Mobilfunknetze werden so komplex, dass klassische Automatisierung nicht mehr ausreicht. Der Weg zu einem autonomen RAN (Radio Access Network), also dem Zugangsnetz zwischen Endgerät und Mobilfunkinfrastruktur, führt jedoch nicht über einen Bruch der genutzten Techniken, sondern über eine evolutionäre Weiterentwicklung innerhalb des Netzes.

Diese reicht von Self-Organizing Networks (SON), die Konfiguration, Optimierung und Fehlerbehebung in Funknetzen automatisieren, über Service Management and Orchestration (SMO) als zentrale Steuerungs- und Orchestrierungsebene bis hin zu rApps, modularen Anwendungen zur Umsetzung und Erweiterung von Automatisierungsfunktionen in offenen RAN-Architekturen. Gemeinsam bilden sie die Grundlage für ein Netz, das die Ziele des Betreibers versteht, den jeweiligen Kontext erkennt und sich selbstständig optimiert, ohne bestehende Investitionen zu gefährden, wie dies ein radikaler Bruch täte.

Die betriebliche Realität moderner Mobilfunknetze verändert sich grundlegend, also das tägliche Aufrechterhalten aller Funktionen unter realen Lasten, Störungen, Topologieänderungen und bei wachsender Dienstvielfalt. Offene Architekturen, Multi-Vendor-Umgebungen und KI-Workloads erhöhen die Zahl der Abhängigkeiten und Steuerungsaufgaben im RAN sowie in der End-to-End-Architektur. In dieser Situation wird ein autonomes RAN der Stufe 4, das Ziele versteht und selbständig die passenden Maßnahmen auswählt, zu einer realistischen und notwendigen Perspektive.

Ein Beispiel aus dem Netzbetrieb zeigt diese Entwicklung deutlich: Während früher ein lokaler Kapazitätsengpass durch manuelle Parameteranpassungen oder statische Load-Balancing-Mechanismen entschärft wurde, müssen heutige Netze gleichzeitig auf Verkehrsspitzen, Energieziele, Service-Level-Vereinbarungen und Interferenzen reagieren und das in Echtzeit. Die operative Komplexität steigt nicht linear, sondern exponentiell.

Warum Workloads Netze prägen und warum KI alles verändert

Jede Mobilfunkgeneration wurde von einem dominanten Workload geprägt: erst Sprache, dann mobile Daten, später Video und heute KI-Lasten sowie maschinelle Kommunikation. Diese Entwicklung ist nicht nur technologisch, sondern auch architektonisch relevant. Während 4G-Netze vor allem auf hohen Durchsatz optimiert wurden, müssen 5G- und künftig 6G-Netze zusätzlich extrem niedrige Latenzen, deterministische Dienste und massive IoT-Dichten unterstützen. Historisch betrachtet war jede Workload-Verschiebung ein Wendepunkt. 2G brachte erstmals automatisierte Frequenzplanung. 3G erforderte dynamische Leistungssteuerung. 4G machte Inter-Cell Interference Coordination (ICIC) und SON unverzichtbar. Mit 5G wird KI-gestützte Orchestrierung notwendig, weil die Zahl der Parameter und Abhängigkeiten die menschliche Steuerbarkeit zunehmend übersteigt.

Cloud-basierte RAN-Architekturen, Open-RAN-Modelle und Network Slicing schaffen neue Freiheitsgrade, erhöhen aber zugleich die Anforderungen an Orchestrierung und Interoperabilität. Die Vielfalt der Komponenten und Hersteller erweitert die Gestaltungsmöglichkeiten, verlangt aber Systeme, die diese Vielfalt zuverlässig koordinieren. Ein praktisches Beispiel: Ein Betreiber muss gleichzeitig Kommunikationsdienste mit extrem niedriger Latenz und hoher Zuverlässigkeit für industrielle Anwendungen (URLLC), breitbandige Datendienste mit hohen Datenraten (eMBB) sowie die Anbindung einer sehr großen Zahl vernetzter Geräte und Sensoren (mMTC) bereitstellen. Ohne kontextbasierte Orchestrierung entsteht ein Flickenteppich aus konkurrierenden Steuerimpulsen.

Warum klassische Automatisierung an ihre Grenzen stößt

Klassische Automatisierung arbeitet mit isolierten Regelkreisen, die jeweils nur einen Ausschnitt des Gesamtsystems betrachten. In einem Netz, das sich permanent verändert und in dem viele Funktionen gleichzeitig aktiv sind, führt das zu Konflikten, Inkonsistenzen und suboptimalen Entscheidungen. Netze müssen deshalb kontextsensitiv und zielorientiert handeln: Menschen definieren Absichten, sogenannte Intents, das Netz entscheidet selbstständig, wie es diese erreicht.

Ein Beispiel aus der Praxis: Ein Coverage-Optimierer erhöht die Sendeleistung einer Zelle, während ein Energie-Optimierer sie gleichzeitig senken möchte. Ohne übergeordnete Governance entstehen widersprüchliche Aktionen. Dies ist ein klassisches Problem isolierter Automatisierungslogiken.

Der Übergang zu einem autonomen RAN ist keine radikale Transformation, sondern eine Weiterentwicklung, die mit den Self-Organizing Networks begonnen hat. SON hat gezeigt, wie sich Konfiguration, Optimierung und Fehlerbehebung in großen Funknetzen automatisieren lassen. Diese Systeme sind weiterhin wertvoll, weil sie über Jahre hinweg gelernt haben, wie reale Netze sich unter Last, bei Störungen oder in komplexen Topologien verhalten. Dieses gewachsene Wissen bildet eine unverzichtbare Grundlage für höhere Autonomiegrade.

Historisch betrachtet war SON der erste Schritt hin zu geschlossenen Regelkreisen im RAN. Funktionen wie Automatic Neighbor Relation (ANR), Mobility Load Balancing (MLB) oder Coverage and Capacity Optimization (CCO) haben gezeigt, dass Netze sich selbst stabilisieren können, allerdings nur innerhalb klar abgegrenzter Funktionsbereiche.

Viele Betreiber nutzen diese Fähigkeiten bis heute produktiv. Anbieter wie Nokia haben über Jahre SON-Lösungen entwickelt und in großen Mobilfunknetzen implementiert. Diese Erfahrungen und die daraus entstandenen Optimierungsmodelle bilden heute eine wichtige Grundlage für den Übergang zu offenen und stärker automatisierten Betriebsmodellen.

SMO als neue Steuerungsebene: Offene Intelligenz statt isolierter Funktionen

Der nächste Schritt besteht darin, diese etablierten Funktionen in ein übergeordnetes Steuerungsmodell einzubetten. Hier setzt das Service Management and Orchestration Framework an, wie es von der O-RAN Alliance definiert wurde. SMO bildet eine offene und interoperable Steuerungsschicht, die Multi-Vendor- und Multi-Technologie-RANs koordiniert und sowohl klassische als auch cloud-native Deployments unterstützt. Es ist die Instanz, in der Automatisierung, Daten, KI-Modelle und Richtlinien zusammenlaufen und in der sich die operative Intelligenz des Netzes konzentriert.

Ein Beispiel: Während SON-Funktionen typischerweise auf Zellebene agieren, kann das SMO Netzverhalten über Regionen hinweg analysieren, Konflikte erkennen und Optimierungen priorisieren. So lässt sich beispielsweise verhindern, dass ein lokaler Kapazitätsgewinn globale Interferenzprobleme verursacht.

rApps als modulare Erweiterung: Offenheit ohne Neustart

Mit der Einführung von rApps, modularen Anwendungen im Non-Real-Time RAN Intelligent Controller, wird diese Offenheit konkret. rApps standardisieren, wie Automatisierungsfunktionen entwickelt, bereitgestellt und betrieben werden. Sie ersetzen jedoch nicht die Optimierungsintelligenz, die über Jahre in SON-Systemen gereift ist. Vielmehr entsteht ein gemeinsames System: SON-Funktionen und rApps arbeiten nebeneinander, orchestriert durch das SMO, das Kontext versteht, Konflikte erkennt und Entscheidungen priorisiert. Zum Beispiel kann Eine rApp langfristige Verkehrsprognosen erstellen, während eine SON-Funktion kurzfristige Parameter optimiert. Erst die Kombination beider Zeithorizonte erzeugt ein Netz, das sowohl reaktiv stabil als auch strategisch vorausschauend agiert.

Damit Autonomie zuverlässig funktioniert, braucht es Governance. Wenn viele Automatisierungsfunktionen parallel arbeiten, steigt das Risiko widersprüchlicher Aktionen. Intent-basierte Betriebsmodelle, Richtlinien und systematische Konflikterkennung sorgen dafür, dass das Netz vorhersehbar und sicher handelt und dass Optimierungen mit den übergeordneten Zielen des Betreibers übereinstimmen.

Kontext als Schlüssel: Ein Netz, das versteht, was um es herum passiert

Autonomie entsteht, wenn das Netz Kontext versteht: Verkehrslast, Topologie, Serviceanforderungen, Energieziele und betriebliche Prioritäten. Erst dann kann es proaktiv handeln, statt lediglich auf Ereignisse zu reagieren. Das SMO wird zur Instanz, die diese Kontextualisierung ermöglicht und sowohl etablierte SON-Funktionen als auch neue rApps orchestriert. Für Betreiber ist entscheidend, dass dieser Weg ihre bestehenden Investitionen schützt. SON-Funktionen bleiben nutzbar, rApps können schrittweise ergänzt werden und offene Schnittstellen lassen sich kontrolliert einführen. Der Autonomiegrad wächst entsprechend der betrieblichen Reife im Sinne des TM Forum Autonomous Network Frameworks.

Autonomes RAN ist damit keine Revolution, sondern eine konsequente Weiterentwicklung auf Basis dessen, was sich im realen Netzbetrieb bewährt hat. Der Weg führt nicht vom Bestehenden weg, sondern baut auf den Erfahrungen, Datenbeständen und Automatisierungsmechanismen auf, die Mobilfunknetze bereits heute effizient und zuverlässig machen.

Nokia/Stephan Mayer