Afrikas Telekomgeschichte drehte sich lange um den Ausbau der Konnektivität – von Masten und Glasfaser bis zu 4G und 5G. KI verändert nun, was diese Netze leisten sollen, und verschiebt ihre Rolle vom Transport von Daten hin zur Verarbeitung und Reaktion in Echtzeit. Für Nokia, das finnische Technologieunternehmen, das einst den nigerianischen Mobiltelefonmarkt dominierte und seit Jahrzehnten Telekominfrastruktur in Afrika aufbaut, ist dieser Wandel zugleich eine Chance und ein neues Wettbewerbsfeld.

Afrikas Telekommarkt, der auf schätzungsweise 66 Milliarden US-Dollar bewertet wird und bis 2030 auf 90,3 Milliarden US-Dollar wachsen soll, zieht neue Investitionen globaler Technologieunternehmen wie Meta, Google und Microsoft an. Ihre Ausgaben für Unterseekabel, Cloud-Infrastruktur und KI verschaffen ihnen mehr Kontrolle über die Infrastruktur, auf der Afrikas nächste Phase des digitalen Wachstums aufbaut. Für Nokia geht es dabei um mehr als den Verkauf von Netzausrüstung: Das Unternehmen muss sich eine Rolle in dieser Infrastruktur sichern oder riskiert, in der entstehenden KI-Ökonomie zu einem Anbieter geringwertiger Konnektivität zu werden.

Auf genau diesen Markt richtet sich Nokia aus. Das Unternehmen erwartet, dass KI-native Netze, Edge Computing, Automatisierung und Software zunehmend wichtiger werden, obwohl ein großer Teil Afrikas weiterhin mit unzuverlässiger Konnektivität zu kämpfen hat.

„Africa remains highly unconnected right now“, sagte Danial Mausoof, Nokias Vice President of Mobile Infrastructure für den Nahen Osten und Afrika, in einem Interview mit TechCabal am 25. August. „We’re invested. We’re fully committed to Africa.“

Nokia sieht 4G und 5G weiterhin als Grundlage seiner Afrika-Strategie. Mausoof sagte, das Unternehmen arbeite mit großen Betreibergruppen zusammen, darunter Airtel, Orange, Vodacom, Safaricom und Maroc Telecom, und verfüge über 5G-Implementierungen in Märkten wie Angola, Südafrika und Äthiopien.

Doch Nokia will aus diesen Netzen mehr Wert schöpfen, als reine Konnektivität bieten kann. Die Plattform Artificial Intelligence Radio Access Network (AI-RAN) verbindet bestehende Telekominfrastruktur mit GPU-basierter Rechenleistung, um KI-Workloads ins Netz zu bringen. Nokia hat seine kommerzielle AI-RAN-Plattform am 15. Juli 2026 gestartet.

Dieser Wandel ist zentral für Nokias Zukunft auf dem Kontinent. Nachdem sich das Unternehmen weitgehend aus dem Konsumenten-Mobiltelefonmarkt zurückgezogen hat – es verkaufte 2014 sein Gerätegeschäft an Microsoft und lizenzierte die Marke später an HMD Global –, konzentrierte es sich mit Rückenwind durch die Übernahme von Alcatel-Lucent im Jahr 2016 wieder auf Netzinfrastruktur. Nun muss es über den Verkauf von Netzhardware und den Wettbewerb über den Preis hinausgehen. Behandeln Betreiber Netze weiterhin vor allem als reine Konnektivitätsinfrastruktur, gerät Nokia zunehmend unter Preisdruck durch günstigere Rivalen wie Huawei, das sich auf dem Kontinent stark positioniert hat.

Nokias größere Wette ist, dass Software und Rechenleistung das Netz selbst zu einem wertvolleren Vermögenswert machen können. Über KI-native Netze und Plattformen wie AVA Autonomous Operations und Network as Code will das Unternehmen wiederkehrende Softwareerlöse aufbauen, in Edge Computing expandieren und mehr Wert aus 5G und später auch 6G ziehen. Die Beziehungen zu afrikanischen Betreibern verschaffen Zugang zum Markt, aber nicht zwangsläufig einen Wettbewerbsvorteil.

Nokias Wette versus die Marktwette

Diese Verwundbarkeit wird deutlicher, da sich die KI-Infrastruktur zunehmend um Unternehmen konzentriert, die sowohl Rechenhardware als auch Software kontrollieren. Adedeji Olowe, CEO von Lendsqr und Telekom-Experte, ist skeptisch, dass Nokia eine starke Position im Markt aufbauen kann.

„I don't think they have a chance, but then I could be wrong“, sagte Olowe. „Nokia has been in the enterprise market for a while, but the market is shifting significantly, and all the other players are likely ahead of them.“

Olowe verweist auf Unternehmen wie Amazon Web Services, Google und Huawei, die eigene KI-Chips und breitere Technologiestacks entwickelt haben. Diese vertikale Integration verschafft ihnen mehr Kontrolle über die Rechenschicht, von der KI-Dienste abhängen.

Emmanuel Ezenwere, CEO von Arone Technologies, einem nigerianischen Unternehmen für Hardware, Robotik und saubere Energie, sieht dieselbe Schwäche. „Nokia doesn't have its own chip“, sagte er und argumentierte, dass das Unternehmen dadurch bei einem kritischen Teil des KI-Stacks von Partnern abhängig sei.

Das ist bedeutsam, weil AI-RAN mehr ist als ein Telekom-Software-Update. Ein Großteil des Werts verlagert sich hin zu Rechenleistung, Verbindungen zwischen Systemen, Software-Ökosystemen und geistigem Eigentum. Nokia kontrolliert die Netzwerkschicht, doch seine AI-RAN-Strategie stützt sich auf NVIDIA bei der Hardware und Software, die die KI-Workloads antreiben.

Nokias Ansatz kombiniert die anyRAN-Software mit NVIDIAs Aerial-Software und GPU-Hardware. Beide Unternehmen entwickeln eine Architektur, in der GPU-basierte Rechenleistung neben Nokias bestehenden Baseband-Systemen sitzt, sodass herkömmlicher 4G- und 5G-Verkehr weiterlaufen kann, während KI-Workloads wie Inferenz und Training von der GPU-Schicht verarbeitet werden.

Diese Lösung verschafft Nokia Zugang zu fortschrittlicher KI-Rechenleistung, ohne einen eigenen Beschleuniger entwickeln zu müssen. Zugleich stellt sich jedoch die Frage, wie viel des daraus entstehenden Vorteils Nokia tatsächlich verteidigen kann. NVIDIA könnte ähnliche Recheninfrastruktur auch anderen Netzwerkausrüstern liefern und damit den Hardwarevorteil branchenweit verfügbar machen.

Ezenwere argumentiert, dass Nokias Position genau hier verwundbarer wird. Huawei hingegen hat mehr Kontrolle über seinen eigenen Technologie-Stack, einschließlich der Ascend-KI-Prozessoren, Netzwerkhardware und des Software-Ökosystems. Huawei hat allerdings bisher nicht öffentlich gezeigt, dass Ascend-Silizium direkt in seinen Basisstationen eingebaut ist, weshalb beide Ansätze technisch nicht gleichzusetzen sind.

Der Unterschied ist wichtig. Nokia setzt auf ein offenes, Merchant-Compute-Modell, das Telekominfrastruktur mit NVIDIAs Rechenplattform verbindet, während Huawei eine tiefere vertikale Integration über Hardware- und Software-Stack hinweg verfolgt. Die offene Frage ist, ob Nokias Modell auf breiter Basis bessere Leistung, Energieeffizienz und Kosten liefern kann.

Nokia tritt außerdem aus einer schwächeren Position im traditionellen RAN-Markt in AI-RAN ein. Beim RAN-Umsatz liegt das Unternehmen hinter Huawei und Ericsson, während die größten Anbieter den Markt dominieren. Ezenwere argumentiert, dass Nokias Angebot dadurch davon abhängt, nachzuweisen, dass es gegenüber Technologien, die von größeren Rivalen bereits entwickelt werden, spürbare Vorteile liefern kann.

„On technology and market position, Nokia is third by RAN revenue behind Huawei and Ericsson, with the top five holding 96% and concentration at a ten-year high“, sagte Ezenwere. „Ericsson has been shipping commercial AI in RAN since June 2026 at roughly 10% spectral efficiency and 20% downlink throughput gains without GPUs across fifteen-plus operators. Nokia's figures are a roadmap projection rather than delivered results: it claims over 20% today and forecasts 50% by 2027 and above 100% by 2028.“

Da Huawei, ZTE, Samsung und Ericsson AI-RAN erproben, ohne GPUs direkt ins Baseband zu integrieren, muss Nokia zeigen, dass sein teurerer, rechenintensiver Ansatz deutlich bessere Ergebnisse liefert.

Die Wirtschaftlichkeit könnte schwieriger sein als die Technologie

In Afrika könnten die wirtschaftlichen Rahmenbedingungen eine noch größere Hürde darstellen als die Technologie selbst.

Nokia hat keinen Festpreis für seine AI-RAN-Plattform veröffentlicht. Telekominfrastruktur wird in der Regel nach Kapazität, Umfang der Einführung, Anzahl der Standorte und Softwarelizenzierung bepreist und nicht über einen einzelnen Endkundenpreis. AI-RAN ist jedoch teurer als herkömmliche Infrastruktur, weil sie Hochleistungsrechnen ins Netz bringt.

Branchenangaben zufolge kann GPU-beschleunigte Verarbeitung an zentralisierten C-RAN-Hubs Zehntausende Dollar pro Knoten kosten und je nach Konfiguration mehr als 100.000 US-Dollar erreichen. Hinzu kommen Stromkosten: Hochdichte KI-Verarbeitung kann mehrere Kilowatt verbrauchen – eine erhebliche Belastung in Märkten, in denen Betreiber ohnehin viel für Strom, Batterien, Generatoren und Diesel ausgeben. Energie gehört zu den größten Betriebskosten afrikanischer Mobilfunkanbieter; diese Kostenbasis hat bereits mehrere große Betreiber, darunter Airtel Africa und MTN Group, dazu veranlasst, Vereinbarungen für erneuerbare Energien zu unterzeichnen, um die Dieselabhängigkeit an den Maststandorten zu senken.

Eine flächendeckende Einführung über den ganzen Kontinent hinweg ist daher schwer zu rechtfertigen. Afrikanische Betreiber investieren weiterhin stark in Glasfaser-Backhaul, Spektrum, den Ausbau von 4G und 5G sowie in die Versorgung ländlicher Gebiete, während sie pro Nutzer deutlich weniger Umsatz erzielen als Betreiber in entwickelten Märkten. Ein großer Teil ihrer Ausrüstung wird zudem in US-Dollar bepreist, was sie Währungsrisiken aussetzt.

Daher dürfte AI-RAN dort beginnen, wo die Wirtschaftlichkeit am ehesten tragfähig ist: stark frequentierte urbane Standorte, zentralisierte Netzknoten und Unternehmensumgebungen, in denen zusätzliche Kapazität oder latenzarmes Rechnen messbare Erträge bringen können.

Mausoofs Beschreibung von Nokias Architektur stützt diesen Ansatz. Betreiber können ihre bestehenden 4G- und 5G-Systeme behalten und GPU-basierte Rechenleistung neben ihrer Baseband-Infrastruktur hinzufügen. Der herkömmliche Mobilfunkverkehr läuft weiter über das bestehende System, während die GPU-Schicht KI-Workloads übernimmt, gesteuert von einer einzigen Softwareebene.

Dabei geht es weniger um den kompletten Neuaufbau des Netzes als darum, eine Intelligenz- und Rechenschicht auf bereits vorhandene Infrastruktur aufzusetzen. Mausoof sagte, Nokia ziele auf eine bis zu 2,5-fache Verbesserung der spektralen Effizienz, was Betreibern ermöglichen könnte, mehr Kapazität aus dem vorhandenen Spektrum herauszuholen.

Diese Aussage bleibt allerdings weitgehend zukunftsgerichtet. Ezenwere verweist auf die breitere Branchendebatte darüber, welche konkreten Verbesserungen KI im RAN tatsächlich liefern kann. Ericsson hat kommerzielle AI-RAN-Implementierungen gemeldet, die ohne GPUs moderatere Effizienzgewinne erzielen, während Nokias höhere Werte auf eigenen Tests und Prognosen beruhen. Die Lücke zwischen Laborleistung und messbaren Erträgen für Betreiber könnte letztlich entscheiden, ob AI-RAN ein relevantes Geschäft oder ein teures Upgrade wird.

KI könnte dennoch einige unmittelbare Probleme der Betreiber lösen. Netze können Ressourcen automatisch an Verkehrsmuster anpassen, Kapazität in nachfrageschwachen Phasen reduzieren und Wartung automatisieren. Mausoof verwies auf einen Nokia-Einsatz während der Hadsch in Saudi-Arabien, bei dem das Unternehmen nach eigenen Angaben zwischen 10.000 und 15.000 Netzwerkinteraktionen und Änderungen in einer Phase intensiver Nachfrage automatisiert abwickelte.

Das könnte ein überzeugenderer Anwendungsfall für Afrika sein als der flächendeckende Einsatz von GPUs. Wo Strom teuer ist und Außendiensttechniker schwer zu entsenden sind, könnte Automatisierung, die Energieverbrauch und Netzwerkwartung senkt, Erträge liefern, ohne eine vollständige Netztransformation zu erfordern.

Afrika könnte zum Testfall werden, ob AI-RAN sich rechnet

Der größere Ertrag liegt im Unternehmensgeschäft. Bergbauunternehmen könnten dedizierte Netze für autonome Maschinen nutzen; Häfen und Logistikunternehmen könnten Konnektivität, Sensoren und Computer Vision kombinieren; Hersteller könnten Maschinen über latenzarme Netze koordinieren; und Versorger könnten vernetzte Infrastruktur nutzen, um Anlagen zu überwachen und Ausfälle vorherzusagen.

Edge Computing ist für dieses Modell zentral, weil es erlaubt, Daten näher dort zu verarbeiten, wo sie entstehen. So könnten Betreiber Netzwerkfähigkeiten – nicht nur Bandbreite – auf Basis von Latenz, Zuverlässigkeit, Sicherheit und Durchsatz verkaufen.

Der Markt für solche Dienste ist jedoch noch eng. Große Industrieunternehmen haben möglicherweise klare Gründe, für Echtzeit-KI-Verarbeitung zu zahlen, während viele afrikanische Unternehmen noch grundlegende Workloads von Altsystemen auf Cloud-Plattformen migrieren. Die Nachfrage nach anspruchsvoller KI-Inferenz am Netzwerkrand dürfte daher zunächst von einer kleinen Gruppe technologisch fortgeschrittener Unternehmen ausgehen.

Für Betreiber bedeutet das, ihre Netzwerke anders zu monetarisieren. Unternehmenskunden müssten für konkrete Leistungsmerkmale oder Geschäftsergebnisse zahlen, während Betreiber gemeinsam mit Unternehmen Anwendungsfälle entwickeln müssten, statt lediglich klassische Datenpakete zu verkaufen.

Die Technologie ist in Afrika noch weit von einer breiten kommerziellen Einführung entfernt. Nokia spricht mit Betreibern in der Region über AI-RAN-Anwendungsfälle, doch Mausoof sagte, sie könnten noch nicht genannt werden, da sich die Projekte noch in der Testphase befinden. Erste Tests sollen bereits im ersten Quartal 2027 beginnen, gefolgt von weiteren Ankündigungen auf dem Mobile World Congress 2027 und einer Kommerzialisierung im Jahr 2028.

Mausoof erwartet, dass sich die breitere Einführung in Afrika über 2030 hinausziehen wird, weil sich die Märkte stark in technologischer Reife, Spektrumverfügbarkeit, Infrastruktur und Betreiberfähigkeiten unterscheiden. Fortschrittlichere 5G-Märkte dürften zuerst vorangehen, während andere weiterhin auf den Ausbau der Grundversorgung konzentriert bleiben.

Das stellt Nokia vor eine schwierige wirtschaftliche Rechnung: Das Unternehmen versucht, eine Technologie zu verkaufen, die mehr Effizienz und neue Erlöse verspricht, während Betreiber gleichzeitig unter Druck stehen, den Ausbau grundlegender Netze zu finanzieren.

Das Wettbewerbsumfeld verschärft die Herausforderung. Microsoft, Google, Amazon und NVIDIA bauen ihre Positionen in Cloud und KI aus, während Ericsson und Huawei in der Telekominfrastruktur fest verankert bleiben. Die Hyperscaler haben Vorteile bei Cloud-Infrastruktur, KI-Modellen, Entwickler-Ökosystemen und Kapital, während NVIDIA einen kritischen Teil des Rechenstacks kontrolliert.

Nokias potenzieller Vorteil ist daher kleiner: seine RAN-Expertise, bestehende Beziehungen zu Betreibern und der installierte Bestand. Doch selbst diese Vorteile stehen unter Druck. Wenn NVIDIA ähnliche beschleunigte Rechenplattformen auch Ericsson, Samsung und anderen Anbietern liefern kann, wird Nokias Vorsprung womöglich kein dauerhafter Burggraben.

Huawei stellt eine andere Herausforderung dar. Sein Vorteil in Afrika besteht nicht nur im Zugang zu günstigeren Finanzierungen oder chinesischer Staatshilfe. Huawei verfügt über einen installierten Bestand, wettbewerbsfähige Preise und die Fähigkeit, ein breiteres Portfolio aus Telekomnetzen, Glasfaser, Cloud und Regierungstechnologie anzubieten – und damit mehr Möglichkeiten, Ausgaben zu sichern, während afrikanische Staaten und Unternehmen digitale Infrastruktur aufbauen.

Für Nokia ist die entscheidende Frage, ob sich seine AI-RAN-Strategie nutzen lässt, um seinen bestehenden Netz-Footprint in diesem Ökosystem in eine stärkere Position zu verwandeln.

Afrika könnte dabei zum entscheidenden Test werden. GSMA-Daten zeigen, dass 3G- und 4G-Netze etwa 85% der Bevölkerung abdecken, doch mehr als 60% sind weiterhin offline. Hohe Smartphone- und Datenkosten begrenzen die Nutzung weiterhin selbst dort, wo die Versorgung vorhanden ist.

Das macht Afrika zu einem schwierigen Markt für teure KI-Infrastruktur – aber potenziell zu einem nützlichen für Technologien, die Netzbetriebskosten senken. Der stärkste kurzfristige Anwendungsfall für KI dürfte daher nicht in autonomen Netzen oder GPU-betriebenen Mobilfunkstandorten liegen, sondern darin, mit KI den Energieverbrauch zu senken, Betriebsabläufe zu automatisieren und mehr Kapazität aus bestehender Infrastruktur herauszuholen.

Nokias langfristige Wette ist, dass diese Effizienzgewinne irgendwann zu etwas Größerem führen: zu Netzen, die zu programmierbaren Plattformen für KI- und Unternehmensanwendungen werden.

„Network infrastructure in Africa has to be scaled up, and that is our priority—to continue to drive connectivity“, sagte Mausoof. „Infrastructure will evolve into AI-native platforms that will be programmable, software-led and edge-enabled.“

Die Frage ist, ob Nokia diese Vision in ein belastbares Geschäft überführen kann. Die Partnerschaft mit NVIDIA verschafft Zugang zur benötigten Rechenleistung, aber nicht zwangsläufig Kontrolle über den Technologie-Stack. Die Beziehungen zu Betreibern verschaffen Zugang zu Kunden, aber keine garantierte Nachfrage. Und die AI-RAN-Technologie kann zwar die Ökonomie der Netze verbessern, doch Betreiber brauchen weiterhin eine überzeugende Kapitalrendite.

Um in Afrika erfolgreich zu sein, wird Nokia wahrscheinlich mehr brauchen als eine technisch leistungsfähige AI-RAN-Plattform. Es braucht enge Partnerschaften mit Betreibern, Unternehmensanwendungsfälle mit messbaren Erlösen oder Einsparungen und groß angelegte Implementierungen, die den bestehenden Netz-Footprint in einen Vorteil verwandeln.

Genau darum geht es letztlich: ob Nokia KI nutzen kann, um seine Telekominfrastruktur wertvoller zu machen – oder ob die nächste Schicht der afrikanischen digitalen Infrastruktur von den Unternehmen erfasst wird, die die dahinterliegende Rechenleistung, Software und das Kapital kontrollieren.