Peer-to-Peer (P2P)-Architekturen für Video-on-Demand (VoD)-Dienste erregen seit geraumer Zeit großes Interesse auf Grund des von ihnen ausgehenden Potentials zur Leistungssteigerung heutige Multimediasysteme. Schon heute bedienen P2P-basierte Streamingsysteme Millionen von Benutzern mit tausenden von Videos. Diese Dimensionen werden möglich, da die Endgeräte der Nutzer nicht nur als reine Konsumenten, sondern auch als aktive Anbieter der zu verteilenden Inhalte auftreten.

Gleichwohl leiden heutige P2P-basierte VoD-Systeme unter einer bedeutenden Einschränkung: Sie versuchen, allen Benutzern die gleiche Videoqualität bereitzustellen, auch wenn diese sehr heterogene Endgeräte mit einem breiten Spektrum an Ressourcen nutzen. Diese mangelnde Anpassungsfähigkeit existierender P2P-basierter VoD-Systeme hat zur Folge, dass ressoucenschwache Teilnehmer nicht in der Lage sind, am VoD System teilzunehmen oder angeforderte Videoinhalte wiederzugeben. Wir sind daher überzeugt, dass eine wesentliche Eigenschaft zukünftiger P2P-basierter VoD-Systeme in der Möglichkeit zur Qualitätsanpassung liegt, so dass unterschiedliche Endgeräte auch unterschiedliche Videoqualitäten, jeweils passend zu ihren Ressourcen, empfangen können. In dieser Arbeit entwickeln wir Konzepte und Algorithmen zur Qualitätsadaption, welche wesentlich für die Verbesserung der Servicequalität von P2P-basierten VoD-Systemen sind.

Wir nähern uns diesem Ziel in vier Schritten:

1. Zunächst entwerfen wir ein neuartiges P2P-basiertes VoD-Streamingsystem, welches auf Techniken und Architekturen zur Reduktion von Serverressourcen basiert. Dies wird durch die Verwendung von verteilten Peer- und Block-Management-Algorithmen erreicht, welche mehr Informationen über benachbarte Peers, wie bspw. deren Bandbreite und Abspielstatus, einbeziehen. Zusätzlich entwickeln wir, aufbauend auf ein Kapazitätsmodell, Prefetching- und Upload-Strategien, welche dem System helfen, sich an Schwankungen in der Anzahl verbundener Peers und deren Ressourcen anzupassen.

2. Des Weiteren entwickeln wir Konzepte und Mechanismen zur Nutzung von Scalable Video Coding (SVC) zur Realisierung von Qualitätsanpassungen in Rahmen des entworfenen Systems. Mit Hilfe von SVC entwickeln wir einen zweistufigen Algorithmus zur Anpassung der Videoqualität an verfügbare lokale und systemweite Ressourcen. Zusätzlich sorgt dieser Algorithmus für eine Adaption an die Heterogenität von Endgeräten durch die Berücksichtigung von statischen und dynamischen Ressourcen, wie der Bildschirmauflösung, dem Datendurchsatz, der Berechnungskapazität sowie der Verfügbarkeit von Videoblöcken. Ausgiebige Evaluationen zeigen die überlegenheit unseres Algorithmus im Vergleich zu klassischen Ansätzen. Zudem zeigen wir, dass kürzere Abspielverzögerungen erreicht werden können, wenn im Gegenzug die Videoqualität reduziert wird. So stellen wir fest, dass die Sitzungsqualität (initiale Abspielverzögerung, Wiedergabeunterbrechungen) und die ausgelieferte SVC-Qualität (Anpassung der Qualitätsstufe, empfangene Qualitätsstufe) in gegenseitiger Abhängigkeit stehen.

3. Wir adressieren Qualitätsanpassungen sowohl auf Systemebene, als auch innerhalb des Netzwerks. Hierzu analysieren wir, inwieweit das Netzwerk Eigenschaften der übertragenen Videoinhalte berücksichtigen kann, um Ressourcen anhand der Wichtigkeit einzelner Teile des SVC-Videos zu verwalten. Wir entwickeln ein solches System unter Verwendung von Routern, welche Ressourcen in Abhängigkeit der Charakteristiken von SVC-Videos und der Deadline von Videoblöcken alloziert. Durch ausgiebige Evaluationen zeigen wir, dass die Abspielverzögerung während Engpässen im System um bis zu 52% reduziert und gleichzeitig Seiteneffekte auf die vom Benutzer wahrgenommene Qualität gelindert werden können.

4. Abschließend untersuchen wir den Einfluss der Benutzung von "Quality of Experience"(QoE)-Metriken in dem entwickelten System. Hierbei erweitern wir den klassischen Algorithmus zur Auswahl der Qualitätsstufen, so dass er die vom Benutzer wahrgenommene Videoqualität ebenfalls berücksichtigt,. Dabei wird die Videoqualität mit Hilfe von objektiven QoE-Metriken beurteilt, sodass dieser Ansatz im Gegensatz zu subjektiven Methoden sehr gute Skalierungseigenschaften aufweist. Wir zeigen, dass es durch die Bevorzugung von Qualitätsstufen mit hoher objektiver QoE möglich ist, die Performanz des Gesamtsystems in Bezug auf die Sitzungs- und Videoqualität zu verbessern, während Inhalteanbieter gleichzeitig ihre Serverkosten um bis zu 60% reduzieren können.