Betreiber, die 5G implementieren, müssen sich mit Disaggregation, Cloud-nativen Technologien und anderen Technologien wie Voice over New Radio (VoNR) und Edge Computing auseinandersetzen. Mit der Einführung einer Reihe neuer Dienste sehen sich die Betreiber mit erheblichen Veränderungen im Netzmanagement und insbesondere im Netzbetrieb konfrontiert, was zu einer höheren Nachfrage nach Service Assurance führt. End-to-End-Netzdiensttransparenz und -automatisierung werden für die Sicherheit und Zuverlässigkeit von Infrastruktur und Anwendungen erforderlich sein.
Glücklicherweise gibt es eine neue Generation von Lösungen, die dabei helfen, diese wachsende Komplexität und die Nachfrage nach größerer betrieblicher Flexibilität zu bewältigen. Die Automatisierung ist der Schlüssel zur Verwaltung neuer 5G-Infrastrukturen und der verschiedenen Dienste, die von ihnen ausgehen.
Wenn es um die Verwaltung neuer 5G-Infrastrukturen geht, ist die Netzwerkautomatisierung von entscheidender Bedeutung für die Vereinfachung des Betriebs bei der Skalierung von Netzwerken und die Steigerung der betrieblichen Effizienz. Die Automatisierung ist auch für die Verbesserung der Ressourcennutzung von entscheidender Bedeutung, da sie in Echtzeit auf die sich ändernden Bedingungen im Netz reagiert und Anpassungen vornimmt. In Zeiten des Fachkräftemangels ist es besonders wichtig, mit weniger Mitarbeitern mehr leisten zu können.
Die Automatisierung wird eine Schlüsselrolle bei der Bewältigung der Komplexität der 5G-Dienstesicherung sowie des gesamten Netzes, einschließlich kritischer Aspekte des 4G-Netzes, spielen. Over-the-Top-Dienste (OTT), unabhängig davon, ob sie sich auf 5G-Nutzerebenen oder in Festnetzen befinden, werden von intelligenten Automatisierungslösungen profitieren.
Bei der Sicherstellung von End-to-End-Diensten stehen für Netzwerkexperten in der Regel mehrere wichtige Fragen im Vordergrund. Wenn Probleme auftreten, beziehen sie sich dann auf das Funkzugangsnetz? Oder sind sie mit der 5G-Kernsignalisierung verbunden? Entsteht eine Latenz innerhalb des Hyperscalers? Liegt die Latenz innerhalb der Schwellenwerte der Service Level Agreements (SLA) für die Ultra-Latenz-Slice? Treten bei den Teilnehmern Probleme mit der Netzabdeckung auf, und wenn ja, sind diese Probleme auf einen bestimmten Markt beschränkt? Könnten die Probleme mit Backend-Datendiensten zusammenhängen, z. B. mit langsamen DNS-Reaktionen? Die Ermittlung der Grundursache solcher Probleme in hochkomplexen Netzen ist kein leichtes Unterfangen.
Die Fähigkeit, ein vollständig eigenständiges 5G-Netz zu unterstützen, ist eine der größten und komplexesten Umstellungen, die Netzbetreiber vornehmen werden. Verglichen mit dem Übergang von 3G zu 4G wird diese Migration ein riesiger Sprung sein. Abgesehen von den Funkzugangsknoten, die sich bereits mit 5G Non-Standalone verändert haben, bringt 5G Standalone eine Reihe neuer Kernnetzfunktionen mit sich. Mit diesen Kernnetzfunktionen werden auch neue Nachrichtenformate und die Möglichkeit der Verschlüsselung auf der dienstbasierten Schnittstelle eingeführt, was weitere Herausforderungen mit sich bringt.
Da sich der Übergang von dedizierten Geräten zu hochkomplexen virtualisierten Cloud-nativen Architekturen beschleunigt, wird der Zugriff auf 3G-Pakete zwischen neuen Netzwerkfunktionen wesentlich komplexer. Bei einigen Netzbetreibern fallen die 4G- und 5G-Knoten zusammen und bieten einen einzigen Knoten mit zwei Funktionen. Für die Service Assurance bedeutet dies, dass die Netzbetreiber gezwungen sind, das 4G-Netz zu überwachen und gleichzeitig das eigenständige 5G-Netz zu monitoren, um bei der Migration zu VoNR jede Art von Triage durchführen zu können. Mit 6G am Horizont werden diese Herausforderungen nur noch komplexer werden.
Die Vorstellung, dass große Datenmengen in einem umfangreichen Datenpool zusammengeführt werden, in dem Datenwissenschaftler Algorithmen der künstlichen Intelligenz (KI) und des maschinellen Lernens (ML) ausführen, um Probleme schnell und einfach zu erkennen, ist so etwas wie ein Wunschtraum. Die Wissenschaftsteams haben zu viele Rohdaten und verfügen in der Regel nicht über die erforderlichen Kenntnisse im Bereich Telekommunikation. Und die Anwendung von KI-/ML-Techniken ohne die richtige Einfügung von Domänenlogik an der richtigen Stelle führt letztlich zu einer Überfrachtung der Daten, ohne die erforderlichen Ergebnisse zu liefern.
Ingenieur- und Betriebsteams haben zwar tagtäglich praktisches Wissen über die Probleme, aber was sie wirklich brauchen, ist eine Möglichkeit, das Fachwissen in einem automatisierten System zu operationalisieren. Um die für herkömmliche KI/ML-Ansätze typische hohe Rate an Fehlalarmen zu vermeiden, wird ein Ökosystem benötigt, das die Automatisierung mit einer gemeinsamen Sprache für die schnelle Zusammenführung von Daten auf der Paketebene des 5G-Standalone-Netzes ermöglicht, sowie Fachwissen und ML-Techniken zur Lösung komplexer Probleme. Durch die Kombination von Data-Science-Techniken, die sich auf die Datenreduzierung konzentrieren, können Teams nur das behalten, was für die Ableitung von Anwendungsfällen notwendig ist.
Um die Ursache von Problemen, wie z. B. Gesprächsabbrüche, schnell identifizieren und lokalisieren zu können, benötigen Ingenieure einen 360-Grad-Blick auf alle Aspekte des Netzes. Es ist äußerst wichtig, dass nicht nur die Kernseite des Netzes, sondern auch die Funkzugangsseite untersucht werden kann. Und wenn die Dienste von der MEC-Architektur (Multi-Access Edge Computing) kommen, müssen die Techniker auch hier Einblick haben, um sicherzustellen, dass keine Probleme innerhalb der Hyperscaler-Architektur auftreten.
Die Suche nach der Ursache von Problemen dauert in der Regel Stunden, wenn nicht Tage oder sogar Wochen. Mit intelligenter Automatisierung kann die Fehlerbehebung jedoch in wenigen Minuten für alle Märkte, Anrufe und Kunden konsolidiert werden – rund um die Uhr, 365 Tage im Jahr.
Echte intelligente Automatisierung erfordert ein Framework, das einen überlegenen Erkennungsansatz nutzt, der sich auf mehrere parallele KI/ML-Algorithmen und die effiziente Nutzung von Domänenwissen in Verbindung mit KI/ML stützt, um die Ursache von Problemen zu finden. Ein solcher Ansatz wird in der Lage sein, verborgene Muster zu entdecken, Signal und Rauschen zu unterscheiden und automatisch den ersten Fehlerpunkt zu bestimmen. Intelligente Automatisierung wird in der Lage sein, kundenrelevante von nicht kundenrelevanten Fehlern zu unterscheiden. Sie wird eine End-to-End-Überwachung des Zustands eines Dienstes bieten, vom RAN bis zur Steuerungs-/Benutzerebene und zur Mobilität, und Probleme auf das RAN und nicht auf den Kern beschränken.
Ein intelligenter Automatisierungsrahmen, der Daten auf Paketebene, Fachwissen von Experten (SME) und adaptive KI- und ML-Technologien nutzt, kann Ergebnisse mit den größten geschäftsrelevanten Auswirkungen auf das Netzwerk erzielen. Um Service Assurance zu erreichen, muss der richtige Automatisierungsrahmen geschaffen werden. Dieser Rahmen sollte eine End-to-End-Transparenz bieten und das RAN, den Kern und die MEC-Architektur sowie LTE, Voice over LTE (VoLTE) und 5G Standalone oder 5G Enterprise untersuchen. Eine solche Architektur muss flexibel sein und es den Betreibern ermöglichen, grundlegende Geschäftsmodelle zu definieren. Sie muss Cloud-nativ sein, damit sie zusammen mit dem Netz auf- und abwärts skaliert werden kann, was bei einem 5G-Standalone-Netz besonders wichtig ist. Außerdem muss sie in der Lage sein, Informationen zu senden, die von einem Menschen visuell gesehen werden können, aber auch von einem Mitigationssystem oder für eine Closed-Loop-Orchestrierung angezeigt werden können.
Ein intelligenter Automatisierungsrahmen kann eine Umgebung bereitstellen, die flexibel und anpassungsfähig genug ist, um nicht nur hochkomplexe Probleme bei der Sicherung von 5G-Diensten zu lösen, sondern auch bei der Bewältigung von OTT-Problemen zu helfen und für das Funkzugangsnetz (RAN) Sicherheitsprobleme zu lösen, die heute auftauchen
Christian Syrbe
ist Chief Solutions Architect bei NETSCOUT.
IT-Systeme werden vor Ort in einem hochsicheren IT-Safe betrieben, ohne auf bauliche Maßnahmen wie die…
Cloud-Trends 2025: Zahlreiche neue Technologien erweitern die Grenzen von Cloud Computing.
Noah Labs wollen Kardiologie-Praxen und Krankenhäuser in Deutschland durch KI-gestütztes Telemonitoring von Patienten entlasten.
Neun von zehn deutschen Managern erwarten, dass der Einsatz von KI auf ihre Nachhaltigkeitsziele einzahlen…
Intergermania Transport automatisiert die Belegerfassung mit KI und profitiert von 95 Prozent Zeitersparnis.
Cyberattacken finden in allen Branchen statt, und Geschwindigkeit und Häufigkeit der Angriffe werden weiter zunehmen,…