Dieses Papier schlägt ein agentisches, auf künstlicher Intelligenz (KI) basierendes Netzwerkoptimierungs-Framework vor, das Mixture-of-Experts (MoE)-Architekturen mit großen Sprachmodellen (LLMs) integriert. Das LLM fungiert als semantisches Tor, um über Operatorziele zu urteilen und dynamisch geeignete Optimierungsagenten für 6G-Mobilfunknetze zusammenzustellen.
Die Telekommunikationsbranche durchläuft einen massiven Wandel, von traditionellen Netzwerken zu intelligenten, softwaredefinierten Systemen, die von KI/ML angetrieben werden. Diese Veränderung begegnet Skalierbarkeits- und Komplexitätsherausforderungen in 5G, indem KI/ML für RAN-Optimierung, Anomalieerkennung und Verkehrs vorhersage eingesetzt wird.
Die Telekommunikationsbranche sieht sich steigenden Anforderungen an Konnektivität gegenüber, was traditionelle Betriebsmodelle an ihre Grenzen bringt. Agentische KI-Tools transformieren diesen Sektor, indem sie selbstständig agieren, Systeme koordinieren und Netzwerkoperationen in Echtzeit optimieren und so über regelbasierte Automatisierung hinausgehen.