Wenn ein Video stockt oder ein Gespräch abbricht, liegt das nicht immer an der gesamten Funkzelle. NTT DOCOMO und Samsung prüfen deshalb einen Ansatz, der einzelne Verbindungen vorausschauend berücksichtigen soll. In einer Simulation mit Daten aus DOCOMOs kommerziellem Netz und einem lokalen 5G-Testfeld sank die berichtete Häufigkeit von Kommunikationsgeschwindigkeitsverschlechterungen von 13,1 auf 7,2 Prozent. Das ist ein konkreter Messwert – aber weder ein allgemeiner Geschwindigkeitszuwachs noch eine persönliche Netzgarantie.
Der interessante Teil steckt in der Mechanik: AI-RAN soll Funkbedingungen, Bewegungsmuster und den genutzten Dienst zusammen betrachten. Wenn das System eine Verschlechterung erwartet, kann es für diesen Nutzer eine passende Funkkonfiguration auswählen, etwa ein Frequenzband. Die Meldung vom 10. August 2026 beschreibt damit einen konkreten Validierungsrahmen – nicht den Start eines flächigen 6G-Netzes.
Das Wichtigste in 30 Sekunden
- NTT DOCOMO und Samsung meldeten am 10. August 2026 eine japanische Validierung nutzerbezogener AI-RAN-Optimierung.
- Der zugrunde liegende Test lief im Januar 2026 als Simulation mit Daten aus DOCOMOs kommerziellem Netz und einem lokalen 5G-Testfeld.
- Die berichtete Häufigkeit von Kommunikationsgeschwindigkeitsverschlechterungen sank von 13,1 auf 7,2 Prozent – 5,9 Prozentpunkte in diesem Versuchsrahmen.
- AI-RAN soll mögliche Durchsatzprobleme aus Funkbedingungen, Bewegung und Dienstnutzung vorhersagen und die Funkkonfiguration einzelner Nutzer anpassen.
- Die Zahl belegt weder einen allgemeinen Geschwindigkeitsgewinn noch einen deutschen Rollout, vollständige Privatsphäre oder einen festen 6G-Termin.
Was bei AI-RAN tatsächlich anders ist
Beim Streaming, in einer Videokonferenz oder beim Online-Spiel braucht nicht jedes Gerät in einer Funkzelle im selben Moment dieselbe Verbindung. Ein Nutzer bewegt sich vielleicht gerade aus einem Gebäude, während ein anderer still am Fenster sitzt. Ein Dienst kommt mit wenig Datenrate aus, ein anderer reagiert sofort auf eine Verschlechterung. Klassische Netzoptimierung muss solche Unterschiede mit gemeinsamen Einstellungen abdecken.
Die von DOCOMO beschriebene AI-RAN-Logik setzt eine Ebene tiefer an. Statt eine Zelle als weitgehend einheitliche Gruppe zu behandeln, soll das System die wahrscheinliche Entwicklung einzelner Verbindungen abschätzen. Es verbindet aktuelle Funkbedingungen mit Bewegungs- und Dienstnutzungsmustern und kann daraus eine nutzerbezogene Konfigurationsentscheidung ableiten.
| Ebene | Gemeinsame Zelloptimierung | Nutzerbezogene AI-RAN-Logik |
|---|---|---|
| Betrachtung | Mehrere Geräte in einer Funkzelle | Einzelne Funkverbindung im Kontext der Zelle |
| Eingaben | Funkbedingungen und Netzlast | Funkbedingungen plus Bewegung und genutzter Dienst |
| Entscheidung | Gemeinsame oder breit geltende Einstellung | Prognose und mögliche Konfigurationswahl für einen Nutzer |
| Offene Grenze | Weniger individuell | Mehr Daten-, Rechen- und Kontrollaufwand; Fehlentscheidungen müssen abgefangen werden |
Die Tabelle ist ein vereinfachtes Erklärmodell und keine vollständige Beschreibung des DOCOMO-Systems. Sie zeigt dennoch den Kern: Die Funkzelle bleibt der gemeinsame Raum, die Steuerung soll darin genauer auf einzelne Verbindungen reagieren.
Was die 13,1-zu-7,2-Prozent-Zahl misst
Die zentrale Zahl stammt nicht aus einem landesweiten Live-Test. Sie bezieht sich auf eine Simulation aus dem Januar 2026, für die DOCOMO und Samsung Daten aus DOCOMOs kommerziellem Netz sowie aus einem lokalen 5G-Testfeld nutzten. Die Unternehmen berichten, dass die Häufigkeit von Kommunikationsgeschwindigkeitsverschlechterungen von 13,1 auf 7,2 Prozent sank. Das entspricht 5,9 Prozentpunkten innerhalb dieses Validierungsrahmens.
Die Formulierung ist wichtig. Gemessen wurde laut Dossier die Häufigkeit einer beschriebenen Geschwindigkeitsverschlechterung, nicht ein durchschnittlicher Geschwindigkeitszuwachs von 5,9 Prozentpunkten. Aus der Zahl folgt auch keine persönliche Mindestbandbreite. Sie sagt nicht, dass jede Videokonferenz stabil bleibt oder Streaming und Online-Spiele in jedem deutschen Netz besser funktionieren.
Offen bleiben unter anderem die Stichprobengröße, Konfidenzintervalle, die genaue Baseline-Konfiguration und eine Aufschlüsselung nach Diensten. Yonhap bestätigt den Anlass, den Januar-Simulationsrahmen und den Messwert unabhängig. Die vollständige Methodik der Simulation ist damit aber noch nicht öffentlich dokumentiert.
Wie das Netz für einzelne Nutzer entscheiden soll
Das von DOCOMO beschriebene Wirkprinzip lässt sich vereinfacht in vier Schritten darstellen:
- Beobachten: Das System erhält Informationen über aktuelle Funkbedingungen und ausgewählte, aggregierte Messdaten.
- Einordnen: Bewegungsmuster und der genutzte Dienst helfen dabei, eine mögliche Verschlechterung des Durchsatzes abzuschätzen.
- Konfigurieren: Wenn ein erforderlicher Durchsatz voraussichtlich unterschritten wird, kann eine passende Funkkonfiguration gewählt werden, etwa ein Frequenzband.
- Prüfen: Im praktischen Netz müsste die Entscheidung anschließend gegen die tatsächliche Verbindung und gegen andere Nutzeranforderungen geprüft werden.
Nur die ersten drei Schritte sind aus der DOCOMO-Beschreibung direkt ableitbar. Wie schnell die Inferenz reagieren muss, welche Parameter sich tatsächlich ändern und wie das System eine Fehlprognose korrigiert, ist nicht beschrieben. Diese Rückfallebene ist für den Alltag entscheidend: Eine Prognose muss nicht nur treffen, sondern auch sicher abgefangen werden, wenn sie danebenliegt.
Der separate Samsung/KT-Feldtest, über den RCR Wireless im Dezember 2025 berichtete, zeigt, dass nutzerbezogene Funkanpassung auch in einem anderen kommerziellen Kontext untersucht wurde. Er ist jedoch ein eigener Test in Südkorea und kein Beleg für die 13,1-zu-7,2-Prozent-Zahl aus der DOCOMO-Simulation.
Warum die Datenfrage offen bleibt
Für die Prognose braucht das Netz mehr als eine Momentaufnahme der Signalqualität. DOCOMO beschreibt die verwendete Minimization-of-Drive-Test-Datengrundlage, kurz MDT, als aggregiert und anonym. Das ist eine wichtige technische Angabe, aber noch kein vollständiges Datenschutzmodell.
Wer Bewegungs- und Dienstnutzungsmuster zur Vorhersage verwendet, muss klären, welche Informationen tatsächlich gespeichert werden, wie lange sie vorliegen, wer auf sie zugreifen darf und wie Fehlzuordnungen korrigiert werden. Aggregation kann Risiken senken. Sie beantwortet für sich genommen aber nicht die Fragen nach Rückschlussmöglichkeiten, Speicherfristen, Zugriffskontrollen oder Verantwortlichkeiten.
Auch technisch entsteht ein Zielkonflikt: Je genauer die Prognose werden soll, desto mehr Kontext kann sie benötigen. Die überzeugende Version von AI-RAN ist deshalb nicht die mit maximaler Datensammlung, sondern die mit klar begrenzten Eingaben, nachvollziehbaren Regeln und einer sicheren Rückfallebene. 3GPP nennt Datensicherheit und Energieeffizienz selbst als offene Herausforderungen für AI/ML-gestützte Netze.
Was 3GPP und 6G damit zu tun haben
Die DOCOMO-Mitteilung ordnet die Arbeit in die weitere 3GPP- und 6G-Entwicklung ein. 3GPP beschreibt für AI/ML im NG-RAN unter anderem Datensammlung, Modelltraining, Inferenz und einen Akteur, der die Ergebnisse im Netz nutzt. Rel-18 umfasst Verbesserungen bei Datensammlung und Signalisierung über bestehende 5G-Schnittstellen; Rel-19 untersucht unter anderem Network Slicing sowie Coverage/Capacity Optimization.
Das liefert den Standardisierungskontext für die aktuelle Validierung. Es bedeutet aber nicht, dass daraus bereits ein weltweit beschlossener AI-RAN-Standard entstanden ist. Ein Beitrag zu einer Arbeitsgruppe, ein Versuchsaufbau und ein fertiges interoperables Produkt sind drei verschiedene Dinge.
Auch die Infrastruktur muss mitwachsen. Ein gemeinsames Whitepaper von DOCOMO und SK Telecom beschreibt für vRAN und AI-RAN unter anderem die Trennung von Hardware und Software, Resource Pooling und xPU-basierte Rechenkapazität. Das erklärt, welche Architekturfragen hinter der Funkoptimierung liegen. Es ist kein Nachweis, dass die konkrete nutzerbezogene Methode bereits in deutschen Netzen verfügbar ist.
Was davon für Deutschland und Europa relevant ist
Für Deutschland liegt der Nutzen der Meldung zunächst in der technischen Frage: Können Netze die wechselnden Anforderungen von Videotelefonie, Streaming und Online-Spielen künftig genauer auf Ebene einzelner Funkverbindungen berücksichtigen? Die japanische Validierung zeigt, dass Betreiber und Ausrüster diese Richtung mit einem konkreten Prognosemodell und einer Messzahl untersuchen.
Eine Übertragung auf deutsche Netze braucht mehr. Dazu gehören vergleichbare Messungen, ein offengelegter Versuchsaufbau, Anforderungen der jeweiligen Betreiber, sichere Schnittstellen und eine Prüfung der Datenverarbeitung. Hinzu kommt die Frage, wie Geräte, Funkzugang und Kernnetz zusammenspielen. Ein deutscher Einführungstermin lässt sich aus den vorliegenden Quellen nicht ableiten.
Für Europa ergibt sich daraus eine technische Prüfaufgabe, kein Startsignal. AI-RAN könnte Netzplanung und laufende Funksteuerung näher an die tatsächliche Nutzung bringen. Ob Nutzer davon etwas merken, hängt von Messqualität, Reaktionszeit, Standardisierung, Datenschutz und dem Umgang mit Fehlern ab.
Meine Einschätzung
Der interessante Fortschritt liegt in der konkreten Mechanik: Das Netz soll nicht erst auf eine sichtbare Verschlechterung reagieren, sondern aus mehreren Signalen eine mögliche Störung der Verbindung vorwegnehmen. Die 13,1-zu-7,2-Prozent-Zahl macht den Ansatz prüfbarer als ein allgemeines 6G-Versprechen.
Mehr lässt sich aus dem Test derzeit nicht seriös ableiten. Für eine breite Bewertung fehlen Methodikdetails, unabhängige Feldmessungen und ein vollständiger Blick auf Datenschutz und Rückfallebenen. AI-RAN ist damit ein plausibler Entwicklungsschritt in Richtung individuellerer Funksteuerung – aber noch keine persönliche Qualitätsgarantie und kein fertiger Standard.
FAQ zur AI-RAN-Validierung
- Was bedeutet AI-RAN?
- AI-RAN bezeichnet Funkzugangsnetze, in denen Methoden der künstlichen Intelligenz für Planung, Steuerung oder Optimierung genutzt werden. Im beschriebenen Fall geht es um eine prognosegestützte Anpassung der Funkkonfiguration für einzelne Nutzer.
- Ist AI-RAN in Deutschland bereits verfügbar?
- Die vorliegenden Quellen belegen eine japanische Validierung und 3GPP-Standardisierungsarbeit. Einen deutschen Rollout oder einen Einführungstermin nennen sie nicht.
- Was bedeutet der Rückgang von 13,1 auf 7,2 Prozent?
- DOCOMO und Samsung berichten diese Werte für die Häufigkeit von Kommunikationsgeschwindigkeitsverschlechterungen in einer Januar-2026-Simulation. Die Differenz ist kein allgemeiner Geschwindigkeitszuwachs und keine persönliche Garantie.
- Sind die verwendeten Daten vollständig anonym?
- DOCOMO beschreibt die MDT-Daten als aggregiert und anonym. Daraus folgt noch kein vollständiges Datenschutzmodell; unter anderem Speicherfristen, Zugriffskontrollen und Rückschlussrisiken bleiben offen.
Quellen und weiterführende Informationen
- NTT DOCOMO: DOCOMO & Samsung Electronics Achieves Successful Validation of User-level AI-RAN Technology, 10. August 2026
- Samsung Global Newsroom: Samsung Electronics Demonstrates AI-RAN Technologies
- 3GPP: AI/ML for NG-RAN & 5G-Advanced towards 6G
- Yonhap News Agency: Samsung Electronics·NTT DOCOMO, AI-RAN-based user-customized communication-quality optimization technology validated
- NTT DOCOMO und SK Telecom: White Paper zu vRAN und AI-RAN in Mobilfunknetzen
- RCR Wireless: Samsung, KT validate AI-RAN on commercial networks
Hinweis: Für diesen Artikel wurden KI-gestützte Recherche- und Editierwerkzeuge verwendet. Der Inhalt wurde redaktionell geprüft. Stand: 2026-08-10.
