Digitale Schiene Deutschland entwickelt ein KI-basiertes Kapazitäts- und Verkehrsmanagementsystem mit der Methode des „Deep Reinforcement Learnings“
Ein KI-basiertes Kapazitäts- und Verkehrsmanagementsystem soll zukünftig in Echtzeit hochautomatisiert zehntausende von Zugfahrten am Tag planen und steuern. Die KI-Methode im Kern des Systems heißt „Deep Reinforcement Learning“: Nach dem Vorbild des menschlichen Lernens werden KI-Modelle durch Erfolg und Misserfolg in einer realistischen Simulation des Bahnbetriebes trainiert.
Schnelle, KI-basierte Entscheidungsfindungen verbessern die Trassenplanung, erhöhen die Kapazität im Schienennetz und reduzieren Verspätungen. An diesem Zukunftsthema arbeiten Expert:innen für Künstliche Intelligenz (KI) der DB Netz AG und des KI-Technologieunternehmens InstaDeep gemeinsam seit 2019 im Rahmen der Sektorinitiative Digitale Schiene Deutschland. In enger und intensiver Teamarbeit wurden dabei die Grundlagen für KI in der Planung und Steuerung des Eisenbahnverkehrs gelegt. Die Kooperation von DB Netz und InstaDeep wurde nun mit einer langfristigen Partnerschaft untermauert, die eine Laufzeit von bis zu sieben Jahren vorsieht. Ziel der Zusammenarbeit ist die Entwicklung des Optimierungskerns des Kapazitäts- und Verkehrsmanagementsystems (engl. Capacity and Traffic Management System (CTMS)). Diese Komponente des CTMS macht sekundengenaue Ablaufpläne für Zugbewegungen und Infrastruktursteuerung möglich.
Wenn tausende Züge im dichten Verkehr unterwegs sind, müssen bei Störungen schnelle Entscheidungen zur Anpassung des Betriebsablaufs getroffen werden. Heute werden diese Korrekturen lokal und manuell durchgeführt, allenfalls in begrenztem Maße unterstützt von IT-Werkzeugen. Im zukünftigen, noch dichteren Verkehr kommt diese Praxis an ihre Grenzen. Ein flexibles, schnelles und effektives Reagieren auf Störungen im dichten Verkehr erfordert neue Ansätze. Hier kann ein KI-basiertes Kapazitäts- und Verkehrsmanagementsystem eine aussichtsreiche Lösung für die Zukunft sein.
Die KI-Methode im Kern des CTMS heißt „Deep Reinforcement Learning“: Nach dem Vorbild des menschlichen Lernens werden KI-Modelle durch Erfolg und Misserfolg in einer realistischen Simulation des Bahnbetriebes trainiert. In der simulierten Realität lernt die KI auf einem Abbild des realen Streckennetzes. Die Bandbreite an Erfahrungen, die sie im Training macht, reicht von einfachen Standardsituationen des Eisenbahnverkehrs über Daten von realen Situationen bis hin zu einer Vielzahl verschiedener künstlicher Szenarien. So wird die KI ausgebildet, um über die aus dem heutigen Betrieb bekannten Aufgaben und Störszenarien hinaus auch zukünftigen, unbekannten Situationen gewachsen zu sein. Was sich genau hinter „Deep Reinforcement Learning“ verbirgt und wie diese Methode die Planung und Disposition von Zügen in einem zukünftigen digitalisierten Eisenbahnsystem revolutionieren kann, verdeutlicht dieses Video:
Seit 2019 wurde bereits ein Prototyp des CTMS-Optimierers entwickelt, der einen mikroskopisch simulierten Bahnbetrieb plant und steuert. Damit konnte gezeigt werden, dass die gewählten KI-Ansätze essenzielle Anforderungen an ein hochautomatisiertes Kapazitäts- und Verkehrsmanagement erfüllen: Skalierbarkeit, Flexibilität und Generalisierbarkeit (weitere Infos dazu hier).
Im Rahmen der neuen langfristigen Kooperation ist geplant, die Simulationsumgebung und die bestehenden Prototypen funktional so zu vervollständigen, dass alle relevanten Funktionen und Anwendungsfälle des Kapazitäts- und Verkehrsmanagements abgedeckt werden. Das KI-System wird skaliert und weiterentwickelt, um den Anforderungen des Zielbilds des vollautomatisierten Bahnsystems gerecht zu werden. Am Ende soll der Optimierer Teil eines deutschlandweit rolloutfähigen CTMS sein und schrittweise als Teil des digitalisierten Bahnsystems auf dem Gesamtnetz zum Einsatz kommen und den Eisenbahnverkehr optimieren. Im Verbund mit weiteren neuen Technologien des digitalen Bahnsystems, wie z. B. der neuartigen, zugzentrischen Sicherungslogik (Advanced Protection System (APS)) und sensorbasierten Wahrnehmungssystemen an Fahrzeugen wird das zukünftige Kapazitäts- und Verkehrsmanagementsystem bis zu 40.000 vollautomatisierte Zugfahrten am Tag sowie die Belegung der Infrastruktur mit Instandhaltungsmaßnahmen planen und steuern. Das Ziel dabei ist klar: mehr Kapazität, eine optimale Auslastung des Schienennetzes und ein attraktiverer Bahnverkehr mit mehr Zügen in einer höheren Qualität.
