In der 6G-Ära gibt es eine hohe Nachfrage nach verschiedenen Kommunikationsverbindungen. Dies führt zu Multi-User-Interferenzszenarien, die zu einer Verschlechterung der Systemleistung und zu Ausfällen führen. In dieser Arbeit versuchen wir, durch Schätzung des Haupt- und Interferenzkanals im ersten Schritt und anschließende Vorhersage des Haupt- und Interferenzkanals für die nächsten Zeitpunkte Informationen über die Kanalbedingungen zu gewinnen, die uns helfen, geeignete Maßnahmen gegen Störungen zu ergreifen. Wir sind daran interessiert, zwei ML-Architekturen von CNN + BiLSTM und Transformer für die Kanalschätzung und -vorhersage zu untersuchen. Wir verwenden Interpolation, LMMSE und AMLE als Basiswerte.