Workloads
Generative KI
Branchen
Telekommunikation
Geschäftsziel
Risikominderung
Produkte
NVIDIA AI Enterprise
NVIDIA NIM Microservices
NVIDIA NeMo
-
Überblick
-
Technische Umsetzung
-
FAQs
Generative KI beschleunigt die Netzwerkkonfiguration, die Bereitstellung und den Betrieb
Telekommunikationsunternehmen gaben 2024 schätzungsweise fast 295 Milliarden US-Dollar an Kapitalausgaben (CapEx) und über 1 Billion US-Dollar an Betriebskosten (OpEx) aus, einschließlich der Ausgaben für manuelle Prozesse für die Netzwerkplanung und -wartung. In einem Telekommunikationsnetz umfassen Konfiguration und Optimierung die Verwaltung einer Vielzahl voneinander abhängiger Parameter, die sich direkt auf die Netzwerkleistung, das Benutzererlebnis und die Spektrumseffizienz für Millionen von Kunden und Endbenutzern auswirken. Diese Einstellungen müssen von Telekommunikationsnetzwerktechnikern regelmäßig angepasst werden, basierend auf der Tageszeit, dem Nutzerverhalten, der Mobilität, Störungen und Dienstarten.
Generative KI, die große Telekommunikationsmodelle (LTMs) und KI-Agenten unterstützt, ermöglicht die nächste Generation der KI im Netzwerkbetrieb und unterstützt Telekommunikationsunternehmen bei der Optimierung ihrer OpEx, der effizienten Nutzung ihres CapEx und der Erschließung neuer Möglichkeiten für die Monetarisierung. NVIDIA entwickelte eine agentische KI-Lösung, um Autonomie in diese dynamische Umgebung zu bringen, indem sie Echtzeit-Netzwerk-KPIs beobachtet, datengestützte Entscheidungen trifft und Parameter automatisch anpasst.
Im Gegensatz zu herkömmlichen regelbasierten Systemen hat ein KI-Agent die Fähigkeit wahrzunehmen, komplexe Kompromisse zu durchdenken, aus Rückkopplungsschleifen zu lernen und sich bei Bedarf mithilfe von Rückmeldungen durch den Menschen an neue Bedingungen anzupassen. Er kann auch Änderungen über verschiedene Ebenen und Anbieter hinweg orchestrieren und koordinierte Aktionen wie den Lastausgleich, die Koordination von Interferenzen zwischen Zellen oder die Energieeinsparung in leicht belasteten Bereichen ermöglichen. Dieses Maß an autonomer Steuerung verbessert nicht nur die Effizienz und die Servicequalität (QoS), sondern reduziert auch die Komplexität des Betriebs und die Zeit bis zur Lösung von Problemen in dichten Umgebungen mit hoher Nachfrage.
Quick-Links
Erste Schritte mit generativer KI für den Netzwerkbetrieb
NVIDIA AI-Blueprints ermöglichen eine skalierbare Automatisierung, indem sie einen Workflow bereitstellen, mit dem Entwickler ihre eigenen KI-Agenten entwickeln können. Mit diesen können Entwickler maßgeschneiderte KI-Agenten erstellen und bereitstellen, die logisch denken, planen und Maßnahmen ergreifen können, um große Datenmengen schnell zu analysieren, Echtzeit-Erkenntnisse zusammenzufassen und zu destillieren.
Der NVIDIA KI-Blueprint für die Konfiguration von Telekommunikationsnetzwerken bietet bewährte Bausteine für den Netzwerkbetrieb in mehreren Bereichen. Dieser KI-Blueprint ermöglicht es Entwicklern, Netzwerkingenieuren, Telekommunikationsunternehmen und Anbietern, die Konfiguration von Parametern für Funkzugangsnetzwerke (Radio Access Network, RAN) mithilfe eines agentischen LLM-Frameworks zu automatisieren.
Autonome Netzwerke bieten die Möglichkeit, die Betriebskosten (OpEx) besser zu verwalten. Der KI-Blueprint für die Konfiguration von Telekommunikationsnetzen erleichtert dies durch die Bereitstellung einer modularen KI-Architektur und Automatisierungsabläufe, die für konsistente, skalierbare Bereitstellungen erforderlich sind. Durch generative KI unterstützt, ermöglicht dieser KI-Blueprint Netzwerkingenieuren, adaptive Intelligenz hinzuzufügen, indem sie Probleme vorhersagen, die Leistung optimieren und Entscheidungen automatisieren.
BubbleRAN und Telenor setzen NVIDIA AI Blueprint für die Konfiguration von Telekommunikationsnetzen ein
Der KI-Blueprint für die Konfiguration von Telekommunikationsnetzen basiert auf der Software von BubbleRAN auf einer Cloud-nativen Infrastruktur, die zusammen mit der Multi-Agenten-RAN-Intelligenzplattform für den Aufbau autonomer Netzwerke in großem Maßstab genutzt werden kann.
Die Telenor Group, die weltweit über 200 Millionen Kunden bedient, plant die Einführung des KI-Blueprints für die Konfiguration von Telekommunikationsnetzen, um Konfigurationsherausforderungen zu bewältigen und die Dienstqualität (QoS) während der Netzwerkinstallation zu verbessern.
Details zur Implementierung
Dieses agentische LLM-gestützte Framework nutzt Llama 3.1-70B-Instruct als grundlegendes KI-Modell aufgrund seiner robusten Leistung im Bereich des Verständnisses natürlicher Sprache, des logischen Denkens und des Werkzeugaufrufs.
Kunden haben die Flexibilität, den Blueprint folgendermaßen bereitzustellen:
- Die gehosteten NIM™ Mikrodienste von NVIDIA auf API-Endpunkten unter build.nvidia.com
- Lokale NIM-Microservices zur Erfüllung von Datenschutz- und Latenzanforderungen
Endbenutzer interagieren über eine Streamlit-basierte Benutzeroberfläche (UI), um ihre Anfragen zu senden oder Netzwerkoperationen zu initiieren. Diese Abfragen werden von einem agentischen LangGraph-Framework verarbeitet, das die spezialisierten LLM-Agenten orchestriert.
Die LLM-Agenten sind mit spezialisierten Tools ausgestattet, mit denen sie SQL-Abfragen sowohl für Echtzeit- als auch historische KPI-Daten generieren und ausführen, den gewichteten Durchschnittsgewinn der gesammelten Daten berechnen, Konfigurationsänderungen vornehmen und die BubbleRAN-Umgebung verwalten können.
Wir nutzen Prompt-Tuning, um kontextbasiertes Wissen über die BubbleRAN-Netzwerkarchitektur einzubringen, einschließlich der Details zur Einrichtung und der Abhängigkeiten zwischen verschiedenen KPIs sowie der Logik zur Abwägung von Kompromissen, um gewichtete Durchschnittsgewinne zu optimieren.
Das auf LangGraph basierende agentische Framework orchestriert drei spezialisierte Agenten mit jeweils unterschiedlichen Verantwortlichkeiten, die zusammenarbeiten, um die Schleife aus Überwachung, Konfiguration und Validierung zu schließen. Sobald der Benutzer das Netzwerk mit ausgewählten Parametern initialisiert hat, kann er zwischen einer Überwachungssitzung mit einem Überwachungsagenten oder einer direkten Abfrage des Konfigurationsagenten wählen, um die Auswirkungen von Parametern und den Netzwerkstatus zu erfassen.
Quick-Links
Unten finden Sie eine Aufschlüsselung der einzelnen Agent und ihrer Funktionalität:
1. Überwachungsagent
Dieser Agent verfolgt kontinuierlich den gewichteten Durchschnittsgewinn vorausgewählter Parameter in benutzerdefinierten Zeitintervallen (Standard: 10 Sekunden) in einer Echtzeit-BubbleRAN-KPI-Datenbank. Wenn der Agent einen Leistungsabfall aufgrund einer Verringerung des gewichteten Durchschnittsgewinns eines bestimmten Parameters feststellt, wird das Problem dem Benutzer gemeldet mit der Aufforderung, den nächsten Schritt zu genehmigen.
2. Konfigurationsagent
Der Konfigurationsagent kann durch die Übergabe des Überwachungsagenten oder durch direkte Benutzeranfragen zur Parameteroptimierung oder zum Netzwerkzustand aktiviert werden. Der Agent analysiert historische Daten und leitet daraus anhand der analysierten Trends und fachspezifischen Kenntnissen über Parameterabhängigkeiten und Kompromisse Schlussfolgerungen ab. Basierend auf seiner Analyse schlägt es dem Benutzer verbesserte Parameterwerte vor und wartet auf die Bestätigung des Benutzers.
3. Validierungsagent
Sobald die Parameteranpassungen bestätigt sind, startet der Validierungsagent das Netzwerk mit der neuen Parameterkonfiguration neu. Der Agent bewertet die aktualisierten Parameter über einen benutzerkonfigurierbaren Validierungszeitraum und berechnet den daraus resultierenden gewichteten Durchschnittsgewinn. Wenn sich der gewichtete Echtzeit-Durchschnittsgewinn weiter verschlechtert, erfolgt automatisch eine Zurücksetzung auf die vorherige stabile Konfiguration. Andernfalls wird der Erfolg bestätigt und die UI mit den neuen Einstellungen aktualisiert.
Zusammenfassend ermöglicht unser Framework die kontinuierliche, intelligente Netzwerkoptimierung über eine agentische Schleife, in der spezialisierte LLM-Agenten zusammenarbeiten, um Parameteränderungen in Echtzeit zu überwachen, zu analysieren und zu validieren. Ausgestattet mit Tools zur Analyse von Echtzeit- und historischen KPI-Daten sowie mit fachspezifischem Wissen über Netzwerkparameter und Kompromisse liefern diese Agenten datengestützte Empfehlungen und nachvollziehbare Argumentation. Dieses geschlossene Regelkreissystem stellt sicher, dass die Netzwerkleistung autonom und dennoch benutzerkontrollierbar bleibt, sodass Benutzer die optimale Leistung aufrechterhalten und gleichzeitig die Kontrolle über jeden Entscheidungspunkt behalten können.
Weitere technische Details finden Sie in der Blueprint-Karte.
Generative KI kann große Datenmengen von Gerätesensoren analysieren, um potenzielle Ausfälle oder Probleme vorherzusagen. Dies hilft Technikern, Probleme vorherzusehen, bevor sie auftreten, was eine rechtzeitige Wartung ermöglicht und Ausfallzeiten minimiert.
Generative KI-gestützte Analysen bieten Technikern umsetzbare Erkenntnisse und Empfehlungen auf Basis von Echtzeitdaten. Dadurch können Sie fundierte Entscheidungen in Bezug auf Reparaturen, Aktualisierungen und Netzwerkoptimierungen treffen.
Generative KI kann sich wiederholende und routinemäßige Aufgaben wie die Generierung von Arbeitsaufträgen, die Planung von Terminen und die Erstellung von Dokumentationen automatisieren. Dadurch können sich Techniker mehr auf komplexe Probleme und den Kundenservice konzentrieren.
Quick-Links
Optimieren Sie den Netzwerkbetrieb mit generativer KI
Durch den Einsatz von NVIDIA-KI können Telekommunikationsunternehmen die Ausfallzeiten des Netzwerks reduzieren, die Produktivität der Außendiensttechniker erhöhen und den Kunden eine bessere Servicequalität bieten. Legen Sie los und wenden Sie sich an unser Expertenteam oder erkunden Sie zusätzliche Ressourcen.
