Huawei presenteert deze week op MWC in Barcelona nieuwe AI‑gecentreerde netwerksystemen voor telecom en bedrijfsnetwerken. Het Chinese bedrijf wil zo de stap versnellen naar autonoom beheerde, efficiëntere infrastructuur. De aankondiging raakt direct aan Europese regels zoals de AI‑verordening (AI Act) en de AVG, die eisen stellen aan transparantie en datagebruik. Europese operators en overheden krijgen daarmee meer keus, maar ook meer verplichtingen.
Huawei zet in op AI
Huawei breidt zijn netwerkportfolio uit met systemen waarin kunstmatige intelligentie centraal staat. De oplossingen zijn bedoeld voor zowel aanbieders van mobiele en vaste netwerken als voor bedrijven met campus- en datacenternetwerken. Het bedrijf belooft sneller herstel bij storingen, betere kwaliteit per gebruiker en lager energieverbruik. Daarmee speelt Huawei in op groeiend dataverkeer en krappe technische teams bij Europese operators.
De vernieuwingen bouwen voort op bestaande Huawei‑platformen voor netwerkbeheer. Denk aan iMaster NCE, dat netwerkconfiguratie automatiseert, en aan het concept Autonomous Driving Network (ADN), waarbij algoritmen taken van engineers overnemen. Nieuw is vooral dat AI‑functies dichter op het netwerk komen te zitten, bijvoorbeeld op randapparatuur of in regionale datacentra. Dat moet beslissingen versnellen en afhankelijkheid van de cloud verkleinen.
Huawei positioneert de systemen als “AI‑native”: ontworpen met data‑analyse en besluitvorming als basis. In de praktijk gaat het om modellen die patronen in netwerkmetingen herkennen en vervolgens automatisch ingrijpen. Het bedrijf benadrukt ook rapportage en explainability, zodat beheerders kunnen nagaan waarom het systeem iets deed. Dat is relevant voor Europese audit‑eisen en interne compliance.
Autonome netwerken in praktijk
Een autonoom netwerk gebruikt algoritmen om zichzelf te plannen, te bewaken en bij te sturen. Het model leert van logbestanden, alarmen en verkeerspatronen, en kan bijvoorbeeld de bron van een storing aanwijzen. Daarna voert het systeem een geautomatiseerde actie uit, zoals het herrouteren van verkeer of het aanpassen van antenne‑instellingen. Dit heet een gesloten regelkring: meten, besluiten, handelen.
Autonome netwerken zijn netwerken die met behulp van algoritmen zelf plannen, voorspellen en bijsturen, met menselijk toezicht.
Bij Huawei gebeurt dat via beheerlagen die verschillende domeinen koppelen: core, transport, access en campus. Door domeinoverstijgende zichtbaarheid kan het systeem oorzaken sneller isoleren, bijvoorbeeld of een hapering in het glasvezelnet of in de radio zit. Operators houden daarbij menselijk toezicht via goedkeuringsstappen en roll‑back‑opties. Zo beperken zij risico’s bij configuratiewijzigingen op grote schaal.
Voor training en uitvoering van modellen gebruikt Huawei een mix van centrale en lokale rekenkracht. Lokale inferentie op netwerkapparatuur verlaagt de vertraging, wat nodig is voor realtime taken zoals congestiebestrijding. Centrale training kan patronen oppikken over langere tijd, bijvoorbeeld seizoensinvloeden in verkeersdrukte. Die combinatie is belangrijk om zowel snelheid als nauwkeurigheid te halen.
Energie en capaciteit balanceren
Europese netwerken hebben te maken met snel groeiend verkeer en hoge energiekosten. AI kan het verbruik beperken door radiosites en poorten slim te dimmen als de belasting laag is. Ook kan het systeem de koeling in datacenters aanpassen op basis van actuele warmteprofielen. Zulke maatregelen zijn in lijn met de EU‑klimaatdoelen en kostenbeheersing bij operators.
Huawei zegt dat zijn aanpak energie en kwaliteit tegelijk kan optimaliseren. Het risico is dat te agressief besparen de dekking of snelheid aantast. Daarom zijn drempels, noodremmen en continue metingen nodig om de klantbeleving te bewaken. Heldere KPI’s, zoals latency en pakketverlies per dienst, maken keuzes uitlegbaar voor zowel techniek als management.
Voor Europese bedrijven die onder de CSRD rapporteren, helpt meetbare besparing bij duurzaamheidsverslaggeving. Netwerk‑AI kan automatisch energie‑dashboards en auditable logs leveren. Dat maakt het eenvoudiger om besparingen te onderbouwen richting auditors en toezichthouders. Voor Nederlandse organisaties speelt dit extra, omdat veel regio’s netcongestie kennen en stroomcapaciteit schaars is.
Europese regels bepalen grenzen
De Europese AI‑verordening classificeert AI voor beheer van kritieke infrastructuur als hoog risico. Dat betekent vanaf de inwerkingtreding gefaseerd extra plichten, zoals risicobeheer, datagovernance, loggen en menselijk toezicht, op het moment van schrijven met uitrol vanaf 2025 en verder. Leveranciers moeten daarbij ook modelprestaties en beperkingen documenteren. Netwerkbeheerders blijven eindverantwoordelijk voor veilige inzet.
Omdat netwerkgegevens ook persoonsgegevens kunnen bevatten, geldt de AVG. Operators moeten dataminimalisatie toepassen en waar mogelijk pseudonimiseren, bijvoorbeeld bij het trainen van foutdetectiemodellen. Versleuteling bij opslag en transport is standaard, en toegang moet strikt worden gelogd. Voor marketingdoelen mogen operationele gegevens niet zonder aparte grondslag worden hergebruikt.
Interoperabiliteit en beveiliging vallen onder Europese en sectorstandaarden zoals ETSI, 3GPP en GSMA‑kaders. API’s voor geautomatiseerd beheer moeten goed gedocumenteerd zijn om vendor lock‑in te beperken. Ook NIS2 stelt eisen aan incidentrespons en supply‑chain‑beveiliging, die naar verwachting in 2024‑2025 in nationale wetgeving is omgezet. Dit raakt zowel telecombedrijven als grote Nederlandse vitale organisaties.
Keuzes voor telecom en overheid
De adoptie van Huawei‑systemen zal per land en netwerkdomein verschillen. Sommige EU‑landen beperken Huawei in 5G‑kern en radio, terwijl enterprise‑campusnetten vaak minder strikt zijn. Voor publieke sector en vitale aanbieders weegt leveranciersrisico extra mee bij inkoop. Risicoanalyses, exit‑plannen en brondata‑portabiliteit worden dan randvoorwaarden.
Operators in Europa werken bovendien in multivendor‑omgevingen. AI‑functies moeten daarom samenwerken met apparatuur en tools van andere merken. Open interfaces en gestandaardiseerde datamodellen zijn cruciaal om die integratie zonder dure maatwerkprojecten te laten slagen. Zonder die openheid dreigt extra complexiteit in plaats van verlichting.
Voor Nederlandse netbeheerders en grote bedrijven ligt de kans vooral in gerichtere pilotprojecten. Begin klein, bijvoorbeeld met storingsdiagnose of energieoptimalisatie in een campussegment. Koppel de uitrol aan meetbare KPI’s en governance, inclusief een mensen‑in‑de‑lus proces. Zo groeit vertrouwen, terwijl risico’s beheersbaar blijven.
Wat dit gebruikers oplevert
Als de technologie doet wat wordt beloofd, profiteren eindgebruikers vooral van stabielere diensten. Denk aan snellere storingsoplossing in ziekenhuizen, havens of fabrieken met privénetten. IT‑teams krijgen minder repetitieve tickets en meer tijd voor structurele verbeteringen. Ook kan de uitrol van nieuwe diensten, zoals netwerksegmenten voor onderwijs of zorg, sneller gaan.
De keerzijde is dat AI‑modellen afhankelijk zijn van datakwaliteit en goede labels. Foutieve of onvolledige data leiden tot verkeerde beslissingen, met impact op bereikbaarheid of prestaties. Daarom blijven datakwaliteit, monitoring en regelmatige hertraining essentieel. Menselijk toezicht en duidelijke fallback‑scenario’s horen standaard te zijn.
Voor Europese organisaties is compliant ontwerp even belangrijk als technische winst. Documenteer besluiten, leg datastromen vast en test bias in detectie‑algoritmen, bijvoorbeeld richting bepaalde apparaten of locaties. Wie die basis op orde heeft, kan AI‑netwerksystemen met vertrouwen opschalen. Huawei’s nieuwe aanbod vergroot de keuzemogelijkheden, maar de lat voor transparantie en controle ligt hoog.
