Welke AI oplossingen zijn er voor Wi-FI in 2025?

AI (Machine learning) wordt tegenwoordig al op verschillende manieren ingezet bij Wi-Fi-design.  Bijvoorbeeld bij site surveys en heatmaps. Voorheen werd kanaalplanning vaak handmatig uitgevoerd of mocht een individuele Wi-Fi zender zelf een kanaal kiezen. Tegenwoordig kan AI dit automatisch doen voor het hele netwerk. AI gebruikt live gegevens om te analyseren welk kanaal het beste is, bijvoorbeeld hoe druk kanalen zijn, waar interferentie optreedt, en hoe gebruikers zich bewegen. AI past dan automatisch het kanaal aan op basis van deze data.

Sommige AI-oplossingen geven aan netwerkproblemen te kunnen signaleren en zelfs (deels) oplossen, bijvoorbeeld door patronen te herkennen in gebruikerservaring, latency of storingen. Andere leveranciers bieden AI-modellen waarbij er zelfs ‘what-if’-situaties getest kunnen worden. Bijvoorbeeld: wat gebeurt er met het netwerk als er ineens 50 mensen extra op een verdieping zijn? Zo’n model laat dan zien hoe de netwerkprestaties zijn met de huidige set-up.

Case: Juniper Mist AI in de praktijk

Een van de partijen die zich sterk profileert op dit vlak is Juniper Networks, met hun platform Mist AI. Dit systeem gebruikt machine learning om netwerkproblemen te signaleren én op te lossen. Denk aan access points die zichzelf opnieuw configureren op basis van gebruikerservaring of prestatiegegevens.

Een onderdeel daarvan is Marvis, de virtuele netwerkassistent. Die kan terugkerende netwerkproblemen herkennen zoals DHCP-fouten of roaming-issues, en in sommige gevallen zelfstandig actie ondernemen, zoals het herstarten van een access point. In de praktijk werkt dit vooral goed in draadloze omgevingen die vanaf de basis goed zijn ontworpen en waar veel wisselende variabelen zijn die met traditionele monitoring lastig zijn op te volgen.

In Juli 2025 mochten we voor een semi-overheid een aantal Wi-Fi metingen uitvoeren voor een locatie met tientallen Juniper Mist AI accesspoints omdat ze benieuwd waren naar de prestaties van de AI modellen, in combinatie met het toch nog regelmatig ervaren van klachten op de werkvloer. Onze conclusie? Het onderliggende Wi-Fi ontwerp was niet passend en Mist AI kon daarvoor met de slimme automatische instellingen niet compenseren. Ook maakte het model de verkeerde keuzes op basis van de data die beschikbaar was. Het resultaat; niet logische signaalsterktes, (veel) interferentie, onduidelijke roaming gebieden, problemen met de dekking en zelfs signal-to-noise problemen.

In de praktijk kan Mist AI best goed werken, maar alleen als de draadloze omgevingen vanaf de basis al goed zijn ontworpen. De technologie is veelbelovend, maar blijft, net als veel andere AI-oplossingen, nog grotendeels reactief. Bovendien zijn valse positieven ook hier een punt van kritiek. AI is geen vervanging voor een goed Wi-Fi ontwerp.

De ‘AI’ toepassingen van Aruba en Ubiquiti

Zowel Aruba als Ubiquiti hebben ook slimme automatische kanaalinstellingen. Aruba heeft zelfs Juniper in 2025 overgenomen om zo ook de AI tools te kunnen integreren in hun portfolio. Op dit moment gebruiken zowel Aruba als Ubiquiti de term “AI” vooral als marketing. De automatische kanaalinstellingen en zendvermogen hebben (wat ons betreft) niets te maken met AI maar met simpel “if this - than that” gedrag van de individuele zenders. Ook het automatisch 's nachts optimaliseren van Wi-Fi netwerken blijkt in de praktijk erg slecht te werken. Zowel Aruba netwerken als Ubiquiti netwerken die op automatisch worden ingesteld, komen in onze Wi-Fi metingen van dit jaar stelselmatig slecht uit de test.

Onze voorspelling voor de toekomst

Momenteel zijn AI-functies binnen Wi-Fi design en kanaalplanning nog beperkt, maar dat zal in de toekomst waarschijnlijk veranderen. AI zal beter worden in het herkennen van patronen over langere periodes en in het begrijpen van complexe, dynamische omgevingen. Ook verwachten we dat AI beter zal worden in het ondersteunen van IT’ers om problemen op te lossen.

Waar AI echt sterk in zal zijn

AI zal uitblinken in het analyseren van enorme hoeveelheden data in real-time, iets wat voor een mens simpelweg onmogelijk is. Stel je voor: een AI detecteert ineens dat er vanuit een klein kantoor in Rusland een ongewoon grote hoeveelheid Dropbox-verkeer wordt gegenereerd. Dit kan wijzen op een beveiligingsprobleem, zoals een datalek of een gehackt account, en zo’n vroegtijdige waarschuwing kan een bedrijf duizenden euro’s schade besparen.

Ook zal AI je kunnen helpen bij het automatisch aanpassen van netwerkcapaciteit, door bijvoorbeeld extra bandbreedte vrij te maken in gebieden met plotseling meer gebruikers, of het prioriteren van belangrijk verkeer zoals een videogesprek boven minder urgent verkeer.

Van reactief naar proactief

In de toekomst verwachten we dat AI ook meer proactief zal opereren. Bijvoorbeeld: “Als het netwerkverbruik op deze manier blijft stijgen, dan ontstaat er donderdag rond 14:00 uur een bottleneck op verdieping 3.” Zulke voorspellingen helpen netwerkbeheerders om problemen te voorkomen voordat ze ontstaan. Maar dat is niet het enige. AI kan bijvoorbeeld ook detecteren wanneer een medewerker onbedoeld een malware-infectie verspreidt via het netwerk.

Belangrijk om te onthouden: AI kan geen slecht ontworpen netwerk fixen. Als access points verkeerd zijn geplaatst, dan kan geen enkel algoritme dat volledig fixen. Wat AI wél kan, is het maximale halen uit een bestaand ontwerp. Vooral in goed ontworpen netwerken met veel dynamiek, denk aan vliegvelden, scholen of conferentielocaties, kan AI zich automatisch aanpassen. Bijvoorbeeld door de zendsterkte tijdelijk te verlagen bij veel gebruikers, zodat er minder interferentie ontstaat binnen een gebouw.

Conclusie

Kortom, AI speelt nu nog een bescheiden rol in kanaalplanning en netwerkdesign, maar fabrikanten investeren volop in de ontwikkeling. De verwachting is dan ook dat deze technologie binnen afzienbare tijd een centrale plaats gaat innemen bij het ontwerpen, beheren en optimaliseren van netwerken.

DISCLAIMER: Dit artikel is niet geschreven door AI mocht je het je afvragen ;-).