Heutzutage macht das Streamen von Videos mehr als 73 Prozent aller übertragenen Daten im Internet aus. Das macht es zu der zentralen Anwendung in den existierenden Netzwerken, die weltweit von Milliarden von Nutzern genutzt wird. Mit neuen Serviceangeboten, steigender Content-Qualität und einer ebenso steigenden Anzahl von Kunden ergeben sich auch neue Herausforderungen in diesem Bereich. Zum Beispiel werden Videos mehr als je zuvor auf mobilen Geräten angesehen und geteilt, Bandbreitenanforderungen steigen durch Standards mit höheren Qualitäten wie 4K und HDR und zuletzt geht das weltweite Anbieten von Videodiensten auch mit unterschiedlichen Netzwerkumgebungen einher, welche von Dienstanbietern bewältigt werden müssen.

Vor diesem Hintergrund präsentiert die vorliegende Dissertation Forschung mit dem zentralen Ziel, die wahrgenommene Qualität, also Quality of Experience (QoE), von Nutzern in aktuellen und zukünftigen Videoanwendungen im Internet messbar zu verbessern. Wir präsentieren Ergebnisse in integralen Teilen von Video-Streaming-Anwendungen, die adaptive Live-Broadcasting und Video-on-Demand (VoD) Anwendungsfälle in drei integrativen Forschungsbereichen umfassen.

In unserem ersten Beitrag präsentieren wir zunächst eine Messungsstudie zu Live-Video-Broadcasting-Diensten und stellen fest, dass Video-Uploads eine niedrige Gesamt-Videoqualität aufweisen, insbesondere wenn sie von mobilen Verbindungen übertragen werden. Für die automatische Zusammenstellung von Live-Videos ist die Qualität solcher mobilen Übertragungen eine Voraussetzung, um eine hohe Benutzerzufriedenheit zu erreichen, indem zwischen den besten verfügbaren Inhalten aus mehreren Quellen umgeschaltet wird. Der derzeit verwendete Ansatz zum Hochladen aller verfügbaren Live-User-Generated Videos für Mobile Video Kompositen führt zu einer sehr hohen Datennutzung auf mobilen Geräten. Unsere Arbeit stellt eine neue Methode vor, die auf Messungen von Gerätekontexten beruht und es ermöglicht, die Effizienz in solchen automatischen Kompositionssystemen drastisch zu verbessern, indem die relevanten Qualitätsindikatoren auf dem Gerät basierend auf abgeleiteten Sensor- und Netzwerkmessungen identifiziert werden. Wir erreichen eine verbesserte QoE mit unserer vorgeschlagenen kontextbasierten Stream-Auswahlmethode, die in einem Feldtest und einer Crowdsourcing-Benutzerstudie verifiziert wurde.

Als Nächstes zeigen wir, dass bei der Verteilung von VoD-Inhalten mit dynamischem adaptivem Streaming über HTTP (DASH) durch die Untersuchung des Cross-Layer-Konfigurationsraums des Videos Streaming Systems (VSS) weitere Serviceverbesserungen möglich sind. Im Gegensatz zur Fokussierung auf einzelne Systemaspekte wie Adaptierungsalgorithmen lassen sich hier, angesichts der großen Bandbreite an voneinander abhängigen Systemaspekten, Umgebungen und Serviceanforderungen Abhängigkeiten zwischen konkreten Konfigurationen finden, die eine höhere QoE für Kunden erzielen können. Durch das Generieren einer breiten Reihe von Experimenten, d.e., die ein breites Spektrum von schichtübergreifenden DASH-VSS-Konfigurationsparametern abdeckt, identifizieren wir solche Leistungsaspekte, die z. B. die TCP Congestion Control und DASH Player in heterogenen Netzwerkumgebungen berücksichtigen. Wir zeigen, dass eine Teilmenge konkreter Konfigurationen die DASH QoE in VoD-Anwendungen verbessern und Übergänge solcher DASH-Mechanismen basierend auf erlernten Sweet-Spot-Konfigurationen weiter motivieren kann.

Schließlich ist unsere Meinung, dass auf lange Sicht grundlegendere Änderungen an der zugrunde liegenden Netzwerkinfrastruktur des Internets in Betracht gezogen werden müssen, um die Anforderungen der Entwicklung von VSS zu bewältigen. Hier sehen wir insbesondere die Untersuchung und Anwendung der adaptiven Videoverteilung in Named Data Networking (NDNs) als geeignete Methode. Zunächst zeigen wir, dass die naive Anwendung etablierter Konzepte in DASH, die Puffer- oder Segmentdurchsatzmessungen als Input verwenden, zu ungünstigen Ergebnissen führen, wenn das Netzwerkverhalten von NDN stark variiert. Unser vorgeschlagenes Konzept für NDNs basiert auf einer verbesserten Netzwerk-Durchsatz-Messmethode und reduziert nachweislich das Nachladen von Videoinhalten und erhöht die Streaming-Bitraten im Vergleich zu aktuellen Ansätzen in DASH.

Insgesamt liefert diese Dissertation die erste detaillierte emulationsbasierte Analyse und einen Vergleich der heutigen adaptiven VSS-Implementierungen und -Algorithmen, führt neue Konzepte ein, um eine effiziente Live-Mobile Video Kompositen zu ermöglichen und verbessert signifikant die Leistung für adaptives Video-Streaming mit dem aufkommenden NDN-Paradigma.