Autonomes Fahren, IoT & Smart Home

5G-Mobilfunk - der Turbo für Data Analytics

| Autor/ Redakteur: Stefan Schwarz / Sarah Böttcher

Das Hype-Thema 5G treibt nicht nur das autonome Fahren sowie Anwendungen im Smart Home und im IoT voran. Auch Data Analytics wird durch die Verfügbarkeit von großen Datenmengen – dank 5G fast ohne Latenzen – einen Schub erfahren.

Firmen zum Thema

Die Datenmengen, die beispielsweise durch autonomes Fahren entstehen, müssen analysiert und auf Anomalien untersucht werden.
Die Datenmengen, die beispielsweise durch autonomes Fahren entstehen, müssen analysiert und auf Anomalien untersucht werden.
( Bild: gemeinfrei / Pexels )

Der neue Mobilfunkstandard 5G soll die Netze schneller und leistungsfähiger machen – und so die Tür für neue Services öffnen. Dazu gehören Anwendungen in den Bereichen Internet of Things (IoT), Smart Home, Augmented und Virtual Reality sowie Fahrzeug-zu-Fahrzeug-Kommunikation und Robotik. In all diesen Fällen – und unzähligen weiteren – müssen Geräte und IT-Systeme in der Lage sein, quasi in Echtzeit miteinander zu kommunizieren.

Indem 5G ermöglicht, große Datenmengen mit wenig Latenz zu übertragen, hat dies unmittelbar Einfluss darauf, wie und in welchen Szenarien Datenanalysen in Zukunft durchgeführt werden und Innovationen vorantreiben: Wie lässt sich das technologische Potenzial von 5G durch Data Analytics ausschöpfen? Und wie kann Data Analytics selbst zu einem sicheren und stabilen 5G-Netz beitragen?

Mit Daten in Richtung autonomes Fahren

Je zuverlässiger und schneller Daten übertragen werden, umso zuverlässiger und schneller können sie auch analysiert werden. 5G ist daher ganz klar ein „Enabler“ für Data Analytics im IoT-Bereich. Beispiel Vernetztes und Autonomes Fahren: Indem Fahrzeuge über 5G in der Lage sind, innerhalb von Millisekunden miteinander „peer-to-peer“ zu kommunizieren und Daten über das Fahrverhalten wie den Abstand, die Geschwindigkeit oder das Bremsen miteinander auszutauschen und zu analysieren, ist ein sicherer Verkehr überhaupt erst möglich.

Die Verfügbarkeit und Analyse von großen Datenmengen ohne Latenzen ist unabdingbar für Künstliche Intelligenz, die ein Auto in die Lage versetzt, Entscheidungen in Echtzeit für uns Menschen zu treffen. Daher ist auch eine der wichtigsten Aufgaben von Data Analytics, die maschinelle Reaktion auf Anomalien in den Datensätzen zu ermöglichen. Denn nur wenn ein System diese Anomalien aufdeckt – etwa wenn das vor ihm fahrende Auto unvorhergesehen abbremst oder ein Mensch auf die Fahrbahn gerät – kann es entsprechend reagieren und daraus für ähnliche Szenarien in der Zukunft lernen. Hier spielen integrierte Cloud-Edge-Analytics-Konzepte und Crowd-Sourcing-Aspekte eine wichtige Rolle.

Da 5G am Anfang steht, bedient man sich in Ermangelung realer Daten momentan häufig künstlicher Daten für das Aufspüren von Anomalien. Diese werden in Testläufen künstlich in die Datensätze eingebaut, um zu prüfen, mit welcher Treffsicherheit die Systeme sie identifizieren können. Der Autohersteller Volvo analysiert schon heute reale Daten von rund 500.000 Störfällen pro Woche seiner Fahrzeuge mit dem Einverständnis seiner Kunden, um Fehler vorhersagen zu können und vernetztes Fahren sicherer zu machen.

Mit Daten das Netzwerk automatisch warten

Das Auto der Zukunft fährt mit Daten. Und dafür braucht es ein stabiles Netzwerk. Schon heute setzen Telekommunikationsanbieter gezielt auf Data Analytics, um ihre Mobilfunknetze zu warten. 5G kann diese Aufgabe effizienter und leichter gestalten, indem leistungsfähigere Analysetools und Modelle für Maschinelles Lernen zum Einsatz kommen können. Sie machen eine Automatisierung der Fernwartung/-betrieb möglich, indem sie zum Beispiel helfen, das sogenannte „Undershooting“ und „Overshooting“ zu verhindern. Wie genau?

Funkwellen, die von Funktürmen ausgehen, sind dreidimensionale Gebilde, die sich kontinuierlich über die Zeit verändern. Idealerweise liegen sie nebeneinander und überschneiden sich nur gering, um einen guten Empfang zu garantieren. Regen, Wind und andere Wetterlagen können sich jedoch negativ auf die Lage der einzelnen Funktürme auswirken und ein „Undershooting“ zur Folge haben. Hierbei kommt das Signal bei der anderen Funkwelle gar nicht an. Es entsteht ein Funkloch. Beim „Overshooting“ hingegen überschneiden sich die Funkwellen und beeinflussen sich gegenseitig. Es entstehen Empfangsstörungen.

Was also tun? Moderne Sendeanlagen können heute aus der Ferne automatisiert und in Echtzeit so eingestellt werden, dass beide Fälle erst gar nicht eintreten (Stichwort „Self-organising Networks“). Für diese Form der vorausschauenden Wartung braucht es tiefgehender Datenanalysen (Prescriptive Analytics), mit denen sich Störungen vorhersagen und präventive Handlungsempfehlungen oder sogar autonome Handlungen durchführenden lassen. Indem wichtige Parameter wie Wetter, Standort, Datenvolumen und viele mehr miteinander verknüpft und untersucht werden, können realistische Prognosen getroffen werden, um die Sendeanlagen vorab optimal auszurichten.

Mit Daten den 5G-Rollout planen

Optimal planen lässt sich auch der 5G-Rollout mittels Daten. 5G ist für die Telekommunikationsanbieter mit sehr hohen Kosten verbunden. Alleine die Auktion für die 5G-Frequenzen hat die vier teilnehmenden Firmen knapp 6,6 Milliarden Euro gekostet. Hinzukommen die Investitionen in den Netzausbau selbst, so dass insgesamt von Kosten in zweistelliger Milliardenhöhe auszugehen ist. Einsparungsmöglichkeiten im einstelligen Prozentbereich stellen vor diesem Hintergrund bereits signifikante Summen dar.

Durch den Einsatz von Data Analytics und Methoden der Künstlichen Intelligenz können Telekommunikationsanbieter ein viel genaueres Bild darüber erhalten, in welchen Regionen 5G tatsächlich benötigt wird und wo man den größten Return on Investment für 5G erzielen kann. Um den größten Bedarf für 5G zu bestimmen, können sie die Vergangenheitsdaten über die Nutzung von 4G und weitere Technologien heranziehen.

Große Erwartungen

Die Pläne der meisten Mobilfunk-Konzerne sehen vor, ihre 5G-Netze innerhalb der nächsten ein bis zwei Jahre in Deutschland auszurollen. Der starke Wettbewerb beschleunigt den Ausbau zudem – und treibt den Wandel einer ganzen Branche an. Längst nutzen die Telekommunikationsanbieter Data Analytics nicht nur dafür, um ihre bestehenden Services zu verbessern. Sie machen die Daten, die sie von A nach B befördern, selbst zum Service – und stellen sich als Anbieter für Data Analytics auf.

Über den Autor

Dr. Stefan Schwarz, Director Industry/Business Consulting & Solutions Central Europe, UK & Ireland
Dr. Stefan Schwarz, Director Industry/Business Consulting & Solutions Central Europe, UK & Ireland
( Bild: Teradata )

Stefan Schwarz leitet den Bereich Industry/Business Consulting und Solutions in der Region Zentraleuropa, UK & Irland bei Teradata. Vorangehend verantwortete er das Industry Consulting in den Branchen Telekommunikation, Media & Entertainment (CME) und das Center of Excellence for Telco, Media & Entertainment in der Region Europa, Naher Osten und Afrika (EMEA). Bevor er im Mai 2010 zu Teradata kam, arbeitete Stefan Schwarz als Vice President Customer Management bei der United Internet Tochter 1&1 in Karlsruhe.

Der Beitrag ist ursprünglich auf unserem Partnerportal IT-Business erschienen.

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Infos finden Sie unter www.mycontentfactory.de (ID: 46133270)