Derzeit stellt die wachsende Nachfrage nach Konnektivität in Verbindung mit dem exponentiellen Anstieg des Datenverkehrs WiFi-Netzwerke vor erhebliche Herausforderungen, einschlie lich der Verwaltung der Dienstqualität und des Lastausgleichs. Diese Probleme werden durch die technologische Entwicklung und die Integration von Systemen wie künstliche Intelligenz und IoT verschärft, die Datenmengen erzeugen, die von den derzeitigen Infrastrukturen nicht effizient bewältigt werden können. Dieses Projekt zielte darauf ab, ein auf einer SDN-Umgebung basierendes System zu entwerfen, das unter Verwendung des Ryu-Controllers Algorithmen für die Dienstgüte und den Lastausgleich in SDN-Switches integriert, unterstützt durch Techniken des maschinellen Lernens. Die angewandte Methodik umfasste die Analyse, den Entwurf, die Implementierung, die Bewertung und die Optimierung durch Simulationen und Tests in verschiedenen kontrollierten Szenarien. Zu den erwarteten Ergebnissen gehörte, dass das System Aspekte wie die Verteilung des Datenverkehrs, die Verringerung der Latenzzeit, den Paketverlust und andere Netzwerkressourcen verbesserte und so ein besseres Nutzererlebnis und eine grö ere Effizienz beim Betrieb von Netzwerken angesichts wachsender Anforderungen garantierte.