Mobilität

oonal/iStock

Für sicheren, intermodalen und vernetzten Verkehr

Die Mobilität von morgen ist geprägt von Lernenden Systemen unterschiedlicher Art: Verkehrsträger an Land, zu Wasser und in der Luft erreichen immer höhere Automatisierungsgrade; Fahrzeuge sind miteinander vernetzt, ebenso Straßen- und Schienensysteme. Intelligent genutzt können sie die Verkehrssicherheit erhöhen und Verkehrsflüsse optimieren. 

Viele Verkehrsträger verfügen schon heute über einen hohen Grad an Automatisierung, etwa in Form von Autopilotfunktionen (Flug- und Bahnverkehr) oder Fahrassistenzsystemen (PKW). Auch existieren bereits unterschiedliche Plattformen, die Echtzeit-Daten nutzen – etwa zur Anzeige des Standorts von Car-Sharing-Fahrzeugen – oder Mobilitätsservices anbieten, beispielsweise Buchungsportale und Verspätungsmelder für Bahn und Bus. Indem Verkehrsträger sowohl untereinander als auch mit der umgebenden IT- und Verkehrsinfrastruktur vernetzt werden, lassen sich Verkehrsströme und Nutzerverhalten digital erfassen. Auf dieser Grundlage entwickeln sich Lernende Systeme im Mobilitätssektor weiter.

Sie bieten damit ein großes Potenzial, um aktuellen Herausforderungen im Bereich Mobilität zu begegnen. Mit Methoden der Künstlichen Intelligenz verbessern vernetzte Fahrzeuge ihre Umfeldwahrnehmung und tragen so dazu bei, die Verkehrssicherheit zu erhöhen. Vernetzte Automobile können auch Verkehrsströme in Echtzeit analysieren, Staus vermeiden und durch eine effizientere Fahrweise Schadstoffemissionen reduzieren. Im Schienenverkehr lassen sich Strecken durch automatisiertes Fahren und Vernetzung effizienter nutzen und Fahrprozesse optimieren. Das Gesamtsystem kann resilienter werden, indem es sich robust auch neuen Situationen anpassen kann.

Entwickelt werden Lernende Systeme für alle Verkehrsträger. Ihre Anwendungen reichen von unbemannten Lieferdrohnen und vernetzten Schienensystemen mit autonomen Lokomotiven, über intelligente Mobilitätsformen im öffentlichen Nahverkehr und im Car Sharing, bis hin zu autonomen Automobilen. Diese zum Teil konkurrierenden Entwicklungen kommen parallel im gleichen Umfeld – etwa im existierenden Straßen- und Schienennetz – zum Einsatz und können immense Auswirkungen auf unsere Gesellschaft haben.

Daher ist es wichtig, die zentralen Herausforderungen frühzeitig gemeinsam zu adressieren, um das Potenzial Lernender Systeme für den Menschen und die Gesellschaft nutzbar zu machen. Herausforderungen beinhalten beispielsweise die Ausgestaltung von Mensch-Maschine-Schnittstellen sowie Komfort und Sicherheit der KI-Anwendungen im Mobilitätssektor. Auch gilt es, angrenzende Themenbereiche wie Stadtentwicklung, Elektromobilität oder Smart-Home Technologien einzubeziehen.

Mit Fragen zu diesen Themen beschäftigt sich in der Plattform Lernende Systeme die AG 5 unter der Leitung von Christoph Peylo (Bosch Center for Artificial Intelligence) und Tobias Hesse (Deutsches Zentrum für Luft- und Raumfahrt e.V.).