KI in der kommunalen Verkehrssteuerung: Klare Ziele entscheiden über den Erfolg

Künstliche Intelligenz (KI) wird für Kommunen immer wichtiger. In der Verkehrs- und Mobilitätssteuerung eröffnet sie neue Möglichkeiten, Staus, Emissionen und ineffiziente Verkehrsflüsse zu reduzieren. Doch ihr Nutzen entscheidet sich nicht an der Technologie allein. Ohne klar definierte kommunale Ziele und messbare Kriterien bleibt KI wirkungslos. Zu diesem Ergebnis kommt ein aktuelles Impulspapier der Plattform Lernende Systeme. Im Mittelpunkt steht ein ganzheitliches Zielbild der KI-basierten Verkehrssteuerung für Mobilitätssysteme, das von den Bedürfnissen der Kommunen ausgeht. Das Papier bietet eine strategische Orientierung dafür, wie KI als lernendes Steuerungsinstrument eingesetzt werden kann, um Mobilität gemeinwohlorientiert zu gestalten.

Städte und Kommunen stehen unter hohem Handlungsdruck: Sie sollen Mobilität effizienter, klimafreundlicher und sicherer gestalten. Verkehrsflüsse sollen verbessert, Flächen neu verteilt und die Lebensqualität erhöht werden – bei begrenzten Ressourcen und zunehmenden Zielkonflikten. KI kann dabei unterstützen, bestehende Infrastrukturen intelligenter zu nutzen und Steuerungsentscheidungen datenbasiert zu treffen. Dabei müssen lernende Systeme konsequent an kommunalen Zielen ausgerichtet werden.

„KI-basierte Verkehrs- und Mobilitätssteuerung entfaltet ihren gesellschaftlichen Nutzen nur dann, wenn sie klaren kommunalen Zielvorgaben folgt und dauerhaft innovationsfähig gestaltet wird“, sagt Tobias Hesse, Deutsches Zentrum für Luft- und Raumfahrt und Mitglied der Plattform Lernende Systeme. „Erst wenn politische Prioritäten in messbare Indikatoren übersetzt werden, sind sie für KI-Systeme steuerbar.“

„Technisch setzen wir dabei auf ein modellbasiertes Reinforcement Learning, das es erlaubt, Steuerungsstrategien zunächst in Simulationen zu testen, bevor sie im realen Verkehr eingesetzt werden – quasi ein sicheres Labor für dynamische Verkehrssysteme“, erklärt Claus Bahlmann, Siemens Mobility und Mitglied der Plattform Lernende Systeme. „So wird vermieden, dass Lernprozesse direkt in sicherheitskritischen, hochdynamischen Verkehrsszenarien stattfinden – man könnte sagen, wir operieren nicht am offenen Herzen.“

Insbesondere Reinforcement Learning eröffnet neue Möglichkeiten. Im Unterschied zu klassischen, regelbasierten Verfahren bewertet diese Methode kontinuierlich Handlungsoptionen und passt Steuerungsentscheidungen dynamisch an veränderte Verkehrssituationen an. Praktische Erfahrungen zeigen bereits heute: Umweltsensitive Verkehrssteuerung oder die Priorisierung bestimmter Verkehrsarten lassen sich adaptiv und wirkungsorientiert umsetzen, wenn die Ziele klar definiert sind.

Damit Kommunen deutlich schneller von Innovationen profitieren können, empfiehlt das Papier ein offenes Forschungs- und Entwicklungssystem. Dieses fungiert als Baukasten. Hier werden mobilitätsrelevante Daten integriert, neue Dienste und Steuerungsstrategien in Simulationen erprobt und dann schrittweise in den Betrieb überführt. So behalten Kommunen nicht nur die Steuerungshoheit. Sie vermeiden Abhängigkeiten von einzelnen Anbietern und beschleunigen Innovationszyklen – etwa durch die Entwicklung neuer Lagebilddienste oder Steuerungsalgorithmen.

Über das Impulspapier

Das Impulspapier „KI-basierte Verkehrs- und Mobilitätssteuerung in kommunalen Mobilitätssystemen“ wurde von Mitgliedern der Arbeitsgruppe „Mobilität und intelligente Verkehrssysteme“ der Plattform Lernende Systeme verfasst. Es steht zum kostenfreien Download bereit.

Ein Kurzinterview mit Tobias Hesse, Autor des Impulspapiers und Mitglied der Plattform Lernende Systeme, steht zur redaktionellen Verwendung zur Verfügung.