Mobilfunk: KI übernimmt im Netzbetrieb
Der Betrieb von Mobilfunknetzen wird technisch und organisatorisch immer komplexer. Mit dem Ausbau von 5G, steigenden Datenmengen und einer wachsenden Zahl vernetzter Anwendungen steigen die Anforderungen an Planung, Überwachung und Steuerung. Gleichzeitig erwarten Kundinnen und Kunden eine stabile Verbindung, etwa auch bei Grossveranstaltungen oder in stark ausgelasteten Innenstädten.
Netzbetreiber reagieren darauf mit einer stärkeren Automatisierung ihrer Betriebsprozesse. Künstliche Intelligenz soll grosse Mengen an Netzdaten in Echtzeit analysieren, Auffälligkeiten frühzeitig erkennen und Gegenmassnahmen einleiten, bevor es zu spürbaren Einschränkungen kommt. Das klassische Modell, bei dem Alarme gemeldet und anschliessend manuell bewertet werden, wird schrittweise ergänzt oder ersetzt.
Telekom weitet KI-System auf gesamtes Netz aus
Die Deutsche Telekom stellt auf dem diesjährigen Mobile World Congress in Barcelona das System „MINDR“ vor. Es baut auf dem bereits eingesetzten „RAN Guardian“ auf, der im deutschen Netz bei Grossveranstaltungen und Lastspitzen aktiv ist. Nach Angaben des Unternehmens wurde die Bearbeitungszeit bei bestimmten Ereignissen von mehreren Stunden auf rund eine Minute reduziert.
MINDR soll diese Logik nun nicht mehr nur im Funkzugangsnetz anwenden, sondern auch in Transport- und Kernnetzen. Ziel ist ein stärker automatisierter Betrieb, bei dem Probleme frühzeitig erkannt und definierte Massnahmen selbstständig angestossen werden.
O2 Telefónica verfolgt schrittweisen Automatisierungsansatz
Auch die Telefónica Deutschland arbeitet an einer höheren Automatisierung. Im Rahmen ihres Programms „Autonomous Network Journey“ setzt das Unternehmen auf eine systematische Erhöhung des Autonomiegrades. Dabei orientiert sich der Konzern an internationalen Reifegradmodellen, die beschreiben, wie weitgehend Netzprozesse ohne menschliches Eingreifen ablaufen können.
Nach eigenen Angaben wurden zuletzt mehrere Prozesse umgesetzt, die weitgehend selbstständig arbeiten und sich an veränderte Netzbedingungen anpassen. Ziel ist es, den Automatisierungsgrad in den kommenden Jahren weiter zu steigern.
Ähnliche Entwicklungen sind auch bei anderen europäischen Betreibern zu beobachten. KI wird eingesetzt, um Verkehrsströme vorherzusagen, Energieverbrauch zu optimieren oder Wartungsbedarfe frühzeitig zu erkennen. Der Druck zur Effizienzsteigerung ist hoch, da Netze dichter werden und gleichzeitig wirtschaftlich betrieben werden müssen.
Vollständig autonome Netze existieren derzeit jedoch nicht. In der Praxis handelt es sich um hybride Modelle, bei denen KI-Systeme Analysen durchführen und klar definierte Parameter anpassen, während kritische Eingriffe weiterhin überwacht werden. Die Vision eines „selbstheilenden Netzes“ bleibt ein Zielbild, dem sich die Branche schrittweise annähert.
