive befasst sich mit diesem Zusammenspiel aus probabilistischer Generierung und externer Verifikation. Ein möglicher Ansatz wäre, die Selbsteinschätzung eines Agenten mit den Befunden von Batfish zu vergleichen.

Mögliche Leitfrage: In welchem Maß verbessert Batfish die Zuverlässigkeit agentisch erzeugter Konfigurationsänderungen?

Startliteratur:

NetBox kann einem Agenten als strukturierte Wissensbasis über ein Netz dienen. Der Deep Dive betrachtet das Datenmodell, den Unterschied zwischen gewünschtem und beobachtetem Zustand und den Zugriff über API oder MCP. Besonders interessant ist, wie der Agent mit fehlenden, veralteten oder widersprüchlichen Einträgen umgeht.

Mögliche Leitfrage: Wie zuverlässig kann ein Agent NetBox als Source of Truth verwenden?

Startliteratur und Dokumentation:

MeshAgent bindet domänenspezifische Invarianten als Constraints in Generierung und Validierung ein. Der Deep Dive arbeitet diesen Ansatz heraus und prüft, was er zur Zuverlässigkeit beiträgt. Je nach Stand der verfügbaren Artefakte können vorhandene Ergebnisse nachvollzogen, einzelne Experimente reproduziert oder die Übertragbarkeit auf andere Netzmanagementaufgaben geprüft werden.

Mögliche Leitfrage: Wie wirksam sind explizite Constraints bei der Absicherung agentischer Netzoperationen?

Startliteratur und Forschungsartefakt:

NetAgentBench beschreibt mehrstufige Konfigurationsaufgaben als Zustandsübergänge. Der Deep Dive nimmt das Aufgabenmodell, die Bewertungsmethode und die beobachteten Fehlermuster unter die Lupe. Da das System und die zugehörigen Veröffentlichungen sehr neu sind, kommen eine kritische Analyse des Benchmarks, ein Vergleich mit anderen Ansätzen oder die Nachbildung einzelner Aufgaben infrage.

Mögliche Leitfrage: Welche Fähigkeiten misst NetAgentBench tatsächlich, und wie aussagekräftig sind die Ergebnisse für praktisches Netzwerkmanagement?

Startliteratur:

Hinweis: Vor der Vergabe wird geprüft, welche Implementierung und welche Daten tatsächlich öffentlich verfügbar sind. Reicht das Material nicht für eine Reproduktion aus, wird das Thema auf eine analytische Bearbeitung eingegrenzt.