Der Weg zum autonomen Netzwerk

Das Reifegradmodell des TM Forum

Zur Standardisierung dieses Evolutionspfads hat das Industriekonsortium TM Forum das Autonomous Operations Maturity Model (AOMM v1.7.0) sowie eine detaillierte, sechsstufige Taxonomie entwickelt. Mit dieser Taxonomie kann der Automatisierungsgrad von Netzwerken systematisch bewertet werden. Mit diesem Modell werden bestehende Frameworks wie das Digital Maturity Model (DMM) und die Closed Loop Automation Maturity (CAMM) harmonisiert.

Das ganzheitliche Rahmenwerk des TM Forums umfasst vier zentrale Säulen, die Betreibern als strategisches Fundament dienen.

• Key Effectiveness Indicators (KEI): Diese Kennzahlen messen den direkten geschäftlichen Nutzen und die operative Effektivität autonomer Systeme.
• AN Levels: Diese Stufen beschreiben den Grad der autonomen Fähigkeiten innerhalb eines spezifischen operativen Kontextes oder einer Domäne.
• AN Target Architecture: Diese Säule definiert die technische Referenzarchitektur und die Prinzipien für den herstellerübergreifenden Aufbau.
• AN Map: Diese Komponente bietet eine methodische Anleitung und bewährte Betriebspraktiken für die schrittweise Implementierung.

Die Definitionen der einzelnen Reifegrade reichen von vollständig manuellen Abläufen bis hin zur kognitiven Selbstverwaltung, wie in der Tabelle Stufen von autonomen Netzwerken zu sehen.

Die meisten Unternehmen bewegen sich heute zwischen Level 1 und Level 3. Vollständig autonome Netzwerke der Stufe 5 gelten weiterhin als langfristige Vision.

Von AIOps zu autonomen Netzwerken

Diese Entwicklung erfolgt schrittweise. Zunächst kamen klassische Monitoring- und Managementplattformen zum Einsatz. Darauf folgten AIOps-Lösungen, die Telemetriedaten auswerten und Anomalien erkennen. Moderne Plattformen nutzen darüber hinaus geschlossene Regelkreise, um bestimmte Optimierungen automatisch durchzuführen.

Mit dem Aufkommen generativer und agentischer KI entstehen zunehmend Systeme, die nicht nur Probleme erkennen, sondern auch Handlungsempfehlungen ableiten oder Korrekturmaßnahmen selbstständig ausführen können. Das Ziel ist ein absichtsbasierter Betrieb (Intent-based Networking, IBN), bei dem Administratoren lediglich Richtlinien und Geschäftsziele definieren, während das Netzwerk die Umsetzung weitgehend selbst übernimmt.

Telemetrie und Closed Loops als Grundlage

Autonome Netzwerke basieren auf einer kontinuierlichen Erfassung von Betriebsdaten. Telemetrieinformationen aus Switches, Routern, Firewalls, WLAN-Systemen und Anwendungen werden zusammengeführt und analysiert.

Geschlossene Regelkreise (Closed Loops) ermöglichen eine automatische Reaktion auf Veränderungen. Erkennt das System beispielsweise eine Überlastung, Qualitätsprobleme oder Konfigurationsabweichungen, kann es entsprechende Gegenmaßnahmen einleiten. Dadurch lassen sich Störungen häufig beheben, bevor sie den Anwendern auffallen.

Die Hersteller verfolgen unterschiedliche Strategien.

Die großen Netzwerkanbieter verfolgen unterschiedliche Ansätze, um den Netzwerkbetrieb zu automatisieren.

Arista Networks

Arista Networks verfolgt mit EOS und CloudVision einen stark software- und telemetriegetriebenen Ansatz. Die Plattform sammelt Zustandsdaten aus Campus-, Rechenzentrums- und Cloud-Netzwerken und unterstützt eine weitgehend automatisierte Bereitstellung, Validierung und Fehleranalyse. Mit Funktionen wie „Network Digital Twins”, Event-Korrelation und AIOps will Arista Betriebsstörungen frühzeitig erkennen und geschlossene Regelkreise etablieren.

Cisco

Cisco kombiniert klassische Netzwerkplattformen mit ThousandEyes, Splunk und KI-Funktionen. Unter dem Begriff AgenticOps hat das Unternehmen eine agentenbasierte Automatisierungsarchitektur eingeführt, die Cross-Domain-Telemetrie aus den Bereichen Networking, Security, Splunk und ThousandEyes zusammenführt. Das Ziel besteht darin, eine Closed-Loop-Ausführung zu erreichen, bei der Routineaufgaben wie Fehlerdiagnose und Konfigurationsänderungen ohne menschliches Eingreifen ablaufen. Konzepte wie Intent-based Networking sollen den Betrieb über Campus-, WAN- und Rechenzentrumsgrenzen hinweg automatisieren.

Extreme Networks

Mit Extreme Platform ONE hat Extreme Networks eine Plattform eingeführt, die Netzwerk, Sicherheit und KI in einer einheitlichen Umgebung zusammenführt. Konversationelle, interaktive und autonome KI-Agenten übernehmen Aufgaben über den gesamten Netzwerklebenszyklus – von der Planung und Bereitstellung bis hin zum Betrieb und der Fehlerbehebung. Laut Herstellerangaben lassen sich damit komplexe Aufgaben von Stunden auf Minuten reduzieren.

Fortinet

Fortinet unterscheidet sich von den übrigen Anbietern in dieser Liste. Das Unternehmen kommt ursprünglich aus dem Sicherheitsbereich und erweitert seine Plattform zunehmend in Richtung Netzwerkautomatisierung. Mit FortiOS 8.0 und der FortiAI-Architektur kombiniert Fortinet Netzwerk- und Sicherheitsfunktionen in einer gemeinsamen Plattform. KI-gestützte Analysen, autonomes Netzwerkmanagement und automatisierte Reaktionen sollen die Verwaltung verteilter Infrastrukturen vereinfachen – mit besonderem Fokus auf die Konvergenz von Networking und Security unter einem einheitlichen SASE-Ansatz.

HPE Aruba Networking und Juniper Mist

Nach dem Abschluss der Juniper-Übernahme im Juli 2025 stärkt HPE seine Position im Bereich KI-gestützter Netzwerke. Im Rahmen der behördlichen Genehmigung musste HPE allerdings sein Instant-On-Geschäft für Campus- und Branch-Umgebungen veräußern und Wettbewerbern begrenzten Zugang zur Mist-AIOps-Technologie einräumen. Plattformen wie Aruba Central und Mist AI analysieren Telemetriedaten kontinuierlich und unterstützen Administratoren bei der Fehlerdiagnose, der Kapazitätsplanung und der Optimierung. Natürliche Sprachschnittstellen und AIOps-Funktionen sollen den Betriebsaufwand reduzieren.

Nokia

Nokia verfolgt vor allem für Rechenzentren, industrielle Netzwerke und private 5G-Infrastrukturen ähnliche Konzepte. Im klassischen Enterprise-Campus spielt das Unternehmen jedoch eine geringere Rolle als Cisco, HPE Aruba Networking oder Arista.

Auch europäische Anbieter wie Lancom Systems treiben die Automatisierung von Campus-Netzen und SD-WAN-Umgebungen voran. Dabei stehen Cloud-Management, Zero-Trust-Konzepte und digitale Souveränität im Mittelpunkt. Im Vergleich zu den großen internationalen Anbietern liegt der Fokus derzeit allerdings eher auf zentralisiertem Management und Automatisierung als auf hochgradig autonomen Netzwerken und KI-gestützten AIOps-Plattformen.

Die größten Hürden liegen in der Organisation

Technologisch sind bereits viele Voraussetzungen vorhanden. In der Praxis bremsen jedoch häufig organisatorische und strukturelle Probleme die Einführung autonomer Netzwerkfunktionen.

Zu den wichtigsten Herausforderungen gehören:

• Legacy-Infrastrukturen und technische Schulden.
• Multi-Vendor-Umgebungen.
• Isolierte Managementwerkzeuge.
• Mangelnde Datenqualität.
• Fehlende Fachkräfte für Netzwerkautomatisierung und KI.
• Vorbehalte gegenüber automatisierten Entscheidungen.

Hinzu kommt, dass Netzwerk-, Cloud-, Sicherheits- und Applikationsteams häufig getrennt voneinander arbeiten. Für eine durchgängige Automatisierung müssen diese Silos aufgebrochen werden.

Sicherheit wird Teil der Automatisierung.

Je autonomer Netzwerke agieren, desto wichtiger werden Sicherheitsmechanismen. Änderungen an Konfigurationen oder Richtlinien müssen kontinuierlich überprüft werden, damit automatisierte Prozesse keine neuen Risiken erzeugen.

Zero-Trust-Architekturen, Mikrosegmentierung und KI-gestützte Sicherheitsplattformen entwickeln sich deshalb zunehmend zu einem integralen Bestandteil autonomer Infrastrukturen.

Evolution statt Revolution

Vollständig selbststeuernde Netzwerke bleiben auf absehbare Zeit Zukunftsmusik. Die meisten Unternehmen werden den Übergang schrittweise vollziehen und zunächst einzelne Betriebsabläufe automatisieren.

Die eigentliche Herausforderung liegt dabei weniger in der KI selbst als vielmehr in der Modernisierung bestehender Managementplattformen, der Integration heterogener Systeme und dem Aufbau neuer Kompetenzen.

Autonome Netzwerke entwickeln sich daher nicht über Nacht. Sie entstehen als langfristiger Transformationsprozess, in dem AIOps, Intent-based Networking und agentische KI schrittweise zusammenwachsen. Dadurch verschiebt sich der Schwerpunkt des Netzwerkbetriebs zunehmend von manueller Administration zu Überwachung, Richtliniensteuerung und strategischer Optimierung.