Können AI/ML die intelligente Netzautomatisierung verbessern?

Können AI/ML die intelligente Netzautomatisierung verbessern?

Berlin, 11.8.2022

Eigentlich sollte durch den Einsatz von KI und ML die Automatisierung des Netzes problemlos über die Bühne gehen. Das hat sich so nicht bestätigt. Die Erfahrungen auf den Punkt gebracht: Je stärker die Netzkomplexität je mehr und häufiger die Fehler. Das hat dazu geführt , das die Funktionen in 3GPP ständig erweitert wurden. Dies ist vor allem bei den Releases 17 und 18 so. ‚Diese Thematik wird in dem aktuellen Whitepaper von Ericsson „5G Advanced: Evolution towards 6G“ kompetent behandelt..

https://www.ericsson.com/en/reports-and-papers/white-papers/5g-advanced-evolution-towards-6g

Wir haben die Studie so zusammen gefasst, das die Kernbotschaften klar werden:

Intelligente Netzautomatisierung: Weil die Netze immer komplexer werden, sind herkömmliche Lösungen wie z.B. Neukonfiguration kein Erfolgsgarant mehr. Außerdem diese Methode auch noch ineffizient und kostspielig.

Durch den Einsatz von KI und ML konnten entsprechende Lösungen gefunden werden.

Ein wichtiger Punkt ist die Datensammlung. Nur so kann das Lebenszyklusmanagement optimiert werden. Mit dem Einsatz von 5G Advanced sind wir nun auch in der Lage, die standardisierten Schnittstellen für die Datenerfassung zu optimieren.

Im Rahmen der Studie zu Release 17 wurden drei Anwendungsfälle identifiziert, die sich auf die Verbesserung der RAN-Leistung durch den Einsatz von KI/ML-Techniken beziehen.Dabei handelt es sich um folgende Anwendungsfälle sind: 1) Energieeinsparung im Netz; 2) Lastausgleich; und 3) Mobilitätsoptimierung.

Dazu stellen die Ericsson- Experten fest „ Die ausgewählten Anwendungsfälle können durch Erweiterungen der aktuellen NR-Schnittstellen unterstützt werden, die auf Leistungsverbesserungen durch KI/ML-Funktionen im RAN abzielen und gleichzeitig die 5G NR-Architektur beibehalten. Eines der Ziele ist es, Anreize für Anbieter in Bezug auf Innovation und Wettbewerbsfähigkeit zu schaffen, indem die Implementierung des KI-Modells spezifisch bleibt.“

Die 3GPP TSG RAN hat drei Anwendungsfälle ausgewählt, um die potenziellen Leistungsverbesserungen der Luftschnittstelle durch KI/ML-Techniken zu untersuchen, z. B. Strahlenmanagement, Verbesserung der Rückmeldung von Kanalzustandsinformationen und Verbesserung der Positionierungsgenauigkeit für verschiedene Szenarien. Die AI/ML-basierten Methoden können im Vergleich zu herkömmlichen Methoden an der Funkschnittstelle Vorteile bieten. Die Herausforderung besteht darin, ein einheitliches AI/ML-Framework für die Luftschnittstelle durch eine angemessene AI/ML-Modellcharakterisierung auf verschiedenen Ebenen der Zusammenarbeit zwischen gNB und UE zu definieren.

AI/ML im 5G-Kern: 5G Advanced wird weitere Verbesserungen der Architektur für die Analyse und das Management des Lebenszyklus von ML-Modellen bieten, um beispielsweise die Korrektheit der Modelle zu verbessern. Die Fortschritte in der Architektur für Analysen und Datenerfassung dienen als gute Grundlage für KI/ML-basierte Anwendungsfälle innerhalb der verschiedenen Netzfunktionen (NFs). Es werden weitere Anwendungsfälle untersucht, bei denen die NFs die Analytik nutzen, um ihre Entscheidungsfindung zu unterstützen, z. B. bei der Generierung von UE-Policies für Network Slicing mit Hilfe von Network Data Analytics Functions (NWDAF).