Auch bei datengetriebenen Mobilitätsprojekten bewährt es sich, die geplanten und die tatsächlichen Wirkungen in den Blick zu nehmen. Anhand der Erfahrungen von mFUND-Projektteams lesen Sie hier, wie Sie die Wirkungsorientierung in der Praxis anwenden können.
Das Projektteam von SPRaDA untersucht, ob sich Smartphones dazu eignen, die Instandhaltung von Bahngleisen effizienter zu planen. Aktuell überwachen die Bahnunternehmen ihre Gleisanlagen mit Messzügen, die jedoch nur begrenzt verfügbar sind.
Die in Smartphones verbauten Sensoren sollen bei herkömmlichen Zugfahrten zahlreiche Daten aufzeichnen, etwa zu kleineren Erschütterungen, ausgelöst durch entsprechende Gegebenheiten in der Gleislage. Mithilfe dieser Messdaten entwickeln die Forscher:innen einen Algorithmus zur Datenauswertung, um damit den Zustand der Bahngleise zu bewerten.
Abschließend wollen sie gemeinsam mit Verkehrsunternehmen auswerten, welches Potenzial diese Methode hat, um unter anderem den kostspieligen Einsatz der spezialisierten Messzüge effizienter zu planen.
Primäre Zielgruppen des Projekts SPRaDA sind Eisenbahnverkehrsunternehmen (EVU) und Eisenbahninfrastrukturunternehmen (EIU). Die EIU können mithilfe der ausgewerteten Messdaten ein aktuelles Bild ihres Schienennetzes erlangen und gegebenenfalls nötige Eingriffe gezielt planen. Daneben können die EVU perspektivisch mit den Messdaten auch Schäden an ihren Fahrzeugen feststellen.
Langfristig profitieren von dem Verfahren alle Akteur:innen des Schienenverkehrs – inklusive der Fahrgäste –, da die Unternehmen Gleis- und Fahrzeugschäden früher erkennen und sie somit Beeinträchtigungen des Betriebs reduzieren oder ihnen vorbeugen können.
Als Input für das Projekt dienen umfangreiche Fachliteratur und bahnspezifisches Vorwissen. Beispielsweise liegen Normen vor, in denen Grenzwerte für Gleislagefehler und entsprechende Messungen beschrieben sind. Vorwissen existiert im Wesentlichen zum Übertragen von dynamischen Schwingungen, etwa bei Fahrwerken.
Als Output von SPRaDA dienen die ermittelten Messdaten und Auswertungen zur Gleislage und zu Fehlstellen inklusive räumlicher Zuordnung. Hierfür nutzen die Anwender:innen den fertig entwickelten Algorithmus, der in einer Smartphone-App integriert und in der Lage ist, die während der Mitfahrt gesammelten Daten zu analysieren. Erfolgen diese Messungen und Analysen kontinuierlich, können Anwender:innen den Zustand der Infrastruktur jeweils aktuell beschreiben. Dadurch ließen sich Messfahrten von speziellen Gleismessfahrzeugen gezielter planen und womöglich reduzieren, was wiederum Kosten und Ressourcen einsparen würde. Diese Wirkungen stellen den Outcome von SPRaDA dar.
Aus diesem Outcome folgt der Impact: Durch ein umfassendes und kontinuierliches Beobachten der Gleisanlagen und Infrastrukturen (Monitoring) ließen sich Instandhaltungsmaßnahmen gezielter planen und somit Streckensperrungen oder andere Einschränkungen reduzieren. Dies trägt unmittelbar zu einem zuverlässigeren Schienenverkehr bei.
Die Projektidee entstand aus der Überlegung, wie sich mit breit verfügbaren Sensoren, die in diesem Fall in handelsüblichen Smartphones verbaut sind, Messaufgaben im Schienenverkehr übernehmen ließen. Somit legte das Projektteam den Fokus zunächst auf den Output.
Anhand von Indikatoren gilt es festzustellen, ob die umgesetzte Maßnahme – ein funktionstüchtiger Algorithmus als Output – die angestrebten Wirkungen erzielt. Hierfür vergleichen die Forscher:innen die Datenauswertungen von speziellen Messzügen mit denen von Smartphones. Mit diesem Schritt wollen sie gleichzeitig dazu beitragen, ihre Projektergebnisse zu validieren.
So könnten sie beispielsweise deklarieren, dass die Ergebnisse als hinreichend genau gelten, wenn der Smartphone-Algorithmus mindestens 80 Prozent der vom Messfahrzeug detektierten mangelhaften Stellen in der Gleislage ebenfalls erkennt. Um dies nachzuweisen, ließen sich mehrere Strecken jeweils nacheinander mit den unterschiedlichen Messmethoden abfahren.
Mit der Einsparung von kostspieligen Messfahrten als Outcome liegt es nahe, die konkrete Zahl der eingespartenFahrten zu messen. Hierfür könnte sich ein mögliches Folgeprojekt eignen, das den entwickelten Algorithmus in eine breit verfügbare App umsetzt. In einem festgelegten Zeitraum ließen sich dann die jeweiligen Messfahrten zählen und mit einem äquivalenten Zeitraum vor der Einführung des Algorithmus vergleichen.
Als gesamtgesellschaftliche Wirkung – den Impact – strebt das Projektteam von SPRaDA an, dass der Schienenverkehr zuverlässiger wird. Durch das kontinuierliche und gezieltere Monitoring lassen sich Instandhaltungsmaßnahmen effizienter durchführen und Streckensperrungen für Infrastrukturmaßnahmen können reduziert oder vermieden werden. Um dies anhand eines weiteren Indikators zu messen, kann man beispielsweise die Anzahl vermiedener Sperrungen erheben.
Weiterlesen
Lesen Sie dazu auch „So steigern Sie Wirkung Ihres Vorhabens – Fünf Tipps für die Projektarbeit“ sowie die praxiserprobten Erfahrungen mit der Wirkungsevaluation von weiteren mFUND-Projekten: