Agentische KI optimiert Intent-getriebene O‑RAN‑Netzwerke ohne Zellen

In der neuesten Forschung wird gezeigt, wie agentische künstliche Intelligenz (KI) die autonome Steuerung von Radio‑Access‑Netzwerken (RANs) revolutioniert. Durch den Einsatz mehrerer, auf großen Sprachmodellen (LLMs) basierender Agenten können Betreiber ihre Ziele präzise umsetzen, indem die Agenten gemeinsam handeln und komplexe Intentionen koordinieren.

Das vorgestellte Framework nutzt die offene O‑RAN‑Architektur, um einen Supervisor‑Agenten einzusetzen, der Betreiberintentionen in konkrete Optimierungsziele und Mindestbandbreiten übersetzt. Anschließend bestimmt ein User‑Weighting‑Agent aus einer Erinnerungs‑Komponente die Prioritätsgewichte für die Präzisionssteuerung. Für energieeffiziente Netzwerke aktiviert ein O‑RU‑Management‑Agent ein Deep‑Reinforcement‑Learning‑Modell, um die aktiven O‑RUs zu bestimmen.

Ein Monitoring‑Agent überwacht die Nutzerbandbreiten und koordiniert mit den anderen Agenten, um die Mindestanforderungen sicherzustellen. Durch den Einsatz einer parameter‑effizienten Feinabstimmung (PEFT) kann dieselbe LLM-Architektur für verschiedene Agenten genutzt werden, was die Skalierbarkeit erheblich verbessert.

Simulationen belegen, dass das neue agentische KI‑Framework die Anzahl aktiver O‑RUs um fast 42 % reduziert, wenn es mit drei etablierten Basissystemen verglichen wird – ein deutlicher Fortschritt für energieeffiziente, zellfreie O‑RAN‑Netzwerke.