Auf dem Wasser, am Himmel oder auf der Straße – überall wird schon mit Künstlicher Intelligenz gearbeitet. Doch wie genau steuert KI unsere Mobilität?
Stuttgart - In der Plochinger Leitstelle der Stuttgarter S-Bahn hat die Zukunft der Deutschen Bahn schon begonnen: Dort unterstützt Künstliche Intelligenz (KI) die Disponenten dabei, die Züge im Störungsfall effizient zu steuern – wenn etwa ein Baum im Sturm auf die Gleise gefallen ist.
Was in Stuttgart getestet wird, ist das Pilotmodell für die gesamte Deutsche Bahn (DB). „Die KI gibt Empfehlungen, zum Beispiel einen bestimmten Zug überholen zu lassen, wenn Verspätungen im Betrieb auftauchen und Auswirkungen auf Folgezüge haben“, erläutert Sabina Jeschke, die bis vor Kurzem DB-Digitalvorständin war und heute bei Deloitte tätig ist. Die KI-Software berechne in 100-fach beschleunigter Echtzeit, wie sich diverse Varianten der Zugsteuerung auf die Pünktlichkeit auswirken. „Wie in einem Youtube-Video“ könnten die Disponenten den Verkehr vor- und zurückspulen und die diversen Szenarien bewerten.
Demnach müssen die S-Bahnen weniger oft das Tempo reduzieren oder warten, wenn ein anderer Zug die Strecke blockiert. Die Schienenkapazitäten werden effizienter genutzt, und eine engere Taktung wird möglich. Bei ersten Tests wurde die Pünktlichkeit im Störungsfall um bis zu drei Prozentpunkte gesteigert – in größeren Verkehrsnetzen sind Pünktlichkeitsgewinne im zweistelligen Prozentbereich möglich.
Die Software soll rasch flächendeckend bei der Stuttgarter S-Bahn eingesetzt und noch dieses Jahr bei mindestens einer weiteren S-Bahn eingeführt werden. „Künstliche Intelligenz ist der größte Hebel, den die Bahn je hatte: für mehr Pünktlichkeit, mehr Kapazität und eine höhere Zugverfügbarkeit“, betont die Digitalexpertin. Allein für Stuttgart werden bis 2030 etwa 450 000 bis 500 000 Fahrgäste pro Tag prognostiziert.
Immer komplexer wird der Verkehr. Da hilft KI enorm. Technisch sei es gar nicht so aufwendig, ein selbstlernendes System einzuführen, sagt Jeschke: „Die größere Herausforderung ist das Umdenken: Man muss akzeptieren, dass KI eine kritische Lage besser bewerten kann als ein Disponent.“ Der Mensch behalte aber stets die „volle Handlungshoheit“.
Auch die Instandhaltung profitiert von KI: Im Werk München wurde eine Fahrzeugdiagnose für das Dach des ICE 4 entwickelt. Bevor ein Zug in die Halle kommt, durchfährt er ein Kamera-Sensortor, das Bilder erzeugt. Die KI markiert Risse in der Oberfläche oder fehlende Teile. Bisher mussten die Mitarbeiter aufs Dach klettern, um etwa die Schraubverbindungen zu überprüfen. Dank KI reduziert sich der Aufwand für die Inspektion von rund drei Stunden auf unter fünf Minuten.
Was für die Bahn gut ist, hilft auch der Luftfahrt. Die Vorhersage von Wartungsereignissen ist dort die wohl bedeutendste KI-Funktion. Unvorhergesehene Probleme mit dem Triebwerk etwa haben meist Flugverspätungen oder Annullierungen zur Folge. Fällt eine bestimmte Pumpe in mehreren Flugzeugen mit ähnlichem Einsatzprofil aus, kann Künstliche Intelligenz ein Muster darin erkennen – dann wird die Pumpe in weiteren Fliegern gewechselt, bevor dort der kritische Wert von Betriebsstunden erreicht wird.
Lesen Sie aus unserem Angebot: Wenn die Künstliche Intelligenz versagt
Lufthansa Technik ist ein Vorreiter bei der Datenanalyse, und Susan Wegner ist dort Chefin der KI-Einheit. Sie kann viele Beispiele benennen. Eines ist „Aviatar“, eine Plattform für digitale Dienstleistungen. Deren Ziel ist es, den optimalen Zeitpunkt für eine Instandhaltungsmaßnahme zu erwischen, „um die Wartung effizient zu gestalten und die Ausfallzeiten sehr gering zu halten“, wie sie schildert.
Möglich wird dies durch 25 000 Sensoren, die ein moderner Jet mit sich führt. Sie alle registrieren Aktionen und Zustände teils mehrmals pro Sekunde. All diese Daten werden über Jahre vom digitalen Zwilling (Avatar) am Boden gesammelt und mit KI ausgewertet. Weil Lufthansa Technik auch Flugzeuge anderer Airlines wartet, können diese das Vorhersagesystem kaufen. In diesem Jahr hat United Airlines angebissen.
Derweil hat Lufthansa Cargo eine eigene Datenplattform aufgebaut. Damit wird dem Kunden eine Prognose für die effizienteste Flugroute angeboten. „Welche Preise für welche Routen und Frachtraten anfallen, wird automatisch generiert und vorhergesagt“, sagt Wegner.
Optimiert wird auch die Frachtanlieferung: Für jedes Frachtstück wird vorherbestimmt, wann es am Verteilerpunkt ankommen muss. Üblicherweise wird dort nur zehn Prozent des Frachtguts zur Kontrolle nachgewogen. Um „schwarze Schafe frühzeitig zu erkennen“, gibt Lufthansa Cargo auf KI gestützt nun eine Empfehlung ab, welche Fracht vorrangig gewogen werden sollte. „Das ist auch sehr erfolgreich“, sagt Wegner.
Auch zu Lande ist KI auf dem Vormarsch. Martin Friedrich und Kai Hannemann beschäftigen sich in Europas größtem Forschungszentrum für Logistik, dem Fraunhofer IML in Dortmund, mit selbstlernenden Datensystemen in der Logistikkette: vom Lagerhaus auf Straße, Schiene oder Wasserweg bis zur Auslieferung.
Einer Studie zufolge hielten 83 Prozent der Logistik-Unternehmen KI für entscheidend, sagt Friedrich. Dies sei der zweithöchste Wert hinter der Chemiebranche. „Das Bewusstsein ist bei den Transportträgern auf jeden Fall da – jetzt geht es darum, sie bei der Umsetzung zu unterstützen.“
Fast 90 Prozent der KI-Entwicklungen gehen auf das Konto von Start-ups oder Forschungsinstituten. Die Firmen bräuchten nun greifbare Anwendungsbeispiele, um Ideen für ihr Geschäft zu entwickeln, sagt Friedrich. Wichtig sei ihm: „KI erleichtert den Alltag, ersetzt aber keine Arbeitsplätze.“ Vielmehr würden ständig sich wiederholende Aufgaben oder das Berechnen großer Datenmengen der neuen Technologie überlassen.
Lesen Sie aus unserem Plus-Angebot: Roboter können nicht jeden Job machen
Eine besonders herausfordernde Anwendung ist das Zusammenspiel diverser Verkehrsträger in der Transportkette, auch wenn dies vielfach noch zu komplex erscheint. Weil es täglich ein logistisches Problem ist, Lkw, Zug und Schiff oder Flugzeug zu koordinieren, schlagen KI-Systeme die beste Route vor und wählen den optimalen Verkehrsträger aus. „Da gibt es aber große Potenziale, die noch gehoben werden müssen“, sagt Friedrich. „Von vielen Unternehmen werden viele Daten aufgezeichnet – diese müssen erst zusammengefügt werden müssen, um etwas zu erreichen.“
Hinzu kommen Datenbestände über Staus, Schienensperrungen, Niedrigwasserstände oder Unwetter – über alles, was den Transport schon beeinflusst hat. Der Computer vergleicht diese Werte mit der aktuellen Situation und passt seine Prognose für die Route an. Diese „historischen“ Daten zu finden, sei die große Herausforderung, sagt Hannemann.
Fortgeschritten ist auch ein Projekt mit einem Paketdienstleister, dessen Fahrzeuge mit Sensorik ausgestattet sind. „Da kriegen wir immer gemeldet: Wo sind die gerade, und wie schnell fahren sie.“ Damit wird der Algorithmus gefüttert, um für jede Tages- und Wochenzeit neue Tourenvorschläge zu erhalten. Das System hört nie auf, sich weiterzuentwickeln.
Es sei allerdings ein Risiko, sich davon abhängig zu machen, warnt Friedrich. „Wer zu sehr der Prognose vertraut, kann in eine Fehlplanung laufen, wenn etwa falsche Daten eingegeben wurden.“ Es brauche stets den Kontrollblick – „man sollte sich auch nicht zu sehr auf KI verlassen“.
Weitere Teile unserer KI-Serie finden Sie auf dieser Seite.
