5G-Privatnetze und Physikalische KI: Ein sich gegenseitig zum Erfolg verhelfender Entwicklungsprozess

In den vergangenen Jahren fand der Aufschwung der künstlichen Intelligenz vor allem in der digitalen Welt statt. Durch die Entwicklung großer Modelle wurden die Erzeugung von Texten, die Optimierung von Algorithmen und andere Bereiche erheblich vorangebracht. Abgesehen von diesen Entwicklungen der digitalen KI findet derzeit ein tiefergreifender Wandel statt: Die KI dringt in die physische Welt ein und wird in Roboter, AGVs, AMRs, Industriekameras und intelligente Sensoren integriert, um die reale Umgebung direkt wahrzunehmen, Entscheidungen zu treffen und darauf einzuwirken. Die Physische KI (Physical AI) ist zu einem heißen Thema in der Branche geworden.

Der Unterschied zwischen physischer KI und digitaler KI besteht darin, dass die Ausgaben der physischen KI Bewegungsanweisungen, Stoppsignale, Wegentscheidungen und mechanische Aktionen sind. Bei Verzögerungen oder Unterbrechungen ist das Ergebnis keine einfache Fehlermeldung, sondern möglicherweise Geräteschäden, Stillstände von Produktionslinien oder sogar Sicherheitsunfälle. In diesem Prozess ist eine hochwertige drahtlose Netzwerkkommunikation zwischen den Trägern der physischen KI erforderlich. Für die digitale KI spielt die drahtlose Kommunikation möglicherweise keine wichtige Rolle, während bei der physischen KI die Zusammenarbeit zwischen physischen Geräten die Rolle der drahtlosen Netze neu definiert: Die drahtlose Verbindung selbst ist Teil des Steuerkreises der physischen KI. Vor diesem Hintergrund werden private 5G-Netze wahrscheinlich schnell zu einer Schlüsselinfrastruktur werden, die die Umsetzung der physischen KI unterstützt, sodass beide eine symbiotische Beziehung eingehen, in der Nachfrage und Technologie sich gegenseitig vorantreiben.

Die Nachfrage nach physischer KI ist ein Faktor, der das Wachstum des Marktes für private 5G-Netze vorantreibt

Drahtlose private Netze sind keine Neuheit. Bereits in der Ära von 2G und 3G gab es verschiedene Arten von privaten Netzen, beispielsweise das spezielle GSM-R-Netz, das vom Eisenbahnsystem verwendet wird und den Dispositions- und sicheren Betrieb der Eisenbahnen wirksam gewährleistet. Anfang der 2010er Jahre begann der Einsatz spezialisierter LTE-Netze, wodurch die unterstützten Branchen weiter ausgebaut wurden. Lange Zeit blieben private Netze jedoch ein Nischenmarkt im Bereich der drahtlosen Infrastruktur. Im Zeitalter von 5G haben die Anforderungen der digitalen Transformation verschiedener Branchen die privaten Netze aus dem Nischenmarkt in die breite Öffentlichkeit gerückt. Obwohl der Wendepunkt für den explosionsartigen Aufschwung noch nicht erreicht ist, sind sie zu einem hochgeschätzten Geschäftsmodell geworden. In Zukunft werden die strengen Anforderungen, die verschiedene Endgeräte aus der physischen KI und die industrielle Automatisierung an die drahtlose Kommunikation stellen, die Entwicklung der privaten 5G-Netze weiter vorantreiben.

Marktdaten bestätigen diesen Trend. Ein kürzlich von der Forschungsinstitution SNS Telecom & IT veröffentlichter Bericht zeigt, dass die jährlichen Investitionen in private 5G-Netze in vertikalen Branchen zwischen 2026 und 2029 mit einer durchschnittlichen jährlichen Wachstumsrate von etwa 34 % steigen werden, bis Ende 2029 über 6,6 Milliarden US-Dollar erreichen werden, wobei ein großer Teil des Wachstums aus lokalen Netzwerkbereitstellungen für physische KI, industrielle Automatisierung und andere Anwendungen stammt. Derzeit gehören zu den Einheiten, die private 5G-Netze bereitstellen, globale Industriegiganten wie Tesla, BMW, Toyota, Hyundai, Foxconn, BASF und Airbus, die in bestehenden Fabriken und neuen Anlagen den Aufbau standortübergreifender und grenzüberschreitender privater 5G-Netze vorantreiben.

Es ist erwähnenswert, dass die physische KI zu einem wichtigen Treiber für die Beschaffung privater 5G-Netze werden könnte. Viele Industrieunternehmen nutzen private 5G-Netze, um AGVs, AMRs, Drohnen, Kräne, Gabelstapler, Bergbaufahrzeuge, vierbeinige Roboter und sogar halbmenschliche Roboter für komplexe Aufgaben zu verbinden, wobei diese Geräte selbst die Kernträger der physischen KI sind. Beispielsweise koordiniert ein Automobilzulieferer 100 halbmenschliche Roboter über ein privates 5G-Netz für Transportaufgaben, und diese Roboter entwickeln sich ständig weiter zu typischen Vertretern der physischen KI in industriellen Szenarien. Man kann sagen, dass die großflächige Umsetzung der physischen KI direkt in Nachfrage und Investitionen in private 5G-Netze umgewandelt wird und zu einem starken Wachstumsmotor für den Markt privater Netze wird.

Private 5G-Netze sind unverzichtbare Infrastruktur für die physische KI

Für viele Szenarien der physischen KI übersteigen die Anforderungen an drahtlose Netze bei weitem das, was herkömmliche Drahtlostechnologien mit Best-Effort-Qualität unterstützen können. Beispielsweise arbeiten viele Systeme der physischen KI im Bereich von Determinismus und niedriger Latenz mit geschlossenen Regelkreisen im Millisekundenbereich kontinuierlich, sodass Daten innerhalb bekannter Zeitgrenzen mit extrem hoher Zuverlässigkeit ankommen müssen, wobei die Kosten jeder Verzögerung enorm sein können. Im Hinblick auf die Aufwärtsübertragungsfähigkeit werden Daten wie maschinelles Sehen, Lidar und Telemetriedaten kontinuierlich von Endgeräten an Edge-Computing-Knoten zurückübertragen, was ein völlig anderes Muster ergibt als herkömmliche Netze, die hauptsächlich auf Abwärtsübertragung ausgerichtet sind: Hochauflösende Videoströme reichen aus, um Netze zu überlasten, die normale Dienste unterstützen. Im Hinblick auf Mobilität und Abdeckung verursachen metallische Strukturen, mobile Geräte und dichte Anordnungen in einigen Fabriken komplexe Störungen, und Vermögenswerte bewegen sich kontinuierlich über große Bereiche, sodass nahtlose und vorhersehbare Übergänge erforderlich sind.

Private 5G-Netze erfüllen diese Anforderungen gerade systematisch. Wie allgemein bekannt ist, haben private 5G-Netze bei Durchsatz, Latenz, Zuverlässigkeit, Verfügbarkeit und Verbindungsdichte einen generationsbedingten Sprung vollzogen. Ihre Fähigkeiten für URLLC (Ultra-zuverlässige Kommunikation mit niedriger Latenz) und mMTC (Massive Maschinenkommunikation) machen sie zu einer Alternative für kabelgebundene Verbindungen in der industriellen Kommunikation zwischen Maschinen, Robotern und Steuerungssystemen. Durch Servicequalitätsgarantien, Verkehrstrennung und fortschrittlichere Drahtlosplanung können private 5G-Netze eine höhere Determinismus bieten; ihre konfigurierbare Aufwärtsübertragungsfähigkeit passt zu den verkehrsintensiven Merkmalen der physischen KI im Aufwärtsbereich; spezielle Frequenzen vermeiden zudem Störungen, die in nicht lizenzierten Frequenzbändern auftreten. Auf Sicherheitsebene bieten private 5G-Netze gerätebasierte Authentifizierung, Netzwerk-Slice-Trennung und kontrollierten Zugriff, um Angriffe zu reduzieren, die durch eine große Anzahl vernetzter Maschinen verursacht werden.

Die Maßnahmen einiger wichtiger Hersteller bestätigen den Infrastrukturstatus privater 5G-Netze. Im Februar dieses Jahres kündigten NTT DATA und Ericsson eine strategische Zusammenarbeit an, um die privaten 5G-Netze und Edge-Plattformen von Ericsson mit den Full-Stack-Unternehmensnetzdiensten von NTT DATA zu kombinieren, private 5G-Netze weltweit in großem Maßstab als verwaltete Dienste bereitzustellen und Edge-KI-Agenten direkt auf der Enterprise-Edge-Plattform von Ericsson auszuführen, um die Bereitstellung der physischen KI zu unterstützen und Echtzeitintelligenz und autonome Entscheidungen dort zu realisieren, wo Daten erzeugt werden. Ein Analyst von IDC kommentierte dies: „Private 5G-Netze sind das Rückgrat für die großflächige Umsetzung der KI in Produktionsumgebungen, und autonome Systeme müssen zuverlässig und in großem Maßstab betrieben werden.“ Die Zusammenarbeit beider Seiten konzentriert sich auf hochwertige Szenarien wie Fertigung, Hafendienstleistungen, Energie- und Bergbau sowie intelligente Städte und deckt typische Anwendungen der physischen KI wie automatische Qualitätskontrolle, vorausschauende Wartung, Echtzeitsicherheitsüberwachung und autonome Arbeiten ab.

Es ist zu betonen, dass private 5G-Netze nicht isoliert wirken. Die typische Architektur der physischen KI ist die Kombination aus „privatem Netz + Edge-Computing“, d. h. private 5G-Netze arbeiten mit Edge-Computing-Knoten zusammen, um Schlussfolgerungen und Entscheidungen in der Nähe des Handlungsorts durchzuführen, die Abhängigkeit von entfernten Clouds zu verringern und gleichzeitig Datenhoheit und Betriebsresilienz zu gewährleisten. Verbindungen und Rechenleistung unterstützen gemeinsam den Betrieb der physischen KI.

Die Unterstützung der physischen KI durch private 5G-Netze steht noch vor praktischen Herausforderungen

Damit private 5G-Netze zu einer Infrastrukturbasis für die physische KI werden können, müssen noch mehrere Hindernisse überwunden werden.

Erstens ist die Komplexität der Integration von privaten 5G-Netzen und Systemen der physischen KI hoch. Relevante Analysen weisen darauf hin, dass private 5G-Netze zwar die Infrastruktur für die großflächige KI-Produktion sind, die Integrationskomplexität jedoch oft eine Hürde darstellt. Systeme der physischen KI müssen mit bestehenden Betriebsplattformen wie MES, SCADA und ERP verbunden werden, Roboter, Sensoren und andere Geräte verschiedener Hersteller koordiniert werden, und unterschiedliche Datenformate und Protokolle abgestimmt werden. Einige Interoperabilitätsprobleme sind Hindernisse bei der großflächigen Bereitstellung.

Zweitens sind die Hürden für Bereitstellung und Betrieb ebenfalls deutlich sichtbar. Der Aufbau eines privaten Netzes mit industrieller Determinismus umfasst die Beschaffung von Frequenzen, Drahtlosplanung, Bereitstellung des Kernnetzes, Konfiguration von Edge-Rechenleistung und die Integration von IT/OT-Sicherheitssystemen, was die technischen Fähigkeiten und finanziellen Investitionen von Unternehmen auf die Probe stellt. Für Szenarien der physischen KI müssen derzeit noch professionelle Integrations- und verwaltete Dienste genutzt werden, um die schnelle Bereitstellung privater Netze zu realisieren, wobei die Technologie noch nicht so ausgereift ist, dass sie sofort einsatzbereit ist.

Drittens besteht das Problem der organisatorischen Integration von IT und OT. Die Umsetzung der physischen KI erfordert eine tiefe Zusammenarbeit zwischen IT- und OT-Teams, wobei die Integration beider Teams in Bezug auf Kultur, Prozesse und Bewertungssysteme noch Zeit erfordert.

Viertens die Leistungsüberprüfung unter extremen Umgebungsbedingungen. Die Kosten für den Ausfall der physischen KI sind physischer Natur, was bedeutet, dass private Netze ihre langfristige Zuverlässigkeit in realen und komplexen industriellen Umgebungen beweisen müssen, anstatt nur in Pilotphasen gut zu funktionieren. Der Übergang von Pilotphasen zum produktiven Betrieb erfordert eine große Menge an ingenieurtechnischer Praxiserfahrung.

Die Beziehung zwischen privaten 5G-Netzen und physischer KI ist eine typische Beziehung, in der „Nachfrage das Angebot vorantreibt und das Angebot neue Nachfrage schafft“. Die strengen Anforderungen der physischen KI an Determinismus, Aufwärtsübertragungsfähigkeit und Mobilität eröffnen privaten 5G-Netzen mehr Marktraum; die technischen Fähigkeiten privater 5G-Netze wiederum ermöglichen es der physischen KI, von kleinen Anwendungen zu großflächigen Einsätzen zu gelangen. Mit der Weiterentwicklung und ständigen Verbesserung der Drahtlostechnologie sowie der zukünftigen reibungslosen Weiterentwicklung in Richtung 6G wird die Basiskombination aus privatem Netz und Edge-Intelligenz für die physische KI weiter gestärkt.

Dieser Artikel stammt aus dem WeChat-Offiziellen Konto „IoT Think Tank“ (ID: iot101), Autor: ZHAO Xiaofei, veröffentlicht mit Genehmigung von 36Kr.