Uhana by VMware korreliert und ergänzt große Mengen von Streaming-Daten aus Mobilfunknetzen und liefert so umfassende Informationen zu Teilnehmern. Mithilfe künstlicher Intelligenz ermittelt Uhana automatisch die Ursache von Netzproblemen und empfiehlt Abhilfemaßnahmen.
Von Uhana analysierte Streaming-Daten bieten Mobilfunkbetreibern Kennzahlen zur Kundenerfahrung in Echtzeit, sodass MNOs die Gesprächsqualität und den Datendurchsatz für jeden Teilnehmer in Echtzeit ermitteln können.
Uhana priorisiert Benachrichtigungen je nach den Auswirkungen für Teilnehmer. Dies geschieht automatisch: Mit Algorithmen für maschinelles Lernen wird festgestellt, welche Probleme die gravierendsten Auswirkungen haben.
Die KI-Plattform von Uhana erkennt, klassifiziert und lokalisiert Probleme im Mobilfunknetz automatisch durch maschinelles Lernen. Wenn möglich, ermittelt die Plattform die Ursache und empfiehlt eine Lösung.
Aufgrund der detaillierten Transparenz der Plattform liefert Uhana neue Erkenntnisse über das Netz, indem Millionen von Ereignissen verarbeitet und Hunderte von Performance-KPIs in Echtzeit berechnet werden.
Sichern Sie sich mit Uhana einen Wettbewerbsvorsprung und stellen Sie die 5G-Erfahrung der nächsten Generation bereit, die Ihre Kunden erwarten.
Video ansehenUhana nutzt KI, um 4G- und 5G-Netzwerke zu optimieren und eine Grundlage für neue Services zu bilden.
Datenblatt lesenShekar Ayyar und Sachin Katti erläutern die Vorteile der Analysefunktionen von Uhana für Mobilfunkbetreiber.
Video ansehenMit Analyseerkenntnissen und Automatisierung das Beste aus 5G-Investitionen herausholen – IDC-Report
Report herunterladenUhana verbindet automatisch Ereignisse der Anrufverfolgung wie Verbindungsaufbau, Freigabe und Funkmessungen derselben Anwendersitzung in Echtzeit, um Datensätze für die Teilnehmersitzungen zu erstellen.
eNodeB-Tracedaten liefern detaillierte Echtzeittransparenz auf Teilnehmerebene, um neben RAN-Performance und Auslastung auch die Quality of Experience (QoE) für Teilnehmer schnell zu analysieren.
Die KI-fähige Benachrichtigungs-Pipeline von Uhana erkennt und bündelt automatisch (zeitlich und räumlich) Anomalien der KPIs auf Teilnehmerebene unter Verwendung neuronaler Netze.
Die Priorisierung von Benachrichtigungen basiert auf der Analyse der Auswirkungen, z.B. wie viele Teilnehmer betroffen sind und wie gravierend die Verschlechterung der Dienste ist, sodass die Reaktionen entsprechend geplant werden können.
Jede Benachrichtigung wird genau analysiert und die eigentliche Ursache (durch Klassifikatoren neuronaler Netze) identifiziert. Außerdem werden relevante KPIs und Empfehlungen für die identifizierte Ursache bereitgestellt.
Uhana erfasst und analysiert Millionen kontinuierlicher Streaming-Ereignisse aus Zehntausenden von Funkzellen auf verwertbare Erkenntnisse und liefert Vorhersagen und Empfehlungen zur Problembeseitigung.
Die KI-Plattform von Uhana ist eine auf einer Microservices-Architektur aufgebaute hochmoderne cloudnative Anwendung. Microservices auf Basis von Docker-Containern bieten Stabilität und horizontale Skalierung.
Über eine interaktive Benutzeroberfläche können Betreiber innerhalb weniger Minuten benutzerdefinierte KPIs erstellen und dabei mehrere Kennzahlen nach Bedarf zusammenfassen, wodurch sich der Zeitaufwand deutlich reduziert.
Automatisiertes Erkennen und Klassifizieren von Uplink-Interferenzen (extern, passive Intermodulation [PIM], Infrastruktur) mit Priorisierung nach Art und Anzahl der betroffenen Teilnehmer
Lokalisieren Sie externe Störungen mit einer Prioritätenliste des Suchbereichs und Heatmap-Visualisierung. Verkleinern Sie den Bereich der Interferenz-Triangulation von Kilometern auf Blöcke und profitieren Sie so von einer deutlich verkürzten Suchzeit.
Mit Algorithmen zur maschinellen Ursachen- und Auswirkungsanalyse lässt sich feststellen, ob die Ursache für einen schlechten Downlink-Durchsatz mit der Lastunsymmetrie der Antennenfrequenzen und der suboptimalen Nutzung des Frequenzspektrums zusammenhängt.
Erhöhen Sie die effektive Kapazität des Funkspektrums durch verbesserte technische RAN-Optimierung. Priorisieren Sie Netzwerkinvestitionen, die den Effekt für Kunden maximieren und Investitionskosten senken.
Die automatisierte RAN-Optimierungsanalyse erhöht die Effizienz der technischen RAN-Optimierung und des Betriebs durch KI-basierte RCA, detaillierte Transparenz und Auswirkungsprognosen.
Verkürzen Sie die Zykluszeit für die Datenanalyse um bis zu 30% durch automatisierte Datenaufbereitung und nutzen Sie die freigewordene Zeit für anspruchsvollere Aufgaben.
Uhana by VMware ist eine moderne Analyse- und KI-Lösung, die Netz- und Teilnehmeranalysen in Echtzeit ermöglicht. Mobilfunkbetreiber können damit die Kundenerfahrung verbessern, den Betrieb optimieren, Störungen automatisch erkennen und analysieren, zukünftige Probleme vorhersagen und geeignete Abhilfemaßnahmen empfehlen. Dabei besteht das Ziel immer darin, durch Automatisierung eine optimale Kontrolle der hochwertigen Mobilfunkinfrastruktur des Mobilfunkbetreibers (Mobile Network Operator, MNO) zu erreichen.
Mobilfunkbetreiber beschäftigen zwar viele der besten und erfahrensten Techniker und Datenanalysten der Welt, doch auch diese sind in ihrer Tätigkeit durch den Stand der herkömmlichen RAN-Netzwerkanalyse und Telemetrie eingeschränkt. Wenn nur grobe Telemetriedaten vorliegen, können für Kapazitätsplanung und Performance-Messungen nur Analysen aus der Vergangenheit genutzt werden. Da die tatsächlichen Netzbedingungen sich in sehr kurzen Zeitspannen (Sekunden und Millisekunden) ändern, entsteht zudem bei allen Kontrollen, deren Algorithmen für Anwendungs-Performance, Anwendererfahrung oder Netzeffizienz auf weniger detaillierten Daten (Minuten) basieren, eine „durchschnittliche Unschärfe“ und stark eingeschränkte Transparenz.
Die heutigen Netzcontroller, SONs und MMEs erfassen Leistungsdaten auf Funkzellenebene in Abständen von 15 Minuten. Das bedeutet, dass die „Spitzen“ und „Täler“ der Leistung innerhalb dieser 15 Minuten durch Mittelung geglättet werden und möglicherweise nicht ersichtlich sind. Netzbedingungen, die für eine genaue Steuerung entscheidend sind, werden durch den Durchschnitt maskiert und sind so für den Entscheidungsalgorithmus nicht erkennbar. Darüber hinaus stammen die von der MME bereitgestellten Daten von den Standorten der Funkzellen und sie sind nicht nach den einzelnen Teilnehmern aufgeschlüsselt, die diese Funkzelle nutzen.
Die KI-Plattform von Uhana analysiert parallele Datenfeeds aus Zehntausenden von Funkzellen, korreliert sie mit den Daten der Anwendersitzungen und berechnet die Leistungskennzahlen (Key Performance Indicators, KPIs) in Echtzeit. Diese Daten werden mit anwendungsspezifischen Eingaben und vom Betreiber festgelegten Richtlinien kombiniert, sodass eine beispiellose Netztransparenz, Anomalieerkennung sowie Netzprognosen in Echtzeit möglich werden, einschließlich Anwendungs- und/oder RAN-Steuerung.
Uhana by VMware basiert auf innovativen Deep Learning-Techniken und bietet mithilfe von anwendungsspezifischen Eingaben und vom Betreiber festgelegten Richtlinien beispiellose Netztransparenz und Anomalieerkennung sowie Netzprognosen in Echtzeit, einschließlich Anwendungs- und/oder RAN-Steuerung. Zum ersten Mal können Betreiber Anwendungsentwicklern API-Zugriff auf präzise, detaillierte Netzdaten und „Was-wäre-wenn“-Modelle anbieten. Mit diesen Netzdaten lässt sich die Anwendungs-Performance optimieren, die Erlebnisqualität der Teilnehmer erheblich verbessern und das RAN über moderne Infrastruktur-Automatisierungsplattformen programmgesteuert kontrollieren. Mit Uhana kann endlich die von Mobilfunketreibern ersehnte programmierbare Netzdiensteplattform realisiert werden, die viel mehr leistet, als nur Verbindungen aufzubauen.
Uhana kann On-Premises (oder in einer Public Cloud) eingesetzt werden. Typischerweise wird Uhana in der Cloud Computing-Umgebung des Mobilfunkbetreibers installiert, wobei das Portal über ein VPN zugänglich ist. Uhana wurde als cloudnative Anwendung mit Microservices-Architektur entwickelt. Microservices auf Basis von Docker-Containern bieten Stabilität und horizontale Skalierung. So kann die Plattform auch auf Bare-Metal- oder VM-Infrastrukturen bereitgestellt werden.
Nein, Uhana sammelt keine Inline-Daten und erfasst keine Nutzdaten von Kunden. Uhana erfasst Informationen direkt von der eNodeB und den MMEs im RAN. Die Daten werden offline gesammelt und verschlechtern daher nicht die Performance des Netzes. Uhana reichert diese Informationen mit Echtzeit-Standortdaten und Kundendaten wie IMSIs an. Daraus ergeben sich für den Mobilfunkbetreiber verwertbare Erkenntnisse.
Ja. Durch Nutzung der eNodeB-Tracedaten (und in Zukunft gNodeB-Tracedaten) kann Uhana die Performance von Geräten verschiedener Hersteller (für verschiedene Gerätemodelle und Softwareversionen) auf Funkzellen-, Sektor- oder eNB-/gNB-Ebene vergleichen und zeigen, wie leistungsfähig verschiedene Geräte im Netz sind und dieses beeinflussen. Uhana definiert zudem automatisch Baselines der Geräte-Performance und erkennt Anomalien, die auf Geräte- und RAN-Software-Upgrades zurückzuführen sind. Wenn neue Gerätehardware oder -software im Netz eingeführt wird, ermittelt Uhana die Auswirkungen dieser neuen Hardware oder Software auf die Performance des RAN. Mobilfunkbetreiber können Netzbetrieb und Kundenerfahrung weiter verbessern sowie die Fehlerbehebung bei Problemen beschleunigen, wenn sie die Ergebnisse der Geräteanalysen mit MME- und Paketkern-Traces zu neuen Erkenntnissen verknüpfen.
Agilität. Die Erstellung benutzerdefinierter KPIs mit den aktuellen Betreiberprozessen kann Wochen dauern. Mit dem KPI Composer von Uhana können Mobilfunkbetreiber im Handumdrehen neue KPIs für Analysen definieren und Kennzahlen speziell für die jeweilige Anforderung bereitstellen. Dropdown-Optionen erleichtern die Definition neuer KPIs. So können mehrere Kennzahlen zu einer umfassenden, spezifischen KPI entsprechend den Anforderungen des jeweiligen Betreibers kombiniert werden.