$NOK . $NVDA . Physische KI. Edge AI. Ein Muss.

Wenn du in $NOK investierst, musst du das lesen.

Wenn du dich für Robotik, Physical AI, Edge AI interessierst, musst du das lesen.

Aber bevor du das tust, bitte 'bookmarke' und teile es.

Beim $NVDA Call heute:

„In Zukunft wird jede einzelne Basisstation, jedes einzelne Funknetz zu einem KI-gestützten Funknetz werden.“

Ich habe gerade einen Substack-Artikel veröffentlicht, der die Auswirkungen dieser Aussage beleuchtet.

Du kannst es hier lesen:

https://cruxcapitalgroup.substack.com/p/nvidia-just-told-us-something-important?r=6so16n

Aber lass uns zuerst einen Schritt zurücktreten …

Ich habe vor 6 Wochen einen Artikel über AI RAN geschrieben und möchte ihn jetzt hier vollständig teilen.

Viel Spaß!

Wenn wir an KI-Infrastruktur denken, stellen wir uns riesige Rechenzentren voller GPUs vor, Hyperscaler, die zig Milliarden Dollar ausgeben, ein Wettlauf um mehr Leistung, mehr Glasfaser und mehr Kapazität innerhalb und zwischen den Standorten.

Und das stimmt auch! Aber das ist nicht das gesamte Bild.

KI zieht Intelligenz näher dorthin, wo Daten entstehen und wo Entscheidungen schnell getroffen werden müssen. Kameras, Roboter, Fabriken, vernetzte Maschinen, autonome Systeme, Live-Video, die physische Welt im weiteren Sinne. Sobald das passiert, wird das Netzwerk um das Rechenzentrum herum wichtiger. Und sobald dieses Netzwerk wichtiger wird, beginnt die Telekommunikationsinfrastruktur wie eine mögliche Compute-Oberfläche auszusehen.

Eines der Themen, mit denen ich mich in letzter Zeit intensiv beschäftigt habe, liegt außerhalb der üblichen Hyperscaler- und Optik-Diskussion, könnte aber mit der Zeit zu einem bedeutenden Beitrag zum KI-Ausbau werden. Es befindet sich in der Telekommunikationsinfrastruktur, betrifft die Funkebene und wird zunehmend mit der breiteren Optik-, Transport- und Compute-Geschichte verknüpft, je verteilter KI wird.

Es ist auch einer der Gründe, warum ich Nokia für eine wirklich interessante Investition halte. Die meiste Berichterstattung konzentriert sich auf Telekommunikation, Carrier-Budgets, Restrukturierung und erst kürzlich auf das optische Potenzial nach Infinera. Hier bildet sich eine weitere Ebene, und obwohl es noch früh ist, werden die Belege immer konkreter.

Was ich in diesem Beitrag tun möchte, ist aufzuschlüsseln, was das eigentlich ist, was heute kommerziell fundiert ist versus was noch architektonisch ist, wie aktuelle Betreibertests meine Sicht auf den Reifegrad verändert haben und warum die optische und Transportseite der Geschichte kurzfristig genauso viel Gewicht haben könnte wie die Funkseite.

Wovon rede ich?

Das Radio Access Network (RAN) ist der Teil des Mobilfunknetzes, der dein Telefon oder Gerät mit dem größeren Netz verbindet. Funkgeräte, Mobilfunkstandorte, Basisbandfunktionen und die Software, die diese drahtlosen Verbindungen verwaltet, befinden sich hier. Es ist auch eine der am weitesten verteilten Infrastrukturen der Welt. Telekommunikationsbetreiber haben bereits Standorte in Städten, Industriekorridoren, Vororten und abgelegenen Gebieten, mit Strom, Transport, Hardware und Betriebsteams, die diesen Orten zugeordnet sind.

KI in diese Infrastruktur zu bringen, ist eine ganz andere Sache, als einen weiteren zentralisierten KI-Campus zu bauen. Ein Modell konzentriert Rechenleistung auf wenige riesige Standorte. Das andere versucht, ein verteiltes Netzwerk intelligenter, anpassungsfähiger und letztendlich besser monetarisierbar zu machen. Diese Unterscheidung ist der Kern dessen, was AI-RAN erreichen will.

Drei Ideen

Es gibt eigentlich drei Aspekte, über die wir hier sprechen. Sie sind verwandt, haben aber unterschiedliche Zeitpläne und unterschiedliche Auswirkungen auf Investitionen.

Der erste ist KI für RAN. KI nutzen, um den Betrieb des Funknetzes zu verbessern. Also Dinge wie Verkehrsoptimierung, Energiemanagement, bessere Terminierung, schnellere Erkennung von Problemen, bessere Nutzung des Spektrums und autonomere Abläufe. Software, die ein kompliziertes drahtloses Netzwerk mit weniger manueller Arbeit besser laufen lässt. Der Anreiz ist bereits da, weil diese Netzwerke teuer, betrieblich aufwendig und durch das Verkehrswachstum zunehmend belastet sind. Dies ist heute der kommerziell fundierteste Teil der Geschichte und für Betreiber am einfachsten zu rechtfertigen, da das Wertversprechen unkompliziert ist: niedrigere Kosten, bessere Leistung und weniger manuelle Eingriffe im Alltag.

Der zweite ist KI und RAN. Anstatt Funk- und KI-Workloads als getrennte Welten zu behandeln, bringt dieser Ansatz sie auf dieselbe zugrunde liegende Compute-Plattform. Telekomstandorte haben bereits verteilte Infrastruktur. Wenn diese Standorte sowohl drahtlose Funktionen als auch KI-Workloads gleichzeitig bewältigen können, wird die Netzinfrastruktur selbst strategisch wertvoller. Hier wird der NVIDIA-Aspekt relevant und wo die Belege sich zu häufen beginnen. Die zentrale Idee ist, dass derselbe physische Telekomstandort beginnen kann, zwei Aufgaben gleichzeitig zu erfüllen: das Mobilfunknetz betreiben und KI-Compute ausführen. Das ist eine grundlegend andere Art, darüber nachzudenken, was ein Funkmast wert ist.

Der dritte ist KI auf RAN. Hier wird der Telekom-Edge zu einem Ort, an dem tatsächliche KI-Anwendungen laufen, wie maschinelles Sehen, Robotik, industrielle Automatisierung, Echtzeit-Video-Inferenz, Physical AI und latenzarme Dienste, die davon profitieren, näher am Entstehungsort der Daten verarbeitet zu werden. Dies ist die Version, die am größten klingt und wahrscheinlich auch am größten ist, wenn sie reift. Sie hat auch die geringste kurzfristige Umsatzsichtbarkeit der drei. Hier beginnt das Telekomnetz weniger wie Kommunikationsinfrastruktur und mehr wie eine Anwendungsplattform auszusehen. Wenn es sich so entwickelt, wie Optimisten hoffen, verkaufen Betreiber Zugang zu lokaler Rechenleistung in der Nähe der physischen Welt zusammen mit Konnektivität – ein grundlegend erweitertes Geschäftsmodell, das auf demselben physischen Fußabdruck aufbaut.

Alle drei sind es wert, verstanden zu werden.

Warum Nokia in diese Geschichte gehört

Nokia nähert sich AI-RAN von innen heraus. Es hat bereits den Funk-Stack, die Betreiberbeziehungen und die installierte Infrastrukturbasis, die ihm einen glaubwürdigen Weg in die Kategorie geben. AI-RAN wird durch bestehende Lieferantenbeziehungen, schrittweise Softwareaktivierung, zukunftskompatible Hardware und das Vertrauen der Betreiber eingeführt – und Nokia erfüllt bereits all diese Bedingungen.

Hören wir es aus erster Hand.

Der AirScale-Kommentar von Hotard ist eine der wichtigsten Aussagen in der gesamten Geschichte.

„Wenn Sie heute eine AirScale-Plattform kaufen, wird diese auf AI RAN aufrüstbar sein, sobald wir diese Plattform auf den Markt bringen. Und das ist die Art von Gelegenheit, bei der wir es für besonders wichtig halten, jetzt als Betreiber eine Investitionsentscheidung zu treffen und Klarheit zu haben.“

Betreiber zögern, viel Geld in die heutige Funkplattform zu investieren, wenn ein vollständiger Austausch in ein paar Jahren erforderlich ist. Nokia sagt ihnen, dass der Übergang schrittweise erfolgen kann, was Experimente realistischer macht und die Hürden für den Einsatz senkt. Ronnie Vasishta von NVIDIA formulierte den breiteren Wandel in ähnlichen Begriffen:

„Anstatt Netzwerke in großen, hardwarelastigen Zyklen zu aktualisieren, haben wir jetzt die Möglichkeit, sie als vollständig softwaregesteuerte Systeme aufzubauen. Indem wir KI und Funkzugangsnetze auf derselben beschleunigten Computing-Plattform betreiben, stellen wir sicher, dass das Netzwerk die Geschäftsanforderungen unterstützt, nicht umgekehrt.“

Hotard hat auch beschrieben, wo die Kategorie kommerziell steht:

„AI-RAN verwandelt RAN in eine softwaregesteuerte Plattform, die für KI optimiert ist, und mit NVIDIA und einem wachsenden Ökosystem von Partnern machen wir Fortschritte von der Validierung bis zur kommerziellen Bereitstellung.“

Nokia hat bereits die installierte Basis, die Produkt-Roadmap und den Dialog mit den Betreibern, um dies von einem Konzept zu etwas Kommerziell Dauerhafterem zu entwickeln.

Warum dies über die Funkebene hinausgeht

Wenn KI-Workloads verteilter werden, wenn Telekomstandorte mehr Intelligenz tragen und wenn der Netzwerk-Edge beginnt, sich wie eine Compute-Oberfläche zu verhalten, wird auch das umgebende Netzwerk wichtiger. Transport, Routing, optische Kapazität und die physische Fähigkeit, mehr Daten zwischen dem Edge, der Cloud und allem dazwischen zu bewegen, werden alle in diesen Wandel einbezogen. AI-RAN beginnt auf der Funkebene, und die Architektur darum folgt.

David Heard von Nokia auf der OFC:

„Vor allem Hyperscaler und Neocloud-Anbieter, aber auch im Weitverkehrsnetz mit Dienstanbietern und geschäftskritischen Unternehmen kaufen sie eine Roadmap, weil sie Pläne machen, sie kaufen Rechenzentren. Sie kaufen Einrichtungen. Sie planen jetzt die HVAC.“

Hotard verknüpfte den optischen und IP-Ausbau im Q4-Anruf mit derselben Dynamik:

„Das sind nicht mehr die Cloud-Computing-Systeme, die in den letzten 10 bis 15 Jahren gebaut wurden. Das sind KI-Supercomputer, und KI-Supercomputer brauchen höhere Bandbreite, reichhaltigere Konnektivität. Und wir sehen jetzt, wie optische Technologie in diese einfließt und integriert und vernetzt wird.“

Rob Shore, Nokias Leiter des optischen Marketings, beschrieb den Wandel in der Art und Weise, wie Kunden über optische Innovation nachdenken:

„Historisch gesehen haben wir uns über 30 Jahre lang in der Branche darauf konzentriert, Motoren zu bauen, die speziell auf die Maximierung der Kapazität pro Faser ausgerichtet sind. Diese Generation ist die erste Generation, bei der wir uns wirklich verändert haben. Sie wollen kostengünstigere und leistungsoptimierte Lösungen.“

Das ist der Kontext, warum Nokias breitere Netzexposition in diesen Beitrag gehört. Eine verteiltere KI-Architektur erfordert die Transport- und optische Infrastruktur, die eine verteiltere Intelligenz unterstützen kann. Die Funkebene und die darunter liegende Netzstruktur werden gemeinsam vorangetrieben.

Was ist investierbar?

Die Trennung von kurzfristigeren und längerfristigen Aspekten ist der klarste Weg, dies zu betrachten.

Der kommerziell fundierteste Teil des Themas heute ist KI für RAN. Intelligentere Abläufe, geringere manuelle Belastung, bessere Optimierung, digitale Zwillinge und Software, die Betreibern hilft, ihre Netzwerke effizienter zu betreiben. Hotard lieferte einen der deutlichsten Belege im Q4-Anruf:

„Wir haben im Quartal zwei neue Produkte auf den Markt gebracht, darunter unsere agentische KI-Lösung für ereignisgesteuertes Automatisierungsmanagement, die Netzausfallzeiten um 96% reduziert.“

Der wirtschaftliche Wert ist direkt, und Betreiber können ihn sofort rechtfertigen. Bessere Netzwerkleistung und geringere Betriebskomplexität mit einem klaren Bezug zu Kosteneinsparungen.

KI und RAN ist die nächste Ebene. Gemeinsame Infrastruktur, Live-Betreibertests und schrittweise Bereitstellung über zukunftskompatible Plattformen machen die Geschichte glaubwürdiger. Ein T-Mobile-Test ist der klarste Beleg:

„Die Testversion zeigte gleichzeitige KI- und RAN-Verarbeitung auf einem einzigen NVIDIA Grace Hopper 200-Server unter Verwendung beschleunigter AI-RAN-Workloads und demonstrierte die Fähigkeit, erweiterte Funkzugangsnetzfunktionen mit KI-Anwendungen auf einer gemeinsam genutzten, beschleunigten Computing-Plattform zu kombinieren.“

Das Indosat-Ergebnis fügte eine weitere Live-Umgebungsbestätigung hinzu:

„Dieser Meilenstein beweist, dass KI- und RAN-Workloads gleichzeitig auf gemeinsamer GPU-Infrastruktur in einer Live-Betreiberumgebung ausgeführt werden können, und ebnet den Weg für verteilte KI-Intelligenz, die 5G-Netze effizienter, intelligenter und nachhaltiger macht.“

Dies ist immer noch eine sich entwickelnde Kategorie und keine voll skalierte Umsatzmaschine, obwohl sich die Belege schneller häufen als die meisten erwartet hatten.

KI auf RAN ist das langfristigste Aufwärtspotenzial, bei dem der Telekom-Edge zu einer wahren Anwendungsoberfläche für Physical AI, maschinelles Sehen, Robotik, industrielle Automatisierung und latenzarme Inferenz wird. Nokia und SoftBank haben bereits eine Version der Monetarisierungslogik demonstriert:

„Nokia und SoftBank haben demonstriert, wie freie AI-RAN-Computekapazität genutzt werden kann, um KI-Aufgaben von Dritten auszuführen. Diese Integration markiert einen wichtigen Schritt zur Umwandlung des RAN in eine KI-fähige Plattform, die neue KI-Dienste und Einnahmequellen über die Konnektivität hinaus liefern kann.“

Elisas COO Sami Komulainen beschrieb den längeren Bogen treffend:

„AI-RAN ist ein zentraler Befähiger für die Optimierung der Ende-zu-Ende-Netzwerkleistung, die Verbesserung der Servicequalität und den Fortschritt hin zu KI-nativem 6G sowie zukünftiger agentischer, robotischer und letztendlich physischer KI.“

Nokia gibt uns Exposition zu einem Thema mit echten Belegen, einer glaubwürdigen Brücke zur installierten Basis und genügend unterstützender Infrastruktur, um wirtschaftlich bedeutsam zu werden, wenn sich die Architektur weiter in diese Richtung bewegt. Das kurzfristige Aufwärtspotenzial liegt in optischen, IP- und KI-für-RAN-Software. Die langfristige Option liegt darin, was der Telekom-Fußabdruck werden könnte. Beide sind es wert, festgehalten zu werden, während sich die Geschichte entwickelt.

Die bereitgestellten Informationen dienen nur zu Informationszwecken und stellen keine Anlageberatung, Empfehlung oder ein Angebot zum Kauf oder Verkauf von Wertpapieren dar. Der Autor kann eine Position in den genannten Wertpapieren halten. Leser sollten ihre eigene Due Diligence durchführen und einen Finanzberater konsultieren, bevor sie Anlageentscheidungen treffen.