Wenn Netzwerke intelligent werden: Wie KI, Wi-Fi 7 und Ethernet die Infrastruktur neu definieren

Warum klassische Netzwerke an Grenzen stoßen

Über viele Jahre erfüllten Unternehmensnetzwerke eine vergleichsweise klar definierte Aufgabe: Geräte verbinden, Anwendungen erreichbar machen und möglichst störungsfrei funktionieren. In vielen Organisationen galt das Netzwerk vor allem als technisches Fundament – notwendig, aber selten strategisch relevant. Solange Server erreichbar waren, Drucker funktionierten und Internetzugänge stabil liefen, blieb Infrastruktur häufig weitgehend unsichtbar.

Entsprechend konservativ entwickelten sich viele Netzarchitekturen. Änderungen erfolgten kontrolliert und meist in langen Zyklen. Neue Switches wurden über Jahre betrieben, WLAN-Generationen schrittweise modernisiert und Sicherheitsrichtlinien häufig nur punktuell angepasst. Stabilität war wichtiger als Agilität.

Dieses Modell funktionierte erstaunlich lange. Denn auch die Anforderungen blieben über viele Jahre vergleichsweise vorhersehbar: Mitarbeitende arbeiteten überwiegend im Büro, Anwendungen liefen zentral im Unternehmensrechenzentrum und Netzwerkverkehr bewegte sich meist innerhalb klar definierter Grenzen.

Heute verändert sich diese Ausgangslage jedoch grundlegend. Denn Netzwerke müssen längst nicht mehr nur stabile Verbindungen bereitstellen – sie sollen Mobilität, Cloud-Dienste, Echtzeitkommunikation, Sicherheit und steigende Gerätedichte gleichzeitig beherrschbar machen.

Das klassische Campus-Netzwerk: logisch, stabil – aber auf Vorhersagbarkeit ausgelegt

Viele Unternehmensnetze folgen bis heute einem hierarchischen Campus-Modell. Typischerweise besteht dieses aus drei Ebenen:

• Core Layer: Hochperformante Verbindung zentraler Netzsegmente
• Distribution Layer: Aggregation und Richtliniensteuerung
• Access Layer: Anschluss von Endgeräten, Access Points und Clients

Dieses Modell entstand in einer Zeit, in der Netzwerke weitgehend planbar waren. Anwendungen befanden sich zentral im Datacenter, Benutzer:innen arbeiteten innerhalb definierter Standorte und Sicherheitsgrenzen orientierten sich an einem klaren Netzwerk-Perimeter.

Technisch betrachtet war dieses Design äußerst erfolgreich: Es ermöglichte stabile, skalierbare und vergleichsweise gut kontrollierbare Infrastrukturen. Genau deshalb prägt es viele Unternehmensnetze bis heute.

Das Problem besteht jedoch darin, dass moderne Kommunikationsmuster immer seltener zu dieser Logik passen.

Anwendungen befinden sich zunehmend in Cloud-Plattformen oder werden als SaaS bereitgestellt. Datenverkehr verläuft nicht mehr nur klassisch Nord-Süd zwischen Benutzer:innen und Datacenter, sondern zunehmend Ost-West zwischen Diensten, Plattformen und Workloads. Gleichzeitig greifen Mitarbeitende über Heimnetzwerke, mobile Endgeräte oder hybride Arbeitsmodelle auf Unternehmensressourcen zu.

Ein Netzwerk, das ursprünglich auf Vorhersagbarkeit und Stabilität optimiert wurde, stößt dadurch zunehmend an Flexibilitätsgrenzen.

Warum moderne Anforderungen Netzwerke unter Druck setzen

Mehrere Entwicklungen wirken heute gleichzeitig auf Unternehmensnetzwerke ein – und verstärken sich gegenseitig.

Hybrid Work verändert Zugriffsmuster dauerhaft. Mitarbeitende arbeiten nicht mehr ausschließlich innerhalb definierter Bürostandorte, sondern wechseln zwischen Homeoffice, Unternehmensstandorten und mobilen Arbeitsumgebungen. Der klassische Gedanke eines klar abgegrenzten Firmennetzes verliert dadurch zunehmend an Bedeutung.

Cloud- und SaaS-Dienste verschieben Datenströme grundlegend. Anwendungen wie Microsoft 365, Teams oder cloudbasierte ERP-Systeme erzeugen andere Lastprofile als klassische On-Premises-Anwendungen. Netzwerkverkehr verläuft heute zunehmend direkt zwischen Cloud-Diensten, Benutzer:innen und verteilten Plattformen.

Die Zahl vernetzter Geräte steigt massiv. Neben klassischen Notebooks und Smartphones erzeugen IoT-Systeme, Sensorik, Sicherheitskameras, Gebäudeautomation und drahtlose Infrastruktur zusätzliche Anforderungen.

Gleichzeitig wird Echtzeitkommunikation geschäftskritisch. Videokonferenzen, Collaboration-Plattformen, virtuelle Arbeitsplätze und zunehmend auch KI-gestützte Dienste reagieren empfindlich auf Latenz, Paketverluste oder schwankende Verbindungsqualität.

Die Konsequenz: Es genügt längst nicht mehr, einfach nur mehr Bandbreite bereitzustellen. Moderne Netzwerke müssen zunehmend verstehen, welche Dienste kritisch sind, welche Verbindungen priorisiert werden müssen, welche Risiken entstehen und wie Infrastruktur dynamisch auf Veränderungen reagieren kann.

Vom Transportmedium zur intelligenten Infrastruktur

Genau an diesem Punkt beginnt der eigentliche Wandel moderner Netzwerke. Über viele Jahre bestand ihre zentrale Aufgabe darin, Datenpakete möglichst effizient von A nach B zu transportieren. Heute entwickelt sich Infrastruktur zunehmend zu einem aktiven, kontextsensitiven System.

Künftig reicht es nicht mehr aus, lediglich Verbindungen bereitzustellen. Moderne Netzwerke müssen zunehmend bewerten:

• welches Gerät kommuniziert
• welche Benutzer:innen oder Dienste beteiligt sind
• wie kritisch eine Verbindung ist
• ob Sicherheitsrisiken bestehen
• wie Ressourcen priorisiert werden müssen
• wie sich Servicequalität unter Last verändert

Geschwindigkeit bleibt dabei wichtig – entscheidend wird jedoch zunehmend Intelligenz.

Genau daraus entsteht die eigentliche Entwicklung dieser Beitragsreihe: Warum drahtlose Netze plötzlich geschäftskritisch werden, weshalb Sicherheit die Netzwerkarchitektur verändert, wie künstliche Intelligenz den Betrieb transformiert – und warum für KI-Rechenzentren bereits völlig neue Netzwerkmodelle entstehen.

Im nächsten Kapitel wird zunächst sichtbar, warum dieser Wandel besonders deutlich im WLAN beginnt – und weshalb Wi-Fi 7 weit mehr ist als nur eine weitere Evolutionsstufe des Funkstandards.

Wenn das WLAN zum Primärnetz wird – Warum drahtlose Infrastruktur neu gedacht werden muss

Das WLAN ist längst kein Nebenschauplatz mehr: Über viele Jahre galt WLAN in Unternehmen eher als Ergänzung zur eigentlichen Netzwerkinfrastruktur. Die echte Konnektivität erfolgte kabelgebunden – drahtlose Verbindungen dienten vor allem mobilen Geräten, Gästen oder Besprechungsräumen. Stabilität, Sicherheit und Performance wurden primär mit Ethernet assoziiert. Diese Sichtweise verändert sich inzwischen grundlegend.

In modernen Arbeitsumgebungen erfolgt der Netzwerkzugriff zunehmend drahtlos. Notebooks verfügen häufig nicht einmal mehr über RJ45-Anschlüsse, Collaboration-Plattformen laufen cloudbasiert und Arbeitsplätze werden flexibler genutzt. Gleichzeitig steigt die Anzahl kabellos verbundener Geräte massiv an: Smartphones, Tablets, Sensorik, Konferenztechnik, Medizingeräte oder industrielle Endpunkte konkurrieren um dieselben Funkressourcen. Das WLAN entwickelt sich dadurch vom Komfortmerkmal zur geschäftskritischen Infrastruktur.

Besonders deutlich zeigt sich dieser Wandel in hybriden Arbeitsmodellen. Anwendungen wie Microsoft Teams, cloudbasierte ERP-Systeme oder browserbasierte Unternehmensplattformen setzen stabile, latenzarme Verbindungen voraus. Ein instabiles WLAN wird dadurch schnell zu einem Produktivitätsproblem – selbst dann, wenn die Internetanbindung eigentlich ausreichend dimensioniert wäre.

Die Konsequenz: WLAN darf heute nicht mehr mitlaufen, sondern muss strategisch geplant werden.

Warum steigende Gerätedichte klassische WLAN-Konzepte überfordert

Frühere WLAN-Planungen orientierten sich oft an der Frage: Wie groß ist die Fläche? Moderne WLAN-Architekturen stellen dagegen eine andere Frage: Wie viele gleichzeitige Verbindungen und Echtzeit-Anwendungen müssen zuverlässig funktionieren? Genau hier liegt eine der größten Veränderungen.

Ein einzelner Mitarbeitender nutzt heute oft mehrere Geräte parallel: Notebook, Smartphone, Smartwatch und kabellose Audiohardware. Hinzu kommen Raumsysteme, digitale Whiteboards, Kameras und IoT-Komponenten. In Schulen oder Bildungseinrichtungen arbeiten oft mehrere Klassen parallel mit cloudbasierten Lernplattformen. Im Healthcare-Bereich kommunizieren medizinische Geräte permanent mit zentralen Informationssystemen.

Dadurch entsteht ein Problem, das weniger mit maximaler Bandbreite als mit Effizienz im Funkraum zu tun hat: WLAN ist ein geteiltes Medium. Anders als bei einem Switch-Port teilen sich Clients dieselbe Luftschnittstelle. Mit zunehmender Gerätedichte steigt daher nicht nur die Auslastung, sondern auch die Wahrscheinlichkeit von Interferenzen, Wiederholungen und Wartezeiten.

Genau deshalb reicht ein simples Upgrade auf mehr Access Points häufig nicht aus. Ohne saubere Kanalplanung, abgestimmte Sendeleistungen und intelligente Lastverteilung kann zusätzliche Funktechnik sogar neue Probleme erzeugen.

An dieser Stelle zeigt sich bereits: Die Zukunft des WLANs wird weniger über reine Geschwindigkeit entschieden – sondern über Koordination und Effizienz.

Eine praxisnahe Einführung zur strukturierten WLAN-Planung, Kanalwahl und Performance-Optimierung habe ich im Beitrag WLAN richtig konfigurieren und optimieren: Grundlagen, Sicherheit und stabile Performance im Netzwerk veröffentlicht.

Warum Wi-Fi 6 und Wi-Fi 6E nicht alle Probleme lösen konnten

Mit Wi-Fi 6 (IEEE 802.11ax) wurden bereits wichtige Verbesserungen eingeführt. Technologien wie OFDMA (Orthogonal Frequency Division Multiple Access) oder MU-MIMO (Multi User Multiple Input Multiple Output) sollten die Effizienz in stark ausgelasteten Funkumgebungen verbessern. Vor allem in dichten Szenarien – etwa Büroumgebungen, Schulen oder Veranstaltungsflächen – war dies ein wichtiger Fortschritt.

Dennoch blieb ein grundlegendes Problem bestehen: Geräte kommunizierten weiterhin typischerweise nur über ein Frequenzband gleichzeitig. Selbst wenn sowohl 5 GHz als auch 6 GHz verfügbar waren, musste sich ein Client im Regelfall für einen Übertragungspfad entscheiden.

In der Praxis führte dies weiterhin zu Engpässen:

• Funkkanäle konnten zeitweise überlastet sein
• Roaming zwischen Access Points erzeugte kurze Unterbrechungen
• Echtzeitdienste reagierten empfindlich auf Latenzschwankungen
• Störungen einzelner Frequenzbereiche wirkten sich direkt auf die Nutzererfahrung aus

Hinzu kommt ein strukturelles Problem: Viele Unternehmens-WLANs wurden historisch aufgebaut und nie vollständig modernisiert. Unterschiedliche AP-Generationen, heterogene Funkkonfigurationen und unzureichende Site Surveys begrenzen häufig den tatsächlichen Nutzen neuer Standards.

Deshalb markiert Wi-Fi 7 nicht einfach nur mehr Geschwindigkeit, sondern einen grundlegenden Architekturwechsel. Die technische Grundlage dafür bildet der Standard IEEE 802.11be, häufig als Extremely High Throughput (EHT) bezeichnet. Ziel des Standards ist nicht nur höherer Durchsatz, sondern vor allem eine robustere und vorhersehbarere Funkkommunikation in dichten Netzumgebungen. IEEE

Multi-Link Operation: Die wichtigste Neuerung von Wi-Fi 7

Die wahrscheinlich bedeutendste Innovation von Wi-Fi 7 ist die sogenannte Multi-Link Operation (MLO). Vereinfacht gesagt können Geräte erstmals mehrere Frequenzbänder gleichzeitig nutzen, anstatt zwischen ihnen wechseln zu müssen. Ein Client kann beispielsweise parallel über das 5-GHz- und 6-GHz-Band oder sogar über mehrere Kanäle innerhalb dieser Frequenzbereiche kommunizieren.

Technisch ähnelt dieses Prinzip einem mehrspurigen Verkehrsnetz: Wird eine Spur überlastet oder kurzfristig gestört, kann der Datenverkehr flexibel auf alternative Übertragungswege verteilt werden. Das Ergebnis sind stabilere Verbindungen, geringere Wartezeiten und eine insgesamt robustere Kommunikation. Der Wi-Fi-7-Standard adressiert damit gezielt Herausforderungen moderner Funknetze – insbesondere niedrige Latenzen, höhere Zuverlässigkeit und eine effizientere Nutzung des verfügbaren Funkspektrums. Die technischen Grundlagen hierfür definiert der IEEE-802.11be-Standard.

Die Auswirkungen auf den praktischen Betrieb sind erheblich. Erstens sinken die Latenzen, wodurch zeitkritische Anwendungen wie Videokonferenzen, Telemedizin oder Echtzeit-Collaboration von stabileren Übertragungszeiten profitieren. Zweitens werden Verbindungen robuster, weil kurzzeitige Interferenzen in einzelnen Frequenzbereichen nicht mehr zwangsläufig zu sichtbaren Störungen führen. Drittens lässt sich der verfügbare Funkraum effizienter nutzen, da Infrastruktur Ressourcen intelligenter verteilen kann, anstatt Frequenzbereiche isoliert zu betrachten.

Gerade in hoch verdichteten Enterprise-Umgebungen dürfte Multi-Link Operation langfristig wichtiger werden als die häufig beworbenen Spitzendatenraten. Entscheidend wird weniger die maximale Geschwindigkeit unter Idealbedingungen sein, sondern vielmehr die Fähigkeit eines WLANs, auch unter hoher Last zuverlässig und vorhersehbar zu funktionieren.

Geringere Latenzen und höhere Stabilität werden zum Geschäftsfaktor

In klassischen WLAN-Diskussionen stand lange die Frage im Mittelpunkt: Wie schnell ist das Netz? Moderne Infrastrukturen stellen zunehmend eine andere Frage: Wie zuverlässig reagiert das Netz unter Last?

Genau hier entfaltet Wi-Fi 7 seine eigentliche Stärke. Cloud-Anwendungen, virtuelle Desktops, Echtzeitkommunikation und KI-gestützte Dienste reagieren empfindlich auf Verzögerungen oder Paketverluste. Während eine kurze Unterbrechung früher kaum auffiel, kann sie heute Videokonferenzen destabilisieren oder cloudbasierte Arbeitsprozesse sichtbar beeinträchtigen.

Wi-Fi 7 adressiert diese Herausforderungen durch mehrere technische Mechanismen gleichzeitig. Dazu zählen neben MLO auch die Verwendung breiterer Kanäle, eine effizientere Nutzung des verfügbaren Spektrums sowie eine intelligentere Verteilung konkurrierender Clients innerhalb stark ausgelasteter Funkumgebungen.

Dadurch steigt nicht nur die maximale Performance eines WLANs, sondern vor allem die Vorhersagbarkeit der Verbindung – ein im Enterprise-Betrieb häufig unterschätzter Faktor. Denn moderne Unternehmensnetze müssen nicht allein hohe Spitzendurchsätze ermöglichen, sondern auch unter realer Last zuverlässig funktionieren.

Ein Netzwerk wird deshalb nicht dadurch gut, dass es unter Idealbedingungen besonders schnell arbeitet. Entscheidend ist vielmehr, wie stabil, konsistent und belastbar die Verbindung im produktiven Alltag tatsächlich bleibt.

Warum Wi-Fi 7 besonders für Unternehmen, Bildung und Healthcare relevant ist

Die Bedeutung von Wi-Fi 7 erschließt sich weniger über theoretische Spitzendatenraten als über konkrete Einsatzszenarien. Besonders dort, wo viele Benutzer:innen gleichzeitig auf geschäfts- oder prozesskritische Anwendungen zugreifen, geraten bestehende WLAN-Infrastrukturen zunehmend an Grenzen.

Dabei verändert sich nicht nur die Anzahl verbundener Geräte, sondern vor allem die Art der Nutzung. Moderne Netzwerke transportieren längst nicht mehr ausschließlich klassische Office-Anwendungen oder Internetverkehr. Stattdessen dominieren cloudbasierte Dienste, Videokommunikation, mobile Endgeräte, Echtzeitdaten und zunehmend auch KI-gestützte Anwendungen den Netzwerkalltag.

Gerade in Umgebungen mit hoher Gerätedichte, wechselnden Nutzungsmustern und sensiblen Anwendungen entstehen dadurch neue Anforderungen an Latenz, Stabilität, Roaming und Verfügbarkeit. Genau an dieser Stelle adressiert Wi-Fi 7 strukturelle Schwächen älterer WLAN-Generationen.

Unternehmen: Das WLAN wird zur geschäftskritischen Infrastruktur

In modernen Unternehmen entwickelt sich WLAN zunehmend zum Primärnetz. Flexible Arbeitsplatzkonzepte, hybride Arbeitsmodelle und mobile Collaboration verändern die Zugriffsmuster nachhaltig. Mitarbeitende wechseln zwischen Besprechungsräumen, Homeoffice und Shared Desks, während Anwendungen zunehmend cloudbasiert bereitgestellt werden.

Hinzu kommen neue Arbeitsformen wie Hot Desking, Bring Your Own Device (BYOD) oder standortübergreifende Zusammenarbeit in Echtzeit. Videokonferenzen, virtuelle Workshops und cloudnative Plattformen erzeugen dabei kontinuierliche Last – häufig parallel und unter hohen Erwartungen an Stabilität.

Besonders anspruchsvoll wird dies in Umgebungen mit hoher Gerätedichte: Ein einzelner Arbeitsplatz umfasst heute häufig Notebook, Smartphone, drahtlose Audiohardware und weitere Peripheriegeräte gleichzeitig. Moderne Büroumgebungen benötigen daher WLAN-Infrastrukturen, die hohe Clientzahlen, nahtloses Roaming und konsistente Nutzererfahrungen zuverlässig unterstützen. Ein instabiles WLAN ist dadurch längst kein Komfortproblem mehr, sondern entwickelt sich unmittelbar zu einem Produktivitätsrisiko.

Bildungseinrichtungen: Wenn Konnektivität zur Lernvoraussetzung wird

Auch Schulen, Hochschulen und Weiterbildungseinrichtungen erleben einen grundlegenden Wandel. Digitale Lernplattformen, cloudbasierte Arbeitsumgebungen und hybride Lehrkonzepte erhöhen die Anforderungen an WLAN-Infrastrukturen erheblich.

In einem typischen Klassenraum greifen heute häufig mehrere Dutzend Geräte gleichzeitig auf Lernplattformen, Streaming-Inhalte oder cloudbasierte Anwendungen zu. Hinzu kommen digitale Tafelsysteme, Präsentationstechnik, Videokonferenzen sowie zunehmend KI-gestützte Lernwerkzeuge.

Die Herausforderung liegt dabei weniger in kurzfristigen Spitzendatenraten als in der Fähigkeit, viele gleichzeitige Verbindungen stabil und fair zu bedienen. Bereits geringe Verzögerungen oder Funkstörungen können Unterrichtsabläufe sichtbar beeinträchtigen und die Akzeptanz digitaler Lehrkonzepte reduzieren. Gerade in Bildungseinrichtungen wird WLAN damit zunehmend zu einer infrastrukturellen Grundvoraussetzung für moderne Lernprozesse.

Healthcare: Wenn Stabilität wichtiger wird als Geschwindigkeit

Im Gesundheitswesen steigen die Anforderungen an drahtlose Netzwerke besonders stark. Krankenhäuser, medizinische Versorgungszentren und Pflegeeinrichtungen arbeiten zunehmend mobil und datengetrieben.

Mobile Diagnostik, elektronische Patientenakten, Telemedizin, vernetzte Medizingeräte sowie klinische Kommunikationssysteme erzeugen permanente Anforderungen an Verfügbarkeit und Zuverlässigkeit. Gleichzeitig bewegen sich Mitarbeitende kontinuierlich zwischen Stationen, Untersuchungsräumen und Versorgungsbereichen.

Gerade hier zeigen sich die Grenzen klassischer WLAN-Infrastrukturen besonders deutlich. Kurze Verbindungsabbrüche, unzuverlässiges Roaming oder hohe Latenzen können nicht nur Komforteinbußen verursachen, sondern unmittelbar klinische Prozesse beeinträchtigen.

Für Healthcare-Umgebungen wird daher zunehmend entscheidend, dass WLAN nicht nur schnell, sondern vor allem vorhersagbar stabil arbeitet. Gerade deshalb betrachten viele Hersteller Wi-Fi 7 nicht primär als weiteres Geschwindigkeitsupgrade, sondern als Grundlage einer neuen drahtlosen Infrastruktur-Generation, die auf hohe Gerätedichte, Mobilität und Echtzeitkommunikation ausgelegt ist.

WLAN wird zum strategischen Bestandteil der Infrastruktur

Die eigentliche Botschaft hinter Wi-Fi 7 lautet daher nicht einfach nur schnelleres WLAN. Vielmehr verändert sich die Rolle des drahtlosen Netzwerks grundlegend.

Wo Ethernet lange die primäre Infrastruktur bildete und WLAN ergänzend arbeitete, verschiebt sich das Verhältnis zunehmend. In vielen Umgebungen wird WLAN künftig zum Standardzugang – während Ethernet vor allem Backbone-, Uplink- und Spezialaufgaben übernimmt.

Damit steigen jedoch auch die Anforderungen an Planung, Monitoring und Betrieb. Funkzellen, Kanalstrategien, Roaming-Verhalten und Security werden zunehmend zu strategischen Architekturthemen.

Die Frage lautet künftig daher weniger: Brauchen Organisationen gutes WLAN?, sondern vielmehr: Wie abhängig ist der Geschäftsbetrieb bereits vom WLAN – ohne dass dies vollständig sichtbar geworden ist?

Ethernet lebt – und wird schneller als je zuvor: Warum Kupfer nicht verschwindet und Glasfaser immer wichtiger wird

Mit jeder neuen WLAN-Generation taucht eine vertraute Prognose auf: Kabelgebundene Netzwerke würden bald überflüssig werden. Schließlich steigen die beworbenen Datenraten kontinuierlich, moderne Access Points erreichen theoretisch mehrere Gigabit pro Sekunde und mobile Geräte dominieren den Arbeitsalltag.

In der Praxis zeigt sich jedoch ein anderes Bild: Je leistungsfähiger drahtlose Netzwerke werden, desto höher steigen paradoxerweise die Anforderungen an die kabelgebundene Infrastruktur. Denn jedes WLAN benötigt ein leistungsfähiges Fundament – und dieses besteht weiterhin aus Ethernet.

Access Points, Switches, Backbone-Verbindungen, Campus-Uplinks und Datacenter-Infrastrukturen bleiben auf kabelgebundene Kommunikation angewiesen. Während Endgeräte zunehmend drahtlos arbeiten, wächst der Datenverkehr innerhalb der kabelgebundenen Infrastruktur sogar weiter an.

WLAN ersetzt Ethernet deshalb nicht. Vielmehr verschiebt sich dessen Rolle: Weg vom primären Endgerätezugang, hin zum hochperformanten Rückgrat moderner Netzwerke.

Gerade Wi-Fi 7 macht diesen Zusammenhang besonders sichtbar. Denn hohe Funkperformance entfaltet ihren Nutzen nur dann, wenn die dahinterliegende Infrastruktur ausreichend dimensioniert wurde.

Warum kabelgebundene Infrastruktur weiterhin kritisch bleibt

Ein häufig unterschätzter Aspekt moderner Netzwerke besteht darin, dass WLAN nur die letzten Meter der Kommunikation drahtlos überbrückt.

Sobald Daten ein Access Point erreichen, wechseln sie zurück in die kabelgebundene Infrastruktur. Von dort aus erfolgt die Weiterleitung über Switches, Campus-Backbones oder Datacenter-Verbindungen bis hin zu Cloud-Diensten und Anwendungen.

Die eigentliche Last moderner Netzwerke entsteht daher nicht nur an der Luftschnittstelle, sondern vor allem im Hintergrund. Ein einzelner Wi-Fi-7-Access-Point kann heute bereits Datenraten erzeugen, die klassische 1-Gigabit-Uplinks an ihre Grenzen bringen. Gleichzeitig steigt die Zahl angebundener Geräte stetig. Videokonferenzen, KI-Assistenten, Cloud-Anwendungen und Echtzeit-Collaboration erzeugen dauerhaft hohe Datenströme.

Hinzu kommt: Moderne Netzwerke transportieren längst nicht mehr nur klassischen Benutzerverkehr. Sicherheitskameras, IoT-Sensorik, Gebäudetechnik oder Unified-Communications-Plattformen erzeugen zusätzliche Lastprofile.

Dadurch verändern sich die Anforderungen an Switch-Infrastrukturen grundlegend. Netzwerke müssen nicht nur schneller, sondern gleichzeitig belastbarer, energieeffizienter und skalierbarer werden.

Multi-Gigabit-Ethernet: Wenn 1 Gigabit nicht mehr ausreicht

Lange Zeit galt 1 Gigabit Ethernet (1GbE) als faktischer Standard im Enterprise-Netzwerk. Für klassische Office-Anwendungen, Dateiübertragungen und Webzugriffe war dies über viele Jahre vollkommen ausreichend. Mit modernen WLAN-Generationen verschiebt sich diese Realität jedoch zunehmend.

Wi-Fi-6E und insbesondere Wi-Fi-7 erzeugen in der Praxis Datenlasten, die bestehende Switch-Uplinks sichtbar fordern können. Genau deshalb gewinnen sogenannte Multi-Gigabit-Ethernet-Technologien zunehmend an Bedeutung.

Dazu gehören insbesondere:

• 5GBASE-T
• 5GBASE-T
• 10GBASE-T

Der entscheidende Vorteil: Viele dieser Standards lassen sich über bestehende Kupferverkabelung – häufig Cat5e oder Cat6 – betreiben. Unternehmen können dadurch höhere Bandbreiten realisieren, ohne sofort vollständige Neuverkabelungen durchführen zu müssen.

Gerade im Campus- und Enterprise-Umfeld wird Multi-Gigabit deshalb zu einer pragmatischen Modernisierungsstrategie. Die Frage lautet künftig immer seltener: Braucht der Arbeitsplatz Gigabit?, sondern vielmehr: Kann die Infrastruktur moderne Access Points überhaupt noch sinnvoll anbinden?

Ethernet skaliert weiter: Von 10G bis 400G und darüber hinaus

Während Multi-Gigabit vor allem den Campus-Bereich adressiert, wächst Ethernet gleichzeitig im Datacenter in ganz anderen Dimensionen.

Noch vor wenigen Jahren galten 10 Gigabit Ethernet als High-End. Heute gehören 25G- und 100G-Verbindungen in modernen Rechenzentren längst zum Alltag. Hyperscaler und KI-Infrastrukturen treiben die Entwicklung inzwischen in Richtung 400G-, 800G- und perspektivisch 1.6T-Ethernet. Die aktuelle Ethernet-Roadmap der Ethernet Alliance zeigt diese Skalierung deutlich und positioniert Ethernet als zentrale Infrastrukturtechnologie für KI- und Hochleistungsnetze.

Diese Entwicklung folgt keinem Selbstzweck. Virtualisierung, Containerisierung, Storage-over-Network, GPU-Kommunikation und KI-Training erzeugen enorme Ost-West-Datenströme innerhalb moderner Rechenzentren. Klassische Netzwerkmodelle geraten dabei zunehmend an Grenzen.

Gerade im Umfeld künstlicher Intelligenz verschiebt sich die Diskussion daher von mehr Geschwindigkeit hin zu Fragen von Latenz, Determinismus und hochperformanter Skalierung.

Genau an dieser Stelle beginnt die nächste Evolutionsstufe moderner Netzwerke – und damit das zentrale Thema des zweiten Teils dieser Beitragsreihe.

Kupfer oder Glas? Warum die Realität hybrid bleibt

Mit steigenden Bandbreiten rückt eine alte Diskussion erneut in den Fokus: Wird Glasfaser Kupfer vollständig ersetzen? Die kurze Antwort lautet: Nein – zumindest nicht absehbar.

Kupferverkabelung bleibt in vielen Szenarien wirtschaftlich und technisch sinnvoll. Gerade im Access-Bereich bieten Ethernet-Kabel einen entscheidenden Vorteil: Sie übertragen nicht nur Daten, sondern gleichzeitig elektrische Energie. Technologien wie Power over Ethernet (PoE) ermöglichen es, Access Points, IP-Telefone, Sicherheitskameras, Sensorik oder Komponenten der Gebäudeautomation direkt über dieselbe Leitung mit Strom zu versorgen.

Dadurch lassen sich Infrastrukturkomponenten deutlich einfacher bereitstellen, weil zusätzliche Stromanschlüsse oder separate Netzteile häufig entfallen. Ohne Kupferverkabelung wäre diese Form integrierter Infrastruktur wesentlich komplexer, kostenintensiver und in vielen Szenarien weniger flexibel umzusetzen.

Glasfaser spielt ihre Stärken dagegen vor allem auf längeren Strecken und bei sehr hohen Bandbreiten aus. Sie bietet geringere Dämpfung, höhere Reichweiten und eine hohe elektromagnetische Unempfindlichkeit. Besonders im Backbone, zwischen Gebäuden oder im Datacenter gewinnt sie daher zunehmend an Bedeutung.

Die Zukunft moderner Netzwerke ist deshalb weder rein elektrisch noch vollständig optisch – sondern vor allem hybrid. Kupfer dominiert dort, wo Energieversorgung und kurze Distanzen entscheidend bleiben. Glasfaser übernimmt zunehmend dort, wo Skalierung, Reichweite und extreme Bandbreiten gefragt sind.

PoE macht Ethernet zum Infrastrukturträger

Ein häufig unterschätzter Vorteil kabelgebundener Netzwerke ist die Energieversorgung über Ethernet. Gerade moderne Wi-Fi-7-Access-Points benötigen zunehmend höhere Leistungsbudgets. Zusätzliche Funkmodule, Multi-Gigabit-Uplinks und intelligente Verarbeitung erhöhen den Energiebedarf moderner Gerätegenerationen merklich.

PoE entwickelt sich dadurch zunehmend von einer reinen Komfortfunktion zu einem strategischen Infrastrukturthema. Moderne Netzwerkplanung umfasst längst nicht mehr nur die Anzahl verfügbarer Ports oder die maximale Bandbreite. Stattdessen rücken zusätzliche Faktoren in den Fokus – darunter die Leistungsbudgets von Switches, redundante Stromversorgungskonzepte, thermische Anforderungen innerhalb der Infrastruktur, ausreichende Uplink-Kapazitäten sowie die langfristige Skalierbarkeit des Gesamtdesigns.

Gerade leistungsfähige Wi-Fi-7-Access-Points, Sicherheitsinfrastruktur oder intelligente Gebäudetechnik erhöhen die Anforderungen an Stromversorgung und Netzwerkdesign sichtbar. Je intelligenter Netzwerke werden, desto enger wachsen daher Energieversorgung und Netzwerkarchitektur zusammen.

Ethernet bleibt Fundament – und wird zugleich neu erfunden

Die Vorstellung vom sterbenden Ethernet erweist sich damit als Fehleinschätzung. Während WLAN den Endgerätezugriff transformiert, entwickelt sich Ethernet parallel weiter – schneller, skalierbarer und spezialisierter als je zuvor. Moderne Netzwerke benötigen daher keine Entscheidung zwischen drahtlos und kabelgebunden.

Vielmehr entsteht ein Zusammenspiel aus beiden Welten: WLAN übernimmt Mobilität und Flexibilität, Ethernet liefert Stabilität, Energieversorgung und hochperformante Backbones.

Doch je größer die Anforderungen an KI, Cloud und Echtzeitkommunikation werden, desto deutlicher zeigt sich: Klassische Campus-Netze allein reichen künftig nicht mehr aus. Denn hinter den Kulissen entstehen bereits völlig neue Netzwerkarchitekturen – optimiert für GPU-Cluster, massive Ost-West-Datenströme und KI-Workloads in bislang unbekannter Größenordnung.

Genau darum geht es später im zweiten Teil dieser Beitragsreihe: Warum KI neue Netzwerke braucht – Über Ethernet, Spine-Leaf und AI Fabrics.

Sicherheit verändert die Netzarchitektur – Warum der Perimeter ausgedient hat

Über viele Jahre folgte Netzwerksicherheit einer vergleichsweise einfachen Logik: Alles innerhalb des Unternehmensnetzwerks galt grundsätzlich als vertrauenswürdig, während Bedrohungen primär von außen erwartet wurden. Firewalls markierten die Grenze zwischen innen und außen, VPN-Verbindungen ermöglichten kontrollierten Fernzugriff und Sicherheitsstrategien konzentrierten sich vor allem auf den Schutz des Netzwerk-Perimeters.

Dieses Modell funktionierte erstaunlich lange – allerdings unter völlig anderen Rahmenbedingungen. Anwendungen liefen überwiegend lokal im Unternehmensrechenzentrum, Mitarbeitende arbeiteten innerhalb definierter Bürostandorte und Geräte befanden sich weitgehend unter direkter Kontrolle der IT-Abteilung. Netzwerkgrenzen waren sichtbar, kontrollierbar und relativ stabil.

Heute hat sich diese Realität grundlegend verändert: Cloud-Dienste, hybride Arbeitsmodelle, mobile Endgeräte und SaaS-Plattformen lösen klassische Netzwerkgrenzen zunehmend auf. Benutzer:innen greifen von Heimnetzwerken, Hotels, mobilen Verbindungen oder öffentlichen WLANs auf Unternehmensressourcen zu. Anwendungen befinden sich gleichzeitig On-Premises, in Public Clouds oder als SaaS-Dienst außerhalb des eigenen Rechenzentrums.

Die entscheidende Frage lautet deshalb nicht mehr: Befindet sich jemand im Unternehmensnetzwerk?, sondern vielmehr: Wer greift worauf zu – und unter welchen Bedingungen? Genau dieser Perspektivwechsel verändert die Architektur moderner Netzwerke fundamental.

Das Castle-and-Moat-Modell: Sicherheit durch Abschottung

Traditionelle Netzwerksicherheit folgte lange dem sogenannten Castle-and-Moat-Modell. Die Grundidee erinnert an eine mittelalterliche Burg: Außen schützt ein Wassergraben, innen gilt Vertrauen. Übertragen auf IT-Infrastrukturen bedeutete dies, dass Firewalls, VPNs und klar definierte Netzwerkgrenzen die äußere Schutzschicht bildeten, während innerhalb des Unternehmensnetzwerks häufig implizites Vertrauen herrschte. Sicherheitsstrategien konzentrierten sich dabei primär auf die Abwehr externer Angriffe – also auf die Frage, wie Bedrohungen daran gehindert werden konnten, überhaupt in die Infrastruktur einzudringen.

Sobald sich Benutzer:innen oder Geräte erfolgreich authentifiziert hatten, bewegten sie sich häufig mit vergleichsweise wenigen Einschränkungen innerhalb des Netzwerks. Netzwerksegmente existierten zwar, dienten jedoch oft eher organisatorischen oder administrativen Zwecken.

Das Problem dieses Modells zeigt sich besonders deutlich in modernen Angriffsszenarien. Cyberangriffe beginnen heute häufig nicht mehr direkt an der Firewall. Stattdessen gelangen Angreifer:innen über kompromittierte Benutzerkonten, Phishing, gestohlene Zugangsdaten oder unsichere Endgeräte in die Infrastruktur. Ist dieser erste Zugriff gelungen, versuchen sie häufig, sich innerhalb des Netzwerks weiter auszubreiten. Genau hier stößt das traditionelle Sicherheitsmodell an seine Grenzen.

Laterale Bewegungen: Warum Angriffe heute anders funktionieren

Ein kompromittiertes Benutzerkonto ist selten das eigentliche Ziel eines Angriffs. Viel häufiger dient es als Einstiegspunkt. Angreifer:innen versuchen nach einer ersten Kompromittierung typischerweise, sich schrittweise innerhalb der Umgebung weiterzubewegen – ein Vorgehen, das als laterale Bewegung (Lateral Movement) bezeichnet wird.

Typische Ziele dabei sind:

• privilegierte Konten
• kritische Server
• Identitätsdienste
• sensible Datenbestände
• Backup-Systeme

Besonders problematisch wird dies in flachen Netzstrukturen. Wenn Benutzer:innen oder Systeme nach erfolgreicher Anmeldung relativ frei kommunizieren können, steigen die Auswirkungen einzelner Sicherheitsvorfälle erheblich.

Ransomware-Angriffe zeigen diese Dynamik besonders deutlich: Oft beginnt die Kompromittierung mit einem einzelnen Benutzerkonto, bevor sich Schadsoftware über Netzwerkfreigaben, administrative Berechtigungen oder unzureichend segmentierte Umgebungen ausbreitet.

Genau deshalb verändert Sicherheit heute nicht nur einzelne Schutzmechanismen – sondern zunehmend die Netzwerkarchitektur selbst.

Zero Trust: Vertrauen wird kontinuierlich überprüft

Die Antwort auf diese Entwicklung lautet in vielen Organisationen: Zero Trust. Das Grundprinzip klingt zunächst radikal: Never trust, always verify. Im Kern bedeutet dies jedoch nicht Misstrauen gegenüber Benutzer:innen, sondern eine veränderte Sicherheitslogik. Vertrauen wird nicht einmalig gewährt, sondern kontinuierlich überprüft.

Zero Trust basiert typischerweise auf drei Grundprinzipien:

1. Verify explicitly
   Jeder Zugriff wird anhand von Benutzeridentität, Gerätezustand, Standort, Risikosignalen und weiteren Kontextinformationen überprüft.
2. Least Privilege Access
   Benutzer:innen und Systeme erhalten ausschließlich die Berechtigungen, die tatsächlich erforderlich sind.
3. Assume Breach
   Sicherheitsarchitekturen gehen davon aus, dass einzelne Komponenten kompromittiert werden können – und begrenzen deshalb potenzielle Auswirkungen.

Dieser Ansatz gewinnt zunehmend an Bedeutung, weil traditionelle Netzwerkgrenzen in hybriden Arbeitsmodellen immer schwerer kontrollierbar werden. Unternehmen arbeiten zwar verstärkt an Zero-Trust-Strategien, kämpfen jedoch häufig mit konsistenter Authentifizierung, Gerätevalidierung und durchgängiger Sichtbarkeit im Netzwerk. Genau diese Aspekte gelten jedoch als zentrale Grundelemente moderner Zero-Trust-Architekturen.

Mikrosegmentierung: Kleine Vertrauenszonen statt großer Netzwerke

Eine der wichtigsten technischen Konsequenzen von Zero Trust ist die Mikrosegmentierung. Während klassische Netzwerke häufig große Vertrauensbereiche schaffen, zerlegt Mikrosegmentierung Infrastrukturen in kleinere Sicherheitszonen mit klar definierten Kommunikationsregeln.

Dadurch lassen sich Zugriffe wesentlich granularer steuern: Ein IoT-Gerät benötigt beispielsweise keinen Zugriff auf Datenbanken. Ein Drucker muss keine Kommunikation mit sensiblen Servern initiieren. Und ein kompromittiertes Benutzerkonto sollte nicht automatisch Bewegungsfreiheit im gesamten Netzwerk besitzen.

Mikrosegmentierung reduziert dadurch gezielt das Risiko lateraler Bewegungen. Die technische Umsetzung kann unterschiedlich erfolgen:

• VLANs
• VXLAN-basierte Segmentierung
• rollenbasierte Policies
• Identity-Based Networking
• Software-defined Segmentation

Gerade moderne Netzwerkplattformen verbinden Sicherheit und Segmentierung heute zunehmend miteinander.

Ein praktisches Beispiel hierfür ist die Kombination aus Cisco ISE, VLANs und 802.1X, bei der Zugriffsrechte dynamisch anhand von Identitäten und Gerätezuständen vergeben werden. Wer tiefer in dieses Konzept einsteigen möchte, findet im Beitrag Cisco ISE, VLAN und 802.1X – Zero Trust in der Praxis eine praxisnahe technische Einordnung.

ZTNA statt klassischem VPN

Besonders sichtbar wird der Wandel beim Remote Access. Klassische VPN-Lösungen wurden ursprünglich entwickelt, um Benutzer:innen einen sicheren Tunnel in das Unternehmensnetzwerk bereitzustellen. Dieses Modell funktioniert jedoch nur eingeschränkt in modernen hybriden Arbeitsumgebungen.

Denn ein VPN beantwortet primär die Frage: Ist die Verbindung verschlüsselt? Moderne Sicherheitsmodelle stellen dagegen zusätzliche Anforderungen:

• Ist das Gerät vertrauenswürdig?
• Entspricht es Compliance-Richtlinien?
• Welche Anwendung wird benötigt?
• Ist der Zugriff aktuell risikobehaftet?

Genau hier setzt Zero Trust Network Access (ZTNA) an. ZTNA ersetzt zunehmend klassische perimeterbasierte Zugriffskonzepte, weil Benutzer:innen und Geräte kontinuierlich verifiziert werden und Zugriffe auf definierte Mikrosegmente beschränkt bleiben. Dadurch sinkt das Risiko lateraler Bewegungen deutlich. Unternehmen sehen deshalb insbesondere sicheren Fernzugriff, reduzierte Angriffsflächen und bessere Kontrolle hybrider Arbeitsmodelle als zentrale Vorteile moderner Zero-Trust-Strategien.

Der Fokus verschiebt sich dadurch von der Netzwerkverbindung zur eigentlichen Ressource. Zugriff erfolgt nicht auf das Netzwerk, sondern gezielt auf Anwendungen oder Dienste.

Sicherheit wird Teil der Netzwerkarchitektur

Die vielleicht wichtigste Veränderung moderner Netzwerke besteht darin, dass Sicherheit nicht länger nachgelagert betrachtet wird. Früher lautete die Reihenfolge häufig: Netzwerk bauen → anschließend absichern. Heute verschmelzen Netzwerkdesign und Sicherheitsarchitektur zunehmend.

Roaming, Segmentierung, Identitätsmanagement, Gerätezustand, Richtliniensteuerung und Zugriffskontrolle werden bereits bei der Architekturplanung berücksichtigt. Netzwerke entwickeln sich dadurch weg von statischen Vertrauenszonen hin zu dynamischen, kontextsensitiven Sicherheitsmodellen.

Die eigentliche Konsequenz lautet daher: Nicht nur Sicherheit verändert Netzwerke – Netzwerke selbst werden zunehmend zu aktiven Sicherheitsplattformen.

Wer tiefer in die strategischen und technischen Grundlagen moderner Sicherheitsarchitekturen eintauchen möchte, findet im Beitrag Moderne Microsoft Security Architektur in der Praxis – Zero Trust, Identity, Cloud und Operations ganzheitlich denken eine umfassende Einordnung des Zero-Trust-Ansatzes. Dort wird erläutert, warum Sicherheit heute weit über Firewalls hinausgeht und wie Identitäten, Endgeräte, Cloud-Dienste und Security Operations in einem ganzheitlichen Sicherheitsmodell zusammenwirken.

Von manueller Administration zu intelligenten Netzwerken – Wie KI den Netzwerkbetrieb verändert

Über viele Jahre war Netzwerkbetrieb vor allem Handarbeit. Administrator:innen konfigurierten Switches und Router manuell, analysierten Logdateien, überprüften Fehlermeldungen und reagierten auf Störungen oft erst dann, wenn Benutzer:innen Probleme meldeten. Dieses Vorgehen funktionierte vergleichsweise gut – solange Netzwerke überschaubar blieben.

Mit zunehmender Komplexität stoßen klassische Betriebsmodelle jedoch sichtbar an Grenzen. Moderne Unternehmensnetzwerke umfassen heute häufig hunderte oder tausende Geräte, mehrere Standorte, hybride Cloud-Anbindungen, drahtlose Infrastrukturen, Sicherheitsrichtlinien und eine ständig wachsende Zahl mobiler Endgeräte.

Hinzu kommt: Fehlerbilder werden komplexer. Eine schlechte Videokonferenz kann beispielsweise auf ein überlastetes WLAN, ungünstiges Roaming, QoS-Probleme, DNS-Verzögerungen, fehlerhafte Richtlinien oder Cloud-Latenzen zurückzuführen sein.

Die klassische Frage lautete lange: Welches Gerät verursacht das Problem? Moderne Netzwerke stellen zunehmend eine andere Frage: Warum verhält sich der Dienst nicht wie erwartet? Damit verändert sich auch der Netzwerkbetrieb grundlegend.

Telemetrie statt reaktiver Fehlersuche

Traditionelle Netzwerküberwachung basierte lange auf bekannten Werkzeugen wie SNMP, Syslog oder manueller Analyse einzelner Geräte. Das Problem dabei: Viele dieser Verfahren liefern nur punktuelle Informationen. Häufig zeigen sie erst Symptome, wenn Benutzer:innen bereits Einschränkungen wahrnehmen.

Moderne Netzwerke arbeiten dagegen zunehmend telemetriebasiert. Anstatt nur einzelne Statusinformationen zu erfassen, sammeln Systeme kontinuierlich große Mengen an Betriebsdaten:

• Anomalien im Datenverkehr
• Applikationsperformance
• Funkqualität
• Gerätegesundheit
• Latenzen
• Paketverluste
• Policy-Verletzungen
• Roaming-Verhalten

Die eigentliche Stärke liegt dabei weniger in der Datensammlung selbst, sondern in deren Interpretation. KI-gestützte Systeme können Muster erkennen, Abweichungen identifizieren und Zusammenhänge sichtbar machen, die in klassischen Betriebsmodellen oft verborgen bleiben.

Ein typisches Beispiel: Mehrere Access Points melden gleichzeitig steigende Retransmissions, während sich die WLAN-Qualität in einem Gebäudebereich verschlechtert. Ein telemetriebasiertes System erkennt solche Muster häufig deutlich früher als ein klassischer Helpdesk-Prozess.

Die Netzwerküberwachung verschiebt sich dadurch von reaktiver Fehlersuche hin zu kontinuierlicher Situationsbewertung.

Intent-Based Networking: Vom Konfigurieren zum Zielzustand

Ein wichtiger Zwischenschritt auf dem Weg zu intelligenteren Netzwerken ist das sogenannte Intent-Based Networking (IBN). Traditionell konfigurieren Administrator:innen Infrastruktur komponentenweise: VLAN definieren → Interface konfigurieren → Policy anwenden → Fehler prüfen. Dieses Vorgehen ist technisch präzise, erzeugt jedoch hohen Betriebsaufwand und eine steigende Fehleranfälligkeit.

Intent-Based Networking verfolgt einen anderen Ansatz. Hier steht nicht die Einzelkonfiguration im Mittelpunkt, sondern der gewünschte Zielzustand des Netzwerks. Administrator:innen definieren vereinfacht gesagt die Absicht (Intent), während die Infrastruktur versucht, diese automatisiert umzusetzen.

Beispiele hierfür wären:

„Gastgeräte dürfen ausschließlich Internetzugriff erhalten.“

oder:

„Videokonferenzen sollen priorisiert und latenzarm funktionieren.“

Das Netzwerk übersetzt diese Anforderungen anschließend in technische Regeln, Richtlinien und Konfigurationen. Dadurch verschiebt sich die Rolle von Administrator:innen zunehmend: Weniger manuelles Konfigurieren einzelner Komponenten – mehr Architektur, Policy-Definition und Qualitätssteuerung.

AI-native Networking: Wenn Netzwerke beginnen zu verstehen

Während Intent-Based Networking vor allem auf Automatisierung setzt, geht AI-native Networking einen Schritt weiter. Hier wird künstliche Intelligenz zum integralen Bestandteil des Netzwerkbetriebs. Ziel ist nicht nur die Automatisierung von Aufgaben, sondern ein Netzwerk, das Verhalten analysiert, Zusammenhänge erkennt und Handlungsempfehlungen ableitet.

Ein modernes AI-native Network kann beispielsweise ungewöhnliche Lastmuster erkennen, Sicherheitsanomalien identifizieren, Ursachenketten analysieren, Konfigurationsprobleme aufdecken oder Optimierungsvorschläge liefern.

An dieser Stelle lohnt sich jedoch eine wichtige Einordnung: Der Begriff ‚Verstehen‘ wird im Kontext künstlicher Intelligenz derzeit durchaus kontrovers diskutiert – und bewusst unterschiedlich interpretiert. Auch in diesem Beitrag wird der Begriff absichtlich verwendet, allerdings in einem klar technischen Sinn.

Wenn hier davon gesprochen wird, dass Netzwerke oder KI-Systeme beginnen zu verstehen, ist damit kein menschliches Verständnis gemeint. KI bewertet weder Bedeutung noch Kontext im menschlichen Sinne und entwickelt keine Absichten oder Intuition.

Gemeint ist vielmehr die Fähigkeit, auf mathematisch-statistischer Basis Muster, Zusammenhänge und Auffälligkeiten in sehr großen Datenmengen zu erkennen – häufig schneller, konsistenter und in deutlich größerem Umfang, als dies Menschen manuell leisten könnten. Gerade moderne Netzwerke erzeugen enorme Mengen an Telemetriedaten, die sich mit klassischen Betriebsmodellen kaum noch vollständig erfassen lassen.

Dadurch entsteht eine neue Qualität der Betriebsunterstützung. Statt einzelne Warnmeldungen isoliert zu betrachten, analysieren KI-Systeme Zusammenhänge über viele Ebenen hinweg – vom WLAN über Switching bis hin zur tatsächlichen Anwendungserfahrung von Benutzer:innen. Die zentrale Frage verschiebt sich damit erneut:

Nicht mehr: Ist Gerät X online?, sondern: Funktioniert der Dienst aus Sicht der Benutzer:innen wie erwartet?

Wer tiefer in die Grundlagen maschinellen Lernens und die Frage eintauchen möchte, wie KI überhaupt Muster erkennt und Entscheidungen vorbereitet, findet im Beitrag Wie KI lernt – vom Datenpunkt zur Entscheidung eine vertiefende technische Einordnung.

Predictive Operations: Probleme erkennen, bevor sie sichtbar werden

Ein besonders spannender Entwicklungsschritt moderner Netzwerkplattformen ist das Konzept der Predictive Operations. Die Idee dahinter ist einfach, aber wirkungsvoll: Netzwerke reagieren nicht erst auf Störungen, sondern versuchen, kritische Entwicklungen frühzeitig zu erkennen, bevor sie sich auf Benutzer:innen, Anwendungen oder Geschäftsprozesse auswirken.

Damit geht Predictive Operations über klassisches Monitoring hinaus. Traditionelles Monitoring beschreibt meist den aktuellen Zustand: Ist ein Gerät erreichbar? Ist ein Interface aktiv? Liegt die Auslastung über einem Schwellenwert? Predictive Operations betrachtet dagegen Entwicklungen über Zeit. Systeme analysieren historische Daten, aktuelle Telemetrie, wiederkehrende Muster und Abweichungen vom Normalverhalten, um mögliche Störungen früher sichtbar zu machen.

IBM beschreibt Predictive Monitoring als Ansatz, bei dem künstliche Intelligenz genutzt wird, um Veränderungen zu erkennen, die Menschen in großen Datenmengen kaum zuverlässig wahrnehmen könnten. Entscheidend ist dabei jedoch: Die KI erkennt Muster und weist auf mögliche Risiken hin; die fachliche Bewertung und die Entscheidung über Maßnahmen bleiben weiterhin Teil des Betriebsmodells.

Vom Schwellenwert zur Mustererkennung

Klassisches Monitoring arbeitet häufig mit festen Grenzwerten. Ein Alarm wird ausgelöst, wenn CPU-Auslastung, Interface-Fehler, Paketverluste oder Speicherverbrauch eine definierte Schwelle überschreiten. Dieses Modell ist verständlich und transparent, reagiert jedoch oft erst dann, wenn ein Problem bereits sichtbar geworden ist.

Predictive Operations verschiebt den Fokus. Nicht nur der einzelne Messwert ist relevant, sondern seine Entwicklung, sein Kontext und seine Beziehung zu anderen Signalen. Ein Access Point kann beispielsweise noch erreichbar sein, aber über mehrere Tage steigende Retransmissions, schlechtere Signalqualität oder auffällige Roaming-Probleme zeigen. Ein Switch-Port kann weiterhin funktionieren, aber eine wachsende Zahl von CRC-Fehlern oder Link-Flaps aufweisen. Solche Veränderungen sind oft keine unmittelbaren Ausfälle, aber mögliche Frühindikatoren.

Gerade Netzwerke erzeugen enorme Mengen an Telemetriedaten. Ohne intelligente Auswertung bleiben viele dieser Signale isoliert und operativ schwer nutzbar. Predictive Operations versucht deshalb, aus Messwerten ein Lagebild zu erzeugen.

Typische Signale im Netzwerkbetrieb

Im Netzwerkbetrieb lassen sich viele Entwicklungen erkennen, bevor sie zu einem konkreten Incident werden. Dazu gehören Access Points, deren Performance schrittweise nachlässt, Switch-Ports mit auffälliger Fehlerentwicklung, zunehmende Funkinterferenzen in bestimmten Gebäudebereichen oder ungewöhnliche Lastspitzen, die sich regelmäßig vor Benutzerbeschwerden zeigen.

Auch Änderungen im Verhalten von Clients können Hinweise liefern. Wenn bestimmte Endgeräte häufiger roamen, Verbindungen langsamer aufbauen oder wiederholt Authentifizierungsprobleme zeigen, kann dies auf Funkprobleme, Policy-Konflikte oder Infrastrukturengpässe hindeuten. Ebenso können steigende Latenzen zu Cloud-Diensten, DNS-Probleme oder wiederkehrende Paketverluste entlang bestimmter Pfade frühe Warnsignale darstellen.

Der Mehrwert entsteht jedoch nicht durch einzelne Datenpunkte. Entscheidend ist die Korrelation. Erst wenn Telemetrie aus WLAN, Switching, Routing, Security, Identity und Anwendungserfahrung zusammengeführt wird, entsteht ein belastbares Bild der tatsächlichen Servicequalität.

Predictive Operations ist mehr als Predictive Maintenance

Der Begriff erinnert bewusst an Predictive Maintenance, also vorausschauende Wartung. In der Industrie werden dabei Maschinendaten analysiert, um Verschleiß, Fehlverhalten oder drohende Ausfälle frühzeitig zu erkennen. ARC beschreibt Predictive Maintenance als Ansatz, bei dem fortgeschrittene Modellierung und Machine Learning viele Prozessparameter über Zeit analysieren und mit historischen Asset-Daten vergleichen, um Degradation oder mögliche Ausfälle vorherzusagen.

Predictive Operations überträgt dieses Denken auf IT- und Netzwerkprozesse, geht aber breiter vor. Es geht nicht nur um einzelne Komponenten, sondern um operative Abläufe, Abhängigkeiten und Serviceketten. Publicis Sapient beschreibt diesen Wandel als Übergang zu Betriebsmodellen (PDF-Datei), die Warnsignale identifizieren, Systemabhängigkeiten verstehen und eingreifen, bevor Probleme eskalieren. Ziel ist nicht nur eine schnellere Reaktion, sondern die Reduktion vermeidbarer Ausfälle.

Für Netzwerke ist diese Perspektive besonders wichtig. Ein schlechter Dienst muss nicht durch ein defektes Gerät verursacht werden. Häufig entsteht das Problem aus der Kombination mehrerer Faktoren: WLAN-Auslastung, Roaming, DNS, Authentifizierung, Cloud-Pfad, Firewall-Regeln und Endgeräteverhalten.

Resilienz statt reiner Fehlerbehebung

Predictive Operations verändert damit auch das Verständnis von Resilienz. Ein resilientes Netzwerk ist nicht nur ein Netzwerk, das nach einem Ausfall schnell wiederhergestellt wird. Es ist eine Infrastruktur, die Frühwarnsignale erkennt, Abhängigkeiten versteht und Handlungsspielräume schafft, bevor ein Ausfall geschäftskritisch wird.

Checkit beschreibt Predictive Operations entsprechend als Wechsel von reaktivem Arbeiten zu einem proaktiven, erkenntnisgetriebenen Betriebsmodell. Es gehe nicht um eine Kristallkugel, sondern um Kontext, Trends und operative Transparenz.

Für den Netzwerkbetrieb bedeutet das: Die reine Mean Time to Resolution (MTTR) bleibt wichtig, reicht aber als Kennzahl allein nicht mehr aus. Zunehmend relevant wird die Fähigkeit, Störungen zu vermeiden oder ihre Auswirkungen deutlich zu begrenzen.

Damit verschiebt sich der Fokus von: Wie schnell beheben wir einen Fehler? hin zu: Wie früh erkennen wir, dass ein Fehler wahrscheinlich entsteht?

Was Predictive Operations im Alltag leisten kann

In der Praxis kann Predictive Operations unterschiedliche Aufgaben übernehmen. Ein System kann beispielsweise erkennen, dass ein Access Point in einem bestimmten Gebäudebereich regelmäßig vor Besprechungsbeginn überlastet wird. Es kann feststellen, dass ein Switch-Port langsam zunehmende Fehlerwerte zeigt. Es kann aufzeigen, dass bestimmte Clients nach Firmware-Updates schlechter roamen oder dass eine Sicherheitsrichtlinie unbeabsichtigt legitime Anwendungszugriffe beeinträchtigt.

Besonders wertvoll wird dieser Ansatz in Campus-Netzen, verteilten Standorten und Multi-Site-Umgebungen. Dort können Administrator:innen nicht jeden Standort permanent manuell überwachen. Predictive Operations hilft, Prioritäten zu setzen und Aufmerksamkeit auf die Bereiche zu lenken, in denen tatsächlich Handlungsbedarf entsteht. Die operative Wirkung ist klar: weniger Überraschungen, gezieltere Ursachenanalyse und bessere Planbarkeit im Betrieb.

Grenzen und Voraussetzungen

Predictive Operations ist jedoch kein Selbstläufer. Die Qualität der Ergebnisse hängt stark von der Qualität der Daten ab. Unvollständige Telemetrie, inkonsistente Zeitstempel, fehlender Kontext oder schlecht gepflegte Inventardaten können zu ungenauen Empfehlungen führen.

Hinzu kommt das Risiko von Fehlalarmen. Wenn Systeme zu viele Warnungen erzeugen, entsteht keine Entlastung, sondern zusätzlicher Aufwand. Deshalb benötigen Predictive-Operations-Modelle klare Verantwortlichkeiten, sinnvolle Schwellenwerte, kontinuierliches Tuning und eine saubere Integration in Incident-, Change- und Problem-Management.

Auch hier gilt: KI ersetzt nicht das fachliche Urteil erfahrener Administrator:innen. Sie erweitert jedoch deren Sichtfeld und hilft, komplexe Muster in großen Datenmengen schneller zu erkennen.

Vom Incident Management zur operativen Steuerung

Predictive Operations zeigt, wohin sich Netzwerkbetrieb entwickelt. Störungen werden nicht mehr nur als isolierte Ereignisse betrachtet, sondern als Ergebnis von Mustern, Abhängigkeiten und Entwicklungen. Das Netzwerk wird dadurch von einer Infrastruktur, die überwacht wird, zu einer Infrastruktur, die zunehmend selbst Hinweise auf ihren zukünftigen Zustand liefert.

Gerade in Verbindung mit AI-native Networking, Intent-Based Networking und Self-Healing-Mechanismen entsteht daraus ein neues Betriebsmodell: weniger reaktive Fehlerbehebung, mehr vorausschauende Steuerung.

Für Administrator:innen bedeutet das keinen Bedeutungsverlust. Im Gegenteil: Ihre Rolle wird strategischer. Sie bewerten Risiken, definieren Leitplanken, priorisieren Maßnahmen und entscheiden, welche automatisierten Eingriffe verantwortbar sind. Predictive Operations ist damit kein Ersatz für Netzwerkkompetenz, sondern ein Verstärker professioneller Betriebsführung.

Self-Healing Networks: Wenn Infrastruktur selbst reagiert

Die logische Weiterentwicklung von Predictive Operations besteht in sogenannten Self-Healing Networks. Während Predictive Operations Risiken, Anomalien oder drohende Störungen frühzeitig erkennt, geht Self-Healing einen Schritt weiter: Das Netzwerk reagiert in definierten Szenarien selbstständig auf erkannte Probleme.

Dabei beschränkt sich die Infrastruktur nicht mehr ausschließlich auf Analyse oder Handlungsempfehlungen. Stattdessen können Systeme bestimmte Maßnahmen automatisiert durchführen – kontrolliert, nachvollziehbar und innerhalb klar definierter Leitplanken.

Mögliche Beispiele hierfür sind die automatische Kanaloptimierung in WLAN-Umgebungen, dynamische Leistungsanpassungen von Access Points, Routing-Anpassungen zur Umgehung problematischer Pfade oder automatisierte Policy-Korrekturen. Ebenso denkbar ist die temporäre Isolation kompromittierter Geräte, wenn Sicherheitsanomalien erkannt werden und eine schnelle Reaktion erforderlich erscheint.

Gerade im WLAN-Bereich sind erste Formen selbstheilender Mechanismen bereits seit Jahren Realität. Moderne Wireless-Plattformen optimieren beispielsweise Kanalbelegung, Sendeleistung oder Roaming-Verhalten automatisch, um Interferenzen zu reduzieren und die Benutzererfahrung stabil zu halten.

Im Datacenter- und Campus-Kontext entwickelt sich dieses Prinzip zunehmend weiter. KI-gestützte Plattformen können heute Auffälligkeiten nicht nur erkennen, sondern in bestimmten Fällen bereits Gegenmaßnahmen vorbereiten oder kontrolliert einleiten. Denkbar wären etwa priorisierte Traffic-Anpassungen bei Lastspitzen, automatisierte Quarantäne-Segmente bei Sicherheitsvorfällen oder das dynamische Umleiten von Datenverkehr.

Wichtig ist jedoch eine realistische Einordnung: Selbstheilende Netzwerke bedeuten heute noch keine vollständige Autonomie. Trotz zunehmender KI-Unterstützung entstehen derzeit vor allem kontrollierte Automatisierungsmodelle, bei denen Systeme definierte Handlungsspielräume erhalten, während kritische Entscheidungen weiterhin menschlicher Freigabe unterliegen.

Gerade sicherheitskritische Änderungen – etwa Segmentierungsrichtlinien, Zugriffsrechte oder tiefgreifende Routing-Anpassungen – verbleiben häufig bewusst unter menschlicher Kontrolle. Denn Netzwerke bewegen sich immer im Spannungsfeld zwischen Verfügbarkeit, Sicherheit und Nachvollziehbarkeit.

Die eigentliche Zukunft lautet daher vermutlich nicht: Vollständig autonome Netzwerke, sondern vielmehr: Assistierte Autonomie.

Netzwerke analysieren, priorisieren und reagieren zunehmend selbstständig – allerdings innerhalb klar definierter Rahmenbedingungen, die weiterhin von Administrator:innen vorgegeben werden. Die Rolle von IT-Teams verändert sich dadurch spürbar: weniger manuelle Fehlerbehebung, mehr Governance, Architektur und strategische Steuerung automatisierter Prozesse.

Praxisbeispiele: Cisco, Juniper Mist und HPE Aruba

Mehrere Hersteller treiben die Entwicklung intelligenter Netzwerke bereits aktiv voran. Obwohl die Ansätze unterschiedliche Schwerpunkte setzen, zeigt sich eine gemeinsame Richtung: Netzwerke sollen nicht länger nur betrieben, sondern zunehmend kontextbezogen analysiert, optimiert und unterstützt werden.

Cisco: Kontext, Zusammenarbeit und AgenticOps

Cisco integriert künstliche Intelligenz zunehmend in Plattformen wie Cisco AI Canvas und AgenticOps. Ziel ist nicht nur eine schnellere Fehleranalyse, sondern eine intelligentere Zusammenarbeit zwischen Netzwerk-, Security- und Operations-Teams.

Besonders interessant ist dabei der Gedanke eines Netzwerks, das Betriebsdaten nicht lediglich sammelt, sondern aktiv interpretiert und in einen fachlichen Kontext setzt. Statt isolierte Fehlermeldungen zu betrachten, sollen Zusammenhänge zwischen Infrastruktur, Sicherheit, Benutzererfahrung und Betriebszustand sichtbar werden.

Cisco verfolgt dabei zunehmend einen plattformorientierten Ansatz: Telemetrie, Security-Events, Netzwerkstatus und operative Workflows werden stärker miteinander verknüpft, um Ursachenanalysen zu beschleunigen und Teams gezielter zu unterstützen. Gerade in komplexen Enterprise-Umgebungen mit vielen Standorten könnte dies helfen, den steigenden Betriebsaufwand beherrschbar zu halten.

Juniper Mist: Fokus auf Benutzererfahrung

Juniper Mist verfolgt mit Marvis AI einen besonders konsequenten AI-native-Networking-Ansatz. Im Mittelpunkt steht hier stark die tatsächliche Benutzererfahrung (User Experience).

Die Plattform analysiert kontinuierlich Netzwerkverhalten, erkennt Anomalien und ermöglicht kontextbezogene Fehlersuche auf Basis natürlicher Sprache. Administrator:innen können beispielsweise Fragen stellen wie: Warum ist die WLAN-Erfahrung in Gebäude A schlechter als gestern? Die Plattform versucht anschließend, mögliche Ursachen auf Basis historischer Daten, Telemetrie und Korrelationen sichtbar zu machen.

Besonders stark positioniert sich Juniper dabei im WLAN- und Campus-Umfeld, wo hohe Gerätedichte, Roaming und Servicequalität kritische Erfolgsfaktoren darstellen.

HPE Aruba: Verteilte Infrastrukturen intelligent betreiben

Auch HPE Aruba integriert KI-Funktionen zunehmend in Netzwerkbetrieb und WLAN-Management. Im Fokus stehen insbesondere Telemetrie, automatisierte Optimierung und kontextbasierte Analysen, die den Betrieb verteilter Infrastrukturen vereinfachen sollen.

Gerade in Multi-Site-Umgebungen, Bildungseinrichtungen oder größeren Campus-Netzen gewinnt diese Perspektive an Bedeutung. Ziel ist es, Netzwerkqualität nicht erst bei Beschwerden sichtbar zu machen, sondern potenzielle Probleme frühzeitig zu erkennen und Betriebsaufwand zu reduzieren.

Dabei setzt Aruba verstärkt auf Cloud-basierte Analysen, um Netzwerkverhalten standortübergreifend vergleichbar zu machen und Muster schneller zu identifizieren.

Unterschiedliche Wege – ähnliche Richtung

Trotz unterschiedlicher technologischer Ansätze verfolgen die Hersteller letztlich ein ähnliches Ziel: Weg von klassischer Gerätekonfiguration – hin zu intelligenter Betriebsunterstützung.

Der Fokus verschiebt sich zunehmend von einzelnen Geräten auf Dienste, Benutzererfahrung und operative Zusammenhänge. Netzwerke sollen künftig nicht nur verfügbar sein, sondern aktiv dazu beitragen, Probleme schneller zu verstehen, Risiken früher sichtbar zu machen und den Betrieb resilienter zu gestalten.

Dabei wird sich vermutlich kein vollständig autonomes Netzwerk etablieren. Vielmehr entsteht schrittweise eine neue Arbeitsform, in der Administrator:innen durch KI-gestützte Plattformen unterstützt werden – schneller, datenbasierter und kontextbezogener als bisher.

Netzwerke werden vom Werkzeug zur Plattform

Die vielleicht wichtigste Veränderung moderner Netzwerkadministration besteht darin, dass Netzwerke zunehmend selbst Teil der Problemlösung werden. Über viele Jahre galt Netzwerkinfrastruktur primär als Transportmedium: Pakete sollten zuverlässig von A nach B gelangen, Ausfälle mussten behoben und Konfigurationen möglichst stabil betrieben werden. Betrieb bedeutete vor allem Reaktion – Administrator:innen analysierten Fehlerbilder, interpretierten Logdaten und griffen manuell ein, sobald Probleme sichtbar wurden.

Mit Telemetrie, Automatisierung und künstlicher Intelligenz verändert sich diese Logik jedoch grundlegend. Moderne Netzwerke entwickeln sich zunehmend zu Plattformen, die Betriebszustände kontinuierlich analysieren, Zusammenhänge erkennen und kontextbezogene Unterstützung liefern. Infrastructure-as-Code, Intent-Based Networking, Predictive Operations und Self-Healing-Mechanismen verschieben den Fokus damit schrittweise vom einzelnen Gerät hin zum Gesamtsystem.

Das bedeutet jedoch keineswegs, dass Administrator:innen an Bedeutung verlieren. Vielmehr verändert sich ihre Rolle sichtbar. Weniger manuelle CLI-Arbeit, weniger repetitive Fehlersuche und weniger komponentenbezogene Konfiguration schaffen Raum für neue Aufgaben: Architekturentscheidungen, Policy-Design, Governance, Sicherheitsstrategien und die Steuerung automatisierter Prozesse gewinnen an Bedeutung.

Die zentrale Herausforderung verschiebt sich damit:

Weg von der Frage: Wie konfiguriere ich Gerät X?, hin zur Frage: Wie stelle ich sicher, dass Dienste zuverlässig, sicher und nachvollziehbar funktionieren?

Netzwerkkompetenz bleibt dadurch unverzichtbar – sie verändert lediglich ihren Schwerpunkt. Wer moderne Netzwerke betreibt, benötigt künftig nicht weniger technisches Verständnis, sondern ein breiteres Zusammenspiel aus Infrastrukturwissen, Security-Verständnis, Datenanalyse und Automatisierungskompetenz.

Wer tiefer in das Thema selbstheilender Netzwerke, Cisco AI Canvas und AgenticOps eintauchen möchte, findet im Beitrag Wenn Netzwerke sich selbst heilen – Cisco AI Canvas und AgenticOps eine weiterführende technische Einordnung. Dort wird anhand aktueller Entwicklungen gezeigt, wie KI-gestützte Netzwerkplattformen bereits heute operative Prozesse verändern und warum der Begriff des selbstheilenden Netzwerks zunehmend praktische Relevanz gewinnt.

Die eigentliche Frage lautet deshalb längst nicht mehr: Kann KI Netzwerke unterstützen?, sondern vielmehr: Wie verändert KI bereits heute die tägliche Netzwerkadministration – und welche Rolle übernehmen Menschen künftig in diesem Zusammenspiel?

Das Netzwerk wird zum Nervensystem der IT – Warum Infrastruktur zunehmend autonom agiert

Über viele Jahrzehnte erfüllten Netzwerke vor allem eine klar definierte Aufgabe: Daten zuverlässig transportieren. Infrastruktur galt als technisches Fundament, das möglichst stabil funktionieren sollte, aber selten aktiv in betriebliche Entscheidungen eingebunden war. Netzwerke reagierten – meist auf Konfigurationen, Richtlinien oder Fehler.

Mit modernen Betriebsmodellen verändert sich diese Rolle jedoch grundlegend. Cloud-Plattformen, hybride Arbeit, IoT, KI-Anwendungen und Echtzeitkommunikation erzeugen heute dynamische Anforderungen, die sich nur noch eingeschränkt durch statische Konfigurationen beherrschen lassen. Gleichzeitig steigen die Erwartungen an Verfügbarkeit, Sicherheit und Benutzererfahrung.

Netzwerke entwickeln sich dadurch zunehmend von einer passiven Infrastruktur zu einer adaptiven Plattform, die Zustände bewertet, Veränderungen erkennt und in definierten Grenzen selbstständig reagiert. Die zentrale Aufgabe verschiebt sich: Nicht mehr nur: Pakete transportieren, sondern zunehmend: Betriebsqualität kontinuierlich sicherstellen.

Echtzeitreaktionen statt verzögerter Fehlerbehebung

Traditionelle Netzwerkprozesse folgen häufig einem vertrauten Muster: Ein Problem tritt auf → Benutzer:innen melden eine Störung → Administrator:innen analysieren Logs → Maßnahmen werden eingeleitet. Dieses Modell funktioniert grundsätzlich weiterhin – stößt jedoch bei hochdynamischen Infrastrukturen zunehmend an Grenzen.

Denn moderne Netzwerke verändern sich permanent. Geräte wechseln Standorte, Funkbedingungen schwanken, Cloud-Anwendungen erzeugen wechselnde Lastprofile und Sicherheitsrisiken entstehen oft innerhalb von Sekunden. In solchen Umgebungen wird Reaktionsgeschwindigkeit entscheidend.

Ein intelligentes Netzwerk kann beispielsweise erkennen, dass die WLAN-Qualität in einem Besprechungsraum plötzlich sinkt, sich ungewöhnliche Latenzen in einer Anwendung zeigen oder bestimmte Clients auffällige Authentifizierungsmuster erzeugen. Anstatt ausschließlich Warnungen auszugeben, können Plattformen zunehmend automatisierte Gegenmaßnahmen vorbereiten oder direkt einleiten.

Dadurch verschiebt sich Netzwerkbetrieb schrittweise von verzögerter Fehlerbehebung hin zu Echtzeitreaktionen auf veränderte Betriebsbedingungen.

Automatische Optimierung wird zur Normalität

In vielen Bereichen sind adaptive Mechanismen längst Realität – häufig ohne große Sichtbarkeit im Alltag. Moderne WLAN-Infrastrukturen optimieren bereits heute automatisch Kanalbelegung, Sendeleistungen und Lastverteilung zwischen Access Points. Routing-Protokolle reagieren dynamisch auf Pfadänderungen, Traffic kann priorisiert werden und Sicherheitsrichtlinien passen sich zunehmend an Gerätezustände oder Benutzerrollen an.

Diese Entwicklung beschleunigt sich aktuell durch künstliche Intelligenz erheblich. KI-gestützte Plattformen analysieren große Mengen an Telemetriedaten und erkennen Muster, die manuell kaum nachvollziehbar wären. Dadurch entstehen Möglichkeiten, Infrastruktur nicht nur reaktiv zu betreiben, sondern kontinuierlich anzupassen.

Wichtig ist jedoch die Einordnung: Autonomie bedeutet nicht Kontrollverlust. Moderne Netzwerke agieren heute überwiegend innerhalb klar definierter Leitplanken. Automatisierte Entscheidungen erfolgen typischerweise dort, wo Risiken beherrschbar und Auswirkungen nachvollziehbar bleiben.

Kontext wird wichtiger als Einzelereignisse

Ein zentraler Unterschied moderner Netzwerkplattformen liegt in ihrer Fähigkeit zur Kontextbewertung. Während klassische Monitoring-Systeme häufig isolierte Einzelwerte betrachteten – etwa CPU-Auslastung, Paketverluste, Interface-Status oder Fehlerraten –, versuchen moderne Plattformen zunehmend, Zusammenhänge zwischen unterschiedlichen Signalen zu erkennen und daraus eine umfassendere Bewertung abzuleiten.

Eine hohe WLAN-Auslastung allein muss beispielsweise noch kein Problem darstellen. Kritisch wird eine Situation möglicherweise erst dann, wenn gleichzeitig Roaming-Probleme zunehmen, Videokonferenzen abbrechen und bestimmte Endgeräte vermehrt Authentifizierungsfehler zeigen. Erst die Kombination dieser Faktoren erzeugt ein belastbares Bild der tatsächlichen Servicequalität.

Kontext entsteht dabei durch die Verknüpfung unterschiedlicher Perspektiven. Moderne Plattformen beziehen beispielsweise Benutzeridentitäten, Gerätezustände, Standorte, Sicherheitsstatus, Anwendungserfahrung, historische Vergleichswerte oder aktuelle Lastprofile in ihre Bewertung ein. Ein einzelnes Ereignis verliert dadurch an Bedeutung – entscheidend wird vielmehr, wie verschiedene Signale miteinander zusammenhängen und welche Auswirkungen sich daraus auf den Betrieb ergeben.

Der Fokus verschiebt sich damit zunehmend: Weg von isolierten Events und einzelnen Warnmeldungen, hin zu einer Bewertung der tatsächlichen Benutzer- und Serviceerfahrung. Netzwerke entwickeln sich dadurch schrittweise zu Systemen, die Betriebszustände nicht nur messen, sondern zunehmend auch interpretieren.

Sicherheit wird integraler Bestandteil der Infrastruktur

Parallel zur technischen Weiterentwicklung verändert sich auch die Rolle von Sicherheit grundlegend. Während Sicherheitsfunktionen früher häufig nachgelagert implementiert wurden, verschmelzen Netzwerk- und Security-Architektur heute zunehmend miteinander. Segmentierung, Identitätsmanagement, Richtliniensteuerung und Verhaltensanalyse werden bereits bei der Planung moderner Infrastruktur berücksichtigt, anstatt erst nachträglich ergänzt zu werden.

Dadurch entsteht ein Sicherheitsmodell, das Schutz nicht mehr ausschließlich über klassische Netzwerkgrenzen oder Firewalls definiert. Stattdessen integrieren moderne Plattformen Sicherheit zunehmend kontextsensitiv in den laufenden Betrieb.

Ein intelligentes Netzwerk kann beispielsweise bewerten, ob ein Gerät vertrauenswürdig erscheint, ungewöhnliche Kommunikationsmuster auftreten, Richtlinien verletzt werden oder bestimmte Zugriffe ein erhöhtes Risiko aufweisen. Entscheidend ist dabei nicht das isolierte Ereignis, sondern dessen Einordnung im Gesamtkontext: Ein einzelner Login mag unauffällig wirken – in Kombination mit einem ungewöhnlichen Standort, einem unbekannten Gerät oder atypischem Kommunikationsverhalten entsteht jedoch möglicherweise ein relevantes Risikosignal.

Genau an dieser Stelle verändern sich auch die Reaktionsmöglichkeiten moderner Infrastruktur. Netzwerke können heute bereits in definierten Szenarien automatisiert reagieren – etwa durch temporäre Quarantäne-Segmente, dynamische Policy-Anpassungen oder zusätzliche Verifikationsschritte. Ziel ist dabei nicht maximale Restriktion, sondern eine adaptive Sicherheitsarchitektur, die Risiken möglichst früh erkennt und Auswirkungen begrenzt.

Gerade im Zusammenspiel mit Zero Trust entsteht dadurch ein Sicherheitsmodell, das nicht auf implizitem Vertrauen basiert, sondern auf kontinuierlicher Bewertung. Sicherheit wird damit zunehmend zu einem integralen Bestandteil des Netzwerks selbst – nicht als nachgelagerte Schutzschicht, sondern als aktiver Bestandteil moderner Infrastruktursteuerung.

Die Grenzen autonomer Netzwerke

Trotz aller technologischen Fortschritte bleibt jedoch eine wichtige Realität bestehen: Vollständig autonome Netzwerke existieren heute praktisch noch nicht. Zwar verwenden viele Hersteller inzwischen Begriffe wie Autonomous Networking, AI-native Operations oder Self-Healing Infrastructure. Diese Konzepte beschreiben eine klare Entwicklungsrichtung – die operative Realität moderner Unternehmensnetzwerke ist derzeit jedoch deutlich differenzierter.

In der Praxis entstehen überwiegend Systeme mit assistierter Autonomie. Netzwerke analysieren Zustände, erkennen Anomalien, priorisieren Risiken und schlagen Maßnahmen vor oder führen klar definierte Reaktionen automatisiert aus. Die vollständige operative Verantwortung verbleibt jedoch weiterhin überwiegend bei Menschen.

Der Grund dafür ist nachvollziehbar: Netzwerke bewegen sich permanent in einem Spannungsfeld unterschiedlicher Anforderungen. Verfügbarkeit, Sicherheit, Compliance, Nachvollziehbarkeit und geschäftliche Auswirkungen müssen gleichzeitig berücksichtigt werden – häufig unter Zeitdruck und in komplexen Abhängigkeiten.

Eine automatische Routing-Anpassung mag beispielsweise die Netzwerkperformance kurzfristig verbessern, gleichzeitig aber unbeabsichtigte Seiteneffekte auf Sicherheitsrichtlinien oder Applikationspfade erzeugen. Ebenso könnte eine falsch interpretierte Sicherheitsanomalie legitime Geschäftsprozesse beeinträchtigen oder eine fehlerhafte Policy-Anpassung unerwartete Auswirkungen auf Benutzerzugriffe haben.

Gerade in regulierten Branchen oder geschäftskritischen Umgebungen bleibt daher menschliche Kontrolle zentral. Organisationen müssen nachvollziehen können, warum Entscheidungen getroffen wurden, welche Systeme betroffen sind und welche Risiken sich daraus ergeben. Transparenz und Auditierbarkeit werden damit zu entscheidenden Voraussetzungen für jede Form automatisierter Infrastruktursteuerung.

Die eigentliche Stärke moderner Netzwerke liegt deshalb derzeit weniger darin, Menschen vollständig zu ersetzen. Ihr Mehrwert besteht vielmehr darin, komplexe Zusammenhänge schneller sichtbar zu machen, Entscheidungen fundierter vorzubereiten und Routineaufgaben kontrolliert zu automatisieren.

Die Zukunft moderner Netzwerke dürfte daher weniger in vollständiger Autonomie liegen, sondern vielmehr in einem kooperativen Modell: Menschen definieren Ziele, Leitplanken und Verantwortung – intelligente Netzwerke unterstützen Analyse, Optimierung und Reaktion.

Genau dadurch verändert sich auch die Rolle von Administrator:innen nachhaltig. Nicht die technische Expertise verliert an Bedeutung, sondern ihre Anwendung verschiebt sich: weg von manueller Gerätebedienung, hin zu Bewertung, Steuerung und Orchestrierung komplexer Infrastrukturen.

Administrator:innen werden weniger konfigurieren – aber mehr orchestrieren

Mit der zunehmenden Automatisierung verändert sich auch die Rolle von Netzwerkadministrator:innen grundlegend. Über viele Jahre stand vor allem die manuelle Konfiguration einzelner Komponenten im Mittelpunkt des Arbeitsalltags: VLANs definieren, Interfaces konfigurieren, ACLs anpassen, Routing analysieren oder Fehlerbilder manuell nachvollziehen gehörten zu den zentralen Aufgaben moderner Infrastrukturteams.

Diese Tätigkeiten verschwinden nicht vollständig – ihr Stellenwert verändert sich jedoch spürbar. Je stärker Netzwerke durch Telemetrie, Automatisierung, Intent-Based Networking und KI unterstützt werden, desto weniger Zeit fließt in repetitive Konfigurationsaufgaben. Stattdessen gewinnen Architekturentscheidungen, Governance, Sicherheitsrichtlinien, Automatisierungsstrategien und Qualitätsmanagement zunehmend an Bedeutung.

Der Fokus verschiebt sich dadurch sichtbar: weg von der isolierten Betrachtung einzelner Geräte, hin zur Steuerung komplexer Gesamtsysteme. Administrator:innen entwickeln sich damit schrittweise von klassischen Geräteoperator:innen zu Orchestrator:innen moderner Infrastruktur. Ihre Aufgabe besteht künftig weniger darin, einzelne Konfigurationsschritte manuell umzusetzen, sondern vielmehr darin, Rahmenbedingungen zu definieren, Leitplanken festzulegen und automatisierte Prozesse sinnvoll zu steuern.

Auch die erforderlichen Kompetenzen verändern sich. Reines Wissen über einzelne Kommandos, Plattformen oder Herstellerimplementierungen bleibt wichtig, reicht jedoch zunehmend nicht mehr aus. Gefragt wird stärker ein Verständnis für Zusammenhänge zwischen Netzwerk, Sicherheit, Identitäten, Anwendungen, Cloud-Diensten und Betriebsmodellen.

Gerade im Zusammenspiel mit KI gewinnt zudem die Fähigkeit zur Bewertung an Bedeutung. Administrator:innen müssen nachvollziehen können, warum Systeme bestimmte Empfehlungen aussprechen, welche Risiken daraus entstehen und an welchen Stellen menschliche Kontrolle weiterhin notwendig bleibt. Die eigentliche Entwicklung bedeutet deshalb keinen Bedeutungsverlust von Netzwerkkompetenz – sondern eine Verschiebung ihres Fokus: Weniger Konfiguration im Detail – mehr Architektur, Orchestrierung und strategische Steuerung.

Netzwerkexpertise bleibt damit auch künftig unverzichtbar. Allerdings verändert sich die zentrale Fragestellung: Nicht mehr primär: Wie konfiguriere ich Gerät X?, sondern zunehmend: Wie orchestriere ich ein sich dynamisch veränderndes Gesamtsystem zuverlässig, sicher und nachvollziehbar?

Fazit: Die Zukunft des Netzwerks ist nicht nur schneller – sondern intelligenter

Netzwerke befinden sich an einem fundamentalen Wendepunkt. Über viele Jahre bestand ihre zentrale Aufgabe darin, Daten möglichst zuverlässig zu transportieren. Heute entwickelt sich Infrastruktur jedoch zunehmend zu einem aktiven, kontextsensitiven System, das Betriebszustände bewertet, Sicherheitskontexte berücksichtigt und in definierten Grenzen eigenständig reagieren kann.

Dabei verändert sich nicht nur eine einzelne Technologie – vielmehr verschiebt sich das Verständnis moderner Netzwerke auf mehreren Ebenen gleichzeitig.

Wi-Fi 7 macht drahtlose Infrastruktur in vielen Szenarien zum Primärnetz und verändert damit den Access Layer grundlegend. Gleichzeitig bleibt Ethernet das unverzichtbare Fundament moderner Kommunikation – leistungsfähiger, skalierbarer und relevanter denn je.

Parallel verändert Zero Trust die Sicherheitsarchitektur nachhaltig. Vertrauen wird nicht mehr pauschal gewährt, sondern kontinuierlich überprüft. Identitäten, Gerätezustände, Richtlinien und kontextbezogene Bewertungen entwickeln sich damit zunehmend zu festen Bestandteilen moderner Netzwerkarchitektur.

Am tiefgreifendsten verändert sich jedoch der Betrieb selbst. Telemetrie, künstliche Intelligenz, Predictive Operations und erste Self-Healing-Mechanismen markieren den Beginn einer Entwicklung, in der Netzwerke schrittweise adaptiver, intelligenter und autonomer agieren. Noch stehen viele Organisationen am Anfang dieses Wandels. Dennoch wird bereits sichtbar, dass sich Infrastruktur zunehmend vom passiven Transportmedium zu einer Plattform entwickelt, die Zusammenhänge erkennt, Risiken früher sichtbar macht und operative Entscheidungen gezielt unterstützt.

Die eigentliche Entwicklung lautet deshalb längst nicht mehr einfach: Schnellere Netzwerke, sondern vielmehr: Intelligentere Netzwerke.

Dabei geht es weniger um einzelne Produktgenerationen oder höhere Datenraten. Entscheidend ist ein grundlegender Wandel: Netzwerke werden zunehmend datengetrieben, kontextsensitiv und eng mit Sicherheits-, Betriebs- und Geschäftsanforderungen verzahnt. Infrastruktur entwickelt sich damit vom technischen Unterbau zum aktiven Bestandteil digitaler Wertschöpfung.

Doch vieles von dem, was im Enterprise-Netzwerk heute sichtbar wird, eskaliert im Datacenter bereits in völlig neuen Dimensionen. Denn künstliche Intelligenz verändert nicht nur den Betrieb von Netzwerken – sie erzeugt gleichzeitig vollkommen neue Anforderungen an die Netzwerke selbst. Massive Ost-West-Datenströme, GPU-Cluster, minimale Latenzen und bislang unbekannte Skalierungsanforderungen führen dazu, dass klassische Netzwerkmodelle zunehmend an ihre Grenzen stoßen.

Genau hier setzt der zweite Teil dieser Beitragsreihe an: Warum KI neue Netzwerke braucht – Über Ethernet, Spine-Leaf, AI Fabrics und GPU-Netzwerke für KI-Rechenzentren

Denn die eigentliche Frage lautet längst nicht mehr, ob Netzwerke intelligenter werden – sondern, welche Infrastruktur künftig überhaupt noch in der Lage ist, künstliche Intelligenz performant zu betreiben.

Quellenangaben

(Abgerufen am 05.06.2026)

KI-Infrastruktur, AI-Native Networking und autonome Netzwerke

• Cullen Jennings (IETF): Agentic AI communications: Identifying the standards we need
• David Simon, Christian Töpfer (Heise): Wie die KI Enterprise-Netzwerke revolutioniert (Webcast)
• HPE: Hewlett Packard Enterprise closes acquisition of Juniper Networks to offer industry-leading comprehensive, cloud-native, AI-driven portfolio
• HPE: Marvis AI
• HPE: Mist AI
• HPE: The next generation of networking: From vision to self-driving reality
• HPE: What is AI-native networking?
• HPE: What Is Intent-Based Networking?
• IBM: From pilot to production: The IBM AI infrastructure story (PDF-Datei)
• IBM: Infrastructure for AI
• Jonathan Rosenberg (IETF): The AI Agent Protocols (aiproto) Working Group
• Juniper Networks: AI-Native NOW: The New Era
• Oğuz Sunay, Pallavi Mahajan (Nokia): When AI becomes physical: The network as a distributed nervous system
• Prashant Kumar (Future Connections): Understanding the rise of AI-native telco
• Scott Robohn (Nokia): Designing the new data center fabric: Nokia SR Linux and Event-Driven Automation
• Stefan Bartels, David Simon, Martin Seiler (Heise): Self-driving Networks – Realität oder Zukunft? (Webcast)
• Toni Arcuri (TM Forum): Intent-based networking: unlocking the full potential of AI in autonomous networks
• Vivek Bagmar (Medium): Intent-Based Networking: Moving from Configuration to Outcomes

Wi-Fi 7, WLAN und drahtlose Infrastruktur

• Benjamin Pfister, Erik Hofmann (Heise): Extreme Networks: Wi-Fi 7, Ruggedized Switches und Fabric-Updates
• Cisco: What is Wi-Fi 7?
• Ernst Ahlers (Heise): Wi-Fi 7: Schlauer funken mit neuem WLAN
• Harald Karcher (Heise): Ratgeber: Enterprise-WLAN für große Wohnungen, Häuser und Schulen
• IEEE: IEEE 802.11-2024
• IEEE: IEEE 802.11be-2024
• IEEE: IEEE 802.11bh-2024
• IEEE: IEEE 802.11bk-2025
• Lawrence Huang (Cisco): Introducing Zero-Friction Wireless for Smarter Workplaces
• Michael John Wood (RTINGS): The Disappointing Truth About Wi-Fi 7
• Ubiquiti: Fundamentals of UniFi WiFi Design

Ethernet, Multi-Gigabit und Netzwerkperformance

• Alissa Irei, Eamon McCarthy Earls (TechTarget): Understanding the evolution of Ethernet
• Arielle Sumits (Cisco): The History and Future of Internet Traffic
• Arun Devadiga (LinkedIn): Network Bandwidth and Capacity Evolution 2000-2025
• Ethernet Alliance: 2026 Ethernet Roadmap (PDF-Datei)
• ETHW: Ethernet
• ETHW: Milestones: Ethernet Local Area Network (LAN), 1973-1985
• ETHW: Oral-History: Robert Metcalfe
• Geoff Huston (ARIN): Internet Evolution: Moore’s Law, Addressing Architectures, and the Future of Internet Scale
• Hadriel Kaplan, Robert Noseworthy (University of New Hampshire): The Ethernet Evolution: From 10 Meg to 10 Gig - How it all Works!
• John Hawkins (Comcast Business): The History of Carrier Ethernet
• Matt Davies Stockton (Medium): The Evolution of Internet Speeds: From Dial-Up to 5G and Beyond
• Max Beckett (Uswitch): History of the internet: A timeline throughout the years
• Michael Deskin (Dresner Group): The Evolution of Internet Speeds Since the 1990s
• Nicholas Watkins (ShowMeCables): History of Ethernet
• W. Tull (Versitron): From Gigabits to Terabits to Ethernet: Exploring the Evolution of Ethernet for High-Speed Internet
• Steve Alexander (Ciena): When Moore Is Not Enough – Why Our Growing Networks Require More Software

Rechenzentren, AI Fabrics und Hochleistungsnetzwerke

• AICPLIGHT (Medium): Analysis of InfiniBand Network
• Amit Thakkar (Celestica): Arrival of 1.6T Ethernet Marks the Beginning of a New Era in AI Data Centers
• Ashkan Seyedi (NVIDIA): Scaling Power-Efficient AI Factories with NVIDIA Spectrum-X Ethernet Photonics
• Bikash Roy Choudhury (SNIA): NextGen Connected Cloud Datacenter with programmable and flexible infrastructure
• Cisco: Building AI/ML Data Center Fabric using VXLAN EVPN for GPUaaS
• Cisco: Cisco ACI Multi-tier Architecture White Paper
• Cisco: Cisco AI Networking for Data Center with NVIDIA Spectrum-X Solution Overview
• Cisco: Cisco Massively Scalable Data Center Network Fabric Design and Operation White Paper
• Cisco: Cisco Networking Platform
• Cisco: Creating Fabrics and Fabric Groups, Release 4.2.1
• Cisco: Preferred Architecture for Cisco Collaboration 14 Enterprise On-Premises Deployments, CVD
• Cisco: Understanding Cisco DNA and Catalyst Software eBook
• Curtis Ballard (SNIA): Storage for AI 103: An Introduction to Storage for AI Inference (PDF-Datei)
• Dan Hanson (DataCenter-Insider): Ethernet schließt locker die Lücke zu Infiniband
• Erik Smith (SNIA): Q&A: 400G and PCIe 8.0 in Next-Gen Interconnects
• Fibre Systems: Ethernet roadmap prioritises 1.6T optics and LPO for AI
• Filipe Pereira Martins, Anna Kobylinska (DataCenter-Insider): Netzwerk ohne Hitzestau: Der Countdown zu 800G
• Fortune Business Insights: Data Center Fabric Market Size, Share, and Industry Analysis
• HPE: Juniper AI Data Center Solutions
• Juniper Networks: Data Center Fabric Blueprint Architecture Components
• Juniper Networks: Introducing the Data Center Fabric Blueprint Architecture
• Keysight: 6T Ethernet in the Data Center
• NADDOD (Medium): A Comprehensive Guide to 800G Ethernet DAC Cables
• NADDOD (Medium): Spectrum-6 Ethernet Switch Deep Dive: SN6810 102.4T and SN6800 409.6T Switch
• NetworkLessons: Data Center Fabric Evolution
• NVIDIA: Die Ethernet-Plattform NVIDIA Spectrum
• NVIDIA: NVIDIA Spectrum-X Ethernet Switches Speed Up Networks for Meta and Oracle
• NVIDIA: The Network Defines the AI Data Center
• Raguraman Sundaram (SNIA): Ethernet in the Age of AI Q&A
• Scot Schultz (NVIDIA): InfiniBand Multilayered Security Protects Data Centers and AI Workloads
• Scott Guthrie (Microsoft): Inside the world’s most powerful AI datacenter
• Teledyne LeCroy: 800GE vs 1.6TE (PDF-Datei)
• Tim Lustig (SNIA): PCIe Q&A
• Tzvika Naveh (DriveNets): InfiniBand vs Ethernet – Why Ethernet fits AI Networking needs
• Ultra Ethernet Consortium: Intersect360 Research White Paper: UEC 1.0: NEW HIGH-PERFORMANCE  STANDARD FOR SCALING HPC-AI (PDF-Datei)
• Ultra Ethernet Consortium: Ultra Ethernet Specification v1.0.2 (PDF-Datei)
• Ultra Ethernet Consortium: Working Groups
• WhiteFiber: Ethernet vs. InfiniBand: The Evolving Landscape of High-Performance Networking

Zero Trust, ZTNA und Netzwerksicherheit

• Fortinet (Heise): Zero Trust zwischen Wunsch und Wirklichkeit (PDF-Datei)
• Sophos (Heise): So sieht die Netzwerksicherheit der Zukunft aus (PDF-Datei)

Predictive Operations, Monitoring und Self-Healing

• Checkit: What is predictive operations? A complete guide to building resilient workflows
• Mordechai Potash (Medium): Reactive to Predictive Operations
• Peter Reynolds (ARC Advisory Group): Predictive Maintenance or Predictive Operations?
• Publicis Sapient: Predictive Operations Are Changing How IT Prevents Failure (PDF-Datei)
• Rob Mora (IBM): What is predictive monitoring and how to make it happen

Glasfaser, Kupfer, Photonik und Übertragungsmedien

• Archway: Fiber vs Copper: Choosing the Right Backbone for Your Business Network
• Baudcom: Copper SFP vs. Fiber SFP: Choosing the Right Transceiver for Your Network
• Christian Rookes (EE Times): Why Fiber Optics is Replacing Copper in Data Centers
• Duke University: Introduction to all-optical switching
• D. Kyriakis-Bitzaros, N. Haralabidis, Y. Moisiadis, Michalis Lagadas (ResearchGate): Comparison of the signal latency in optical and electrical interconnections for interchip links (PDF-Datei)
• com: Fiber Optic Cable vs Twisted Pair Cable vs Coaxial Cable
• Geeks for Geeks: Difference between Fiber optic cable and Copper wire
• Geeks for Geeks: Transmission Media in Computer Networks
• Inneos: The Copper Cliff: Why Fiber Optics Is the Future Beyond 10 Gbps
• James Kruchowski, Vladimir Sokolov, Nathan Harff et al. (arXiv): Comparison of Optical and Electrical Links for HighlyInterconnected Systems
• JHA Tech: What are the differences between electrical port modules and optical modules?
• G. Roberts (IEEE): Beyond Moore's law: Internet growth trends
• Lenovo: What is a data signal?
• Michael Hsu (Zion Communication): Cat6A vs Fiber: Where Copper Ends and Optical Begins
• Olivier Leclerc (ECIO Conference): Optical vs. Electronic in-line Signal Processing in Optical Communication Systems : An exciting challenge for Optical Devices (PDF-Datei)
• Orbray: Optical Switches and their significance in High-speed, Large-Capacity Optical Communications
• Kapur, K. C. Saraswat (IEEE): Comparisons between electrical and optical interconnects for on-chip signaling
• Robyn Laskey (PhotonDelta): What is the difference between photonic and electronic semiconductors?
• Sabine Synkule (all-electronics.de): Sensoren verstehen von der Funktion bis zur Anwendung
• Samuel K. Moore (IEEE Spectrum): AI Data Centers Demand More Than Copper Can Deliver
• SENKO: The Evolution of Data Transmission: Why Fiber is Replacing Copper at the Chip Level
• Tony Lau (Hone Cable): What is the difference between photonic and electronic semiconductors?
• Universität Paderborn: Moderne Signalverarbeitung: Schneller und leistungsstärker durch elektronisch-photonische Systeme

Glasfaser-Ausbau und Infrastrukturpolitik in Deutschland

• Falk Steiner (Heise): Missing Link: Deutschland, eine Kupfer-Geschichte
• Lutz Meier (Capital): Kupferkabel statt Glasfaser – das fatale Erbe von Kohls Postminister
• Martin Feck (AZ Online): Lobbyismus mit Langzeitwirkung (Kommentar)

Nachhaltigkeit, Energieeffizienz und Green Networking

• Diego Lopez, Robert Wilton (IETF): The new GREEN working group gets ready for an energy efficient Internet
• IETF: Getting Ready for Energy-Efficient Networking (green)

Moore’s Law, Datenwachstum und technologische Skalierung

• Carla Tardi (Investopedia): Understanding Moore's Law: Is It Still Relevant in 2025?
• Christoforos Kachris (ResearchGate): Data growth vs. Moore’s law
• imec: Is Moore’s law dead?
• Peter J. Denning, Ted G. Lewis (Communications of the ACM): Exponential Laws of Computing Growth
• Richard A. Lawhern (KevinMD): Understanding Moore’s Law and the exponential growth of technology

Marktberichte, Nachrichten und Infrastrukturtrends

• Achim Sawall (Golem): Von FTTH über DSL bis Starlink: Welche Internetzugänge es in Deutschland gibt
• Carolin Riethmüller (Heise): SoftBank investiert Milliarden in KI-Rechenzentren in Frankreich
• Malte Kirchner (Heise): KI-Rechenleistung aus dem Vorgarten: Start-up setzt auf dezentrale Server
• Malte Kirchner (Heise): KI-Rechenzentren: Flexibler Stromverbrauch soll Netzanschluss beschleunigen
• Oliver Jessner (Golem): KI-Rechenzentren vs. Stromnetz: Wer zahlt die Zeche für den KI-Boom?
• R. Rhesia (Golem): Maschinenträume 1: KI und der Mythos der Emergenz
• Volker Buzek, Tobias Conz, Christian Töpfer (Heise): Die richtige Prozessarchitektur als Basis zur effizienten Verbesserung von SAP-Prozessen (Webcast)
• Zeus Kerravala (Computerwoche): Enterprise-Netzwerke: Modernisierung in 6 Schritten

Weiterlesen hier im Blog

• Cisco ISE, VLAN und 802.1X – Zero Trust in der Praxis
• IPv6-Einstieg – Grundlagen und Adressierung im Überblick
• Von VLAN zu VXLAN – Segmentierung im Cisco-Netzwerk im Wandel der Zeit
• Wenn die Computerkommunikation intelligent wird – Zukunftsarchitekturen, IPv6 und KI im modernen Netzdesign
• Wenn Netzwerke sich selbst heilen – Cisco AI Canvas und AgenticOps
• WLAN richtig konfigurieren und optimieren – Grundlagen, Sicherheit und stabile Performance im Netzwerk