Netzwerke für den KI-Superzyklus benötigen Autonomie.
Diese Entwicklung hat direkte Auswirkungen auf den Betrieb: Netzwerke können sich nicht länger auf statische Planungszyklen verlassen und müssen sich kontinuierlich anpassen, indem sie in geschlossenen Regelkreisen ohne menschliches Eingreifen Anpassungen erkennen, entscheiden und durchführen. Dies ist unausweichlich, da Veränderungen schneller erfolgen als menschliche Arbeitszyklen, die Komplexität moderner Netzwerke manuelle Eingriffe unpraktisch macht und sich die Auswirkungen über mehrere Bereiche erstrecken, sodass isolierte Eingriffe die Instabilität eher verstärken als eindämmen können.
Obwohl Netzwerkautonomie seit Jahren diskutiert wird, fehlte bisher ein klares Rahmenwerk zur Koordination durchgängiger Entscheidungen und deren Steuerung auf überprüfbare, kontrollierte und reversible Weise. Ohne diese Grundlage wird der Netzwerkbetrieb komplexer, da Autonomie zu mehr Regelkreisen, kürzeren Entscheidungszeiten und größeren Auswirkungen von Fehlern führt.


Koordination und Vertrauen in die Netzwerkautonomie:
Die Implementierung von Autonomie in separaten Domänen ist unzureichend. Wenn Funkzugang, Kernnetz, IP-Zugang und Transportnetz unabhängige KI-Schleifen auf dieselben Netzwerkzustände anwenden, können Systemkonflikte entstehen, die zu Oszillationen oder widersprüchlichen Entscheidungen führen. Daher kann Autonomie nicht isoliert implementiert werden; sie erfordert eine Koordination auf Systemebene, um Konflikte zu schlichten und sicherzustellen, dass die Absicht in allen Domänen konsistent umgesetzt wird. Ohne diese Koordination fragmentiert sich die Autonomie und wird zu einem strukturellen Risiko.
Darüber hinaus hängt das Vertrauen in Autonomie von Transparenz und Governance ab. Betreiber müssen nachvollziehen können, welche Änderungen vorgenommen wurden und warum, welche Modelle aktiv waren, die Häufigkeit von Änderungen begrenzen und Aktionen sicher rückgängig machen können. Überlastung im Transportnetz kann Anpassungen zwischen Funkzugang und Kernnetz auslösen, die nicht konvergieren. Koordinierte Autonomie hingegen gewährleistet die Konvergenz des Netzwerks anstelle von Oszillationen.
Das Gebot der Transparenz
: Um im Betreibermaßstab implementiert werden zu können, muss Autonomie überprüfbar, kontrollierbar und reversibel sein. Sie müssen Ihre Aktionen erklären, innerhalb expliziter Sicherheitsgrenzen operieren und die Reversibilität als Standardpraxis ermöglichen. Das nennen wir einen Glaskasten.

Zwei Realitäten unterstreichen diese Notwendigkeit:
1. Übergang zu agentenbasierter Automatisierung: Branchenübergreifend wechseln Unternehmen von KI-gestützter Automatisierung zu Agenten, die mehrstufige Arbeitsabläufe ausführen. In Netzwerken ist agentenbasierte Automatisierung das natürliche Modell für kontinuierliche Anpassung, erfordert jedoch ein höheres Maß an Verantwortlichkeit.
2. Die zunehmende Bedeutung von Intelligenz: Die primäre Quelle der Technologieabhängigkeit verlagert sich von der Hardware auf die Intelligenzebene: Modelle, Richtlinien und Kontextgraphen. Monolithische, proprietäre Plattformen können langfristige Abhängigkeiten erzeugen.
In Netzwerken mit bestehender Infrastruktur wird Autonomie nicht durch vollständigen Austausch erreicht. Multigenerationale Netzwerke kombinieren bereits Domänencontroller, Richtliniensysteme und Betriebsprozesse verschiedener Anbieter. Die praktische Implementierung erfolgt inkrementell: Zuerst hochwertige, geschlossene Regelkreise im Beratermodus; dann begrenzte Aktuierung zur Validierung von Beobachtbarkeit, Herkunft und Reversibilität; und schließlich Erweiterung mit zunehmendem Vertrauen. Dies führt zu einem hybriden Agentenmodell: Lokale Domänenagenten treffen schnelle Entscheidungen innerhalb klar definierter Grenzen. Gleichzeitig koordiniert eine durchgängige Governance-Schicht Ziele, löst Konflikte und kontrolliert Berechtigungen und Bereitstellungen, wodurch eine einheitliche logische Koordination mit verteilter Ausführung erreicht wird.

Architektur: Absicht, Agenten, Steuerung und Betriebsstruktur.
Die architektonische Herausforderung besteht darin, Intelligenz so zu strukturieren, dass Autonomie vom Anfang bis zum Ende gewährleistet ist, ohne Instabilität, Intransparenz oder Abhängigkeiten zu erzeugen. Dies lässt sich als Betriebsstruktur beschreiben, die vier Elemente verbindet: die Wünsche des Bedieners, das Wissen des Systems, die Befugnisse des Systems und den Nachweis korrekten Handelns. Diese Elemente transformieren Autonomie von einer Menge von Optimierern in ein steuerbares System. In diesem Kontext ist ein Agent eine Software, die Absicht in Aktion umsetzt, den Kontext erfasst und operative Werkzeuge unter Einhaltung von Berechtigungen und Sicherheitsgrenzen aufruft. Agenten werden als Beobachter, Berater, Aktoren, Koordinatoren und Lebenszyklusagenten klassifiziert und veranschaulichen gemeinsam, wie Absicht, Agenten, Steuerung und Ausführung in ein System integriert werden.
1. Absicht: Definiert Ergebnisse, Latenz, Zuverlässigkeit und Energie-Kompromisse und dient als gemeinsame Sprache über verschiedene Domänen hinweg.
2. Agentenbasierte Automatisierung: Übersetzt Absicht in Sequenzen koordinierter Aktionen mit Autorisierungs- und Richtliniengrenzen.
3. KI-Governance: Eine verteilte Koordinierungsebene, die Konflikte schlichtet und globale Richtlinien durchsetzt, um zu verhindern, dass lokale Logik die Zielsetzung des Dienstes außer Kraft setzt.
4. Begrenzte Ausführung: Gewährleistet Betriebssicherheit durch explizite Beschränkungen von Umfang, Häufigkeit und Reichweite.
Das Endergebnis ist eine einheitliche Betriebsstruktur, in der die Automatisierung auf zusammenhängenden Ergebnissen basiert und nicht auf lokalen Leistungskennzahlen (KPIs).

Fünf Eigenschaften für autonomes Arbeiten.
Damit Automatisierung zuverlässig und steuerbar ist, muss das System fünf wesentliche Eigenschaften erfüllen:
• Beobachtbarkeit: Jede Aktion muss sichtbar sein; es muss möglich sein, nachzuverfolgen, was sich wann geändert hat.
• Nachvollziehbarkeit: Das System muss protokollieren, welches Modell oder welche Richtlinie für jede Entscheidung verantwortlich war.
• Rückverfolgbarkeit: Es muss dokumentiert werden, welche Signale und welcher Kontext die Aktion motiviert haben.
• Sicherheitskontrollen: Klare Grenzen müssen festgelegt werden, um unbeabsichtigte Auswirkungen zu verhindern, einschließlich der Möglichkeit, Änderungen rückgängig zu machen.
• Prüfbarkeit: Jeder Eingriff muss nachvollziehbar und überprüfbar sein, um die Überprüfung von Entscheidungen und die Einhaltung gesetzlicher Vorgaben zu ermöglichen.
Diese Eigenschaften sind unerlässlich, um der Autonomie zu vertrauen, vergangene Ereignisse zu analysieren, Vorschriften einzuhalten und verantwortungsvoll auf Vorfälle zu reagieren.

Lebenszyklus, Governance und Offenheit der Autonomie:
Der Lebenszyklus der Autonomie umfasst weit mehr als nur Code. Dazu gehören KI-Modelle, Richtlinien, Agentenabläufe und Daten-Governance. Automatisierung erfordert Continuous Integration (CI) für Tests und Validierung vor der Bereitstellung sowie Continuous Deployment (CD) zur Implementierung von Entscheidungen und Agenten mit Wirkungsanalyse. Datennachverfolgbarkeit und Zugriffskontrolle sind entscheidend, da jede Entscheidung von den verarbeiteten Informationen der Modelle abhängt. Ohne diese sind Transparenz und die Einhaltung gesetzlicher Bestimmungen nicht gewährleistet.
Das Risiko technologischer Abhängigkeit liegt nicht mehr in der Hardware, sondern in der Intelligenzschicht des Netzwerks: Modelle, Kontextgraphen, APIs und Agentenabläufe. Um eine Abhängigkeit von bestimmten Anbietern zu vermeiden, sind offene und regulierte Schnittstellen erforderlich. Diese ermöglichen Interoperabilität und gewährleisten die Portabilität der Automatisierung, sodass Abläufe, Modelle oder Agenten plattformübergreifend eingesetzt werden können, ohne an bestimmte Anbieter gebunden zu sein.

Autonomie ist unvermeidlich, Instabilität nicht.
Künstliche Intelligenz integriert Intelligenz in jede Ebene des Netzwerks. Die verbleibende Grenze ist die sogenannte „gläserne Box“ – der einzige Weg, Autonomie zu skalieren, ohne den für die grundlegende Infrastruktur notwendigen Determinismus und das Vertrauen zu opfern. Das einzige wirkliche Risiko besteht darin, zu langsam zu agieren, während sich die Autonomie schneller entwickelt als unsere Fähigkeit, sie zu steuern.

Autoren: Oğuz Sunay, CTO Fellow of AI, und Pallavi Mahajan, Direktorin für Technologie und KI bei Nokia