Nokia en Databricks hebben een gezamenlijke proef afgerond waarin zij een uniform dataplatform voor autonome telecomnetwerken testten. Het project richt zich op een van de grootste obstakels voor AI-toepassingen bij telecomoperators: versnipperde data die verspreid is over tientallen tot honderden afzonderlijke systemen.
Telecomnetwerken genereren grote hoeveelheden operationele en zakelijke gegevens. Die informatie wordt vaak opgeslagen in verschillende OSS- en BSS-systemen. Die hebben elk hun eigen architectuur en databronnen. Daardoor is het lastig om AI-modellen en geautomatiseerde besluitvorming op grote schaal toe te passen.
Tijdens de proof of concept onderzochten Nokia en Databricks of een gemeenschappelijke data-architectuur kan functioneren ongeacht de onderliggende infrastructuur. Het uitgangspunt was dat operators dezelfde datastromen en analysetaken moeten kunnen gebruiken in verschillende cloudomgevingen of in eigen datacenters. Dit zonder applicaties telkens opnieuw te ontwikkelen.
De technische proef draaide rond realtime prestatiemanagement. Daarbij werd getest of datapijplijnen op verschillende platformen kunnen worden ingezet zonder aanpassingen aan de code. Volgens de bedrijven konden dezelfde workflows zowel op Databricks als op een opensource-stack met Apache Flink, Kafka en Iceberg worden uitgevoerd.
Daarnaast ontwikkelde Nokia een abstractielaag in Python. Hierbij blijven datatransformaties losgekoppeld van specifieke platformen. Hierdoor kunnen dezelfde processen in meerdere omgevingen worden hergebruikt. Een aanvullende compiler vertaalt de generieke logica vervolgens automatisch naar platformspecifieke formaten, zoals Delta Live Tables of Flink SQL.
De aanpak moet voorkomen dat operators afhankelijk worden van één leverancier of cloudplatform. In de telecomsector geldt vendor lock-in al jaren als een aandachtspunt. Dit geldt zeker nu AI-toepassingen steeds meer afhankelijk worden van toegang tot grote hoeveelheden netwerkdata.
AI-agents als volgende stap
Een tweede onderdeel van de proef richtte zich op het gebruik van AI-agents voor het creëren van nieuwe dataproducten. Via natuurlijke taalopdrachten kan een agent volgens de demonstratie automatisch een datapijplijn genereren, laten controleren en vervolgens uitrollen.
De bedrijven zien dat als een mogelijke bouwsteen voor toekomstige autonome netwerken, waarin meerdere AI-agents samenwerken. Een agent die netwerkproblemen analyseert zou bijvoorbeeld zelfstandig aanvullende datasets kunnen opvragen of laten genereren om een oorzaakonderzoek uit te voeren.
Hoewel het project zich nog in een experimentele fase bevindt, laat het zien welke technische randvoorwaarden nodig zijn om AI verder in telecomnetwerken te integreren. De sector onderzoekt al langer hoe autonome netwerken kunnen worden gerealiseerd, maar stuit daarbij vaak op de beperkte uitwisselbaarheid van data tussen bestaande systemen.
Nokia en Databricks willen de samenwerking voortzetten en verder onderzoeken hoe AI-toepassingen toegang kunnen krijgen tot realtime netwerkgegevens voor analyse en geautomatiseerde besluitvorming. Voorlopig gaat het echter nog om een technische validatie; concrete implementaties bij operators zijn niet aangekondigd.