Telekommunikations- und Versorgungsunternehmen müssen ein rasant wachsendes Volumen an Felddaten verwalten, doch aufgrund mangelhafter Datenqualität, Datensilos und zeitaufwändiger manueller Validierungsprozesse für Felddaten haben viele von ihnen Schwierigkeiten, Erkenntnisse über ihre Netzwerke operativ umzusetzen und den Nutzen aus ihren aktuellen Software-Investitionen zu ziehen.
Die Datenqualität in Telekommunikations- und Versorgungsnetzen kann über die betriebliche Effizienz und Rentabilität entscheiden. Ohne eine solide Grundlage in Form präziser Netzwerkdaten sind Betreiber nicht in der Lage, zuverlässige KI-gesteuerte Automatisierung einzuführen oder ihre ehrgeizige Vision eines vollständig autonomen Netzes zu verwirklichen.
Dieser Artikel beleuchtet die zunehmenden Risiken, die eine schlechte Felddatenqualität für Telekommunikations - und Versorgungsnetze mit sich bringt, während die Betreiber darum wetteifern, ihre Netze zu verwalten, auszubauen und zu modernisieren. Über die Erörterung der unmittelbaren Vorteile einer verbesserten Datenqualität für eine bessere Netzwerktransparenz hinaus wird in diesem Beitrag auch hervorgehoben, warum Führungskräfte heute Systemen zur Verbesserung der Netzwerkdatengenauigkeit Priorität einräumen müssen – als ersten Schritt hin zu automatisierten Betriebsabläufen, die es ihnen ermöglichen, morgen die Nase vorn zu haben.
Unstrukturierte Felddaten, die in Silos eingeschlossen sind, sind weder zugänglich noch nutzbar
Telekommunikations- und Versorgungsunternehmen stützen sich bei der Dokumentation ihres physischen Netzes in der Regel stark auf Fotos und Formulare. Nach der Erfassung bleiben diese Daten oft in isolierten Softwaresystemen, auf gemeinsam genutzten Laufwerken und in Tabellenkalkulationen stecken. Sie sind weder zentralisiert noch strukturiert oder durchsuchbar, was bedeutet, dass sie nicht ohne Weiteres in Überwachungs- und Analysesoftware integriert werden können und für Teams im Außendienst und im Backoffice, die sie für ihre Entscheidungen benötigen, nicht zugänglich sind.
Der Software-Stack löst nur einen Teil des Problems
Viele Betreiber haben bereits erhebliche Investitionen in Apps und „System of Record“ (SOR)-Lösungen getätigt, um die Dokumentation vor Ort online und in die Cloud zu verlagern. In der Praxis hat die Einführung dieser Tools jedoch ein neues Problem mit sich gebracht: Datensilos.
Ein vollständiges Bild des Netzwerks ist oft über viele Softwaresysteme verteilt, darunter geografische Informationssysteme (GIS), AutoCAD, Anlagen- und Bestandsverwaltungssoftware oder ERP-Tools (Enterprise Resource Planning). Und trotz dieser digitalen Lösungen laden Teams weiterhin Daten in Tabellenkalkulationen ein und tauschen Dokumente über Cloud-Laufwerke und per E-Mail aus.
Dezentralisierte Daten behindern Teams und bergen Risiken
Wenn Daten über isolierte Systeme verstreut sind, lassen sie sich nicht eindeutig mit bestimmten Anlagen, Standorten, Arbeitsabläufen, Auftragnehmern oder Personen verknüpfen. Ohne einheitliche Daten können Teams einfach keine Erkenntnisse gewinnen. Außendienstmitarbeiter müssen vor Ort sein, um wichtige Details zu einer Anlage zu überprüfen: ihren Zustand, den genauen Standort, die Konfiguration oder den Zeitpunkt der letzten Wartung. Im besten Fall müssen sich Techniker diese Details merken oder zusätzliche Zeit damit verbringen, vor Arbeitsbeginn nach den richtigen Informationen zu suchen, was den Auftrag verzögert. Im schlimmsten Fall bringt dieser Mangel an Transparenz die Mitarbeiter in Gefahr[MK2.1]. Teams könnten unwissentlich an unter Spannung stehenden Anlagen arbeiten, in der Nähe von nicht erfassten unterirdischen Infrastrukturen Aushubarbeiten durchführen oder veralteten Netzwerkkonfigurationen folgen, die nicht mehr der Realität vor Ort entsprechen.
Datensilos hindern Betreiber daran, die Leistung von Netzwerken und Anlagen im Zeitverlauf zuverlässig zu verfolgen – was für angemessene Qualitätskontrollprozesse (QC) und Qualitätssicherung (QA) in Versorgungs- und Telekommunikationsnetzen, die Erkennung von Ausfällen sowie die Durchführung kostensparender vorbeugender Wartungsmaßnahmen entscheidend ist.
Papierbasierte Systeme und unzugängliche digitale Aufzeichnungen fördern zudem eine Kultur, in der Wissen bei Einzelpersonen und nicht bei der Organisation angesiedelt ist. Wenn sich Techniker nicht auf ihre Systeme verlassen können, stützen sie sich auf jahrelange Erfahrung oder gemeinsames Wissen über die Anlagen, an denen sie arbeiten. Da ältere Außendienstmitarbeiter massenhaft in den Ruhestand gehen, werden die Betreiber wichtige Informationen verlieren, die die Mitarbeiter vor Ort genutzt haben, um das Netz am Laufen zu halten.
Manuelle Validierungsprozesse beeinträchtigen die Genauigkeit der Netzwerkdaten und lassen sich nicht skalieren
Manuelle Validierung von Felddaten sowie QA/QC-Prozesse können mit dem rasanten Wachstum und der zunehmenden Netzwerkkomplexität, auf die Netzbetreiber heute optimieren, einfach nicht Schritt halten. Dies führt zu Problemen bei der Datenqualität in Versorgungs- und Telekommunikationsnetzen, die einen Dominoeffekt auf die Netzwerktransparenz haben.
Tatsächlich müssen Betreiber zwei Ebenen der Qualitätskontrolle bewältigen: Sie müssen prüfen, ob die Arbeiten vor Ort korrekt ausgeführt wurden, aber auch, ob diese Arbeiten genau dokumentiert wurden. Dies verdoppelt praktisch den Arbeitsaufwand für die menschlichen QA/QC-Teams. Wenn ein Techniker einen Auftrag einwandfrei erledigt, aber ein unscharfes, schlecht beleuchtetes Foto der Arbeit macht oder vergisst, ein Formularfeld auszufüllen, kann das Backoffice dennoch nicht feststellen, ob der Auftrag richtig ausgeführt wurde oder nicht.
In den meisten Fällen verfügen die Teams weder über die Zeit noch über die Ressourcen, um jemanden erneut zum Einsatzort zu schicken, um mangelhafte Dokumentationen zu korrigieren. Diese unbrauchbaren Daten verbleiben im SOR, bis sich das nächste Backoffice-Mitarbeiter oder der nächste Techniker bei der nächsten Wartung der Anlage damit befassen muss.
Diese doppelte manuelle Validierung und Qualitätskontrolle der Außendienstdaten versagt, da die Netzwerke immer komplexer werden. Herkömmliche manuelle QA/QC-Teams können nur zwischen 10 und 15 % der geleisteten Arbeit überprüfen . Genauer gesagt können sie nur Aufträge gründlich prüfen, die ordnungsgemäß dokumentiert wurden. Das bedeutet, dass bis zu 90 % der Aufträge nicht bewertet oder validiert werden, sodass die Betreiber im Unklaren über Fehler bleiben, die zu Ausfällen, vorzeitigem Verschleiß und Sicherheitsproblemen führen können. Diese Lücken führen zu einem kritischen Mangel an Transparenz, der sich im großen Maßstab nur noch weiter verschärft.
Eine schlechte Datenqualität in Telekommunikations- und Versorgungsnetzen führt zu Engpässen über den gesamten Netzwerklebenszyklus hinweg
Probleme mit der Datenqualität in Versorgungs- und Telekommunikationsnetzen sind nicht nur ein lästiges Ärgernis für die Mitarbeiter des Unternehmens – seien es Außendienstmitarbeiter oder Backoffice-Teams –, sondern bergen auch Risiken über den gesamten Lebenszyklus des Netzes hinweg, vom Aufbau über den Anschluss bis hin zum laufenden Betrieb.
Bauen Sie
Eine schlechte Datenqualität in Telekommunikations- und Versorgungsnetzen verlangsamt den Bau und die Projektabwicklung. Manuelle Korrekturen und veraltete oder ungenaue Bestandspläne behindern die Kommunikation. Die Teams kommen vor Ort an und stellen fest, dass die Pläne nicht mehr der Realität entsprechen, sodass sie (kostbare) Zeit damit verbringen müssen, herauszufinden, wie die Arbeiten tatsächlich ausgeführt wurden. Dies verlängert die Projektlaufzeiten, manchmal erheblich. Swisscom beispielsweise verzeichnete bei ihrem Glasfaserausbau eine sechsmonatige Verzögerung, die zum Teil auf einen manuellen Qualitätssicherungsprozess zurückzuführen war. Diese Verzögerungen verschieben die Umsatzrealisierung und können sich negativ auf die Beziehungen zu den auftraggebenden Regierungen und Kommunen sowie zu den Kunden auswirken, die auf ihren Anschluss warten.
Wenn es darum geht, die geleistete Arbeit zu überprüfen, um den Auftrag abzuschließen und die Auftragnehmer zu bezahlen, können die Betreiber nicht sicher sein, dass die erhaltenen Unterlagen den tatsächlichen Leistungsumfang widerspiegeln. Auf Seiten der Auftragnehmer verzögert dies die Rechnungsstellung und kann zu Streitigkeiten führen.
Verbinden
Lange Projektlaufzeiten und zeitaufwändige manuelle Validierungsprozesse für Felddaten verhindern letztendlich, dass Kunden ihre Dienste erhalten. Eine angemessene Dokumentation wird zu einem kundenrelevanten Problem, wenn Teams an „Last-Mile“-Projekten arbeiten und Anlagen in Privathaushalten und Unternehmen installieren. Techniker müssen schnell vor Ort sein und wieder abziehen und dabei einen exzellenten Kundenservice bieten, während sie gleichzeitig hohe Sicherheitsstandards einhalten. Sie benötigen genaue Informationen über ihren Standort und das Netzwerk sowie klare Anweisungen, um die Arbeit gleich beim ersten Mal richtig zu erledigen.
Je schneller Betreiber Dienste aktivieren können, desto schneller können sie mit der Abrechnung gegenüber dem Kunden beginnen. Je besser ihr Kundenservice ist und je zuverlässiger die Dienste von Anfang an sind, desto unwahrscheinlicher ist es, dass Neukunden zur Konkurrenz abwandern.
Betreiben Sie
Die Qualität der Felddaten wirkt sich direkt auf die Netzwerkqualität aus. Wenn ausgeführte Arbeiten, verwendete Materialien und der Zustand der Anlagen nicht dokumentiert und nachverfolgt werden, lässt sich die Netzwerkleistung im Laufe der Zeit nicht effektiv überwachen. Statische Aufzeichnungen geraten schnell aus dem Einklang mit dem physischen Netzwerk. Die manuelle Validierung von Felddaten führt zu blinden Flecken, hinter denen sich leicht minderwertige Arbeit und Fehler verbergen können, die das gesamte System beeinträchtigen.
Da ein Einsatz vor Ort bis zu 200 US-Dollar kosten kann, lohnt es sich sicherzustellen, dass jeder Auftrag gleich beim ersten Mal korrekt ausgeführt und die Arbeiten genau dokumentiert werden. Wenn Techniker in Echtzeit auf die benötigten Informationen zugreifen können, arbeiten sie effektiver. Eine zuverlässige Dokumentation bietet dem Backoffice zudem Einblick in die Situation vor Ort, sodass fundiertere Entscheidungen getroffen und bei Bedarf gründliche Anlagenprüfungen durchgeführt werden können, ohne dass jemand vor Ort entsandt werden muss.
Die Verbesserung der Datenerfassung und der Qualitätskontrolle trägt unmittelbar zu exponentiellen Kosteneinsparungen bei, die dann für den weiteren Ausbau und die Optimierung genutzt werden können.
Transkript anzeigen
Die größten Herausforderungen, mit denen wir konfrontiert waren, betrafen stets die Sicherheit. Wir wollen sicherstellen, dass unsere Mitarbeiter sicher sind, aber auch, dass wir qualitativ hochwertige Arbeit leisten. Ich mache das schon seit sehr, sehr langer Zeit, und dennoch traten immer wieder dieselben Fehler auf. Und dank der visuellen KI ist es uns gelungen, wirklich einen entscheidenden Beitrag dazu zu leisten, viele der Fehler zu reduzieren und zu verhindern, dass Mitarbeiter vor Ort Abkürzungen nehmen. Es hat uns also wirklich, wirklich dabei geholfen, viele Fälle von mangelhafter Ausführung oder von Mitarbeitern, die nicht nach den von uns erwarteten Standards arbeiten, zu beseitigen. Jeder, naja, jedes Unternehmen auf der ganzen Welt will KI und sie wollen, dass sie eingeführt wird und einen Wandel bewirkt. Wir haben schon sehr früh erkannt, dass dies ein unternehmensweiter Ansatz sein muss – nicht nur in Großbritannien, sondern weltweit. Wir engagieren uns dafür von oben nach unten und von unten nach oben. Wenn man bedeutende Veränderungen will, wenn man einen transformativen Wandel will, muss man Dinge tun, die transformativ sind. Nun, unsere Partnerschaft mit IQGeo begann tatsächlich vor über vier Jahren. Und als Unternehmen haben wir stark in KI-Proof-of-Concepts investiert, um unser Geschäft zu verbessern und weiterzuentwickeln. Die wohl herausragendste Erfolgsgeschichte in diesem Zusammenhang war unsere Partnerschaft mit IQGeo, insbesondere bei der Erfassung digitaler Beweismittel vor Ort. Jeden Tag machen wir über 70.000 Fotos von den von uns durchgeführten Ingenieurarbeiten. Unsere Kunden verlangen dies. Wir benötigen sie, um die Sicherheit vor Ort zu überprüfen. Und während dieser ganzen Zeit hat IQGeo uns die Anbindung an unsere Systeme und Prozesse ermöglicht, damit dies effektiv durchgeführt werden kann. Interessanterweise haben wir im letzten Quartal innerhalb von drei Monaten die Marke von einer Million Fotos überschritten, und wir stehen erst ganz am Anfang dieser Entwicklung. Es bieten sich uns enorme Chancen, das, was wir in den letzten vier Jahren bereits als sehr solides Fundament aufgebaut haben, zu industrialisieren. Im nächsten Jahr besteht die Herausforderung meiner Meinung nach für IQGeo und uns darin, die Kompetenzen für die Visualisierung, die Erstellung von Datenmodellen und die Überprüfung von Fotos vor Ort von den IT-Teams zu entkoppeln und sie wieder an die operativen Spezialisten zurückzugeben, die vor Ort am besten positioniert sind. Wir sind diejenigen, die am besten in der Lage sind, zu entscheiden, was vor Ort als wirksames digitales Beweismaterial gilt, und das ist das Ziel und die Vision für die nächsten zwei Jahre.
Zuverlässige Daten bilden die Grundlage für einen intelligenteren, autonomen Betrieb in der Telekommunikations- und Versorgungsbranche
Verlässliche, strukturierte Felddaten sind die Voraussetzung für Automatisierung. Ohne eine einheitliche Quelle für saubere Felddatenkönnen Betreiber keine KI- und ML-Projekte initiieren, um Abläufe zu optimieren, die Entscheidungsfindung zu verbessern sowie Wachstum und Rentabilität zu steigern.
Die Umsetzung kostspieliger KI- und Automatisierungsinitiativen ohne lückenlose Verfahren zur Datenerfassung und -validierung ist ein Rezept für das Scheitern. KI-gesteuerte Systeme verstärken die Folgen fehlerhafter Daten. Automatisierungsfehler führen zu verzögerten (oder uninformierten) Entscheidungsprozessen, kostspieligen oder gefährlichen Fehlern im Außendienst und noch mehr Nacharbeit. Fehler führen zudem dazu, dass Anwender das Vertrauen in das System verlieren, was die mühsam gewonnene Akzeptanz untergräbt und es erschwert, Teams dazu zu bewegen, ihre Tools im Nachhinein wieder zu nutzen.
Die Folgewirkungen fehlerhafter Daten bringen die Vision von intelligenten, automatisierungsoptimierten Betriebsabläufen und autonomen Netzwerken zum Scheitern und versetzen die Betreiber zurück auf den Ausgangspunkt: den Umgang mit umständlichen Prozessen, die nur ein unvollständiges Bild des Netzwerks liefern.
Über die reine Datenpflege hinaus zu voll einsetzbaren Erkenntnissen aus der Praxis
Unzureichende Prozesse zur Erfassung und Dokumentation von Felddaten führen zu Schwachstellen im Betrieb von Telekommunikations- und Versorgungsnetzen. Die genaue Dokumentation der Feldarbeit in Echtzeit ermöglicht es Betreibern, auf verlässliche Netzwerkinformationen zurückzugreifen, um effektivere Entscheidungen zu treffen, schneller zu handeln und sich proaktiv an klimatische Herausforderungen, Personalengpässe und steigende Nachfrage anzupassen.
Betreiber, die sich auf die Zukunft autonomer Netzwerke vorbereiten wollen, um mehr Effizienz und Kosteneinsparungen zu erzielen, müssen ihre Felddatensysteme bereits heute verbessern, indem sie Datensilos beseitigen und die manuelle Validierung von Felddaten abschaffen. Führungskräfte müssen Daten als wertvolles Gut priorisieren und sich darauf konzentrieren, nicht nur die Quantität, sondern auch die Qualität der vor Ort erfassten Daten zu steigern – andernfalls laufen sie Gefahr, von Wettbewerbern abgehängt zu werden, die bereits Automatisierungslösungen der nächsten Generation implementieren.
Da sich die Telekommunikations- und Versorgungsbranche in Richtung intelligenter und sogar autonomer Betriebsabläufe bewegt, wird es zu einer entscheidenden Anforderung, die Netzwerkaufzeichnungen kontinuierlich mit der Realität vor Ort abzugleichen. Um diese Herausforderung zu bewältigen, hat IQGeo kürzlich eine branchenweit einzigartige Funktion vorgestellt, die automatisch Abweichungen zwischen Telekommunikationsnetzwerkdaten und den tatsächlich durchgeführten Außendienstarbeiten erkennt. Damit können Betreiber Probleme mit der Datenqualität identifizieren und beheben, bevor diese sich auf die Planung, den Betrieb oder zukünftige Automatisierungsinitiativen auswirken.
Transkript anzeigen
Hi, my name is Nicolas, I'm a Senior Solution Engineer for AI at IQGeo and today I'll be taking you through a little demo of our video solution and how it helps field operations to be automated. If you can follow me, so this is our native application that we've built for the field, so all hacked as an engineer for today. I have a job assigned to me, basically it's a simple customer installation flow that we have. You can see there's a bunch of pictures I need to take in order to document and validate my work. So first one is actually quite simple, it's just a photo of the distribution point and power meter. So I can just click on taking a photo, that will actually show me examples of what good pictures look like. So you can see it's just a simple help of helping the user take a picture. I'll just be uploading a few pictures through the gallery so that it actually shows how it looks like. So I'll select the photo, it's straight away to AI for analysis and I'll get real-time feedback on both the quality of the picture and the quality of my work. So this is the picture that I took, we can see the distribution point, we can see the power meter and that's the feedback we give to the user. First and foremost we've added the picture is actually valid, it's not showing anything else, it's not showing the technician's fit. It's actually a right live photo that we expected. And then we can go to actually extract some information from the picture. So for example the power meter attenuation and all of this data can then be used to populate any inventory or system of records. So here everything is correct in the picture, I can just go on and click on continue. And the first one is just mark as validated, progress bar has been updated. If I want to take the second picture here of the open fiber termination point, it's actually the last part of the network that goes into the customer home. So this is the picture that I take, I submit it. Again, same principle is being automatically analyzed by our AI models and that will be given with the real -time feedback on the quality of the job itself. So again, just a few seconds, I get the photo is the correct one, we can see the fiber termination point. And then we can have a bunch of tasks that are being performed. So we detect the zip ties are properly there, so the cables are secured. And then we actually do validate as well that the cable is properly connected. You can see it's highlighted on the picture so we're actually transparent to the user as well on where the AI flags something. But in this case here again, everything is correct so I can just go on with the rest of my work. Actually, this third one for the ONT interface, we do have an ONT with us on the site. So I'll just be taking a live picture of this ONT. All right. Again, I click on submitting and you may have seen actually this power cable is actually not plugged in. So most certainly the AI will flag it to me. So again, yeah, valid photo of the ONT. We do see the Ethernet cable. Again, we can do on it. Same for the fiber optic connection. But as pointed out, the power cable is actually missing. So I can just, in this case, just plug it back and retake a new photo. So if I just plug it back in, I just simply click on retaking a photo. I'll be just retaking the same picture. Again, click on submitting and now everything should turn green. Here we go. So we do see the Ethernet cable, same as always. The power cable is now plugged in and same for the fiber cable connection. So here I've taken all the three pictures. Every one of them is green. Everything's correct. You can see the progress bar is 100%. So as an engineer, I have the security that I've done my work right. It's AI-proofed, AI-validated. So I know that no one will have to come back to auditing my WANTS. And actually, all this information is available also in the back-office platform. So if I just refresh here to have the right WANTS actually being populated, I can zoom into this monitoring board. We can see we have a bunch of filters to actually look for the specific intervention that we want to do. And in the role of a more back-office auditing team, I can only select the jobs that maybe are not reached 100%. So in this case, we're just going to audit the job that we've just done together. And we'll see that every single picture that we've taken through the process will be available here with the same level of information that was given to the user. So the parameter that the integration minus 16 is shown to the user as well. Same on the picture here. Every photo is timestamped and can be geotagged as well. So it can be linked to a specific asset and be populated into the system of record as well. Same here for the open fiber termination point. And you do remember we had to take two pictures actually to validate this job. And this little medallion actually shows me that indeed there was a first photo to be taken. And I do have this inventory available. So all pictures being taken through our AI is actually stored and then can be pushed to the system of our client as well to be available there. But we do have access to the history. So we know that in this first picture, there was missing the power cable. And in this second one, it's all there and everything is correct. So that allows the back-office team to really focus on the job that necessitates it. They don't have to review everything because AI has already done it for them. And finally, just what you can get after all this is all the data that you can get. Because AI analyzes 100% of your jobs, 100% of the field pictures being taken by all your engineers, all your contractors. You can have valuable insights actually representing the reality of the field. Because it's not just a sample of what your teams might have edited. It's actually the reality of 100% of your operations being marked down so you can take actions. So for more information, you can visit the IQ.js website. We do have teams in the US, in Europe. So don't hesitate to visit our website for more information to get in touch.
Ähnliche Artikel:




