Telekom­mu­ni­ka­tion

Ein Telekommunikationsanbieter erzeugt Daten ohne Pause: Verbindungs- und Netzdaten, Telemetrie aus Funkzellen und Netzelementen, Verträge und Rechnungen, Störungsmeldungen, Service-Kontakte. Die Mengen sind groß, und viele Fragen betreffen den laufenden Betrieb. Netzbetrieb, Vertrieb, Finanzen und Service arbeiten dabei mit eigenen Systemen und kommen oft auf unterschiedliche Zahlen.

Wir bauen Datenplattformen, die Streaming und Batch verbinden und aus diesen Quellen einheitliche Kennzahlen machen. Im Mittelpunkt steht Business Intelligence. KI setzen wir ergänzend ein, wo sie sich prüfen lässt und Menschen die Entscheidung behalten.

Welche Kundinnen und Kunden trifft diese Störung?

Die Frage klingt einfach und ist es nur, wenn Netz und Geschäft zusammenpassen. Ein Anschluss, eine Funkzelle und eine Störungsmeldung müssen sich einander zuordnen lassen. Sonst bleibt unklar, wer von einem Ausfall betroffen ist, und der Service erfährt es erst durch die Anrufe.

Die Daten dafür liegen in getrennten Welten. Auf der Netzseite sind es Element-Manager, Monitoring und Telemetrie aus Funkzellen, Routern und Kernnetz, oft als kontinuierlicher Datenstrom. Auf der Geschäftsseite kommen Billing und Rating mit Rohdatensätzen zu Verbindungen und Datenvolumen dazu, Tarife, Optionen und Rabatte, der Kundenstamm im CRM, Kontaktzentrum und Störungsmanagement, auch für Außendiensteinsätze. Standorte, Anlagen und Kapazitäten aus dem Inventar liefern die Grundlage für Ausbau und Instandhaltung. Wir bauen zuerst die Zuordnung zwischen diesen Welten und danach die Dashboards.

Churn und ARPU: wer zählt was?

Bei Kennzahlen sind sich Vertrieb und Finanzen selten einig. Wann zählt eine Kündigung? Wie werden Wechsel innerhalb des Anbieters und Vertragsverlängerungen behandelt? Was gehört zum ARPU, wenn Zusatzdienste, Bündel, Rabatte und Einmalerlöse im Spiel sind? Je nach Antwort melden zwei Abteilungen für denselben Monat abweichende Quoten.

Wir legen diese Definitionen in einem zentralen Kennzahlenmodell fest, ebenso die Netzgrößen wie Verfügbarkeit, Latenz, Paketverlust und Abbruchraten je Zelle, Region oder Technologie. Bei Störungen gehören Anzahl, Dauer, Zeit bis zur Behebung und die Zahl betroffener Anschlüsse dazu, bei der Auslastung der Verkehr im Verhältnis zur Kapazität. Besonders aufschlussreich ist der Blick auf Service und Kündigungen zusammen: Kontakte je Anschluss, Lösungsquote im ersten Kontakt und die Frage, ob Störungen zu Kündigungen führen.

Netzdaten früh verdichten, wenig aufheben

Bei Netzdaten entscheidet die Architektur. Ereignisse werden fortlaufend aufgenommen und früh zu Kennzahlen je Zelle oder Zeitfenster verdichtet. Rohdaten bleiben nur so lange erhalten, wie jemand sie braucht. Wer einfach alles speichert, zahlt dafür doppelt: Speicherkosten und Datenschutzrisiken wachsen, ohne dass irgendwer die Rohdaten je wieder ansieht. Data Governance legt fest, wer auf welche Daten zugreifen darf und wie lange sie vorgehalten werden.

Ein Data Lakehouse kann Rohdaten, Auswertungen und Modelle auf demselben Bestand zusammenbringen, und Datenpipelines mit Streaming verbinden Netz und Geschäft. Auf dieser Basis nutzen Dashboards für Netzbetrieb, Vertrieb und Service dieselben Definitionen. Mit Conversational Analytics können Fachbereiche außerdem Fragen im Chat stellen, vorausgesetzt Berechtigungen und Kennzahlenmodell sind sauber.

Störungsprognose und KI im Service

Predictive Analytics kann Auffälligkeiten in Telemetrie finden, bevor Kundinnen und Kunden sie bemerken. Entscheidend ist der Test an historischen Störungen, und dabei zählen Trefferquote und Fehlalarme gleichermaßen. Ein Modell, das ständig falsch Alarm schlägt, wird im Netzbetrieb bald ignoriert und hilft dann niemandem. Wir beurteilen deshalb immer auch, ob der Aufwand durch die Alarme vertretbar ist. Kapazitätsprognosen zu Verkehr und Auslastung ergänzen die Netzplanung, ersetzen aber nicht deren Fachkenntnis. Die Modelle laufen im überwachten Betrieb, auch mit einer Prüfung, ob sich Daten und Verhalten im Netz verändert haben.

Im Kundenservice entlasten Zusammenfassungen von Kontakten und Antwortvorschläge aus geprüften Quellen die Mitarbeitenden. Wer KI-Agenten Aktionen wie einen Tarifwechsel anvertraut, braucht eine Freigabe durch Menschen und Protokolle. Und wo ein Chatbot direkt mit Kundschaft spricht, muss es immer den Weg zu einer Person geben, sonst leidet die Zufriedenheit mehr, als die Automatisierung spart.

Fernmeldegeheimnis, NIS2 und AI Act

Verkehrsdaten dürfen nur eng zweckgebunden verarbeitet werden, vor allem für Verbindungsaufbau und Abrechnung. Eine Nutzung darüber hinaus, etwa für Marketing oder Dienste mit Zusatznutzen, setzt in der Regel Einwilligung oder Anonymisierung voraus. Anonymisierung und Zugriffsrechte lassen sich technisch einbauen, die rechtliche Bewertung gehört zu Datenschutz und Rechtsberatung.

Anbieter öffentlicher Telekommunikationsnetze und -dienste gehören zu den Einrichtungen, die unter die NIS2-Regeln fallen, in Deutschland ergänzt um die Sicherheitsvorgaben des Telekommunikationsgesetzes. Für eine Datenplattform betrifft das unter anderem Zugriffsschutz, Protokollierung, Lieferkette und Wiederanlauf. Nach dem EU AI Act müssen Chatbots als KI erkennbar sein, und KI als Sicherheitskomponente im Betrieb kritischer digitaler Infrastruktur kann als Hochrisiko-Anwendung gelten. Ob eine konkrete Anwendung dazugehört, ist im Einzelfall zu klären.