Qualitätssteigerung des Schienenverkehrs durch intelligente, datenbasierte Schadmustererkennung bei Schienenfahrzeugen

Die Digitalisierung und die Datengrundlage des Schienenverkehrs bieten großes Potential zur Verbesserung der Reaktionsfähigkeit und automatisierten Durchführung komplexer Dispositionsprozesse durch (teil-)automatisierte Datenanalyse sowie durch neue anspruchsvolle Mensch-Maschinen-Schnittstellen zur Entscheidungsunterstützung.

Quelle: Fotolia/3dkombinat

Ziel des Vorhabens ist die Entwicklung datenbasierter Anwendungen mit Hilfe moderner Data Science- und Künstlicher-Intelligenz-Ansätze (KI) zur Optimierung bzw. Unterstützung der Disposition von Schienenfahrzeugen.
Durch die Erkennung von Datenmustern und -anomalien in Schadbildern bzw. Zustandsdaten von Schienenfahrzeugen sollen Störungsursachen frühzeitig – vor einem möglichen Ausfall – identifiziert werden können. Das Gesamtsystem Schiene profitiert davon durch eine höhere Pünktlichkeit für Kunden des Schienengüterverkehrs und für Nutzer des Schienenpersonenverkehrs infolge Reduzierung betrieblicher Störungen. Zudem wird eine effizientere Nutzung der Schieneninfrastruktur von allen Eisenbahnverkehrsunternehmen des Personen- und Güterverkehrs unterstützt.

Zunächst erfolgt die Aufbereitung und Verknüpfung vorhandener, interner und externer Datenquellen. Mittels der Anwendung geeigneter KI-Methoden sind Datenmuster und -anomalien zu analysieren, die anschließend in einem technischen System aufzubereiten und in eine intelligente Entscheidungsunterstützung umzusetzen sind. Für die experimentell entwickelten Ergebnisse wird die Integration in Planungs- und Steuerungssysteme von Schienenfahrzeugen angestrebt. Dies schafft die Grundlage auch für neue Geschäftsmodelle und Transfer an andere Verkehrsträger und/oder Mobilitätsbereiche.