Künstliche Intelligenz bei der DB

Stage

Stage

Künstliche Intelligenz bei der DB

Züge, Weichen und Rolltreppen mit Hirn

Die Bundesregierung will Deutschland mit einer nationalen Strategie Künstliche Intelligenz (KI) zu einem führenden Standort für KI machen. Lernende Algorithmen erzielen hohe Gewinne an der Börse und schwäbische Werkshallen werden smart. Künstliche Intelligenz ist auf dem Vormarsch. Insbesondere Verfahren, die auf Datenanalysen basieren, erobern bereits Banken und die Medizin – von Haus aus datengetriebene Bereiche. Jetzt dringen sie auch in klassische Industriebereiche wie Produktion oder Logistik vor.

Gerade für die Mobilitätsbranche bietet KI enorme Chancen. Die zentralen Wünsche der Menschen auf ihren täglichen Wegen von A nach B sind Planbarkeit und Zuverlässigkeit. Gleiches gilt für Industriekunden. Künstliche Intelligenz ist wahrscheinlich der größte Hebel für mehr Qualität und Kapazität im Bahnbetrieb, für mehr Service an der Kundenschnittstelle und für das Gesamtsystem Mobilität, das mithilfe von künstlicher Intelligenz eine nie dagewesene Flexibilität erreicht.

Künstliche Intelligenz ist mehr als die Automatisierung von Prozessen. „Echte“ künstliche Intelligenz meint Systeme, die selbstständig lernen, sich weiterentwickeln und eigene Lösungen hervorbringen. Vor allem die Entwicklung künstlicher neuronaler Netze und Machine bzw. Deep Learning  machen von sich reden. Auch bei der DB ist der Einsatz „echter“ KI keine ferne Zukunftsvision, sondern wird bereits erprobt. Drei Beispiele sind die Lösungen SEMMIAIM und vsion.ai, die von Mitarbeitern der DB entwickelt wurden.

SEMMI

SEMMI (kurz für Sozio-Emphatische Mensch-Maschine-Interaktion) ist ein KI-basiertes Sprachdialogsystem, das als digitaler Avatar, Chatbot oder auch als Roboter bereits im Kundenservice eingesetzt werden kann. Als smarte Roboterdame unterstützte SEMMI 2019 testweise im Reisezentrum des Berliner Hauptbahnhofs und auch am Frankfurter Flughafen das Servicepersonal.

Ihr Wissen hat SEMMI von DB-Entwicklern, die den Roboterkopf fit für die Fragen der Reisenden gemacht haben. Auch in Japan wurde der von der DB entwickelte Service bereits im Bahnhof Tokyo gemeinsam mit der japanischen Bahn JR East getestet. Mehr Informationen gibt es hier.

AIM – "Das Ohr an der Rolltreppe"


AIM, kurz für Acoustic Infrastructure Monitoring, ist eine selbstlernende Störungsfrüherkennung für mechanische Anlagen, zum Beispiel Rolltreppen. Über akustische Sensoren hört AIM, wenn etwas unregelmäßig läuft und meldet die Abweichung bevor eine Störung eintritt. Auf diese Weise ermöglicht die Lösung die vorausschauende Instandhaltung der Rolltreppen. Zu einem Ausfall kommt es nicht. Barrierefreiheit und Komfort im Bahnhof sind gewährleistet. In Hamburg wird die Lösung in einem ersten größeren Test an mehr als 50 Rolltreppen erprobt.

Die Idee zu AIM entstand in Gesprächen mit erfahrenen Servicetechnikern der DB, die es der Rolltreppe anhören, ob etwas nicht stimmt. Viele dieser Kollegen stehen kurz vor der Rente. AIM hat das Ziel, ihr Wissen technologisch zu bewahren, damit es nicht verloren geht. Die erfahrenen Kollegen unterstützen dabei, die Künstliche Intelligenz in AIM zu trainieren und schlauer zu machen. 

vsion.ai – Analysing Visual Data 

 

Das Venture vsion.ai hat zur Speicherung, Strukturierung und intelligenter Analyse von visuellen Daten mittels KI das Produkt IDA, kurz für Intelligente Digitale Assistenz, entwickelt.

Visuelle Daten jeglicher Art – seien es Bilder, Videos, LiDAR-Daten, Infrarot-Daten oder Ultraschallbilder – können mithilfe von Künstlicher Intelligenz und Machine Learning automatisch analysiert und bewertet werden. Der Fokus liegt dabei in der Befundung von bahnspezifischen Assets wie Zügen, Gleisen und Schwellen, aber auch Bahnhöfen.

Mit Graffiti verunreinigte Züge sind für den Endkunden als auch den Betreiber ein nicht selten vorkommendes Ereignis. Die Kosten zur Reinigung dessen belaufen sich jährlich auf eine niedrige achtstellige Summe. Im Nahverkehr kommen oft noch Pönalen hinzu, wenn Graffitis nicht innerhalb eines bestimmten Zeitraums entfernt wurden.

Durch den Einsatz von Kameras und KI-Bildanalysen kann Graffiti an Zügen schnellst möglichst erkannt werden und einem Wagen eindeutig zugeordnet werden – da die Wagennummer ausgelesen wird. Dabei kann auch die mit Graffiti besprühte Fläche direkt berechnet werden, sodass direkt eine grobe Kostenindikation für die Reinigung und Einplanung dessen vorgenommen werden kann.

Visuelle KI-Analysen lassen sich vielseitig einsetzen und liefern zuverlässige Informationen über den Zustand von Zügen und Bahnanlagen. Mit IDA lassen sich unstrukturierte Daten nutzbar machen und durch Echtzeitanalysen schnelle Entscheidungen herbeiführen.