Telekom setzt bei Glasfaserausbau auf künstliche Intelligenz

Quelle: Telekom

Die Telekom setzt beim Glasfaser-Ausbau in einem Pilotprojekt auf künstliche Intelligenz in der Planung. Dank schnellerer und optimierter Planung der Strecken soll so mehr Ausbau in kürzerer Zeit stattfinden können.

„Der kürzeste Weg zum Kunden ist nicht immer der wirtschaftlichste. Mit künstlicher Intelligenz in der Planung können wir den Glasfaser-Ausbau beschleunigen. So können wir unseren Kunden schneller und vor allem effizienter Breitband-Anschlüsse zur Verfügung stellen“, sagt Walter Goldenits, Technik-Chef der Telekom in Deutschland. Es sei oftmals wirtschaftlicher, einige Meter zusätzliches Kabel zu verlegen. Dies wertee die neue Software-basierte Technologie mithilfe von digital gesammelten Umgebungsdaten aus. Wo müssten Kopfsteinpflaster aufwändig aufgegraben und wieder verlegt werden? Wo besteht das Risiko, eine Baumwurzel zu beschädigen? Diese Fragen sollen sich mithilfe von KI beantworten lassen.

Pilotphase mit Messfahrzeug in Bornheim

Für das FTTH (Fibre-to-the-home)-Projekt der Telekom war im Sommer ein mit 360°-Kameras und Laser-Scanner ausgestattetes Messfahrzeug in Bornheim (Nähe Bonn) unterwegs. Das Auto sammelte mit GPS-Technologie ausführliche Umgebungsdaten. Je nach Gebiet kann es pro Tag 50 bis 80 Kilometer befahren. Das Ergebnis sind circa 5 GB Oberflächendaten pro Kilometer.

Von der vorhandenen Struktur hängen Aufwand und damit auch Kosten der Verlegung ab. Zunächst öffnen Tiefbauer den Boden und verlegen Lehrrohre und Glasfaserkabel. Anschließend müssen sie die Oberfläche wieder so herstellen, wie sie vorher war. Bei großen Pflastersteinen dauert es entsprechend länger als bei Feldwegen.

Fraunhofer IPM unterstützt automatisierte Datenauswertung

„Die riesigen Datenmengen sind Segen und Fluch zugleich“, sagt Prof. Dr. Alexander Reiterer, der das Projekt am Fraunhofer IPM leitet. „Wir brauchen so viele Details wie möglich. Gleichzeitig ist das Ganze nur effizient, wenn nicht Menschen mühsam die Daten nach den gesuchten Informationen durchforsten müssen. Für einen effizienten Planungsprozess ist es notwendig, die Auswertung dieser enormen Datenmengen zu automatisieren.“

Fraunhofer IPM habe dazu eine Software entwickelt, die relevante Objekte in den Messdaten automatisiert erkennt, lokalisiert und klassifiziert. Das dabei eingesetzte neuronale Netz erkenne durch Deep Learning Algorithmen insgesamt circa 30 verschiedene Kategorien. Darunter Bäume, Laternen, Asphalt oder Kopfsteinpflaster. Auch bis ins kleinste Detail: Sind größere Gehwegplatten oder kleines Natursteinpflaster verbaut? Handelt es sich um einen Laub- oder einen Nadelbaum? Auch die Wurzelstruktur habe entscheidenden Einfluss auf die Wahl der Tiefbaumethode.

Nach der Datenerfassung erfolge die Anonymisierung von Fahrzeugen und Personen, auch dafür sei künstliche Intelligenz verantwortlich, die entsprechend trainiert wurde. In weiteren Schritten erfolge dann die automatisierte Aufbereitungsphase. Nach einem Abgleich mit der bereits vorhandenen Infrastruktur stehe die optimale Verlegungsroute. Ein Telekom-Planer prüfe diese abschließend und gebe sie frei.