AI-RAN muss unter realen Netzwerkbedingungen zeigen, dass es neben mobiler Konnektivität auch KI-Dienste unterstützen kann.
In einer Ankündigung vom 20. Oktober erklärte Nokia, dass das Unternehmen und SoftBank 2027 in Japan einen AI-RAN-Feldtest durchführen wollen. Das Projekt wird Nokias anyRAN-Software mit SoftBanks AITRAS-Plattform in einer kommerziellen Netzwerkumgebung unter Bedingungen mit kommerziellem Datenverkehr kombinieren.
AI-RAN verbindet künstliche Intelligenz mit der Infrastruktur von Funkzugangsnetzen. Für Telekommunikationsanbieter besteht die Chance darin, die Infrastruktur sowohl für Konnektivität als auch für KI-Verarbeitung zu nutzen. Die Herausforderung ist, bei der gemeinsamen Nutzung von Rechenressourcen zuverlässige mobile Dienste aufrechtzuerhalten.
„Unser geplanter Feldtest mit Nokia wird einen wichtigen Meilenstein beim Übergang von AI-RAN vom Konzept zur Umsetzung markieren. Wir werden Nokias KI-native anyRAN-Software als RAN-Komponente in unsere AITRAS-Plattform integrieren, wobei der AITRAS Orchestrator mit Nokias RAN und MantaRay zusammenarbeitet“, sagte Ryuji Wakikawa, Senior Vice President und CTO bei SoftBank Corp.
SoftBanks Bemühungen rund um AI-RAN
Die Nokia-Vereinbarung baut auf SoftBanks früheren AI-RAN-Kooperationen auf.
Im Februar kündigten Ericsson und SoftBank die Interoperabilität zwischen dem AITRAS Orchestrator und der Ericsson Intelligent Automation Platform an, die Funkzugangsnetze verwaltet und steuert. Die demonstrierte Konfiguration koordinierte RAN-Automatisierungsanwendungen und KI-Workloads über getrennte Rechencluster hinweg und ermöglichte eine dynamische Ressourcenverteilung, ohne beide auf demselben Server unterzubringen.
Im März kündigten Mitsubishi Heavy Industries (MHI) und SoftBank eine Kooperation an, die einen AITRAS-Feldtest im Yokohama Hardtech Hub von MHI umfasst. Der geplante Test sollte Smartphone-Bilder fehlerhafter Produkte analysieren, um beschädigte Bereiche zu identifizieren und Reparaturmethoden zu bestimmen. Er sollte in einem lokalen Edge-Rechenzentrum betrieben werden, das von externen Netzwerken isoliert ist.
Der geplante Nokia-Test führt diese Arbeit auf kommerziellen Netzwerkverkehr aus, bei dem die Koordination von KI-Workloads zugleich die betrieblichen Anforderungen des Mobilfunknetzes erfüllen muss.
Die Erkenntnis von eWeek: Der Business Case für AI-RAN muss noch geprüft werden
Das Partnerökosystem adressiert eine wichtige Implementierungsherausforderung: AI-RAN benötigt zusammenwirkende Hardware, Netzwerksoftware und Workload-Management. Für Unternehmensleser stellt sich jedoch die wichtigere Frage, was diese Integration in puncto Zuverlässigkeit, Reaktionszeiten und Kosten leisten könnte.
SoftBanks AI-RAN-Kooperationen erstrecken sich auf Rechenhardware, Cloud-Infrastruktur, Netzwerksoftware und industrielle Anwendungen und spiegeln den umfassenderen Bedarf wider, Rechenleistung, Netzwerke und Software für Unternehmens-KI zu integrieren.
Der geplante Nokia-Test wird eine Nvidia Grace CPU, eine Nvidia RTX PRO 4500 GPU und Nvidia ConnectX-8-Netzwerktechnik verwenden.
Im Bereich der Cloud-Infrastruktur hat SoftBank mit Red Hat zusammengearbeitet. Im März 2025 beschrieben die Unternehmen AITRAS als integrierte KI- und RAN-Lösung auf Basis von Red Hat OpenShift, einer Kubernetes-basierten Anwendungsplattform. Diese stellt eine gemeinsame Cloud-native-Softwareumgebung für virtualisierte RAN-Funktionen und KI-Anwendungen bereit. Die Zusammenarbeit umfasst außerdem die Überwachung des Energieverbrauchs, um die Platzierung von Workloads und die Energieoptimierung zu unterstützen.
Die Partner übernehmen unterschiedliche Aufgaben: Nokia steuert RAN-Software und die Management-Integration bei, Ericsson die Integration der Netzwerkautomatisierung und MHI einen Anwendungsfall aus der Industrie.
Für Unternehmen, die KI-Dienste über Telekommunikationsinfrastruktur in Betracht ziehen, besteht der potenzielle Vorteil in der Verarbeitung näher an Nutzern und vernetzten Geräten. Die geplante Inspektionsanwendung von MHI veranschaulicht eine mögliche Nutzung: Betriebsbilder lokal zu analysieren und dabei vertrauliche Produktdaten innerhalb einer geschlossenen Umgebung zu halten. Dieses Beispiel sollte nicht als Beleg dafür verstanden werden, dass dieselben Fähigkeiten bereits in einem öffentlichen Mobilfunknetz verfügbar sind.
Gemeinsam genutzte Infrastruktur wirft zudem eine Frage des Ressourcenmanagements auf. Anbieter müssen eine wechselnde KI-Nachfrage bewältigen und zugleich die Leistung des Mobilfunknetzes erhalten. Aussagekräftige Testergebnisse würden zeigen, wie die Plattform mit konkurrierenden Workloads, Verkehrsspitzen und Dienstunterbrechungen umgeht.
Neben der Leistung wird auch die Wirtschaftlichkeit entscheidend sein. Anbieter müssen die Kosten für Ausrüstung, Energie und Management gegen die Nachfrage nach KI-Verarbeitung abwägen. Unternehmenskunden benötigen klare Preise, Bedingungen für den Umgang mit Daten und Servicezusagen, bevor sie das Angebot eines Anbieters mit Cloud- oder On-Premises-Alternativen vergleichen können.
Der Test im Jahr 2027 ist daher ein beobachtenswerter Meilenstein und kein bestätigter Produktions-Rollout. Der Nachweis dauerhafter Zuverlässigkeit und eines wirtschaftlichen Nutzens wird darüber entscheiden, wie überzeugend AI-RAN für Anbieter und ihre Kunden wird.
Mehr dazu: Equinix’ geplanter Inference Exchange verdeutlicht die Preis-, Bereitstellungs- und Servicedetails, die Unternehmen benötigen, wenn sie die Verarbeitung von KI näher an Nutzern und Daten bewerten.