Welche KI-Strategien für Telekommunikationsnetzbetreiber?

Die Betreiber verfügen über einen riesigen Pool ungenutzter Daten. Künstliche Intelligenz wird diese Daten in eine fruchtbare Grundlage für die Entwicklung neuer Dienstleistungen, die Verbesserung der Qualität bestehender Dienstleistungen, die Optimierung des Kundenerlebnisses und die Straffung von Geschäftsabläufen verwandeln.

Nguyen Van Yen, Mitglied des Verwaltungsrats von VNPT

Zusammenfassung:
Daten und KI in der Telekommunikation: Netzbetreiber verfügen über große Datenmengen, die nicht optimal genutzt werden. KI kann dazu beitragen, diese Daten in Werkzeuge umzuwandeln, um Dienste zu verbessern und Geschäftsprozesse zu optimieren.
- Trends bei KI-Anwendungen: Die Entwicklung von 5G und IoT hat die Netzbetreiber seit 2016 dazu veranlasst, sich verstärkt auf KI zu konzentrieren. In letzter Zeit hat sich GenAI als strategisches Werkzeug etabliert, insbesondere nach der Einführung von ChatGPT von OpenAI.
- Wirtschaftliche Vorteile durch KI: KI wird voraussichtlich einen erheblichen Mehrwert für Telekommunikationsanbieter schaffen, unter anderem durch Kostensenkungen und die Erschließung neuer Einnahmequellen. McKinsey schätzt, dass GenAI der Telekommunikationsbranche 100 Milliarden US-Dollar einbringen könnte.
- Einsatz von KI im Unternehmen: KI muss auf allen Ebenen des Unternehmens eingesetzt werden, von der Datenanalyse bis hin zu administrativen Funktionen. Viele Unternehmen haben eigene KI-Abteilungen eingerichtet und KI-Kompetenzzentren aufgebaut.
Risiken bei KI-Anwendungen: Netzwerkbetreiber stehen vor Herausforderungen bei der Rekrutierung von KI-Fachkräften, der Datenverwaltung und der Gewährleistung der Sicherheit beim KI-Einsatz. Eine gute KI-Governance ist daher ein wichtiger Faktor für einen erfolgreichen und nachhaltigen Einsatz.
Datenaufbereitung für KI: Um KI effektiv einzusetzen, müssen Anwender saubere und konsistente Daten aufbereiten und ein einheitliches Datenmodell sicherstellen. Die Datenerfassung und -verarbeitung stellt eine große Herausforderung dar und erfordert hohe Investitionen in Datenanalyse und -management.

Der Stand der KI-Anwendung für Telekommunikation

Der Aufstieg der 5G-Technologie, des Internets der Dinge (IoT) und die stetig wachsende Menge an Big Data treiben Telekommunikationsanbieter dazu an, sich verstärkt mit Künstlicher Intelligenz (KI) auseinanderzusetzen. Einige der großen, ambitionierten Betreiber begannen bereits 2016 und 2017 mit der Einführung von KI, und bis 2019/2020 erlebte der Telekommunikationssektor weltweit eine starke KI-Nutzung. In den letzten 12 bis 15 Monaten (seit dem Start von OpenAI mit Chat GPT) hat sich die Wahrnehmung von GenAI von einem KI-basierten Tool zur Inhaltserstellung zu einer strategischen Plattform entwickelt und steht mittlerweile im Mittelpunkt der Überlegungen nahezu aller Telekommunikationsanbieter weltweit.

Ein Marktforschungsbericht von Allied [6] zum Thema KI im Telekommunikationsmarkt im Jahr 2022 zeigt: „Der globale Markt für KI in der Telekommunikation hatte 2021 ein Volumen von 1,2 Milliarden US-Dollar und wird voraussichtlich bis 2031 auf 38,8 Milliarden US-Dollar anwachsen, was einer durchschnittlichen jährlichen Wachstumsrate (CAGR) von 41,4 % von 2022 bis 2031 entspricht.“ Telekommunikationsunternehmen setzen zunehmend auf KI als Schlüsselfaktor für Innovation, operative Effizienz und ein verbessertes Kundenerlebnis.

Ericsson ist überzeugt [1], dass KI Branchen wie der Telekommunikation einen beispiellosen Mehrwert bieten wird. Für Netzbetreiber eröffnet KI Möglichkeiten zur Optimierung des Netzwerkbetriebs, zur Verbesserung des Kundenerlebnisses, zur Kostensenkung, zur Förderung einer nachhaltigen Entwicklung, zur Erschließung neuer Einnahmequellen usw.

Gartner [2] führte eine Studie durch und klassifizierte 29 KI-bezogene Technologien in fünf Gruppen: KI-Kerntechnologien, GenAI-basierte Technologien, datenzentrierte KI-Technologien und KI-Vertrauenstechnologien. Der Einsatz von GenAI-basierten Technologien wird in den nächsten ein bis drei Jahren voraussichtlich stark zunehmen.

Telekommunikationsunternehmen sehen GenAI als Wendepunkt, als starke Triebkraft für Umsatzsteigerungen, Kosteneinsparungen und eine grundlegende Veränderung des Nutzererlebnisses. Viele Netzbetreiber betrachten GenAI als einen zentralen Bestandteil ihrer KI-Strategie.

Messung der wirtschaftlichen Auswirkungen von KI/GenAI

Die wirtschaftlichen Auswirkungen von KI auf die Telekommunikationsbranche zu messen, ist keine leichte Aufgabe, da die potenziellen Anwendungsfälle vielfältig sind und die Marktwertschätzungen je nach Quelle stark variieren. Viele Betreiber sind sich jedoch einig, dass die Vorteile von KI für das Telekommunikationsgeschäft erheblich sind. Zum Beispiel [4]:

- Arbeitskräfte und Stellenabbau aufgrund von KI und Automatisierung. BT (UK) schätzt, dass durch Digitalisierung und Automatisierung bis 2030 10.000 Stellen abgebaut werden könnten.

- Generierung neuer Einnahmen durch die Einführung KI-gestützter Produkte. SK Telecom (Südkorea) geht davon aus, bis 2028 KI-bezogene Einnahmen von bis zu 25.000 Milliarden KRW (ca. 18,5 Milliarden USD) generieren zu können.

- Kosten senken oder Umsätze steigern. McKinsey schätzt, dass GenAI dem Telekommunikationssektor einen Mehrwert von bis zu 100 Milliarden US-Dollar generieren könnte.

Die Betreiber messen den Nutzen jedes KI-Anwendungsfalls anhand zweier Aspekte: Finanzielle (Zeitersparnis (quantifizierbar), Kosteneinsparungen, Umsatzsteigerung) und nicht-finanzielle (Mitarbeiterzufriedenheit, Kundenzufriedenheit, kleine und schwer quantifizierbare Zeitersparnis, Nachhaltigkeit).

Wo wird KI in der Telekommunikationsbranche eingesetzt und wie lässt sie sich implementieren?

Für Telekommunikationsunternehmen stellt KI eine strategische Priorität dar, die in Aufgaben und Abteilungen im Zusammenhang mit Datenanalyse eingesetzt werden soll. Die jüngste rasante Entwicklung von GenAI hat jedoch insbesondere im Telekommunikationssektor neue Perspektiven für den Einsatz von KI eröffnet:

- Anwendungsbereiche von KI in der Telekommunikation:

- Künstliche Intelligenz ist ein innovatives Werkzeug, daher muss sie jeder Taskforce im Unternehmen zur Verfügung stehen.

+ Es müssen alle Anstrengungen unternommen werden, um KI einfach nutzbar zu machen, auch für Gruppen mit geringen technologischen Fähigkeiten.

+ KI-spezifische Einheiten müssen in der Lage sein, erfolgreiche Implementierungspraktiken für KI-Anwendungsfälle zu verstehen und geeignete Modelle und Methoden zu entwickeln, um diese Anwendungsfälle organisationsweit wiederzuverwenden.

Die Demokratisierung des Zugangs zu KI muss mit der Implementierung neuer FinOps-Ansätze für KI einhergehen, um die Kostenrisiken der KI-Einführung zu managen.

+ Es muss ein KI-Governance-Programm entwickelt und implementiert werden, um das Risiko unkontrollierter Kosten zu reduzieren und die Nutzung und das Experimentieren mit KI zu fördern.

- KI-Einsatz im Telekommunikationssektor

Eine CXO-KI-Position mit Expertise und Autorität zur Förderung der KI-Anwendungs- und Produktentwicklung schaffen (z. B. Steve Jarrett wurde im Dezember 2023 zum Chief AI Officer (CAIO) bei Orange Innovation ernannt; Deepika Adusumilli im Oktober 2023 bei BT; Chung Suk-guen bei SK Telecom).

Gründung einer Tochtergesellschaft zur Entwicklung von KI , zum Beispiel ist Proximus Ada eine Tochtergesellschaft des Netzbetreibers Proximus (Belgien), die sich speziell auf die Entwicklung von Cybersicherheits- und KI-Fähigkeiten konzentriert, um die internen Anforderungen von Proximus zu erfüllen und Dienstleistungen für B2B-Kunden anzubieten.

Interne KI-Funktionen und kundenorientierte KI-Funktionen werden getrennt. Anstatt eine zentrale KI-Organisation aufzubauen, entschied sich Telefónica für die Aufteilung in zwei Bereiche: Customer Insights und Innovation sowie Networks, IT Systems und Internal Digital Transformation (CDS) hin zu KI.

Diese Aufteilung der Verantwortlichkeiten ist besonders interessant, da der Fokus von GenAI eher auf kundenorientierten Aspekten als auf Netzwerkfunktionen liegt, während prädiktive KI zunehmend zur Technologie wird, die für die Netzwerkautomatisierung eingesetzt wird.

KI als neue Geschäftsfunktion. Beispielsweise investieren China Mobile und SK Telecom massiv in KI, um neue Produkte und Dienstleistungen anzubieten. Beide Anbieter konzentrieren sich darauf, eigene große Sprachmodelle (LLM) mit optimalen Lösungen und Funktionen zu entwickeln und den Zugang dazu an Unternehmen (Verteilernetzbetreiber) und andere Anbieter zu verkaufen.

Einrichtung eines KI-Kompetenzzentrums (CoE).

Laut einer TMFrum-Umfrage (2023) [4] gaben 53 % der Mobilfunkbetreiber an, ein KI-Kompetenzzentrum eingerichtet zu haben. Größe, Umfang und Rolle dieser Zentren variieren jedoch erheblich. Vodafone Ziggo (Niederlande) beispielsweise verfügt über ein KI-Kompetenzzentrum, das die Datenexperten des Unternehmens zusammenführt.

Telefónica verfügt über ein globales KI-Kompetenzzentrum, das von der Abteilung Netzwerke und IT geleitet wird und sich auf Daten- und KI-Architektur spezialisiert hat, um das Ziel des Übergangs zu einem gemeinsamen Datenmodell zu verfolgen und KI-Technologien und -Lösungen zu erforschen.

e& (Middle East) verfügt über ein Kompetenzzentrum, in dem jede wichtige Abteilung/Funktion einen Vertreter hat. Die KI-Governance steht im Vordergrund mit der Mission, sicherzustellen, dass erfolgreiche KI-Anwendungsfälle erforscht und abteilungsübergreifend angewendet werden.

KI als Plattformfunktion. Einige Mobilfunkanbieter haben KI-Plattformen entwickelt – oder sind dabei, solche zu entwickeln –, die es ermöglichen, KI verschiedenen Bereichen des Unternehmens zugänglich zu machen.

Vodafone verfügt beispielsweise über eine KI-Plattform, die auch Self-Service-Tools und Schulungsmaterialien für verschiedene Teams bereitstellt, damit diese ihre eigenen Anwendungsfälle entwickeln können. SK Telecom bietet eine Intelligence Platform, die der gesamten Organisation Zugriff auf das von SKT entwickelte LLM ermöglicht.

- KI-Management

Anforderungen an die KI-Governance. Viele Governance-Anforderungen für KI sind Bestandteil bestehender Daten-Governance-Programme. Um jedoch die Sicherheit und ethische Vertretbarkeit von KI-Tools und -Systemen zu gewährleisten, sind zusätzliche KI-spezifische Schutzmaßnahmen erforderlich. Es gibt zwei Arten von KI-Governance-Programmen:

Das externe Governance-Programm dient dem Schutz von Personen und Organisationen außerhalb des Unternehmens.

- Interne Governance-Programme dienen dem Schutz der Mitarbeiter und der Sicherstellung eines erfolgreichen und nachhaltigen Einsatzes von KI im gesamten Unternehmen.

Governance-Programme zum Schutz von Personen und Organisationen außerhalb des Unternehmens sind in der Regel kodifiziert und normativ. So verabschiedete die Europäische Union (EU) beispielsweise im Dezember 2023 den AI Act, der 2025 in Kraft treten wird, und die USA erließen im Oktober 2023 eine Exekutivverordnung zu KI.

Strengere staatliche Regulierungen können Telekommunikationsunternehmen dabei helfen, Technologien und Fähigkeiten zu entwickeln , die im Ausland, insbesondere in Ländern mit strengen Datenschutzbestimmungen, monetarisiert werden können.

China Mobile ist beispielsweise überzeugt, dass die Methoden, mit denen das Unternehmen die KI-Gesetze erfüllt, zur Entwicklung von Sicherheitstechnologien beitragen können, die es seinen Kunden anbieten kann. Swisscom experimentiert mit dem Aufbau einer eigenen KI-Infrastruktur und der Entwicklung interner Expertise, um im IT-Dienstleistungsgeschäft Mehrwert und neue Lösungen zu schaffen.

Das Aufkommen von GenAI treibt auch die Notwendigkeit voran, die interne KI-Governance zu verbessern: Skalierung vorantreiben; Kosten kontrollieren; die Organisation vor den Folgen der Verwendung ungenauer Ergebnisse schützen; das Risiko technischer Schulden reduzieren; sich gegen das Risiko der „Beschädigung“ von LLM-Trainingsmodelldaten absichern; die Organisation vor Verletzungen des geistigen Eigentums (IP)/Urheberrechts schützen.

Risiken des Einsatzes von KI in Unternehmen

Die TMforum-Umfrage 2023 zu den Risiken des Einsatzes von GenAI im Telekommunikationssektor umfasst Folgendes:

3.1. Personalressourcen für KI

Bei der Rekrutierung von KI-Fachkräften sind die meisten Telekommunikationsunternehmen gegenüber Technologieunternehmen im Nachteil, insbesondere bei der Einstellung junger Talente. Technologieunternehmen bieten in der Regel höhere Gehälter, schnellere Karrierechancen und eine deutlich flexiblere Unternehmenskultur.

Eine Umfrage des TM Forums zu den Personalbedürfnissen der Telekommunikationsbranche nach Fachgebiet [4] zeigt, dass KI/maschinelles Lernen, Datenanalyse und Automatisierungskenntnisse stark nachgefragt werden (64 %, weniger als im Bereich Sicherheit mit 69 %).

Was die Schwierigkeit der Rekrutierung von Fachkräften durch Telekommunikationsunternehmen angeht, gaben 59 % der Befragten an, dass Data-Science-/Data-Analytics-Experten und KI/ML-Experten am schwierigsten zu rekrutieren seien (nur Sicherheitsexperten mit 63 % seien am schwierigsten zu rekrutieren).

Auf dem MWC 2024 kündigte Korea Telecom (Korea) an, in diesem Jahr bis zu 1.000 KI- und Digitalexperten einzustellen, um sich zu einem KI- und ICT-Unternehmen zu entwickeln. Gleichzeitig verstärkte KT seine internen KI-Schulungen, um die Unternehmenskultur grundlegend auf KI auszurichten.

China Mobile gründete Jiutian im Jahr 2019 als Plattform, um sein Ziel, bis 2025 ein hochautomatisierter Mobilfunkanbieter zu werden, zu unterstützen. Die KI-Plattform ist über offene APIs für externe Entwickler zugänglich. Bis Oktober 2023 entwickelte China Mobile im Rahmen von Jiutian ein eigenes LLM (Learning Learning Management). Angefangen mit nur 20 KI-Ingenieuren, beschäftigt China Mobile mittlerweile 600 KI-Ingenieure und plant, diese Zahl bis Ende 2024 auf 1.000 zu erhöhen.

Vodafone arbeitet für seine KI-Plattform mit Hyperscalern zusammen, benötigt aber weiterhin AIOps-Kenntnisse sowie Expertise in den Bereichen Analytik, Automatisierung, Cloud und Plattformen. Vodafone wirbt um Talente durch die Einstellung von Festangestellten.

Ashish Yadav, Senior Director bei Capgemini, erklärte, dass Telekommunikationsunternehmen zunehmend über Systemintegrationsfirmen nach erfahrenen Cloud- und KI-Experten auf Architektenebene suchen – eine Form des Insourcings. Der Begriff Insourcing lässt sich unterschiedlich interpretieren, doch in diesem Kontext betrachten Telekommunikationsunternehmen die erfahrenen Fachkräfte des Partnerunternehmens als Mitglieder ihres eigenen Teams.

Die meisten Telekommunikationsunternehmen verstärken zudem ihre Bemühungen um Umschulung und Weiterbildung, um proaktiv und bedarfsgerecht KI-Fachkräfte zu gewinnen. Tatsächlich kann dieser Ansatz kostengünstiger sein als die Rekrutierung neuer Mitarbeiter und wird zunehmend auch auf andere schwer zu besetzende Qualifikationen angewendet.

In einer Umfrage von TMForum darüber, was Mobilfunkanbieter tun müssen, um KI und maschinelles Lernen effektiv zu nutzen, gaben 60 % der Befragten an, dass die Schulung der vorhandenen Mitarbeiter in verschiedenen KI-Fähigkeiten einen großen Einfluss hat, während 39 % angaben, dass sie einen erheblichen Einfluss hat.

Laut McKinsey & Company zwingt GenAI die Betreiber, KI-Expertise intern aufzubauen und gleichzeitig neue Fähigkeiten von den Nutzern zu benötigen, wie beispielsweise Prompt Engineering – die Fähigkeit, Fragen zu stellen, um die beste Antwort von LLM zu erhalten. Die Betreiber müssen außerdem Dateningenieure und Fachexperten einstellen, „die verstehen, welche Daten zu erfassen sind und wie diese erfasst werden sollen, sowie die Qualität der neuen Datenformen überwachen und bewerten, die von GenAI-Systemen erstellt und verwendet werden . “

3.2. Datenbereitschaft für KI-Anwendungen

Eine datengetriebene Architektur ist entscheidend für die Genauigkeit und Konsistenz der Daten im gesamten Netzwerk. Die Verwendung eines gemeinsamen Datenmodells gewährleistet einen reibungslosen Datenfluss zwischen allen Systemen und die korrekte Bereitstellung der Daten in allen automatisierten Arbeitsabläufen.

KI benötigt Daten, und Datenanalyse benötigt KI. Viele Unternehmen stehen heute vor großen Herausforderungen bei der Entwicklung kohärenter Datenstrategien, um die KI-Technologie voll auszuschöpfen. Unternehmen, die sich noch in der Anfangsphase von KI-Experimenten befinden, unterschätzen möglicherweise den Bedarf, insbesondere an Daten, für einen erfolgreichen, großflächigen KI-Einsatz.

Vielen Anbietern fehlt eine einheitliche Strategie, die es ermöglicht, Daten horizontal innerhalb der Organisation nach einem einheitlichen Datenmodell zu fließen.

Einige spezifische Herausforderungen bei der Aufbereitung von Daten für KI:

Es mangelt an sauberen, klaren, konsistenten und handlungsrelevanten Daten , die in verschiedenen Geschäftsbereichen – vom Netzwerk über die Servicebereitstellung bis hin zum Kundenerlebnis – Anwendung finden können. Dies ist entscheidend für alle Prozesse, die daten- und KI-gesteuert ablaufen.

Das Fehlen eines gemeinsamen Datenmodells (die Daten werden derzeit von mehreren Anbietern gesammelt) führt zu einer extrem zeitaufwändigen Zusammenführung von strukturierten und unstrukturierten Daten.

Der fehlende Datenkontext, also die Unkenntnis darüber, wie, wann, wo und zu welchem ​​Zweck die Daten erhoben werden, stellt eine besonders große Hürde dar, die Telekommunikationsunternehmen überwinden müssen, wenn sie GenAI oder andere Arten von maschinellen Lernmodellen einsetzen wollen.

Die Betreiber erkennen den Wert von Daten und investieren verstärkt in Datenanalysen. Omdia schätzt, dass die globalen Betreiber bis 2025 rund 2,5 Milliarden US-Dollar in Datenanalysen investiert haben werden.

Tatsächlich ist der Zeit- und Investitionsaufwand für die Erfassung, Bereinigung, Transformation und Speicherung von Daten im richtigen Format oft unverhältnismäßig höher als der Zeitaufwand für deren Nutzung. Die Erstellung von Data Lakes und Data Warehouses wird zwar schon seit Jahren vorangetrieben, ermöglicht es Netzbetreibern aber noch nicht, KI unternehmensweit flächendeckend einzusetzen.

Das Aufkommen KI-basierter Innovationen und Analysen hat den Bedarf an einer vielfältigeren und flexibleren Datennutzung verstärkt, zum Beispiel:

- Künstliche Intelligenz/maschinelles Lernen benötigt riesige Datenmengen zum Trainieren von Modellen.

- Um unverzerrte KI-Ergebnisse zu gewährleisten, sind diverse Datensätze und verschiedene Datentypen erforderlich.

- Hinzufügen von Datenebenen zur Verbesserung der Modellgenauigkeit und der Anwendungswirkung

- Modelle müssen kontinuierlich mit den neuesten Informationen trainiert werden, um ihre Vorhersageleistung aufrechtzuerhalten, insbesondere in dynamischen Umgebungen.

- Für kritische Geschäftsfunktionen, insbesondere in hochgradig interaktiven Umgebungen, müssen Daten in Echtzeit verfügbar sein.

- Mit dem Aufkommen von GenAI haben die Betreiber die Möglichkeit erhalten, die große Menge an verfügbaren unstrukturierten Daten zu nutzen. Diese Daten müssen jedoch getaggt und bereinigt werden, bevor sie in LLM eingespeist werden können.

Um im Bereich KI aus Datenperspektive signifikante Fortschritte zu erzielen, müssen die Betreiber ihre Herangehensweise an die durch das System fließenden Daten grundlegend ändern – mitunter auch die Unternehmenskultur. Entscheidend ist der Aufbau eines gemeinsamen Datenmodells und die Schaffung einer zentralen Datenquelle.

Die Schaffung einer zentralen Datenquelle ist eine äußerst komplexe Aufgabe, die aufgrund der Datenfragmentierung bisher die Fähigkeiten der meisten Betreiber überstieg. BT, Deutsche Telekom und Telefónica haben Maßnahmen ergriffen, um dieses Problem zu lösen, indem sie ihre gesamten Daten in die Public Cloud verlagert haben. So hat BT beispielsweise in den letzten zwei Jahren über 90 % seiner Daten auf die Google Cloud Platform migriert.

KI-Architektur: Entwickeln, Kaufen und Skalieren

Es gibt viele Ähnlichkeiten zwischen KI/GenAi und Cloud Computing, insbesondere den technologischen Wandel und die Dominanz von Hypercallern. Netzbetreiber stehen vor demselben Problem, derselben Frage wie KI und Cloud: Was sollen sie kaufen und was sollen sie selbst entwickeln?

Der Umgang der Telekommunikationsunternehmen mit KI ist maßgeblich von den Grundprinzipien offener Architektur und Komposition geprägt. Omair Ahmed Khan von der Deutschen Telekom erklärt, dass die meisten KI-Projekte des Unternehmens eine Kombination aus Eigenentwicklung und Zukauf beinhalten: „Die Deutsche Telekom verfolgt eine hybride Eigenentwicklungs- und Zukaufsstrategie, wobei der Zukauf nie den Kauf einer kompletten schlüsselfertigen Lösung umfasste.“

Betreiber halten es für verfrüht, KI als Teil ihrer Unternehmensarchitektur oder ihrer Referenzarchitektur zu betrachten. Einige Betreiber mit einer klaren Vision und Strategie für die Integration von KI in ihre zukünftige Unternehmensarchitektur erkennen jedoch auch Implementierungsherausforderungen, insbesondere im Hinblick auf die benötigten Mitarbeiter, Werkzeuge und Kompetenzen, um effektive Ergebnisse und einen klaren Return on Investment zu erzielen.

Die Industrialisierung von Software kann als bewährte Methode für die Industrialisierung von KI angesehen werden, indem Daten in öffentliche Clouds verlagert und in Echtzeit zugänglich gemacht werden. Ein CIO eines südostasiatischen Telekommunikationsunternehmens beschrieb den Prozess, den sein Unternehmen zur Industrialisierung von KI verfolgte, als „Datenfabrik“. „Dadurch konnten Zeit und Kosten der KI-Entwicklung deutlich reduziert werden“, sagte er.

„Vor zwei Jahren waren die Kosten für die KI-Produktion sehr hoch. Die Entwicklung eines KI-Modells dauerte sechs bis acht Monate. Heute dauert es nur noch wenige Tage. Der gesamte Zyklus lässt sich viel schneller und mit weniger Personal durchführen.“

Praxis bei einigen Fluggesellschaften:

China Mobile: hat im Rahmen des Jiutian LLM-Projekts Hardware erworben und ein eigenes Rechenzentrum einschließlich Grafikprozessoren (GPUs) und Beschleunigern aufgebaut.

Jio: Reliance Industries, die Muttergesellschaft des indischen Telekommunikationsunternehmens Jio, hat eine Partnerschaft mit Nvidia geschlossen, um eine Supercomputing-Infrastruktur für KI aufzubauen. Reliance will Wissenschaftlern, Entwicklern und Startups in ganz Indien KI-Infrastruktur zur Verfügung stellen und KI-Anwendungen und -Dienste für die 450 Millionen Kunden von Jio entwickeln.

Die Entscheidung, ob KI in einer öffentlichen oder privaten Cloud eingesetzt werden soll, stellt auch Telekommunikationsunternehmen vor Herausforderungen und hängt maßgeblich vom Umfang des Einsatzes ab. Der Einsatz von KI in einer öffentlichen Cloud bietet den Vorteil reichlich vorhandener Rechenressourcen, Leistung und spezialisierter Hardware zur Verarbeitung komplexer Algorithmen und großer Datenmengen. Die Kosten können jedoch zum Problem werden, wenn der Betreiber die öffentliche Cloud ausschließlich zur Verarbeitung großer Datenmengen nutzt.

Die Entscheidung für eine private Cloud für GenAI wird von vielen Betreibern als nicht realisierbar angesehen, es sei denn, sie entwickeln ihre eigene LLM – wie beispielsweise China Mobile, Softbank und SK Telecom in Asien sowie die Deutsche Telekom in Europa. Betreiber priorisieren in der Regel die öffentliche Cloud für Tests und die Entwicklung von MVPs für KI-Anwendungsfälle.

Mit dem verstärkten Einsatz von KI durch die Fluggesellschaften werden sich zwangsläufig tiefere Kundenbeziehungen entwickeln.

Softbank hat sich mit Nvidia zusammengetan , um Rechenzentren (TTDL) zu errichten, die für GenAI- und drahtlose Anwendungen ausgelegt sind. Die neuen TTDL-Rechenzentren werden sowohl KI- als auch 5G-Workloads verarbeiten können.

SK Telecom: Nutzt die Nachfrage nach KI-basierten Rechenzentren als Teil der umfassenderen KI-Strategie von SKT. Finanzvorstand Yang-Seob Kim erklärte, SKT plane, „das Rechenzentrumsgeschäft weiter auszubauen und sich dabei auf KI-Rechenzentren der nächsten Generation sowie die globale Expansion zu konzentrieren.“

- NTT investiert in den nächsten fünf Jahren 1,5 Billionen Yen (rund 12 Milliarden US-Dollar), um sein Rechenzentrumsgeschäft weltweit auszubauen und zu modernisieren und so der wachsenden Nachfrage nach Daten im Zusammenhang mit der Nutzung von GenAI und anderen Technologien gerecht zu werden.

Die Entscheidung, ob KI in einer öffentlichen oder privaten Cloud eingesetzt werden soll, stellt auch Telekommunikationsunternehmen vor Herausforderungen und hängt maßgeblich vom Umfang des Einsatzes ab. Der Einsatz von KI in einer öffentlichen Cloud bietet den Vorteil reichlich vorhandener Rechenressourcen, Leistung und spezialisierter Hardware zur Verarbeitung komplexer Algorithmen und großer Datenmengen. Die Kosten können jedoch zum Problem werden, wenn der Betreiber die öffentliche Cloud ausschließlich zur Verarbeitung großer Datenmengen nutzt.

Die Entscheidung für eine private Cloud für GenAI wird von vielen Betreibern als nicht realisierbar angesehen, es sei denn, sie entwickeln ihre eigene LLM – wie beispielsweise China Mobile, Softbank und SK Telecom in Asien sowie die Deutsche Telekom in Europa. Betreiber priorisieren in der Regel die öffentliche Cloud für Tests und die Entwicklung von MVPs für KI-Anwendungsfälle.

Da die Mobilfunkanbieter ihren Einsatz von KI verstärken, wird dies unweigerlich zu engeren Beziehungen mit den Branchenriesen Amazon Web Services, Microsoft Azure und Google Cloud führen.

Referenzen:
1. Geschäftspotenzial von KI: Den Wert von KI verstehen für
Telekommunikationsbetrieb. https://www.ericsson.com/4ac6ca/
assets/local/reports-papers/further-insights/doc/ai-
Geschäftspotenzial.pdf
[2] Emerging Tech Impact Radar: Künstliche Intelligenz, Gartner, 19. Januar 2024, ID G00796195
[3]. Generative KI: Betreiber machen ihre ersten Schritte, TMforum 2023
[4]. Aufbau einer KI-Strategie: Telekommunikationsunternehmen legen den Grundstein,
TMforum, 3. März 2024
[5]. https://intellias.com/ai-in-telecommunications/
[6]. https://www.alliedmarketresearch.com/ai-in-
Telekommunikationsmarkt-A09352
[7]. Künstliche Intelligenz der Generation Z im Telekommunikationssektor: Wichtigste Erkenntnisse aus der GenAI-Telco-Studie von Omdia.
Omdia-Umfrage unter Dienstleistern 2024
[8] https://www.xenonstack.com/enterprise-generative-ai/
Telekommunikation/
[9]. Wohin führt die Entwicklung der KI? Nokia https://www.nokia.com/thought-
Führung/Artikel/KI/Wohin entwickelt sich die KI?
[10]. Ericsson Telco AI, Internes Dokument

(Veröffentlicht in der Printausgabe des Magazins Information and Communications Nr. 8, August 2024)

Quelle: https://ictvietnam.vn/chien-luoc-ai-nao-cho-cac-nha-khai-tac-mang-vien-thong-66422.html