Neue Technologien für neue und moderne Wi-Fi Netzwerke

Neuesten Studien zu Folge steigt die Anzahl an mobilen Geräten pro Person in den kommenden Jahren in bisher nicht vermutete Dimensionen. Heute nutzt fast jeder Erwachsene mindestens drei mobile Geräte in seinem persönlichen oder beruflichen Umfeld. Die steigende Anzahl und Nutzung von smarten, mobilen Geräten in Netzwerken macht die Störungssuche und Fehlerbehebung zukünftig und speziell […]

Neuesten Studien zu Folge steigt die Anzahl an mobilen Geräten pro Person in den kommenden Jahren in bisher nicht vermutete Dimensionen. Heute nutzt fast jeder Erwachsene mindestens drei mobile Geräte in seinem persönlichen oder beruflichen Umfeld. Die steigende Anzahl und Nutzung von smarten, mobilen Geräten in Netzwerken macht die Störungssuche und Fehlerbehebung zukünftig und speziell im Bereich von Wi-Fi-Netzen komplexer. Auch im Interesse der Arbeitsbelastung von IT-Teams müssen neue Technologien helfen, speziell dann, wenn Unternehmen in allen vertikalen Märkten in diesem „smart und mobilorientiertem“ Zeitalter funktionierende Wi-Fi-Netzwerke einrichten und instand halten müssen.

Viele Probleme in Wi-Fi-Netzen sind kurzlebig und verschwinden kurz nachdem sie, aufgrund sich ändernder Benutzer- und Umgebungsbedingungen, aufgetreten sind. Die Präsenz von Technikern vor Ort, um Probleme zu beheben oder sogar zu reproduzieren kann teuer sein und führt häufig nicht zu dem erwarteten Ergebnis, da die Daten, die zum Reproduzieren und Lösen eines Problems benötigt werden längst verschwunden sind. Darüber hinaus können viele Probleme, die dem drahtlosen Netzwerk zugeschrieben werden, auch auf viele andere Ursachen zurückzuführen sein, z.B. auf ein Problem mit DNS-, DHCP- oder Authentifizierungsservern.

Maschinelles Lernen (ML) und Künstliche Intelligenz (KI)

Die Vorteile, die sich dank neuer Technologien wie maschinellem Lernen und anderen KI-Technologien bieten macht es nun möglich, Wi-Fi-Probleme nahtlos und skalierbar anzugehen. Ursache von Problemen werden besser, leichter und frühzeitiger erkannt als bisher und Benutzer-Service-Levels können definiert und kontrolliert werden. KI-gesteuerte WLANs bieten dem IT-Administrator eine bessere Übersicht darüber, wie gut oder schlecht sein Wi-Fi-Service für seine Benutzern ist.  Der Aufbau einer KI-basierten Engine für ein WLAN besteht aus wichtigen Schlüsselkomponenten: Daten, Struktur, Klassifizierung und Datenwissenschaft.

Der Rohstoff sind die richtigen Daten

Leider kann man keine starke KI-Engine erwarten, wenn nicht der richtige Rohstoff, in diesem Fall gute Daten, vorhanden ist. Diese werden zunächst aus dem Netzwerk, den Anwendungen, den Geräten und den Nutzern zusammengetragen. Und wenn Sie beste Erkenntnisse erzielen möchten, benötigen Sie auch noch Daten aus den verschiedenen Bereichen des IT-Ökosystems. In der Tat wachsen gute Daten nicht auf Bäumen. Sie müssen wissen, wo Sie suchen und wie Sie sie sammeln können. Wenn es sich um drahtlose Netzwerke handelt, ist es der beste Weg, spezielle Access Points zu entwickeln, die die Zustände vor und nach der Verbindung von jedem drahtlosen Gerät erfassen. Die Metadaten von diesen Zugriffspunkten werden an eine KI-Engine in der Cloud gesendet.

Strukturieren und klassifizieren Sie die Metadaten

Die KI-Engine kann nun die empfangenen Metadaten über eine Reihe von KI-Grundelementen strukturieren und klassifizieren. Durch die Programmierung der KI-Engine mit den relevanten Kenntnissen der Wireless-Netzwerkdomäne können diese Metadaten von einer Data-Science-Toolbox effektiv klassifiziert und analysiert werden, um dann wertvolle Informationen für das Management des Wi-Fi-Netzwerkes zu liefern.

Datenwissenschaft

Was die Datenwissenschaft betrifft, stehen verschiedene Möglichkeiten zur Auswahl. Unabhängig davon, ob überwachtes und unbeaufsichtigtes maschinelles Lernen, Data Mining, vertieftes Lernen oder wechselseitige Informationen erforderlich sind. Ein Beispiel sind Time-series Data. Diese Daten bilden die Basis und werden zur Erkennung von Anomalien angewendet. Wenn man diese Daten mit einer Ereigniskorrelation kombiniert, sind Probleme und Ursachen im Netzwerk besser zu verstehen. Durch Optimierung dieser Techniken können Reparaturzeiten verkürzt werden.

Einsatz eines virtuellen Assistenten

Manuelle Problemlösungen werden bald der Vergangenheit angehören, da im Grunde genommen Netzwerk zukünftig in der Lage sein werden, sich selbst zu heilen oder zu reparieren. Eine KI-Engine wird jetzt sinnvollerweise noch durch einen virtuellen Assistenten vervollständigt, der dem IT-Administrator Einblicke in das Netzwerk anbietet, um die Korrektur von Problemen zu automatisieren. Oberste Priorität hat dabei die Verwendung eines natürlichen Sprachprozessors (NLP – Natural Language Prozessor). Ein virtueller Assistent erleichtert Netzwerk-Administratoren die Arbeit mit dem Ergebnis einer Produktivitätssteigerung und einer verbesserten Nutzerzufriedenheit.

Dynamisches Erkennen von Netzwerkanomalien

Durch die Integration von KI und Datenwissenschaft wird das manuelle Packet-Sniffing eingesetzt, um Probleme im WLAN zu finden. Mit Hilfe einer Dynamic Packet Capture (dPCAP) Technologie ist es jetzt möglich, Netzwerkanomalien automatisch zu erkennen und diese Pakete für eine spätere Korrektur zu speichern. Das dPCAP zeigt dem Administrator was in seinem Wi-Fi-Netzwerk oder auf dem mobilen Gerät passiert ist, als die Anomalie erkannt wurde. Der Einsatz der dPCAP-Technologie eliminiert den Einsatz vor Ort, um ein Problem zu lokalisieren, welches dann möglicherweise schon lange nicht mehr vorhanden ist.

Intelligente Wi-Fi-Netzwerke dank künstlicher Intelligenz

Bei einem intelligenten Wi-Fi-Netzwerk dreht sich alles um die Quantität und Qualität der Daten. So fragen beispielsweise die Mist Systems Access Points (APs), zur Zeit alle zwei bis drei Sekunden mehr als 200 Benutzerzustandsdaten von allen verbundenen Geräten ab, um dann in Echtzeit die Informationen in einem Dashboard darzustellen. So lässt sich erkennen, was im Wi-Fi -Netzwerk passiert, Zusätzlich lassen sich Rückschlüsse auf die jeweilige Benutzererfahrung schließen. Die Verarbeitung und Berechnung dieser Datenmengen erfordert eine cloudbasierte Architektur, die in der Lage ist, diese Informationen zu analysieren und um komplexe Algorithmen auszuführen, zum Beispiel für eine dynamische Ereigniskorrelation, Erkennung von Anomalien im Netzwerk und um Service Level zu kontrollieren.

Virtuelle Netzwerkassistenten

Die Leistungsfähigkeit von KI und Big Data trägt zu einer weiteren, hoch interessanten Innovation für Wi-Fi-Netze bei – virtuelle Assistenten. Diese VAs unterstützen bei der Verwaltung, der Automatisierung, der Netzwerkoptimierung und bei der Fehlersuche. Der von Mist Systems entwickelte virtuelle Assistent namens „Marvis“ ist der weltweit erste KI-gesteuerten Netzwerkmanagementassistent, der es Systemadministratoren ermöglicht, dem Netzwerk mit Hilfe natürlicher Sprachverarbeitung (NLP – Natural Language Processing) Fragen in Schriftform zu stellen. Somit können Probleme im Wi-Fi-Netzwerk ohne weiteren Einsatz technischer Ressourcen (Tier 1/2) behoben werden, bei gleichzeitiger Reduzierung von Ausfallzeiten und der Bereitstellung von Informationen über das Verhalten von Benutzern im Netzwerk.

Bluetooth und Wi-Fi wachsen zusammen

Die Bluetooth-Technologie ist nicht neu, aber die Kosten und die Komplexität, die mit dem Einsatz von Hardware-Beacons bisher verbunden war, haben eine schnellere Verbreitung und Nutzung dieser Technologie verhindert. Das ändert sich nun mit der patentierten virtuellen Bluetooth Low Energy (LE)-Technologie von Mist Systems, die den Einsatz von Hardware-Beacons eliminiert. Mit der Integration eines 16 Bluetooth-Antennen Arrays in den Access Point, hat Mist Systems es geschafft virtuelle, softwaregesteuerte Beacons im Dashboard zu erzeugen, mit definierten Zonen und einer Genauigkeit bis auf einen Meter. Die patentierte Virtual Bluetooth LE-Technologie erlaubt es u.a. standortbasierte, drahtlose und personalisierte Services, wie Zugangskontrolle, Asset Management, Routenführung oder Kundeninformationen und -services anzubieten. Dank dieser neuen und patentierten virtuellen LE-Technologie entfallen alle bisher notwendigen Arbeiten die Hardware-Beacons verursacht haben, inkl. zusätzlichem Beacon Site Survey. Zu den wichtigsten vertikalen Märkten für diese neue Technologie zählen hier der Einzelhandel, Shoppingcenter, Hotels und das Gesundheitswesen.

Für Unternehmen, die Wi-Fi-Netze betreiben, ist es jetzt an der Zeit Problemlösungen proaktiv anzugehen. Wenn Sie wissen, dass ein Problem wahrscheinlich auftritt, können Sie schneller reagieren, bevor es zu einem Chaos oder größeren Ausfallzeiten kommt. Drahtlose Netzwerke sind heutzutage mehr denn je von Bedeutung für Unternehmen jeglicher Größe und vertikaler Ausrichtung. Angesichts der steigenden Anzahl vielfältigster mobiler Geräte, Betriebssysteme und Anwendungen kann sich eine Problembehandlung zukünftig als schwierig erweisen. Die moderne und Cloud-basierte Wireless Netzwerk-Architektur von Mist Systems zeigt, wie IT-Ressourcen zukünftig eingespart werden können und wie das Lösen von Wi-Fi-technischen Problemen zu einem Kinderspiel wird. Der Einsatz von maschinellem Lernen und KI garantiert es modernen Unternehmen mit der heutigen vernetzten Welt Schritt zu halten und um konkurrenzfähig zu bleiben.

Dank dieser neuen Technologien, deren Funktionalitäten und Flexibilität mit früheren Wi-Fi-Netzwerken nicht möglich war, können Reseller jetzt neue Projekte generieren und die ehemaligen Ausgaben für die Infrastruktur in ein leistungsfähiges Produktivitäts-, Service- und Marketing-Tool umwandeln, um zusätzliche Umsätze zu generieren. Nuvias, der PAN-EMEA Value Added Distributor für Mist Systems, kann den Channel Partnern hierzu das entsprechende Trainingsprogramm sowie weiterführende Informationen liefern.

Autor: Christian Sauer, Senior Product Sales Manager für Juniper & MIST bei Nuvias