Die Herausforderung: Unzusammenhängende Daten, Unzusammenhängende Entscheidungen

Gast-Blogbeitrag von Globe Telecom

Von den heutigen Telekommunikationsbetreibern wird erwartet, dass sie Verbrauchern und Unternehmenskunden ein konsistentes und zuverlässiges Netz zur Verfügung stellen. Die Verwaltung eines derart komplexen Netzes erfordert eine hohe Fehlertoleranz, die sich an der Anzahl der Neunen (prozentuale Angabe der Verfügbarkeit) und einer kürzeren mittleren Zeit bis zur Wiederherstellung / Instandsetzung bemisst. 

Wir wissen, dass die Initiative für autonome Netze (AN) der Schlüssel zur Förderung der operativen Exzellenz ist - durch die Einbindung von KI, digitalen Zwillingen und intelligenten Agenten in allen Netzdomänen. Doch eine der größten Herausforderungen für fast alle Betreiber liegt in ihren eigenen Ressourcen: Daten. Daten sind der wichtigste Treibstoff für autonome Netze - doch heute stehen die meisten Betreiber vor erheblichen Hürden: 

• Isolierte Datenquellen - Unterschiedliche Systeme erzeugen inkonsistente und fragmentierte Daten, die die Grundlage der Automatisierung beeinträchtigen. 

• Fehlende Data Governance - Ohne zentrale Kontrolle vervielfachen sich die Risiken für Datenqualität, Sicherheit und Compliance, was das Vertrauen untergräbt, und die Transformation verlangsamt.

• Ineffiziente Datenverarbeitung - Inkonsistente und unvollständige Daten verzögern das Berichtswesen und die Entscheidungsfindung und bremsen letztlich selbstoptimierende Netzwerke.

Jede Art von Automatisierung, die wir einführen, wird scheitern, wenn die Datenintegrität nicht gewährleistet ist. Fehlende Datenintegrität führt zu einer geringen Benutzerakzeptanz und betrieblichen Auswirkungen. Nehmen wir zum Beispiel einen Policy-basierten Auto-Ticketing-Use Case für RAN-Fehler: Wenn sich die Namenskonventionen für Netzelemente zwischen Alarm- (Service Assurance) und Ticketing-Systemen (ITSM) - die jeweils von verschiedenen Teams verwaltet werden - unterscheiden, führt das zu Fehlern im Automatisierungsworkflow. 

Und das ist nur ein einfaches Policy-basiertes Automatisierungsszenario. Wenn wir über statische Regeln hinaus zu dynamischen, KI-gesteuerten, prädiktiven Operationen übergehen und uns dabei weiterhin auf fragmentierte Datenarchitekturen verlassen, werden die Auswirkungen noch gravierender: 

• Verzögerte Störungsbehebung und längere Ausfälle  

• Uneinheitliches Verständnis der Auswirkungen auf die Kunden  

• Anhaltende Abhängigkeit von manuellen oder richtliniengesteuerten Prozessen  

• Begrenzte Möglichkeit, das Potenzial von KI und Automatisierung zu nutzen

Diese Herausforderungen sind nicht nur operative Ineffizienzen - sie sind strategische Verbindlichkeiten in einer Welt, in der die Customer Experience (CX) das ultimative Unterscheidungsmerkmal im Wettbewerb ist. 

Die Realität sieht folgendermaßen aus: 

Man kann keine prädiktiven Netzwerke auf einer Grundlage fragmentierter Daten aufbauen. 

In der KI-Ära gilt „garbage in = garbage out“ - Daten werden zur Goldmine, und KI ist nur so gut wie die Daten, die sie speisen. 

Ein A-B-C-D-Ansatz für autonome Netze: PIONEER  

Um Fragmentierung zu überwinden und sich in Richtung Autonomie zu bewegen, setzt der PIONEER Catalyst - unter der Leitung von Globe und in Partnerschaft mit der Singtel Group, Dell Technologies, FNT, Kinetica und NVIDIA - auf das A-B-C-D-Framework, das sich an der Vision des TM Forums für autonome Netzwerke orientiert. 

A. – AI-Native Operations Engine  

Das Herzstück ist eine agentenbasierte KI-Engine, die auf Dell Telecom for AI unter Verwendung der Dell AI Factory mit NVIDIA aufgebaut ist, um die KI-Bereitstellung zu vereinfachen und zu beschleunigen. Diese Grundlage ermöglicht es CSPs, sich auf das Training und die Skalierung von Modellen zu konzentrieren, ohne sich mit Infrastruktur- und Integrationsproblemen herumzuschlagen.   

Die KI-Engine nimmt Echtzeitdaten auf, lernt aus Netzwerkmustern und simuliert Aktionen über einen geografischen digitalen Zwilling, bevor sie die Orchestrierung auslöst - für eine sichere, intelligente und kosteneffiziente Automatisierung.   

B. – Broker Layer: Eventgesteuerte Koordination über Domänen hinweg 

Das System umfasst einen Echtzeit-Broker, der mehr als 5 Millionen Datensätze pro Sekunde aufnimmt und Telemetrie, Alarme, Protokolle und Customer Experience Indikatoren in einer einzigen Entscheidungsebene zusammenführt. Dieser Broker fungiert als Nervensystem der Architektur und verbindet KI-Entscheidungen mit Orchestrierungs-Engines und Service-Domänen.   

C. – Gemeinsame horizontale Telco-Cloud

Dell Technologies Infrastructure Blocks ist ein in Zusammenarbeit mit Red Hat entwickeltes und in Dells Factory integriertes System, das die Automatisierungssoftware von Red Hat OpenShift beinhaltet. Sie umfassen die gesamte Hardware, Software und Automatisierung, die zur Optimierung von Design, Beschaffung, Bereitstellung und Skalierung einer Telco-Cloud erforderlich sind.  

Infrastructure Blocks for Red Hat hilft Betreibern, Technologiesilos aufzubrechen und eine gemeinsame Cloud-Plattform vom Core über den Edge bis zum RAN zu implementieren. Dies schließt das Hosting von OSS-Anwendungen wie FNT und KI-Workloads ein.

D. – Data Fabric: Sauber, kontextuell, kontinuierlich

Der Data Normalisation Layer aggregiert strukturierte und unstrukturierte Daten aus RAN-, Core-, OSS- und IT-Systemen und gleicht sie dann in einem offenen Datenformat (ODF) ab, wodurch ein gemeinsames, maschinenlesbares Modell entsteht, das an den SID-Standards des TM Forums ausgerichtet ist. 

Die auf dem Dell Data Lakehouse for AI basierende und von Starburst/Spark betriebene Fabric unterstützt Echtzeit-Streaming und Batch-Analysen und ermöglicht gleichzeitig:   

• Speichereffizienz durch Datenzusammenführung - keine Notwendigkeit, Daten zu duplizieren oder zu verschieben   

• Ein einheitlicher Datenkatalog mit eingebetteter Governance und Richtlinienkontrolle 

• Schnelle, domänenübergreifende Abfragen für betriebliche Erkenntnisse und Training der KI 

FNT gleicht die Ressourcentopologie ab und modelliert sie, während Dell AI Factory mit NVIDIA eine GenAI-Schnittstelle bereitstellt. Das Zusammenspiel resultiert in einem digitalen Zwilling inklusive Geodaten und einen Natural Language Co-Piloten für Netzwerkeinblicke in Echtzeit. 

FNT Command: Unified Inventory & Digitaler Zwilling  

Warum ist der Inventory Layer für die Architektur autonomer Netze (AN) so wichtig? 

Autonome Netze stützen sich auf Rückkopplungsschleifen: Erkennen → Analysieren → Handeln. Wobei der Resource Inventory Layer in jeder Phase wichtige Echtzeitdaten liefert. 

• Erkennen - Bietet dem AN System Fehlermanagement mit einer umfassenden Übersicht über die überwachten Komponenten.  

• Analysieren - Korrelation von Alarmen für eine effizientere Ursachenanalyse.  

• Handeln - Identifiziert verfügbare Ressourcen, die für die automatische Fehlerbehebung im AN System benötigt werden.

FNT Command agiert als digitaler Zwilling und Single Source of Truth für alle physischen, logischen und virtuellen Netzwerkressourcen und ermöglicht eine präzise Modellierung, domänenübergreifendes Bewusstsein und saubere Daten für KI. 

Zentrale Funktionen: 

• Digitaler Zwilling: Bietet ein umfangreiches, praxiserprobtes Modell mit mehr als 500 Klassen und mehr als 80.000 Device Templates - unerlässlich für die Validierung von realen Gegebenheiten.  

• Multi-Domain Resource Awareness: Unterstützt verschiedene Anbieter, Technologien und Layer - Normalisierung von Daten über RAN, IP und Transport zur Fehlererkennung und Self-Healing.  

• Visualisierung für den Menschen in der Anwendung: Bietet intuitive visuelle Schnittstellen für Transparenz und fundierte Maßnahmen während des teilautonomen Betriebs.  

• Network Discovery und Reconciliation: Gleicht den Live-Netzwerkstatus von Dell Data Lakehouse mit dem Inventory über die ReconEngine ab und erstellt Diskrepanzreports und regelbasierte Synchronisierung für eine closed-loop Assurance. 

• Vertrauenswürdige Daten für KI: Liefert validierte Topologie- und Ressourcendaten an den KI-Engine-Layer und gewährleistet so zuverlässigen Input für Prognosen, Simulationen und Orchestrierung. 

Resultate, die die Lösung für Unternehmen, die Branche und die Gesellschaft bringt

Als eine der wichtigsten OpCos der Singtel Group leitet Globe das 2023 gestartete gruppenweite Programm für autonome Netze - ein Testfeld für strategische Innovation und skalierbare Ausführung. In Anlehnung an TM Forums IG1326 Blueprint, treibt Globe die Entwicklung und Validierung von high-value L3 und L3+ Use Cases im gesamten Betrieb voran, wobei andere OpCos diese Erkenntnisse übernehmen und skalieren sollen. 

Dieses Leadership-Modell sorgt für eine mehrfache Wirkung - es reduziert Doppelarbeit, beschleunigt die Einführung in der gesamten Group und sorgt für eine schnellere Wertschöpfung. Mit der Einführung von L4 Use Cases ab 2025 legt Globe den Grundstein für die Transformationsreise der Group von der Automatisierung (+KI) zur Autonomie (KI+). 

Strategische Ergebnisse  

• Business: Beschleunigt den ROI durch KI-gesteuerte Netzwerkoptimierung, vorausschauende Sicherheit und reduzierte OPEX. 
• Group: Aufbau einer wiederverwendbaren Architektur und eines Betriebshandbuchs für andere OpCos; Umwandlung des Erfolgs von Globe in einen skalierbaren Rahmen.   
• Industrie und Gesellschaft: Fördert die auf Standards basierende Zusammenarbeit, verbessert die Ausfallsicherheit von Diensten und unterstützt nachhaltige, intelligente Konnektivität.

Readiness & Schlussfolgerung

Die von Globe geleiteten PoC-Use Cases sind für den Übergang konzipiert, nicht für Experimente. Durch die Verwendung echter Netzwerkdaten, die Anpassung an die Standards des TM Forums und die Nutzung offener Architekturen sind die Lösungen so konzipiert, dass sie einen klaren Weg zur Produktion aufweisen.   

Globe testet nicht nur Technologie, sondern gestaltet, wie eine skalierbare, herstellerunabhängige AN-Implementierung für Telekommunikationsunternehmen überall aussieht.   

Verfolgen Sie die Reise von PIONEER: https://www.tmforum.org/catalysts/projects/C25.0.852/