Schlüsseltechnologien für die Telekommunikation Wie weit sind wir bei autonomen Netzwerken?

Autonome Netzwerke zählen zu den zentralen Innovationsversprechen der Telekommunikationsbranche. Sie sollen das Kundenerlebnis verbessern und gleichzeitig die Kosten in Bereichen wie Netzplanung und Engineering senken. Doch auf welchem Stand sind Unternehmen wirklich?

Die Erwartungen, die Endnutzer an moderne Netzwerke stellen, sind hoch. Insbesondere bei Streaming, Gaming oder Videokonferenzen sind schnelle Datenübertragungen entscheidend, da beispielsweise eine gestochen scharfe Bildqualität erwartet wird. In der Industrie wiederum sind leistungsfähige Netzwerke das Rückgrat für Automatisierung, Effizienz und Innovation. Sie verknüpfen Maschinen, Systeme und Daten miteinander und ermöglichen es, bei Störungen in Echtzeit zu reagieren.

Autonome Netzwerke gelten als Schlüsseltechnologie, um diesen Anforderungen gerecht zu werden. Doch wie weit sind gängige Lösungen bisher entwickelt? Brancheninitiativen wie das TM Forum entwickeln Referenzmodelle, um die Reifegrade solcher Netzwerke klar zu definieren. Denn erst dann, wenn Betreiber den tatsächlichen Reifegrad ihrer Infrastruktur kennen, sind sie in der Lage, die nächsten Entwicklungsschritte gezielt zu planen.

Autonome Netzwerke basieren auf drei Säulen

Ein vollständig autonomes Netzwerk zeichnet sich durch drei Säulen aus: Künstliche Intelligenz, Automatisierung und Intent. Die KI analysiert Daten und trifft Entscheidungen, während die Automatisierung diese in die Praxis umsetzt. Dabei ist der Zugang zu großen Datenmengen entscheidend – von Telemetrie- und Infrastrukturinformationen bis hin zu Geschäfts- und Intent-Daten. Letztere sind besonders herausfordernd, da sie sich häufig ändern und dynamisch auf die Prioritäten von Nutzer und Betreiber reagieren müssen. Sie beschreiben gewünschte Ergebnisse und Unternehmensziele – beispielsweise Verfügbarkeits- oder Latenzanforderungen sowie Qualitätskennzahlen.

Dabei sind Autonome Netzwerke mehr als nur eine technische Entwicklung: Sie stellen eine transformative Veränderung in der Art und Weise dar, wie Netzwerke funktionieren und sich dynamisch an ihre Umgebung anpassen. Das Ziel besteht darin, intelligente Systeme zu entwickeln, die eigenständig Entscheidungen treffen können, ohne dass Menschen eingreifen müssen. Das führt zu einer größeren betrieblichen Effizienz, einem verbesserten Kundenerlebnis und neuen Einnahmequellen durch innovative Dienstleistungen.

Die technologische Grundlage für autonome Netzwerke

6G und moderne Datenplattformen sind für den Erfolg autonomer Netzwerke von entscheidender Bedeutung, da sie gewissermaßen das technologische Rückgrat der nächsten Generation von Telekommunikationsinfrastrukturen bilden. 6G, der Nachfolger von 5G, wird deutlich höhere Datenraten, extrem niedrige Latenzzeiten und eine erheblich verbesserte Netzwerkdichte ermöglichen. Das bedeutet für autonome Netzwerke, dass sie sofort auf Störungen oder andere Ereignisse reagieren können, sobald diese eintreten. Während 5G dabei bereits die Vernetzung von Geräten in großem Maßstab ermöglicht hat, eröffnet 6G die nächste Welle: Milliarden weiterer Geräte – etwa in der Industrie, im Verkehr oder in Smart Cities – werden künftig noch schneller und effizienter miteinander kommunizieren.

Moderne Datenplattformen wiederum fungieren wie eine Art Treibstoff: Autonome Netzwerke sind auf einen kontinuierlichen Datenstrom angewiesen, um sich selbst verwalten und optimieren zu können. Sie ermöglichen es, Informationen unterschiedlichster Art in Echtzeit zu integrieren sowie diese skalierbar zu verarbeiten und zu speichern. Nur mithilfe leistungsfähiger Datenplattformen als Basis können autonome Netzwerke aus vergangenen Situationen lernen, Anomalien erkennen und sich an veränderte Bedingungen anpassen.

Wie weit ist die Entwicklung tatsächlich?

Ein autonomes Netzwerk lässt sich mit einem selbstfahrenden Auto vergleichen: Es erkennt Störungen selbstständig und behebt sie in Echtzeit, ohne dass ein manuelles Eingreifen nötig ist. Gleichzeitig passt sich das System automatisch an, um jederzeit eine optimale Leistung zu gewährleisten. So wie ein selbstfahrendes Auto durch gleichmäßiges Fahren Kraftstoff spart, läuft ein autonomes Netzwerk im effizientesten Betriebsmodus. Der Weg zu einer flächendeckenden Umsetzung ist jedoch bei beiden noch lang.

Obwohl vollständig autonome Netzwerke, die laut dem Ansatz des TM-Forums der Stufe 5 entsprechen, das erklärte Ziel sind, ist die Realität davon noch ein gutes Stück entfernt. Experten gehen davon aus, dass es tatsächlich noch mehrere Jahre dauern wird, bis dieser Reifegrad erreicht ist. Derzeit konzentrieren sich viele Unternehmen darauf, den Übergang von Stufe 3 zu Stufe 4 zu meistern. Gleichzeitig arbeiten Standardisierungsgremien wie das 3GPP bereits an Blaupausen und Entwicklungspfaden für die nächste Ausbaustufe. Parallel dazu gibt es Forschungsprojekte, die Netzwerke „intent-fähig“ machen sollen, um die Intentionen von Nutzern technisch zu erfassen und umzusetzen.

Auf dem Weg zu autonomen Netzwerken

Der Wandel hin zu autonomen Netzwerken ist komplex, aber unausweichlich. Die kommende Mobilfunkgeneration integriert erstmals KI- und datenbasierte Ansätze direkt in ihre Architektur – für die Entwicklung hin zu autonomen Netzen ist das ein entscheidender Schritt. Während die Standardisierung weiter voranschreitet, müssen Betreiber das volle Potenzial ihrer Daten ausschöpfen. Die Kombination mit leistungsstarken und gleichzeitig vertrauenswürdigen KI-Modellen ist dabei unerlässlich.

Denn autonome Netzwerke versprechen zwar, sich selbst zu optimieren – doch das entbindet nicht von menschlicher Verantwortung. Gerade bei kritischen Infrastrukturen sind robuste, überwachte KI-Systeme unverzichtbar, um Fehlentscheidungen oder Halluzinationen zu vermeiden. Effizienzgewinne wie eine schnellere Markteinführung oder besser genutzte Ressourcen können nur dann in echtem Mehrwert resultieren, wenn zugleich Sicherheit, Zuverlässigkeit und Nutzungserlebnis gewährleistet bleiben.

Über den Autor

Jonah Rosenboom ist Country Manager Deutschland bei Snowflake.

(ID:50547964)