Integration von Künstlicher Intelligenz in die Entwicklung von 6G-Mobilfunknetzen

Die Entwicklung der Mobilfunktechnologie hat in den letzten Jahrzehnten eine bemerkenswerte Beschleunigung erfahren. Mit dem Übergang von 5G zu 6G stehen wir an der Schwelle einer neuen Ära, in der die Künstliche Intelligenz (KI) die Konzeption und Realisierung von Mobilfunknetzen maßgeblich beeinflusst. Diese Integration von KI ist nicht nur eine Optimierung bestehender Systeme, sondern eine fundamentale Neuausrichtung, die das Potenzial hat, die Art und Weise, wie wir kommunizieren und interagieren, zu revolutionieren.

Die Rolle der KI in der 6G-Netzwerkplanung

Die Planungsphase für 6G-Mobilfunknetze wird entscheidend durch die rasanten Fortschritte der KI geprägt. Die Next Generation Mobile Networks (NGMN) Alliance, ein Zusammenschluss führender Mobilfunkbetreiber, hat in einer Studie detailliert dargelegt, wie Netzwerke angepasst werden müssen, um zukünftige KI-Anwendungen zu unterstützen. Diese Studie dient als Leitfaden für die laufenden Standardisierungsbemühungen innerhalb des 3rd Generation Partnership Project (3GPP).

Es wird deutlich, dass Netzwerke über die reine Konnektivität hinausgehen müssen, um den neuen Serviceanforderungen gerecht zu werden. Die NGMN Alliance plädiert für einen evolutionären Ansatz, der auf bestehenden 5G-Architekturen aufbaut. Dies soll den langfristigen Investitionsschutz und die Interoperabilität sicherstellen.

Veränderte Datenverkehrsmuster durch KI

Derzeit dominieren Videoanwendungen mit 70-75 Prozent des Gesamtverkehrs den mobilen Datenkonsum. KI-Interaktionen sind heutzutage noch überwiegend textbasiert und haben einen vergleichsweise geringen Einfluss auf den mobilen Netzwerkverkehr. Dies könnte sich jedoch mit dem Aufkommen multimodaler KI-Anwendungen erheblich ändern. Szenarien wie Augmented-Reality-Brillen für Endverbraucher oder autonome Fahrzeuge in Unternehmen, die kontinuierlich Umgebungsbilder und Sensordaten hochladen müssen, könnten das traditionelle Downlink-lastige Verkehrsaufkommen umkehren.

Mobilfunkbetreiber stehen daher vor der Herausforderung, flexible Netzwerke zu entwerfen, die diese Unsicherheit berücksichtigen. Der Standardisierungsprozess muss Mechanismen erforschen, um das Verhältnis von Uplink- zu Downlink-Verkehr anzupassen, ohne tiefgreifende Standardrevisionen zu erfordern. Basisstationen könnten beispielsweise verbesserte Uplink-Slot-Möglichkeiten benötigen, um Übertragungsgelegenheiten zu maximieren.

Laurent Leboucher, Vorsitzender des NGMN Alliance Boards und CTO sowie EVP Networks der Orange Group, betont: „Da die 6G-Standardisierung in eine kritische Phase eintritt, bietet das schnelle Wachstum von KI und KI-Agenten sowohl Chancen als auch Herausforderungen für mobile Netzbetreiber. Angesichts der Vielfalt zukünftiger KI-Anwendungsfälle und -Anwendungen ist es unerlässlich, dass 6G-Standards Anpassungsfähigkeit ermöglichen, ohne disruptive architektonische Änderungen zu erzwingen. Flexibilität wird entscheidend sein, um sich entwickelnden KI-Anwendungsfällen über Geräte, Netzwerke und Regionen hinweg gerecht zu werden.“

Monetarisierung und Dynamische Netzwerke

Zur Monetarisierung von Infrastrukturinvestitionen werden neue Abrechnungsmodelle evaluiert. Token-basierte Abrechnung ist eine vorgeschlagene Methode, um den spezifischen Ressourcenverbrauch zu berücksichtigen. Tokens würden definierten Einheiten von Bandbreite oder Edge-Computing-Kapazität entsprechen, was eine faire Kostenverteilung fördert und die effiziente Ressourcennutzung unter Nutzern und Netzbetreibern incentiviert.

Unternehmensanwendungen erfordern dynamische Netzwerke, um die Zusammenarbeit zwischen physischen KI-Agenten zu unterstützen. Betreiber müssen in der Lage sein, kurzlebige, missionsspezifische private Netzwerke bei Bedarf bereitzustellen. Beispiele hierfür sind kollaborierende Industrieroboter und autonome Fahrzeugflotten. Diese Netzwerkgruppen müssen sich an sich ändernde Serviceanforderungen und Umgebungsbedingungen anpassen und gleichzeitig den manuellen Bereitstellungsaufwand minimieren.

Edge Computing und Datenintegration

Edge-Computing-Ressourcen sind unerlässlich, um Inferenz mit geringer Latenz zu unterstützen. Endgeräte verfügen über begrenzte Rechenleistung, und die zentrale Cloud-Verarbeitung führt zu Latenzengpässen. Verteiltes Computing ermöglicht Echtzeitverarbeitung und effiziente Ressourcennutzung nahe der Datenquelle. Die gemeinsame Nutzung von Informationen über diese verschiedenen Domänen hinweg erfordert ein einheitliches Datenframework. Ohne dieses Framework bleiben Daten isoliert, was verhindert, dass KI-Anwendungen Modelle und Zwischenergebnisse über heterogene Geräte hinweg teilen können.

Evolution der 6G-Mobilfunknetze zur Unterstützung von KI

Der Übergang zu 6G-Mobilfunknetzen wird auf der bestehenden dienstbasierten 5G-Architektur aufbauen. Netzwerkfunktionen müssen sich weiterentwickeln, um mit Softwarekomponenten von Drittanbietern und KI-Agenten zu interagieren. Das Model Context Protocol (MCP) ist ein potenzieller Mechanismus zur Integration von Agenten mit Netzwerkfunktionsressourcen.

Interoperabilität und KI im Funkzugangsnetz

Die Interoperabilität verschiedener Anbieter bleibt ein Hauptanliegen der Betreiber. Der Standardisierungsprozess muss klären, ob Kommunikationsprotokolle für Agenten formell standardisiert oder durch De-facto-Industriepraktiken übernommen werden sollen. Die Gewährleistung der Interoperabilität minimiert die Integrationskomplexität für Mobilfunkbetreiber.

Die Integration von KI in das Funkzugangsnetz erfordert eine selektive Implementierung. Große Datenmengen auf der Medium Access Control (MAC)-Schicht können von algorithmischer Verarbeitung profitieren. Funktionen, die bereits nahe an optimalen Grenzen arbeiten, wie Kanalcodierung oder grundlegende Synchronisation, werden voraussichtlich keine großen Leistungssteigerungen erfahren. Die lokale Ausführung von Inferenzen am Edge ist notwendig, um strenge Latenzanforderungen zu erfüllen und negative Auswirkungen auf die Funkzugangsnetzfunktionen zu vermeiden.

Anita Döhler, CEO der NGMN Alliance, kommentiert: „Die Verbreitung von KI-Anwendungsfällen, insbesondere solcher mit autonomen, aufgabenorientierten Fähigkeiten, verändert rasant die Art und Weise, wie Netzwerke aufgebaut und betrieben werden.“

Nachhaltigkeit und Kernnetz

Bei der Bewertung des Nutzens neuer Fähigkeiten zur Verbesserung eines bestehenden Dienstes sollten Betreiber neben dem finanziellen Nettoeffekt auch die Nettoauswirkungen auf den Kohlenstoffdioxid-Ausstoß bewerten.

Das Testen von Modellen in realen Netzwerkumgebungen ist unerlässlich, da Algorithmen, die auf idealisierten Datensätzen trainiert wurden, unter verschiedenen Einsatzbedingungen Einschränkungen aufweisen können. Netzwerke müssen weiterhin Nicht-KI-Alternativen unterstützen, um Zuverlässigkeit und Offenheit zu gewährleisten.

Der Kernnetzbereich erfordert eine Evolution der Anwendungsprogrammierschnittstelle (API), um Softwareanfragen von Drittanbietern effizient zu verwalten. Altsysteme verfügen oft nicht über die Hardwarekapazität, um neue Steuerungsanfragen zu interpretieren. Betreiber müssen konvergierte Managementschnittstellen entwerfen, um sowohl Altsysteme als auch neue Systeme während der Hardware-Ersatzzyklen zu steuern.

Vertrauensrahmen sind für die Agenten-zu-Agenten-Kommunikation erforderlich, um bösartige Inhalte zu identifizieren und unautorisierte Aktionen zu blockieren. Compliance- und rechtliche Abhörfunktionen müssen intakt bleiben, um regionale Vorschriften zu erfüllen. Die Implementierung starker Verschlüsselung und Integritätsprüfungen schützt sensible Eingabeaufforderungen und persönliche Kundendaten.

Durch die frühzeitige Abstimmung auf Standardisierungsprioritäten können Betreiber sicherstellen, dass zukünftige 6G-Mobilfunknetze nachhaltig und wertorientiert sind.

Schlüsseltechnologien und deren KI-Integration in 6G

Die 6G-Netzwerke werden durch eine Reihe von Schlüsseltechnologien ermöglicht, die stark von der Integration von KI profitieren.

Terahertz-Kommunikation

Terahertz-Kommunikation (THz) verspricht deutlich höhere Datenraten und eine effizientere Datenübertragung als aktuelle drahtlose Technologien. Dies ermöglicht extrem schnelle Download- und Upload-Geschwindigkeiten. KI spielt hier eine Rolle bei der Optimierung der Signalverarbeitung und der Sicherheitsmaßnahmen, indem sie Übertragungsparameter in Echtzeit anpasst und Signaldämpfung mindert, um eine robuste und sichere drahtlose Kommunikation zu gewährleisten.

Ultra-Massive MIMO

Ultra-Massive MIMO (Multiple-Input Multiple-Output) nutzt eine große Anzahl von Antennen, um mehrere Datenströme gleichzeitig zu senden und zu empfangen. Dies erhöht die Netzwerkkapazität und Datenraten erheblich. KI-Algorithmen passen Antennenkonfigurationen dynamisch an und prognostizieren Benutzernachfragemuster, um die spektrale Effizienz und den Benutzerdatendurchsatz zu maximieren. Diese Synergie verbessert die Netzabdeckung und Zuverlässigkeit, während Interferenzen für eine höhere Dienstqualität reduziert werden.

Beamforming

Beamforming richtet Funkwellen gezielt auf einen bestimmten Empfänger aus, was zu reduzierten Interferenzen und verbesserter Signalstärke führt. KI-gesteuerte Beamforming-Techniken verbessern die spektrale Effizienz und reduzieren Mehrwegeausbreitung, wodurch eine nahtlose Konnektivität und Zuverlässigkeit in dynamischen Umgebungen gewährleistet wird.

Zellfreies Massive MIMO

Bei zellfreiem Massive MIMO werden zahlreiche Antennen über ein Gebiet verteilt, um die Effizienz der drahtlosen Kommunikation zu steigern. KI wird für die Ressourcenzuweisung, Interferenzkoordination und Benutzerplanung eingesetzt, um die Netzwerkkapazität zu maximieren und Interferenzen effektiv zu mindern.

Millimeterwellen

Millimeterwellen (mmWave) im Frequenzbereich von 30 GHz bis 300 GHz bieten das Potenzial für schnellere Datenübertragungsgeschwindigkeiten und höhere Netzwerkkapazität. KI-Algorithmen passen Übertragungsparameter dynamisch an und prognostizieren Kanalblockaden, um eine zuverlässige Konnektivität zu gewährleisten und Datenraten in der Millimeterwellenkommunikation zu maximieren.

Reconfigurable Intelligent Surfaces (RIS)

Reconfigurable Intelligent Surfaces (RIS) sind programmierbare Metasurfaces, die Funkwellen aktiv manipulieren können, um die drahtlose Ausbreitungsumgebung zu steuern. KI-Algorithmen optimieren die RIS-Konfigurationen für eine effiziente Signalreflexion und -verstärkung, wodurch Netzabdeckung und -kapazität verbessert werden. KI-gesteuerte Oberflächenkonfigurationen passen sich an sich ändernde Umgebungsbedingungen und Benutzeranforderungen an, optimieren die Energieeffizienz und spektrale Nutzung für eine verbesserte Netzwerkleistung.

Quantenkommunikation

Quantenkommunikation bietet hohe Sicherheitsniveaus durch die Nutzung von Photonen zur Datenübertragung. KI verbessert die Quantenschlüsselverteilungsprotokolle und Netzwerkmanagementsysteme. KI-Algorithmen optimieren Kodierungsstrategien und automatisieren Schlüsselverteilungsaufgaben, um eine sichere und zuverlässige Datenübertragung über Quantenkommunikationskanäle zu gewährleisten.

UAV-/Satellitenkommunikation

Die Kommunikation über unbemannte Luftfahrzeuge (UAVs) und Satelliten erweitert die Netzabdeckung in abgelegenen Gebieten. UAV-/Satellitenkommunikation profitiert von KI-gesteuerter Optimierung von Flugbahnen und Ressourcenzuweisung, um eine nahtlose Konnektivität in abgelegenen Gebieten zu gewährleisten, indem Benutzernachfragemuster vorhergesagt und Ressourcen dynamisch zugewiesen werden. Dies verbessert die Netzabdeckung und Zuverlässigkeit für einen besseren Zugang zu Hochgeschwindigkeitsinternet- und Datendiensten.

Herausforderungen und Zukunftsperspektiven

Die Implementierung von 6G-Technologien bringt zahlreiche Herausforderungen mit sich, die von technologischen Hürden bis hin zu regulatorischen Fragen reichen.

Technologische Innovation und Standardisierung

Die technischen Schwierigkeiten bei der Implementierung neuer Schlüsseltechnologien wie Millimeter- und Terahertz-Wellenkommunikation, Massive und Ultra-Massive MIMO, KI, maschinelles Lernen (ML), Quantenkommunikation und ultra-zuverlässige Kommunikation mit geringer Latenz (URLLC) sind erheblich. Es bedarf intensiver Forschung und Entwicklung, um diese Technologien zur Marktreife zu bringen und ihre Interoperabilität zu gewährleisten.

Bandbreitenknappheit und Kosten

Die Identifizierung und Zuweisung ausreichender Spektren im Terahertz-Frequenzbereich für 6G stellt eine große Herausforderung dar. Obwohl THz-Frequenzen hohe Datenraten bieten, sind sie mit Ausbreitungsproblemen verbunden und erfordern neue regulatorische Rahmenbedingungen. Die Bereitstellung der 6G-Infrastruktur wird zudem mit erheblichen Investitionskosten verbunden sein, was eine finanzielle Herausforderung für Netzbetreiber und Endnutzer darstellen könnte.

Sicherheit und Datenschutz

Mit der zunehmenden Vernetzung und der Integration verschiedener Geräte und Systeme entstehen neue Sicherheitsbedenken. 6G-Netzwerke werden große Mengen sensibler Daten übertragen, was robuste Sicherheitsmechanismen erfordert, die durch KI-gesteuerte Verschlüsselung und Zero-Trust-Architekturen ergänzt werden können. Der Schutz vor Datenlecks, Modellvergiftung und adversariellen semantischen Angriffen ist dabei von größter Bedeutung.

Umweltaspekte

Die Produktion der 6G-Infrastruktur erfordert verschiedene Rohstoffe, deren Gewinnung Umweltauswirkungen haben kann. Ein nachhaltiger Ansatz beim Design und der Produktion von Geräten sowie die Implementierung von Recyclingprogrammen sind unerlässlich.

Forschungsrichtungen und 7G-Perspektiven

Die Forschung konzentriert sich auf die Entwicklung intelligenter Protokolle und Architekturen für effiziente Netzwerkübergaben und Konnektivität in abgelegenen Gebieten. Künstliche Intelligenz wird dabei eingesetzt, um Engpässe zu identifizieren und die Ressourcenzuweisung proaktiv zu planen.

Die Vorstellung von 7G-Netzwerken, die über die Fähigkeiten von 6G hinausgehen, beinhaltet bahnbrechende Funktionen wie holografische Kommunikation und Gehirn-Computer-Schnittstellen. Obwohl 7G noch ein theoretisches Konzept ist und Jahrzehnte für die Realisierung benötigen wird, zeigt es die kontinuierliche Evolution und das grenzenlose Potenzial der drahtlosen Technologie.

Die KI-Integration in 6G ist somit mehr als eine technische Neuerung; sie ist ein Paradigmenwechsel, der die zukünftige Gestaltung von Netzwerken und deren Interaktion mit der digitalen und physischen Welt fundamental prägen wird. Für Unternehmen im B2B-Sektor bedeutet dies die Notwendigkeit, sich frühzeitig mit diesen Entwicklungen auseinanderzusetzen, um die Chancen der KI-gesteuerten 6G-Ära optimal nutzen zu können.

Bibliographie

• Advanced Television. (2026, 19. Februar). Report: AI uncertainty drives MNOs call for 6G flexibility. Abgerufen von https://www.advanced-television.com/2026/02/19/report-ai-uncertainty-drives-mnos-call-for-6g-flexibility/
• arXiv. (2025, 19. Juni). Towards AI-Driven RANs for 6G and Beyond: Architectural Advancements and Future Horizons. Abgerufen von https://arxiv.org/abs/2506.16070
• arXiv. (2026, 27. Januar). An Agentic AI Control Plane for 6G Network Slice Orchestration, Monitoring, and Trading. Abgerufen von https://arxiv.org/abs/2602.13227
• Daws, R. (2026, 19. Februar). Why AI is altering planning for 6G mobile networks. Telecoms.com. Abgerufen von https://www.telecomstechnews.com/news/why-ai-is-altering-planning-for-6g-mobile-networks/
• Frontiers. (2025, 30. September). A comprehensive review of AI-native 6G: integrating semantic communications, reconfigurable intelligent surfaces, and edge intelligence for next-generation connectivity. Abgerufen von https://www.frontiersin.org/journals/communications-and-networks/articles/10.3389/frcmn.2025.1655410/abstract
• Mobile World Live. (2026, 20. Februar). Partner Content: Setting the stage for 6G. Abgerufen von https://www.mobileworldlive.com/hub/mwc26-barcelona-insight/6g/setting-the-stage-for-6g/
• Nature Reviews Electrical Engineering. (2026, 6. Januar). Large language models in 6G from standard to on-device networks. Abgerufen von https://www.nature.com/articles/s44287-025-00239-6
• National Center for Biotechnology Information (NCBI). (2024, 15. März). 6G Networks and the AI Revolution—Exploring Technologies, Applications, and Emerging Challenges. Abgerufen von https://pmc.ncbi.nlm.nih.gov/articles/PMC10975185/
• Nokia. (2024, 25. April). AI opportunities in 6G Layer 2. Abgerufen von https://www.nokia.com/asset/i/213703/
• NVIDIA Blogs. (2025, 8. Oktober). How AI-Powered 6G Will Revitalize US Leadership in Communications. Abgerufen von https://blogs.nvidia.com/blog/ai-6g-telecommunications/