In diesem Beitrag wird die Anwendung des maschinellen Lernens für die optimale Bereitstellung der 5G-Infrastruktur untersucht, z. B. die Position und die Ausrichtung der Antenne, mit der die beste Signalabdeckung erreicht wird. Dies macht Messungen vor Ort oder umfangreiche Software-Simulationen überflüssig. Multivariate Regressionsmodelle (MR) und neuronale Netzwerke (NN) werden zur Vorhersage der Signalabdeckung in Innenräumen eingesetzt. Die Ergebnisse zeigen, dass der durchschnittliche Vorhersagefehler bei Verwendung von NN für den untersuchten Fall 7 dB für eine Betriebsfrequenz von 60 GHz beträgt, während der Fehler bei Verwendung der MR-Technik unter 6 dB liegt. Das Besondere an der Untersuchung ist die Integration des Clustering-Algorithmus und des NN-Lernmodells zur Vorhersage der Signalabdeckung in Innenräumen.