KI-basiertes Kapazitäts- und Verkehrsmanagement
Entwicklung von Software-Prototypen für die Planung und Disposition von Zugfahrten auf Basis künstlicher Intelligenz
Der Bedarf an Kapazität im Bahnbetrieb wächst weiter: Mit einem leistungsstärkeren Streckennetz kann die Digitale Schiene Deutschland wesentlich dazu beitragen, CO2-Emissionen zu reduzieren und die Klimaziele der Bundesregierung zu erreichen. Daher setzen wir unter anderem auf das KI-Leuchtturmprojekt „KI am Zug“ – die prototypische Implementierung einer auf Methoden der künstlichen Intelligenz aufbauenden Software für das Bahnsystem der Zukunft. Gefördert wird das Projekt vom Bundesministerium für Umwelt, Naturschutz und nukleare Sicherheit (BMU) aufgrund eines Beschlusses des Deutschen Bundestages.
Optimierter Zugverkehr für eine bessere Auslastung
Im heutigen Netzbetrieb treffen menschliche Akteure in den Betriebszentralen täglich eine große Anzahl von lokalen Dispositionsentscheidungen (z.B. Wartezeiten, Zugfolgeentscheidungen, Gleiswechsel, Umrouten). Diese verteilt getroffenen Entscheidungen in Summe bestimmen den Verkehrsfluss auf dem Gesamtnetz. Mit unserem KI-basierten Ansatz wollen wir das hoch komplexe Optimierungsproblem, tausende von automatisierten Entscheidungen über das Gesamtnetz hinweg innerhalb kürzester Zeit ermöglichen. Mit klassischen, analytischen Ansätzen allein ist ein Problem dieser Größe nicht in der benötigten Kürze der Zeit beherrschbar.
Im Fokus des KI-Projekts stehen die Planung und Disposition von Zugfahrten inklusive der integrierten Planung von Baustellen im Schienennetz. So ermöglicht künstliche Intelligenz eine optimale Verkehrskapazität, Betriebszuverlässigkeit sowie Energie- und Ressourcennutzung.
Künstliche Intelligenz braucht einen „digitalen Zwilling“ der Eisenbahnwelt
Eines der Projektziele ist die Entwicklung einer Simulationsumgebung. Das gesamte deutsche Schienennetz bekommt sozusagen einen „digitalen Zwilling“, auf dem wir KI-Algorithmen möglichst realitätsgetreu trainieren können. Dazu können sowohl auf echten Daten beruhende als auch künstlich verkomplizierte Infrastruktur- und Verkehrs-Szenarien simuliert werden. Auch dient der „digitale Zwilling“ dazu, die Leistungsfähigkeit der entwickelten Methoden anhand verschiedener Kennzahlen zu bewerten. Dies sind zum Beispiel Pünktlichkeit, Reisezeiten, Fahrkilometer, Energieverbrauch und Bremsaktivität.
KI für den Bahnbetrieb ist noch Neuland – das soll sich ändern
Bei diesem Projekt setzen wir auf verschiedene KI-Methoden für den Einsatz im künftigen Bahnsystem. Besonderes Augenmerk liegt auf der Methodik des „Deep Reinforcement Learning“. Bisher gibt es noch keine Lösung, die dem Eisenbahnbetrieb in seiner Komplexität gerecht wird. Die britische Firma InstaDeep ist auf KI-basierte Lösungen für industrielle Probleme spezialisiert und wurde im Rahmen einer Ausschreibung ausgewählt, das Projekt mit ihrer Expertise und Forschung zu unterstützen.
Das maschinelle Lernen, insbesondere die „Deep Reinforcement Learning“-Methode, benötigt sehr hohe Rechenkapazitäten. Die Lernaufgaben können stark parallelisiert und dadurch auf viele Rechner verteilt werden. Da die benötigte Rechenkapazität im Projektverlauf stark schwankt, wird eine von InstaDeep zur Verfügung gestellte Plattform genutzt, die die jeweils aktuell benötigte Rechenkapazität in der Google Cloud Platform (GCP) automatisiert bereitstellt und skaliert.
KI im realen Schienennetz – wann ist es so weit?
Die Nutzbarmachung von KI für den Bahnsektor bedeutet einen deutlichen Innovationssprung von heutigen rein menschlich gesteuerten hin zu automatisierter Fahr- und Bauplanung und Betriebssteuerung. Eine Implementierung erster Funktionalitäten im realen Bahnbetrieb ist im Rahmen des Projektes Digitaler Knoten Stuttgart bis zum Jahr 2026 geplant.
