Technologische Fortschritte in der Entwicklung autonomer Netzwerke durch Agentic AI

Die Telekommunikationsbranche befindet sich an einem Wendepunkt, an dem die steigende Komplexität von Netzwerken und die kontinuierliche Nachfrage nach höherer Leistung die Vision eines vollständig autonomen Netzwerks nicht nur zu einem Ziel, sondern zu einer Notwendigkeit machen. In diesem Kontext etabliert Samsung einen strategischen Pfad zur Implementierung von Agentic AI in autonomen Netzwerken, um manuelle Telekommunikationsabläufe zu ersetzen.

Die Herausforderung manueller Netzwerkverwaltung

Mobile Netzbetreiber stehen vor erheblichen Herausforderungen, die durch sich ständig ändernde Verkehrsmuster verursacht werden. Diese reichen von beruflichen Pendelbewegungen zwischen Geschäfts- und Wohngebieten bis hin zu temporären Spitzenauslastungen bei Großveranstaltungen. In herkömmlichen Netzwerkmodellen erfordert die Anpassung der Kapazität manuelle Eingriffe durch Ingenieure. Dies kann zu Latenzzeiten und einer Verschlechterung der Dienstqualität führen, was letztendlich das Nutzererlebnis beeinträchtigt.

Der Aufstieg autonomer Netzwerksysteme

Autonome Systeme adressieren diese Probleme, indem sie prädiktives maschinelles Lernen einsetzen, um Verkehrsspitzen zu erkennen und zu beheben, noch bevor die Nutzer Störungen bemerken. Das TM Forum-Framework definiert autonome Netzwerke entlang zweier Dimensionen: "Self-X"-Betriebsfähigkeiten über den gesamten Netzwerklebenszyklus und "Zero-X"-Ergebnisse (definiert als "zero-wait", "zero-touch" und "zero-hassle" für Betreiber und Nutzer).

Struktur autonomer Operationen

Autonome Operationen gliedern sich in drei Ebenen:

• Geschäftsebene: Hier werden übergeordnete Geschäftsziele definiert.
• Dienstebene: Übersetzt Geschäftsziele in konkrete Dienstparameter.
• Ressourcenebene: Führt die Befehle zur Ausführung aus.

Diese Ebenen sind durch geschlossene Regelschleifen über unabhängige Betriebsdomänen hinweg miteinander verbunden. Betreiber definieren über Intent-gesteuerte Schnittstellen übergeordnete Geschäftsziele, die von den unteren Ebenen ohne kontinuierliche menschliche Steuerung in Ausführungsbefehle übersetzt werden.

Sechs Reifegrade der Autonomie

Die Branche misst die autonome Fähigkeit in sechs Stufen, die von manuellen Operationen auf Stufe 0 bis hin zu vollständiger Closed-Loop-Verwaltung in jeder Betriebsdomäne auf Stufe 5 reichen.

• Stufe 0: Manuelle Operationen.
• Stufe 1-3: Zunehmende Automatisierung mit menschlicher Überwachung und Genehmigung.
• Stufe 4: Unabhängige KI-Agenten führen Aktionen direkt basierend auf übergeordneten Betriebsparametern aus.
• Stufe 5: Systeme generieren operative Ziele vollständig aus Telemetriedaten, ohne externe Parameter.

Eine Umfrage des TM Forum unter 80 globalen Betreibern ergab, dass 20 Prozent planen, bis 2027 Systeme der Stufe 4 einzusetzen, und 81 Prozent streben bis 2030 Stufe 4 oder höher an.

Der fünfstufige kognitive Loop für Stufe 4 und 5

Das Erreichen der Stufen 4 und 5 erfordert einen fünfstufigen kognitiven Loop:

1. Intent (Absicht): Betreiber definieren übergeordnete Parameter, beispielsweise die Reduzierung des Stromverbrauchs bei gleichzeitiger Aufrechterhaltung der Funkabdeckung.
2. Awareness (Wahrnehmung): Beobachtungstools erfassen Protokolle, mehrdimensionale Telemetriedaten, Traces und topologische Zustände.
3. Analysis (Analyse): Maschinelles Lernen bewertet Diskrepanzen zwischen Netzwerkleistung und Intent-Zielen und identifiziert beispielsweise schlafende Zellen und Verkehrsbelastungen.
4. Decision (Entscheidung): Systeme simulieren und wählen Lösungsmodelle aus, die Konflikte mit Service-Level Agreements verhindern.
5. Execution (Ausführung): Standardisierte offene APIs führen automatisierte Konfigurations- und Reparaturaktionen über Multi-Vendor-Infrastrukturen hinweg aus.

Telco-Grade-Modelle und Multi-Agenten-Koordination

Spezialisierte große Sprachmodelle (Large Language Models, LLMs) bieten domänenspezifische Argumentation für operative Arbeitsabläufe. Über die automatisierte Anomalieerkennung in Funkzugangsnetzen hinaus bewerten Telco-Grade-Modelle Stadtplanungsdaten, um die Erweiterung der Zellstandortkapazität zu steuern und automatisierte Cybersicherheitsmaßnahmen auszulösen.

Diese Systeme ermöglichen es Betreibern auch, Netzwerkleistung in kommerzielle APIs zu verpacken. Unternehmenskunden können garantierte Dienstqualität und deterministische Latenz für geschäftskritische Verkehrsprofile erwerben.

Agentic AI: Ein Paradigmenwechsel

Agentic-Systeme stellen eine strukturelle Abkehr von monolithischer Automatisierung dar. Von Stufe 0 bis Stufe 3 dienen Algorithmen primär einer analytischen Funktion, indem sie Empfehlungen zur Genehmigung durch Menschen präsentieren.

Auf Stufe 4 führen unabhängige KI-Agenten Aktionen direkt basierend auf übergeordneten Betriebsparametern aus. Systeme der Stufe 5 eliminieren externe Parameter vollständig, sodass Agenten operative Ziele direkt aus Telemetriedaten generieren können.

Samsungs Ansatz: CognitiV Network Operations Suite (NOS)

Samsung implementiert dieses Modell mit seiner O-RAN-konformen CognitiV Network Operations Suite (NOS). Die Plattform betreibt eine KI-Agenten-Fabric, die generative Modelle mit Domänensoftware kombiniert. Die Architektur verwendet Retrieval-Augmented Generation (RAG), Model Context Protocol (MCP), Wissensontologien, domänenübergreifende Datensätze und digitale Zwillinge zur Verwaltung von Planung, Rollout, Wartung, Fehlerisolierung und Optimierung.

Standardisierung und Zusammenarbeit

Die Standardentwicklung ist auf mehrere Gremien verteilt:

• TM Forum: Überwacht die Spezifikationen der Open Digital Architecture.
• O-RAN Alliance: Entwickelt offene Funkschnittstellen.
• 3GPP: Verwaltet globale technische Spezifikationen.
• AI-RAN Alliance: Erforscht operative Bereitstellungsmodelle.

Samsung bekleidet derzeit Führungspositionen in 3GPP Technical Specification Groups, ist Co-Vorsitzender von Arbeitsgruppen innerhalb der O-RAN Alliance und leitet als stellvertretender Vorsitzender des AI-RAN Alliance Board of Directors die Agentic AI Task Group. Diese Beteiligungen unterstreichen Samsungs Engagement und Einfluss bei der Gestaltung der zukünftigen Netzwerklandschaft.

Die Entwicklung hin zu autonomen Netzwerken, angetrieben durch Agentic AI, verspricht eine erhebliche Steigerung der Effizienz, Zuverlässigkeit und Anpassungsfähigkeit von Telekommunikationsnetzen. Dies ist ein entscheidender Schritt, um den wachsenden Anforderungen einer zunehmend vernetzten Welt gerecht zu werden.

Bibliography: - Samsung Business Global Networks: "Agentic AI in Networks: Powering the Autonomous Future of Telecom" (2026-09-04) - Samsung Business Global Networks: "Intelligent Autonomous Network | Cloud Network" - Networking Curated: "What Is Samsung's AI Path to Network Autonomy?" (2026-01-22) - RCR Wireless News: "Samsung is applying AI in the shift to autonomous networks" (2026-01-20) - Samsung Research: "How AI Agents Are Reshaping 6G Network Management" (2026-06-22) - Samsung Business Global Networks: "Samsung at MWC 2026: Adaptive, AI and Software-Driven Networks in Action" - Samsung Business Global Networks: "The Backbone of Next-Generation Networks Evolution" (2026-02-09) - Samsung Networks: "Mobile Networks Evolution in the AI Era" (2025-09) - TelecomTV: "Samsung Networks: AI ‘tsunami’ will reshape networks but GPU economics still unclear" (2026-03-23) - Samsung Newsroom U.K.: "Samsung Takes Next Stride Toward AI-Native Software-Driven Networks with NVIDIA" (2026-03-02) - Telecoms.com: "Samsung sets out agentic AI path to autonomous networks" (2026-09-07)