Künstliche Intelligenz (KI) wird in den kommenden Jahren nahezu jeden Aspekt unseres Lebens beeinflussen, vom Transport über die medizinische Versorgung bis hin zu Finanzdienstleistungen. Gartner prognostiziert, dass KI bis zum Jahr 2020 in fast jedes neue Softwareprodukt Einzug erhält.

Ein Bereich, in dem KI bereits enormen Mehrwert bringt, ist die drahtlose Vernetzung. Der Einsatz von maschinellem Lernen, Deep Learning, neuronalen Netzen und anderen Techniken kann ein WLAN in ein selbstlernendes Netzwerk verwandeln, das den Betrieb vereinfacht, die Fehlersuche beschleunigt und beispiellose Einblicke in die Benutzererfahrung bietet.

Es gibt also gute Gründe, KI in eine Wireless-Strategie miteinzubeziehen. Die traditionelle Art der Bereitstellung, des Betriebs und der Verwaltung von kabellosen Netzwerken reicht nicht mehr aus. Drei aktuelle Entwicklungen machen KI für die drahtlose Vernetzung unverzichtbar.

Erstens wird WLAN zunehmend zur primären Internet-Zugangstechnologie. Es ist geschäftskritischer denn je und muss daher berechenbarer, zuverlässiger und messbarer werden. Gleichzeitig ist es angesichts der unzähligen Mobile-Gerätetypen, -Anwendungen und -Betriebssysteme sowie der Menge an mobilen Nutzern und drahtlosfähigen IoT-Geräten schwieriger als je zuvor, Wireless-Probleme zu beheben. Dieser Wandel erfordert einen besseren Einblick in die End-to-End-Erfahrung des Nutzers und neue automatisierte Verwaltungs-Tools, die manuelle Aufgaben durch Automatisierung, proaktive Einblicke und Programmierbarkeit ersetzen.

Zweitens gewöhnen sich mobile Benutzer an personalisierte drahtlose Dienste auf ihren mobilen Geräten, die kontextbezogene Informationen nutzen. Auch Unternehmen sehen etwa in Standortinformationen einen wichtigen Faktor für ein erhöhtes Engagement von Kunden, Mitarbeitern sowie Gästen und erlangen neue Einblicke in das Verhalten mobiler Anwender.

Drittens verlagern Unternehmen die IT-Unterstützung für Vertrieb, Personalwesen und Finanzen in Managed-Cloud-Services, um die Effizienz zu erhöhen und interne Fähigkeiten besser auf das Kerngeschäft abzustimmen. Sie übertragen auch wichtige Infrastrukturelemente in die Cloud. Drahtlose Netzwerke haben diesen Übergang nur langsam vollzogen. Mehr als 90 Prozent des WLAN-Marktes verwalten immer noch lokale Controller. Eine verpasste Chance: Denn durch die Übertragung von Daten in die Cloud erhalten CIOs eine skalierbarere und widerstandsfähigere Infrastruktur mit besserer operativer Funktionalität. Darüber hinaus bietet sie einen Einblick in die PBytes von Daten, die über drahtlose Netzwerke fließen.

Ohne die richtige Strategie für ihr kabelloses Netzwerk können IT-Experten die stringenten Anforderungen einer KI-gestützten Infrastruktur nicht erfüllen. Für den Aufbau eines KI-gesteuerten drahtlosen Netzwerks sind daher verschiedene Schlüsselelemente zu beachten.

Qualitativ hochwertige Daten

Um eine KI-Plattform zu erstellen, benötigen IT-Experten qualitativ hochwertige Daten – und davon eine Menge. Denn ein WLAN ist nur so gut wie die Informationen aus dem Netzwerk, den Anwendungen und von den Nutzern.

Vor und nach dem Verbindungsaufbau muss das System daher die Daten des drahtlosen Geräts abrufen. Anschließend sendet es die Informationen an die Cloud, wo verschiedene Data-Science-Techniken zur Automatisierung des IT-Betriebs zum Einsatz kommen und Einblicke in die Benutzererfahrung bieten.

Die Rohdaten von Access Points müssen so strukturiert sein, dass WLAN-Experten sie verstehen. Zu diesem Zweck wendet man verschiedene Metriken und Klassifizierungen an, um die End-to-End-Benutzererfahrung für Schlüsselbereiche wie etwa Verbindungszeit, Durchsatz, Abdeckung, Kapazität, Roaming und AP-Verfügbarkeit zu tracken. Dabei wird herausgefiltert, ob die Verbindungen fehlgeschlagen sind. Durch die Ermittlung des Problems kann ein intelligentes WLAN die erforderliche Transparenz zum Festlegen, Überwachen und Erreichen von Service-Levels bieten.

Eine KI-gesteuerte Plattform wie ein Virtual Network Assistant kann einfache Sprachabfragen ermöglichen und Antworten sowie Vorschläge zur Fehlerbehebung auf eine verständliche Weise präsentieren. Bild: Mist Systems

Sobald die Daten gesammelt, gemessen und klassifiziert sind, lassen sich Data-Science-Verfahren anwenden. Es gibt eine Vielzahl von Techniken, darunter überwachtes und unbeaufsichtigtes maschinelles Lernen, Data Mining, Deep Learning und MI (Mutual Information, gegenseitige Informationen), die man nutzen kann, um Anomalien und Zeitreihen zu erkennen oder Ereigniskorrelationen und Vorhersageempfehlungen auszuführen. Durch die Kombination lassen sich die Ursachen von Funk-, Kabel- und Geräteproblemen identifizieren, und Netzwerkadministratoren können des Weiteren im Störfall Reparaturen schneller durchführen. Das spart Zeit und Geld und maximiert die Kundenzufriedenheit.

Gegenseitige Informationen werden auch auf WLAN-Service-Levels angewendet, um die Netzwerkleistung vorherzusagen. Unstrukturierte Daten entnimmt die KI dem Funknetzwerk und wandelt sie in domänenspezifische Metriken um, wie etwa Verbindungszeit, Durchsatzleistung und Roaming. Gegenseitige Informationen wendet sie anschließend auf diese Metriken an, um zu bestimmen, welche Netzwerkmerkmale am wahrscheinlichsten Erfolg oder Misserfolg verursachen.

Darüber hinaus lässt sich unbeaufsichtigtes maschinelles Lernen für eine exaktere Ortung des Innenstandorts verwenden. Für RSSI-basierte (Receive Signal Strength Indicator) Standortlösungen wird ein Modell benötigt, das RSSI auf Entfernungen abbildet, die man oft als RF-Pfadverlustmodell (Radio Frequency) bezeichnet. In der Regel wird dieses Modell erlernt, indem man Daten, die als Fingerabdruck bekannt sind, manuell erfasst. Jedoch kann eine KI einen Pfadverlust in Echtzeit durch maschinelles Lernen berechnen, indem sie RSSI-Daten von gerichteten Bluetooth-Low-Energy-Antennen-Arrays verwendet. Das Ergebnis ist ein hochpräziser Standort, der keine manuelle Kalibrierung oder umfangreiche Standortuntersuchungen erfordert.

Virtueller Netzwerkassistent

Das letzte Element einer KI-gesteuerten Plattform ist ein Virtual Network Assistant (VNA), der einen Natural Language Processor verwendet und so einfache Sprachabfragen ermöglicht. Antworten lassen sich dadurch auf eine verständliche Art präsentieren, die den Netzwerkbetrieb und die Fehlerbehebung erleichtert. Der Nutzer muss nicht mehr zwischen verschiedenen Dashboards wechseln, um die gewünschten Informationen zu finden, sondern fragt einfach das System. Ein Beispiel: „Warum hat Joes Computer letzte Woche keine Verbindung hergestellt?“ Der VNA identifiziert die relevanten Daten und präsentiert sie anschließend auf sinnvolle Weise.

Fazit

Funknetzwerke sind geschäftskritischer denn je. Die Problembehandlung wird aufgrund der zunehmenden Anzahl verschiedener Geräte, Betriebssysteme und Anwendungen immer schwieriger. Der IT-Abteilung fällt es schwer, mit den steigenden Benutzeranforderungen Schritt zu halten. Hier kommt das Wireless-KI-System ins Spiel. Mit der Unterstützung von künstlicher Intelligenz haben Unternehmen jeder Art und Größe die Möglichkeit auf ein vorhersehbares, zuverlässiges und messbares Wireless-Netzwerk mit einfachem und kostengünstigem Funkbetrieb und Standortdiensten, die bessere WLAN-Erlebnisse bieten.

Jeff Aaron ist Vice President Marketing bei Mist Systems, www.mist.com.