• Thomas Marquordt, Director |
  • Dr. Steffen Wagner, Partner |

Highlights

  • Immer mehr Kunden erwarten einen agilen, bedarfsorientierten und informativen Schienenverkehr, der auf die individuellen Bedürfnisse der Fahrgäste zugeschnitten ist.

  • Mit Hilfe von KI und Big Data können etwa Wartungsarbeiten schneller durchgeführt und der Kundenservice individualisiert werden.

  • Große Datenmengen, die nicht sortiert oder fehlerhaft sind, können KI-Systeme in der Durchführung behindern und so das Risiko von Hackerangriffen erhöhen.

Mobilitätsnachfragemuster verändern sich aktuell äußerst dynamisch und eine immer größere Zahl von Variablen bestimmt das Mobilitätsverhalten. Durch fortschreitende Vernetzung und Sharing-Economy verschieben sich Kundenbedürfnisse von traditionell festen Fahrplänen hin zu der Erwartungshaltung, dass der Schienenverkehr agil, bedarfsorientiert und informativ ist. Rund 58 Prozent der Befragten einer Bitkom-Studie aus dem Jahr 2020 gaben an, dass sie sich einen größeren Einsatz von KI im Transportwesen wünschen. 

In diesem Beitrag beschäftigen wir uns mit den verschiedenen Möglichkeiten des Einsatzes von KI und Big Data im Schienenverkehr. 

Einsatzmöglichkeiten von KI und Big Data im Schienenverkehr

Auslastungsoptimierung

Um hohe Auslastungen in Zügen ohne vorzeitige Buchungen zu vermeiden, können Sensoren angebracht werden, die ein- und aussteigende Passagiere zählen und somit einen Überblick über die aktuelle Auslastung des Zuges haben. Diese Informationen können mit Hilfe von Apps oder Informationstafeln an Bahnhöfen an den Kunden weitergegeben werden. Bei einer zu hohen Auslastung ist es möglich, den wartendenden Passagieren alternative Routen anzubieten. Langfristiges Sammeln dieser Daten bietet dem Bahnunternehmen zudem die Möglichkeit, Spitzenauslastungen zu bestimmten Zeiten und auf bestimmten Zuglinien auszuwerten und den Einsatz der Züge zu optimieren. Ein ähnliches Modell lässt sich aktuell in deutschen Bahnhöfen unter dem Namen „Peak Spotting“ beobachten: Durch intelligente Visualisierungen kann die Auslastung in Zügen sowie am Bahnhof erkannt werden. Bei einer hohen Auslastung werden mehr Wagons oder Züge mit mehr Sitzplätzen eingesetzt. Der Passagier bekommt frühzeitig eine Information über die Auslastung seiner Reiseverbindung. 

Zusätzlich lösen IP-Kameras analoge Überwachungskameras ab. Durch die Auswertung der Besucherströme wird es zum Beispiel möglich, bei Bedarf mehr Mitarbeiter in den Bahnhöfen zum Einsatz zu bringen oder Ereignisse wie Brände, Vandalismus oder Betrug beim Zugang zu Dienstleistungen frühzeitig festzustellen. Automatisierte Echtzeit-Analysesysteme können dazu genutzt werden, Betrugsverhalten an Fahrkartenautomaten zu erkennen und Warnmeldungen zu versenden, um Kontrolleure bei der Durchführung gezielter Überprüfungen zu unterstützen.

Intelligente Wartungsarbeiten

Mit Hilfe von KI-Algorithmen, Sensor- und Kameratechnik sowie einem entsprechend eingebetteten Informationssystem können während der Zugfahrt Schäden an Schienen, Schotterbett oder Fahrleitungen erkannt werden. Aber auch an der Bahn selbst können Wartungsarbeiten durch KI optimiert werden, beispielsweise durch die Aufstellung von Kamerabrücken auf Werksgeländen, unter denen ein Zug hindurchfährt. Sobald die Bahn ​​in der Halle eintrifft, wissen die Mitarbeiter bereits, wo etwaige Reparaturen erforderlich sind. Dadurch werden Werkstätten, die oft über ihre Kapazitätsgrenzen hinaus arbeiten, entlastet, Wartungsarbeiten werden reduziert und die Pünktlichkeit der Züge optimiert. 

Kundenservice

Apps können den Kunden nicht nur bei erhöhter Auslastung informieren, sondern es können auch  Benachrichtigungen generiert werden, wenn sich der Zug dem jeweiligen Zielbahnhof nähert. Bei Buchungen ohne vorherige Sitzplatzreservierung könnten sich Reisende über die App freie Sitzplätze an ihrem Standort im Zug anzeigen lassen. Der Kunde hat die Möglichkeit anzugeben, ob es sich um eine Geschäftsreise handelt und kann in diesem Fall einen Sitzplatz mit stabiler Internetverbindung auswählen. Vorlieben der Reisenden können durch häufige Interaktion mit der App ausgewertet werden, um individualisierte Angebote zu erstellen. So können z.B. bei Zugverspätungen oder -ausfällen personalisierte Gutscheine oder Bonuspunkte ausgestellt werden. Darüber hinaus ist ein schnelles und bequemes Einchecken möglich sowie eine Personalisierung des Infotainments und Bordservices im Zug. Eine Bestellung und Bezahlung im Bordbistro über die App würde zusätzlich das Bordpersonal entlasten.

KI kann zudem Zugreisen für Personengruppen attraktiver machen, für die sie aktuell nicht immer uneingeschränkt zugänglich sind, wie beispielsweise für Rollstuhlfahrer oder Menschen mit Kinderwagen, die auf freie Zugänge in der Bahn angewiesen sind. Zu diesem Zweck wurde eine neue Technologie entwickelt, die mit Hilfe von im Zug angebrachten Kameras erkennt, welche Bereiche versperrt bzw. verfügbar sind. Diese Informationen können an die auf dem Gleis wartenden Personen gesendet werden, um die Bahn bestmöglich auszulasten. Alternativ könnte über die Informationsanzeige am Bahnsteig angezeigt werden, welche Wagons barrierefrei zugänglich sind. 

KI kommt ebenso in Telefonhotlines vor, um Anfragen effizienter zu beantworten. Die Audiodaten des Gesprächs werden dazu in einen Text umgewandelt und analysiert. Das System schlägt dem Mitarbeiter im Callcenter dann eine passende Antwort auf die Frage des Kunden vor.  Ein Projekt namens SEMMI (Socio-Emphatic Human-Machine Interaction) wird aktuell in Deutschland für Dialoge in Form von Sprache genutzt. Es dient z.B. als Digital Avatar, als Sprachroboter in Callcentern oder als Kundenserviceroboter. Um eine Verständigung auf Augenhöhe mit dem Menschen zu führen, benötigen diese Systeme eine sogenannte „Conversation AI“. Das System verleiht dem Roboter eine Art von Empathie.

In Asien werden seit 2020 verschiedene Roboter eingesetzt, die unterschiedliche Kundenservices abdecken. Die Roboter helfen unter anderem beim Ticketkauf, der Fahrplanauskunft oder Reinigung des Bahnhofs. Nachts, wenn der Bahnhof geschlossen ist, kontrollieren die Roboter den Zustand des Bahnhofs mit Hilfe einer Bildanalyse.  

Allgemeine Herausforderungen

Die verfügbaren Daten müssen von guter Qualität sein, um sachgerechte und verwertbare Ergebnisse zu erhalten. Dubletten, veraltete Daten oder Übersetzungsfehler sind häufige Gründe für eine schlechte Datenqualität. Zudem ist es wichtig, dass ausreichende Datenmengen zur Verfügung stehen, um korrekte Schlussfolgerungen ziehen zu können. Problematisch sind insoweit etwa fehlende Werte, so dass zusammenhängende Daten vom System nicht verstanden oder falsch interpretiert werden können. Wenig zielführend ist außerdem die Erstellung einer zu spezifischen (da nur auf eine einzelne Datengruppe fokussierende) Gruppenauswertung, aus der keine brauchbaren Ergebnisse repliziert werden können. Fehler entstehen auch, wenn auf externe Datenbanken zugegriffen wird, die unvollständig oder inkonsistent sind. Große Datenmengen erhöhen zudem das Risiko von Hackerangriffen und erfordern daher eine starke Auseinandersetzung mit dem Thema Cyber Security.

Aussicht - Wie geht es weiter?

KI und Big Data spielen eine immer wichtigere Rolle im gesamten Verkehrssektor. Große Unternehmen im Schienenverkehr nehmen derzeit umfangreiche Investitionen in KI-Startups vor. Langfristig soll damit besonders die Auslastung und Pünktlichkeit des Bahnverkehrs optimiert werden. Laut einer Erhebung des Bundesverbands Deutsche Startups befassen sich aktuell rund 14 Prozent der KI-Startups mit dem Themenbereich Transport und Mobilität. Entsprechende Innovationen werden perspektivisch zu einer weiteren Optimierung der Verkehrskapazitäten, einem effizienteren Einsatz des rollenden Materials und im Ergebnis auch zu verbesserten Kundenerlebnissen führen.