Die Zukunft der mobilen Kommunikation: GSMA präsentiert Konzepte für Mobile AI

Die Evolution der Konnektivität: GSMA skizziert den Weg zu "Mobile AI"

Die digitale Wirtschaft erlebt eine tiefgreifende Transformation, angetrieben durch die zunehmende Konvergenz von fortschrittlichen mobilen Kommunikationstechnologien und Künstlicher Intelligenz (KI). Ein aktueller Bericht der GSMA und GTI Telecom beleuchtet diese Entwicklung und prägt den Begriff "Mobile AI" als das Endziel dieser symbiotischen Beziehung. Als Senior Specialist Journalist und Analyst für Mindverse untersuchen wir die Implikationen dieses Paradigmas für Unternehmen im B2B-Sektor.

Die Verschmelzung von Mobilfunk und KI: Ein neues Zeitalter bricht an

Der Bericht verdeutlicht, dass mit der globalen Ausbreitung von 5G und der Weiterentwicklung zu 5G-Advanced und 6G mobile Netzwerke ihre Reichweite und Servicequalität kontinuierlich verbessern werden. Gleichzeitig verlagert sich KI von zentralen Cloud-Infrastrukturen hin zu Endgeräten und dem Netzwerkrand (Edge). Diese allgegenwärtige mobile Konnektivität ermöglicht einen breiten Zugang zu KI, während KI im Gegenzug die Architektur der Netzwerke neu gestaltet.

Das Konzept der "Mobile AI" basiert auf einem kollaborativen "Device-Edge-Netzwerk-Cloud"-System. Dieses System kombiniert die Zuverlässigkeit und geringe Latenz mobiler Netzwerke mit der Wahrnehmungs- und Entscheidungsfähigkeit von KI-Algorithmen. Die Struktur wird als "Drei-Ebenen, Vier-Dimensionen"-Modell beschrieben, das vertikal die Fundament-, Ausführungs- und Anwendungsebenen verbindet und horizontal vier Domänen integriert: KI für das Netzwerk, Netzwerk für KI, Mobile KI-Agenten/Terminals und Mobile KI-Anwendungen.

Detailanalyse des Berichts: Wachstum und architektonische Anforderungen

Die zentrale These des Berichts ist, dass Mobile AI auf der Interaktion zwischen Geräten, Netzwerken, Edge Computing und Cloud-Plattformen aufbauen wird. Mobile Infrastrukturen werden dabei eine entscheidende Rolle beim Transport von Datenverkehr und der Unterstützung von KI-Workloads spielen.

Es wird erwartet, dass der mobile Datenverkehr, der mit KI-Diensten verbunden ist, erheblich zunehmen wird. Prognosen gehen davon aus, dass der KI-bezogene Netzwerkverkehr in den nächsten zehn Jahren jährlich um über 70 % wachsen wird. Rund um das Jahr 2031 könnte der KI-Verkehr den traditionellen Anwendungsverkehr in globalen Netzwerken übersteigen. Dieser Anstieg der Nachfrage nach Edge-KI-Verarbeitung wird beschleunigt, da Edge-Inferenzsysteme auf die Kommunikation zwischen Geräten und Netzwerken angewiesen sind. Dies stellt neue Anforderungen an die Uplink-Kapazität und eine Latenzzeit nahe Null.

Die vorgeschlagene Architektur für Mobile AI sieht vor, dass Geräte lokale Sensorik durchführen, die Edge-Infrastruktur rechenintensive Aufgaben mit geringer Latenz übernimmt und Clouds für das initiale Training sowie fortlaufende Schlussfolgerungen zuständig sind. Das Telekommunikationsnetz verbindet diese Schichten und verwaltet den Datenverkehr sowie die Servicequalität. Es ist denkbar, dass das Telekommunikationsnetz selbst teilweise durch eigene KI-Instanzen optimiert werden muss.

Die drei Schichten und vier funktionalen Dimensionen der Mobile AI umfassen:

• Die Fundamentschicht: Konnektivität, Rechenressourcen und Dateninfrastruktur.
• Die Ausführungsschicht: Bereitstellung der oben genannten Komponenten als implementierbare Dienste.
• Die Anwendungsschicht: Bereitstellung sektorspezifischer Lösungen.

Die funktionalen Dimensionen werden wie folgt beschrieben:

• KI für das Netzwerk: KI wird zur Optimierung des Netzwerkbetriebs eingesetzt.
• Netzwerk für KI: Netzwerke werden so gestaltet, dass sie KI-Workloads effizient unterstützen.
• Mobile KI-Agenten und Terminals: Geräte und Agenten, die KI-Funktionalitäten integrieren.
• Mobile KI-Anwendungen: Ökosysteme von Anwendungen, die auf den oben genannten Fähigkeiten aufbauen.

Ein wesentlicher Teil des Berichts konzentriert sich darauf, wie KI auf die Netzwerke selbst einwirkt. KI kann die Netzwerkplanung und operative Optimierung unterstützen, indem sie Echtzeitdaten nutzt, um Kapazität und Konfiguration anzupassen. Im Bereich Betrieb und Wartung können KI-Systeme Anomalien identifizieren, Fehler vorhersagen und Reaktionen koordinieren. Diese Fähigkeiten sollen letztlich ein vollständig autonomes Netzwerkmanagement ermöglichen.

Netzwerke als Rückgrat für KI-Anwendungen

Intelligente Geräte und Agenten werden neue Muster und hohe Mengen an Datenverkehr sowie unterschiedliche Serviceanforderungen generieren. Einige Anwendungen erfordern eine geringe Latenz für Steuerungsaufgaben (Robotik oder Fernsteuerung), während andere auf datenreichen Quellen wie Video- und Sensorströmen basieren. Netzwerke benötigen flexiblere Servicemodelle als die traditionelle "Best-Effort"-Konnektivität.

Um diesen neuen Servicemodellen gerecht zu werden, schlägt der Bericht drei Anpassungsbereiche für Betreiber vor:

• Verbesserung der Uplink-Kapazität.
• Differenzierte Servicequalität.
• Koordination zwischen Herstellern, Telekommunikationsbetreibern und Softwareentwicklern.

Mobile Geräte und Edge Computing als Treiber

Mobile KI-Geräte und -Agenten werden im nächsten Jahrzehnt eine Hauptquelle der Nachfrage darstellen. Smartphones, Wearables, Roboter und industrielle Terminals entwickeln sich von passiven Endpunkten zu intelligenten Systemen, die in der Lage sind, Aufgaben zu erledigen und Schlussfolgerungen zu ziehen. Aktuell arbeiten Geräte mit einem Hybridmodell, bei dem lokale Modelle unmittelbare Aufgaben ausführen und komplexere Schlussfolgerungen am Edge oder in der Cloud erfolgen. Konnektivität wird somit zu einem integralen Bestandteil der IT-Topologie.

Die Mobile AI findet in verschiedenen Branchen Anwendung, darunter Industrieautomation, intelligente Fertigung, vernetzte Fahrzeuge, Stadtmanagement, Gesundheitsüberwachung und Energieversorgung. In diesen Umgebungen müssen KI-Funktionen nahe an den physischen Installationen operieren und auf Netzwerke angewiesen sein, um Verbindungen zu entfernten Rechenressourcen herzustellen und ihr volles operatives Potenzial zu entfalten. Die nächste Generation der Device-Edge-Netzwerk-Cloud-Architektur könnte genau dies bieten.

Herausforderungen und Lösungsansätze

Infrastrukturbeschränkungen stellen ein erhebliches Hindernis dar, da KI-Dienste eine höhere Uplink-Kapazität, geringere Latenz und hohe Zuverlässigkeit erfordern, für die aktuelle Netzwerkarchitekturen nicht ausgelegt sind. Die Kapazitäten im Mid-Band- und Millimeterwellenbereich werden entscheidend dafür sein, ob Netzwerke diese strengeren Anforderungen erfüllen können. Betreiber werden voraussichtlich steigende Investitionsausgaben (CAPEX) für den Ausbau und die Optimierung der Edge-Computing-Infrastruktur verzeichnen.

Eine weitere Herausforderung betrifft Standards und Interoperabilität. Die Fragmentierung von Agentenprotokollen und KI-Schnittstellen hat bereits begonnen und sollte umgekehrt werden. Ohne gemeinsame Standards bleiben die Integrationskosten hoch, und Dienste, die verschiedene Anbieter oder Märkte umfassen, werden auf Kostenbarrieren stoßen. Die Autoren fordern eine stärkere Zusammenarbeit zwischen den beteiligten Parteien über internationale Standardisierungsgremien und Branchenallianzen.

Es besteht weiterhin ein hohes Maß an kommerzieller Unsicherheit hinsichtlich der Umwandlung des mit KI verbundenen Traffic-Wachstums in Einnahmen. Mobile AI könnte neue Einnahmequellen erschließen, darunter die Bereitstellung von KI-Infrastrukturdiensten, die Entwicklung sektorspezifischer Datenprodukte und KI-Anwendungen für bestehende Unternehmenskunden. Diese Geschäftsmodelle sind jedoch noch sehr jung und hängen von der bereits erwähnten Zusammenarbeit zwischen Betreibern, KI-Unternehmen, Middleware- und Softwareanbietern sowie Geräteherstellern ab.

Das Ideal der Mobile AI

KI-Workloads, intelligente Geräte und verteiltes Rechnen werden die Netzwerkarchitektur und die Geschäftsmodelle der Betreiber neu gestalten. Das Tempo des Wandels wird jedoch von Infrastrukturinvestitionen, Spektrumspolitik, Zusammenarbeit und der Entwicklung tragfähiger kommerzieller Dienste abhängen, während der Netzwerkverkehr zunimmt. Betreiber, die Konnektivität, Edge Computing und Datenverarbeitungsfähigkeiten integrieren, könnten einen größeren Anteil an dem Wert erzielen, den KI-gesteuerte digitale Dienste voraussichtlich generieren werden.

Die Erkenntnisse des GSMA-Berichts unterstreichen die Notwendigkeit einer strategischen Neuausrichtung für Unternehmen im B2B-Sektor. Die Integration von KI in mobile Netzwerke ist nicht nur eine technische Evolution, sondern eine grundlegende Transformation, die neue Geschäftsmodelle und Kooperationen erfordert. Mindverse als KI-Partner unterstützt Unternehmen dabei, diese komplexen Veränderungen zu navigieren und die Potenziale der Mobile AI effektiv zu nutzen.

Bibliographie

• GSMA & GTI Telecom. (2026, 1. März). The Mobile AI whitepaper. Abrufbar unter: https://www.gsma.com/solutions-and-impact/technologies/networks/gsma_resources/the-value-of-mobile-ai-whitepaper/
• Green, J. (2026, 16. März). The path to 'Mobile AI' laid out in GSMA report. Telecoms Tech News. Abrufbar unter: https://www.telecomstechnews.com/news/mobile-ai-the-path-to-the-future-of-telecoms-role-in-smart-networks-and-devices/
• GSMA Intelligence. (o. D.). Research. Abrufbar unter: https://www.gsmaintelligence.com/research
• GSMA. (2025, 19. März). Distributed inference: AI adds a new dimension at the edge. Newsroom. Abrufbar unter: https://www.gsma.com/newsroom/article/distributed-inference-ai-adds-a-new-dimension-at-the-edge/
• GSMA. (2026, 22. Januar). The Engine of Transformation: Data and Infrastructure in the AI-Centric Telco. Abrufbar unter: https://www.gsma.com/solutions-and-impact/connectivity-for-good/external-affairs/ai-for-impact/the-engine-of-transformation-data-and-infrastructure-in-the-ai-centric-telco/
• Mobile World Live. (2026, 24. Februar). AI Trends in Mobile Landscape: 2026 Report. LinkedIn. Abrufbar unter: https://www.linkedin.com/posts/mobileworldlive_ai-activity-7432016839670636544-Ukga
• 1GLOBAL. (2026, 4. März). 5 Takeaways From the GSMA's Mobile Economy 2026. Blog. Abrufbar unter: https://www.1global.com/blog/mobile-operators/takeaways-gsma-mobile-economy-2026
• GSMA. (2024, 23. Februar). The Mobile Economy 2024 (PDF). Abrufbar unter: https://www.gsma.com/mobileeconomy/wp-content/uploads/2024/02/260224-The-Mobile-Economy-2024.pdf
• GSMA. (2025, 27. Februar). The Mobile Economy 2025 (PDF). Abrufbar unter: https://www.gsma.com/solutions-and-impact/connectivity-for-good/mobile-economy/wp-content/uploads/2025/02/030325-The-Mobile-Economy-2025.pdf
• Huawei. (2026, 12. März). During #MWC26, the GSMA unveiled a GigaUplink network initiative ... Facebook. Abrufbar unter: https://www.facebook.com/huawei/posts/during-mwc26-the-gsma-unveiled-a-gigauplink-network-initiative-at-its-mobile-ai-/1365864152252085/