Three UK modernisiert Mobilfunknetz mit Azure AI Analytics

Die Herausforderung

Three UK, ein führender Mobilfunkanbieter im Vereinigten Königreich, stand unter erheblichem Druck durch den stark ansteigenden Datenverkehr, getrieben vom 5G‑Ausbau, Video‑Streaming, Online‑Gaming und Remote‑Arbeit. Mit über 10 Millionen Kund:innen führten Spitzenzeiten‑Überlastungen in städtischen Gebieten zu Verbindungsabbrüchen, Buffering bei Streams und hoher Latenz, die das Gaming‑Erlebnis beeinträchtigte. Traditionelle Monitoring‑Tools kamen mit dem Volumen an Big‑Data aus Netzprobes nicht zurecht, sodass Echtzeit‑Optimierung unmöglich war und Kundenabwanderung drohte.[1]

Hinzu kam, dass Legacy On‑Premises‑Systeme nicht für 5G‑Network‑Slicing und dynamische Ressourcenallokation skalierten, was zu ineffizienter Spektrumnutzung und steigenden OPEX führte. Three UK benötigte eine Lösung, die Netzengpässe proaktiv vorhersagen und verhindern kann, um niedriglatenzige Dienste für latenzsensible Anwendungen sicherzustellen und gleichzeitig die QoS über verschiedene Verkehrsarten hinweg aufrechtzuerhalten.[2]

Quantitative Ergebnisse

• 25% Reduktion von Netzüberlastungsereignissen
• 20% Verbesserung der durchschnittlichen Download‑Geschwindigkeiten
• 15% Verringerung der End‑to‑End‑Latenz
• 30% schnellere Anomalieerkennung
• 10% OPEX‑Einsparungen im Netzbetrieb
• NPS um 12 Punkte verbessert

Implementierungsdetails

Implementierungsübersicht

Three UK begann die Implementierung von Azure Operator Insights im Jahr 2022 mit einem Proof‑of‑Concept (PoC) auf ausgewählten urbanen Standorten in London und Manchester. Die Plattform wurde aufgrund ihrer telekommunikationsspezifischen vorgefertigten ML‑Modelle gewählt, die auf anonymisierten globalen Betreiberdaten trainiert sind und die Bereitstellung beschleunigen.[1] Die Integration umfasste das Streaming von Netzdaten via Kafka zu Azure Event Hubs, die Verarbeitung über Synapse Analytics und den Einsatz von ML über Azure Machine Learning für prädiktive Analysen.

Technische Architektur

Die Kernarchitektur setzte auf Echtzeit‑Datenaufnahme von eNodeB/gNodeB‑Probes (PM‑Daten), angereichert mit Abonnenten‑Metadaten. Azure Synapse übernahm die Big‑Data‑Pipelines, während die Operator Insights Dashboards Visualisierungen von KPIs wie RRC‑Verbindungsabbrüchen und Durchsatz‑Schwankungen lieferten. Eigene ML‑Modelle prognostizierten Verkehr 15–30 Minuten im Voraus und lösten über APIs Auto‑Remediation‑Aktionen an RAN‑Controllern aus.[3]

Herausforderungen während des Rollouts umfassten Datenschutz‑Compliance (GDPR) und Latenz im Hybrid‑Cloud‑Betrieb. Diese wurden durch föderiertes Lernen und Azure Private Link überwunden, um sicheren, latenzarmen Zugriff zu gewährleisten. Das Training beinhaltete das Labeln historischer Überlastungsereignisse; nach Feinabstimmung erreichte man eine 95% Modellgenauigkeit.

Gestaffelter Rollout und Schulung

Phase 1 (Q3 2022): PoC auf 10% des Netzes, Validierung der 20% Latenzverbesserungen. Phase 2 (Q1 2023): Skalierung auf 50% Abdeckung, Integration mit OSS/BSS. Bis Q4 2023 vollständige Bereitstellung an UK‑Standorten. Über 200 Ingenieur:innen wurden mittels Azure‑Zertifizierungen geschult, wodurch eine datengetriebene Kultur entstand.[4]

Überwindung zentraler Hürden

Ursprüngliche Datensilos wurden durch einen zentralen Lakehouse vereinheitlicht. Die Migration legacybasierter Tools erfolgte mit Azure Data Factory für ETL‑Prozesse. Kostenoptimierung durch Reserved Instances hielt die TCO um 40% unter vergleichbaren On‑Premises‑Lösungen. Laufendes Monitoring via Azure Monitor sichert eine Verfügbarkeit von 99,99%.[5] Dieser ganzheitliche Ansatz beseitigte nicht nur Überlastungen, sondern ermöglichte auch 5G‑Innovationen wie Network Slicing für Enterprise‑IoT.

Aktuelle Erweiterungen

Seit 2025 nutzt Three UK GenAI für natürlichsprachliche Abfragen von Insights sowie agentische Automatisierung für selbstheilende Netze, im Einklang mit Branchentrends.[2]