Nokia og Databricks sigtede mod at bevise, at en fælles dataplatform kunne fungere identisk på tværs af forskellige cloudmiljøer eller på lokal infrastruktur, hvilket muliggør ensartet AI-implementering uden at skulle omskrive kode .

Realtids-test af performance management

Ingeniørteams fra begge virksomheder fokuserede på et krævende use case: realtids-performance management. De simulerede analytics-indtagelse i en skala, der matcher kravene fra en tier-1-operator i skyen. Arbejdet resulterede i flere specifikke tekniske resultater :

• Platformsuafhængige datapipelines uden kodeændringer: Datapipelines blev skrevet én gang og implementeret identisk på Databricks og på en open source-stak (Apache Flink, Kafka, Iceberg), hvilket understøttede realtidsstreaming, batchbehandling og query-time-dataprodukter .
• Leverandørneutral datalogik: Nokia-ingeniører byggede transformationslogik i Python ved hjælp af platformsuafhængige udtryk, så kernologikken blev holdt adskilt fra platformspecifikke connectors, hvilket muliggør genbrug af workflows på tværs af miljøer .
• Automatiseret implementering via en brugerdefineret compiler: Teamsene validerede en brugerdefineret compiler, der automatisk tilpasser workflows ved implementeringstidspunktet, oversætter abstrakt logik til native formater (f.eks. Delta Live Tables til Databricks, Flink SQL til open source) og tilføjer platformspecifikke connectors uden manuelt arbejde .
• Datafabric til den agentiske verden: Platformen understøtter query-time-dataprodukter, der beregner afledte metrics ved læsning i stedet for at duplikere data; zero-copy-deling til letvægtsforbrug på tværs af domæner; og en mekanisme til selektivt at føde øvre temporale lag i skyen, hvor AI-agenter udfører retrospektive opgaver som root-cause-analyse .

Den intelligente datafabric-agent

Ud over infrastrukturlaget demonstrerede PoC'et en AI-drevet intelligent datafabric-agent, der strømliner driften. Ved hjælp af simple naturlige sprogprompter kan agenten generere nye dataprodukter, anmode om menneskelig validering og implementere pipelinen automatisk – hvilket accelererer innovation med mindre manuel indsats .

I en agentisk verden muliggør den samme mekanisme kommunikation mellem agenter: Andre AI-agenter kan dynamisk anmode om dataprodukter ved at interagere direkte med datafabric-agenten .

Hvorfor dette er vigtigt: Nokias bredere satsning på autonome netværk

Databricks-PoC'et er en del af en større strategi. Samme dag annoncerede Nokia et udvidet samarbejde med AWS for at køre sin Autonomous Networks Fabric på AWS, med forventet tilgængelighed senere i 2026 .

Centrale elementer i denne udvidelse:

• Niveau 4-netværksautonomi: Operatører får adgang til avancerede AI- og cloudtjenester, der er nødvendige for stærkt autonome netværksoperationer .
• Fire kernekompetencer samlet: Fabrikken integrerer Unified Data Management på tværs af domæner, Agentic AI til serviceoperationer, Digital Twin-simulationer til proaktiv konsekvensvurdering og Intent-Based Networking til automatiserede closed-loop-handlinger .
• AI-tjenester, der understøtter det hele: Løsningerne vil udnytte AWS AI/ML-tjenester som Amazon Bedrock og Amazon SageMaker til elastisk skalerbarhed og bredt modelvalg .
• Kunderesultater allerede rapporteret: Operatører, der bruger Nokias autonome portefølje, har rapporteret automatiseringsgrader på over 90 %, leveringstider på fire timer eller mindre, op til 85 % reduktion i slice-udrulningstid og op til 50 % færre hændelser, der påvirker kunder .

Nokia opgraderede også sin agentiske AI-portefølje

På DTW Ignite afslørede Nokia sit Autonomous Networks Agent Library – en suite af forudbyggede AI-agenter til sikkerhed, assurance og serviceoperationer. Biblioteket dækker identifikation af zero-day-angreb, årsagsslutning, hændelsestriage, fejlfinding af serviceordrer og multi-agent-koordinering. Nokia rapporterer produktivitetsgevinster på 60 % til 80 % sammenlignet med traditionelle sikkerhedsoperationer .

Andre agentiske opgraderinger inkluderer en opdatering af Autonomous Networks Suite med on-premise-implementeringsmuligheder, optimering af VoLTE-servicekvalitet og forbedret RAN-abonnentoplevelse; opdateringer til MantaRay-platformen til service management og orkestrering med non-real-time RAN Intelligent Controller-funktionalitet; og en autentificeringsramme tilføjet til WaveSuite til optiske netværk .

Hvad kommer der nu

Nokia og Databricks planlægger at fortsætte deres samarbejde om at forbedre autonome netværkskapaciteter og hjælpe operatører med at overgå til en fremtid, hvor AI-applikationer i stigende grad får adgang til, korrelerer og handler på store netværksdata i realtid .

Nokia og AWS er forpligtet til en samarbejdsorienteret innovationsdagsorden, der kombinerer Nokias telco-trænede AI-modeller og domæneekspertise med AWS's AI-tjenester for at levere stadig mere autonome netværksoperationer, og de planlægger at gå på markedet sammen for at hjælpe operatører med at udvikle deres operationelle stakke og låse op for nye indtægtsstrømme .

Nokia og Databricks sigtede mod at bevise, at en fælles dataplatform kunne fungere identisk på tværs af forskellige cloudmiljøer eller på lokal infrastruktur, hvilket muliggør ensartet AI-implementering uden at skulle omskrive kode .

Realtids-test af performance management

Ingeniørteams fra begge virksomheder fokuserede på et krævende use case: realtids-performance management. De simulerede analytics-indtagelse i en skala, der matcher kravene fra en tier-1-operator i skyen. Arbejdet resulterede i flere specifikke tekniske resultater :

• Platformsuafhængige datapipelines uden kodeændringer: Datapipelines blev skrevet én gang og implementeret identisk på Databricks og på en open source-stak (Apache Flink, Kafka, Iceberg), hvilket understøttede realtidsstreaming, batchbehandling og query-time-dataprodukter .
• Leverandørneutral datalogik: Nokia-ingeniører byggede transformationslogik i Python ved hjælp af platformsuafhængige udtryk, så kernologikken blev holdt adskilt fra platformspecifikke connectors, hvilket muliggør genbrug af workflows på tværs af miljøer .
• Automatiseret implementering via en brugerdefineret compiler: Teamsene validerede en brugerdefineret compiler, der automatisk tilpasser workflows ved implementeringstidspunktet, oversætter abstrakt logik til native formater (f.eks. Delta Live Tables til Databricks, Flink SQL til open source) og tilføjer platformspecifikke connectors uden manuelt arbejde .
• Datafabric til den agentiske verden: Platformen understøtter query-time-dataprodukter, der beregner afledte metrics ved læsning i stedet for at duplikere data; zero-copy-deling til letvægtsforbrug på tværs af domæner; og en mekanisme til selektivt at føde øvre temporale lag i skyen, hvor AI-agenter udfører retrospektive opgaver som root-cause-analyse .

Den intelligente datafabric-agent

Ud over infrastrukturlaget demonstrerede PoC'et en AI-drevet intelligent datafabric-agent, der strømliner driften. Ved hjælp af simple naturlige sprogprompter kan agenten generere nye dataprodukter, anmode om menneskelig validering og implementere pipelinen automatisk – hvilket accelererer innovation med mindre manuel indsats .

I en agentisk verden muliggør den samme mekanisme kommunikation mellem agenter: Andre AI-agenter kan dynamisk anmode om dataprodukter ved at interagere direkte med datafabric-agenten .

Hvorfor dette er vigtigt: Nokias bredere satsning på autonome netværk

Databricks-PoC'et er en del af en større strategi. Samme dag annoncerede Nokia et udvidet samarbejde med AWS for at køre sin Autonomous Networks Fabric på AWS, med forventet tilgængelighed senere i 2026 .

Centrale elementer i denne udvidelse:

• Niveau 4-netværksautonomi: Operatører får adgang til avancerede AI- og cloudtjenester, der er nødvendige for stærkt autonome netværksoperationer .
• Fire kernekompetencer samlet: Fabrikken integrerer Unified Data Management på tværs af domæner, Agentic AI til serviceoperationer, Digital Twin-simulationer til proaktiv konsekvensvurdering og Intent-Based Networking til automatiserede closed-loop-handlinger .
• AI-tjenester, der understøtter det hele: Løsningerne vil udnytte AWS AI/ML-tjenester som Amazon Bedrock og Amazon SageMaker til elastisk skalerbarhed og bredt modelvalg .
• Kunderesultater allerede rapporteret: Operatører, der bruger Nokias autonome portefølje, har rapporteret automatiseringsgrader på over 90 %, leveringstider på fire timer eller mindre, op til 85 % reduktion i slice-udrulningstid og op til 50 % færre hændelser, der påvirker kunder .

Nokia opgraderede også sin agentiske AI-portefølje

På DTW Ignite afslørede Nokia sit Autonomous Networks Agent Library – en suite af forudbyggede AI-agenter til sikkerhed, assurance og serviceoperationer. Biblioteket dækker identifikation af zero-day-angreb, årsagsslutning, hændelsestriage, fejlfinding af serviceordrer og multi-agent-koordinering. Nokia rapporterer produktivitetsgevinster på 60 % til 80 % sammenlignet med traditionelle sikkerhedsoperationer .

Andre agentiske opgraderinger inkluderer en opdatering af Autonomous Networks Suite med on-premise-implementeringsmuligheder, optimering af VoLTE-servicekvalitet og forbedret RAN-abonnentoplevelse; opdateringer til MantaRay-platformen til service management og orkestrering med non-real-time RAN Intelligent Controller-funktionalitet; og en autentificeringsramme tilføjet til WaveSuite til optiske netværk .

Hvad kommer der nu

Nokia og Databricks planlægger at fortsætte deres samarbejde om at forbedre autonome netværkskapaciteter og hjælpe operatører med at overgå til en fremtid, hvor AI-applikationer i stigende grad får adgang til, korrelerer og handler på store netværksdata i realtid .

Nokia og AWS er forpligtet til en samarbejdsorienteret innovationsdagsorden, der kombinerer Nokias telco-trænede AI-modeller og domæneekspertise med AWS's AI-tjenester for at levere stadig mere autonome netværksoperationer, og de planlægger at gå på markedet sammen for at hjælpe operatører med at udvikle deres operationelle stakke og låse op for nye indtægtsstrømme .