Veröffentlicht am

Neu Definition des Netzwerklebenszyklusmanagements mit KI

Die geplante Übernahme von Deepomatic durch IQGeo wird das Netzwerk-Lebenszyklus-Management für Glasfaser- und Versorgungsunternehmen neu definieren und Betreibern dabei helfen, Netzwerke mithilfe von KI schneller bereitzustellen, anzuschließen und zu reparieren.

Von David Cottingham, Chief Technology Officer bei IQGeo und Aloïs Brunel, Mitbegründer und CPO bei Deepomatic

Viele Betreiber von Breitband- und Stromversorgungsnetzen haben ständig damit zu kämpfen, einen genauen Überblick über ihre Netze zu behalten. Es ist eine enorme Aufgabe, sicherzustellen, dass alle Verlegungen und Reparaturen an Infrastrukturen, die sich über Städte, Regionen und Länder erstrecken, korrekt erfasst werden, insbesondere da der Druck steigt, die ersten zu sein, die städtische Glasfasernetze einrichten, und der Wettlauf um die Erreichung von Netto-Null-Emissionen durch den Ausbau der Stromnetzkapazitäten an Fahrt gewinnt.

Deepomatic und IQGeo gehen diese Herausforderung mit KI-gestützter Computer-Vision-Technologie an, die über den gesamten Netzwerklebenszyklus hinweg eingesetzt wird. Die kombinierte Lösung automatisiert den Netzbetrieb vor Ort und stellt sicher, dass die Aufgaben korrekt ausgeführt werden und die Netzdaten korrekt sind. Mit der Zeit können Betreiber auf dieser Grundlage ein vorausschauendes, proaktives Netzwerkmodell erstellen, das Probleme erkennt und behebt, bevor sie entstehen. 

Die gemeinsame Vision unserer beiden Unternehmen, das Netzwerk-Lebenszyklus-Management neu zu definieren, wird sich in drei Kapiteln entfalten:

  • Erstes Kapitel: Sicherstellen, dass die Arbeit vor Ort beim ersten Mal "richtig" gemacht wird
  • Kapitel zwei: Festlegung eines Netzdatenqualitätsstandards
  • Kapitel 3: Aufbau prädiktiver und proaktiver Netzwerkmodelle
Banner with logos of IQGeo & Deepomatic

Erstes Kapitel: Sicherstellen, dass die Arbeit vor Ort beim ersten Mal "richtig" gemacht wird

Das Klischee, dass der Besuch eines Versorgungs- oder Telekommunikationsunternehmens immer einen zweiten Termin erfordert, hat ein Körnchen Wahrheit. Bei vielen Unternehmen endet ein zweistelliger Prozentsatz der "Truckrolls" mit einem Fehlschlag, zum großen Teil, weil die Arbeit entweder nicht nach dem geforderten Standard ausgeführt oder falsch dokumentiert wird. Wenn ein einziger Besuch die Betreiber so viel kosten kann, wie ein einzelner Kunde für ein 6-monatiges Abonnement bezahlt, ist es von strategischer Bedeutung, die Notwendigkeit von Wiederholungsbesuchen zu reduzieren.

Die KI-Computer-Vision-Software von Deepomatic verändert das Spiel für Netzbetreiber, indem sie sicherstellt, dass die Arbeit vor Ort auf Anhieb richtig ausgeführt wird. Durch die sofortige Analyse von Bildern, die von Außendiensttechnikern von Netzanlagen aufgenommen wurden, identifiziert Deepomatic Fehler und gibt Hinweise zu deren Behebung. Die Automatisierung der Qualitätskontrolle auf diese Weise beseitigt das Rätselraten bei Aufgaben wie Service-Aktivierungen, Anlageninspektionen und Schadensbeurteilungen und stellt sicher, dass sie alle nach dem gleichen hohen Standard ausgeführt werden.

Technician using Deepomatic app

In Kombination mit der Workflow-Management-Software von IQGeo können Außendienstmitarbeiter eine Aufgabe erst dann als abgeschlossen markieren, wenn die KI bestätigt, dass der Auftrag korrekt ausgeführt wurde. Dadurch wird die Subjektivität von Arbeitsabläufen vollständig beseitigt und verhindert, dass Fehler unentdeckt bleiben. In der Versorgungsbranche, wo Außendienstmitarbeiter häufig mit elektrischen Gefahren konfrontiert sind, kann die kombinierte Lösung auch den Fortschritt der Aufgabe blockieren, bis Sicherheitsbedenken wie falsche Verkabelung behoben sind. Das bedeutet auch, dass die Auftragnehmer nach Abschluss der Aufgabe bezahlt werden können, anstatt auf eine Inspektion warten zu müssen.

Der Einsatz von künstlicher Intelligenz bei der Qualitätskontrolle hilft Unternehmen in allen Phasen des Netzmanagement-Lebenszyklus. Für Unternehmen, die neue Netze errichten, bedeutet dies, dass sie ihre Netze mit einem Quality-by-Design-Ansatz aufbauen können, während Unternehmen in den späteren Phasen des Infrastrukturaufbaus die Präzision von hochvolumigen Vorgängen wie Kundenbreitbandverbindungen und Zählerablesungen erhöhen können.

Kapitel zwei: Festlegung eines Netzdatenqualitätsstandards

Es ist ein offenes Geheimnis, dass die Datenqualität der meisten Betreiber schlecht ist. In einigen Fällen fehlen die Netzdaten ganz. In dicht besiedelten Gebieten wie Städten wissen die Betreiber nicht immer, ob sich die Netzkabel über oder unter der Erde befinden. Oft verlassen sie sich entweder auf Datenquellen von Dritten wie Google Maps oder schicken Teams aus, die den Standort (oder das Vorhandensein) der Netzinfrastruktur manuell überprüfen und die Netzumgebung vor der Bereitstellung verifizieren. Die Dokumentation und Pflege von Daten auf diese Weise ist einfach nicht nachhaltig.

Die Erfassung von qualitativ hochwertigen Netzdaten ist ebenfalls nur ein Teil des Bildes. Die Betreiber müssen diese Daten auch bei jeder neuen Feldarbeit korrekt und standardisiert im digitalen Zwilling des Netzes dokumentieren. Andernfalls verschlechtern sich die einstmals exakten Daten im Laufe der Zeit, wenn neue Wartungs- und Erweiterungsarbeiten durchgeführt werden. KI ist nicht nur für die Verbesserung der Datenqualität von entscheidender Bedeutung, sondern auch dafür, dass diese Datenqualität im Laufe der Zeit erhalten bleibt.

Deepomatic solutions

Deepomatic und IQGeo helfen Unternehmen, die Qualität ihrer Netzwerkdaten zu erhalten und zu verbessern. Jedes von Außendienstmitarbeitern aufgenommene Foto stellt zusammen mit den Metadaten eine Momentaufnahme des Zustands der Netzwerkinfrastruktur zum Zeitpunkt des letzten Besuchs dar und zeigt, welche Kabel an welchen Ports in einem Schrank angeschlossen sind, wo genau sich die Stromkästen befinden usw. Entscheidend ist, dass diese Datenpunkte nahezu in Echtzeit in das Netzwerkmanagementsystem hochgeladen werden, wodurch Unterschiede zwischen dem Zustand vor Ort und dem System der Aufzeichnungen hervorgehoben werden, so dass letzteres aktualisiert werden kann. Durch die aktive Korrektur vorhandener Netzdaten ermöglicht die kombinierte Lösung von IQGeo und Deepomatic den Betreibern, fundiertere Entscheidungen zu treffen und Fehler schneller zu beheben. 

Kapitel 3: Aufbau prädiktiver und proaktiver Netzwerkmodelle

Die Erweiterung der Workflow-Lösung von IQGeo um ein KI-gestütztes Aufgabenmanagement ist ein wichtiger Schritt zur Verwirklichung unserer Vision eines vorausschauenden und proaktiven Netzwerkmodells. Je mehr Bilder die Betreiber von ihren Netzwerkressourcen sammeln, um die Art der auftretenden Probleme zu dokumentieren, desto mehr kann die KI Muster erkennen, die sie nutzen können, um kritische Netzwerkereignisse vorherzusagen und zu verhindern.

Die Betreiber erhalten die nötigen Einblicke, um fundiertere Entscheidungen bei der Netzwartung zu treffen. Anstatt Anlagen auf der Grundlage von Richtlinien ineffizient zu ersetzen, können die Betreiber Upgrades vornehmen, wenn das Modell den Bedarf ermittelt. Das Gleiche gilt für den Netzausbau, da die Betreiber beginnen, Trends in der Netznachfrage zu erkennen und dann datengestützte Investitionsentscheidungen treffen können.

Da ihre Netzwerkmodelle im Laufe der Zeit reifen, werden Versorgungsunternehmen und Glasfaserunternehmen auch beginnen, den Kreislauf zwischen Analyse und Aktion zu schließen. Neben der Vorhersage bevorstehender Probleme wird ein KI-gestütztes Aufgabenmanagement selbständig Probleme lösen und Aufgaben für die Außendienstmitarbeiter generieren. Dabei wird sichergestellt, dass Tickets für die richtigen Mitarbeiter zur richtigen Zeit erstellt werden, die über die für die Lösung des Problems erforderlichen Tools, Schulungen und Zertifizierungen verfügen, was die Reparaturzeiten erheblich verkürzt und gleichzeitig sicherstellt, dass die Aufgaben beim ersten Mal richtig erledigt werden.

Langfristig werden diese Modelle so weit fortgeschritten sein, dass die physischen Netze für sich selbst sprechen werden. Mithilfe von KI können Netzwerkressourcen und die weitere Umgebung zusammenarbeiten, um sich selbst zu überwachen und proaktive Entscheidungen über die beste Vorgehensweise mit minimalem menschlichen Input zu treffen. Die Selbstständigkeit des Netzes wird die Qualitätskontrolle, die vorausschauende Wartung und die Kostenoptimierung revolutionieren und unsere Vision vom Aufbau und der Wartung besserer Netze verwirklichen.

Setzen Sie sich mit uns in Verbindung, um zu erfahren, wie IQGeo und Deepomatic Ihr Unternehmen dabei unterstützen können, die Genauigkeit und Effizienz der Feldarbeit zu steigern und gleichzeitig digitale Zwillinge mit noch nie dagewesenen Netzwerkdaten anzureichern.

background

Qualität automatisieren. Wachstum beschleunigen.