Automatisierte Züge, eine Wartung, die Störungen vorhersehen kann, auf Reisende zugeschnittene Durchsagen und Zahlungen per Gesichtserkennung: Künstliche Intelligenz verändert bereits viele Bereiche des Schienenverkehrs. Experimente und Einführungen schreiten weltweit voran, allerdings in unterschiedlichem Tempo – zwischen dem Versprechen wirtschaftlicher Vorteile, regulatorischen Anforderungen und Fragen der Akzeptanz.
Der Schienenverkehr ist nach wie vor eine kapitalintensive Branche. Der Bau und die Modernisierung von Strecken, der Kauf von Zügen, deren Wartung und die tägliche Steuerung des Zugverkehrs verursachen erhebliche Kosten für die Betreiber. Die steigende Zahl der Reisenden reicht nicht immer aus, um diesen Kostendruck zu mindern. Vor diesem Hintergrund gelten digitale Werkzeuge und künstliche Intelligenz als Hebel, um die Effizienz der Netze und die Servicequalität zu verbessern.
Ihre Anwendungsbereiche gehen weit über das spektakuläre Bild des fahrerlosen Zuges hinaus. Sie umfassen auch die frühzeitige Erkennung von Störungen, die Optimierung der Zugsteuerung, die Unterstützung der Reisenden in Bahnhöfen und einen reibungsloseren Zugang zum öffentlichen Verkehr. Laut einer von der AFP zitierten Schätzung der Unternehmensberatung BCG könnte KI dem weltweiten Schienenverkehr Einsparungen von 36 bis 79 Milliarden US-Dollar ermöglichen.
Die Zugsteuerung automatisieren und die Sicherheit des Zugverkehrs erhöhen
Autonome Schienenfahrzeuge zählen zu den sichtbarsten Anwendungen dieses Wandels. Ein experimenteller Zug der Deutschen Bahn, der auf der Messe InnoTrans in Berlin vorgestellt wurde und Automated Train heißt, ist dafür ausgelegt, ohne Fahrer zwischen einem Depot und einem Bahnhof zu verkehren. Seine Höchstgeschwindigkeit beträgt 40 km/h. Lidar-Systeme, Ultraschallsensoren und Infrarotkameras ermöglichen es ihm, Hindernisse zu erkennen und bei Bedarf eine Bremsung einzuleiten.
Das Projekt ist Teil einer umfassenderen Modernisierung der deutschen Infrastruktur. Das Wirtschaftsministerium hat das Programm mit 42 Millionen Euro unterstützt, im Rahmen geplanter Investitionen zur Erneuerung des Netzes. Die Automatisierung soll insbesondere bestimmte Abläufe reibungsloser gestalten und die mit wiederkehrenden Aufgaben verbundene Belastung verringern. So stellte das spanische Startup Ostirion ein System vor, das KI zur Unterstützung der Lokführer bei ihrer Arbeit einsetzt.
Netze erproben bereits Formen der automatisierten Zugsteuerung
In Russland werden Züge des Moscow Central Circle ferngesteuert, wobei ein überwachender Lokführer an Bord ist. Das System soll Fußgänger in bis zu 600 Metern Entfernung erkennen und innerhalb von 0,3 Sekunden reagieren. Der Betreiber plant, die Automatisierung bis 2029 auf sein gesamtes Netz auszuweiten.
Diese Systeme bedeuten nicht, dass der Mensch sofort überflüssig wird. Tests und erste Inbetriebnahmen erfolgen häufig unter Aufsicht, während die Wahrnehmungs- und Entscheidungssysteme in unterschiedlichen Situationen überprüft werden müssen. Sicherheit, Zuverlässigkeit der Anlagen und ihre Fähigkeit, auf unvorhergesehene Ereignisse zu reagieren, sind entscheidend, bevor sie flächendeckend eingesetzt werden können.
Auch die sozialen Auswirkungen sind erheblich. In Deutschland verfolgt die Lokführergewerkschaft GDL die Projekte zu automatisierten Zügen genau und ist besorgt, dass Effizienzgewinne als Rechtfertigung für Stellenabbau dienen könnten. Die technologische Entwicklung des Schienenverkehrs hängt daher auch vom Dialog mit den betroffenen Beschäftigten und davon ab, wie die neuen Funktionen in die Berufsbilder integriert werden.
Störungen durch vorausschauende Wartung verhindern
Weniger spektakulär als ein autonomer Zug, ist die vorausschauende Wartung ein wichtiges Anwendungsgebiet. Sensoren und Analysesysteme überwachen den Zustand der Züge und der Netzausrüstung, um Anomalien zu erkennen, bevor sie zu einer Störung oder einer Stilllegung führen. Durch die frühzeitige Planung von Eingriffen können Betreiber die Werkstattarbeiten besser koordinieren und Betriebsunterbrechungen verringern.
In Japan überprüfen KI-gestützte Kameras auf der JR-East-Strecke unter anderem bestimmte Zug- und Infrastrukturelemente wie Oberleitungen. Die automatisierte Bildanalyse kann auf mögliche Defekte hinweisen und den Teams helfen, ihre Kontrollen gezielter auszurichten. In einer Branche, in der Wartungsarbeiten erhebliche Ressourcen beanspruchen, kann die frühere Erkennung einer Anomalie die Reaktionszeiten und Einsatzkosten senken.
In Frankreich betreffen die Anwendungen künstlicher Intelligenz im Schienenverkehr insbesondere die Wartung und die Zugsteuerung. Die zunehmende Zahl eingebauter Sensoren liefert mehr Daten über den Zustand der Züge und erleichtert die Überwachung ihres Betriebs. Kommt es trotz vorbeugender Maßnahmen zu einer Störung, können Diagnosehilfen innerhalb weniger Sekunden mehrere mögliche Reparaturansätze vorschlagen.
Diese Empfehlungen können sich auf die über mehrere Jahre erstellte Historie des Zuges sowie auf technische Unterlagen und Einsatzberichte stützen. Die Szenarien werden nach ihrer Wahrscheinlichkeit geordnet, um den Teams die Suche zu erleichtern. KI ersetzt nicht das Fachwissen der Techniker: Sie bündelt und ordnet Informationen, die dazu beitragen können, ein Problem schneller zu erkennen.
Energieverbrauch senken und Pünktlichkeit verbessern
Künstliche Intelligenz kommt auch beim täglichen Betrieb der Züge zum Einsatz. Energiesparende Fahrweise wird durch Tools unterstützt, die den Lokführern in Echtzeit Hinweise geben, damit sie ihre Geschwindigkeit anpassen und Steigungen oder Halte vorausschauend berücksichtigen können. Ziel ist es, energieintensive Beschleunigungs- und Bremsvorgänge zu begrenzen und zugleich die betrieblichen Vorgaben und Fahrpläne einzuhalten.
Bei den TGV der SNCF ist diese Art der Unterstützung mit einem geschätzten Rückgang des Stromverbrauchs um 8 bis 10 % verbunden. Für einen großen Bahnbetreiber, dessen Züge einen erheblichen Anteil des Energieverbrauchs ausmachen, ist das von Bedeutung. Die Optimierung kann außerdem zu einer gleichmäßigeren Fahrweise und mehr Komfort für die Reisenden beitragen, sofern die Empfehlungen mit den Sicherheitsanforderungen und den betrieblichen Erfordernissen vereinbar bleiben.
In Südkorea analysiert ein System in der U-Bahn von Daegu in Echtzeit die Fahrweise der Beschäftigten und vergleicht sie mit einem als optimal geltenden Fahrstandard. Anschließend kann es individuelle Unterstützung anbieten. Die Analyse der Fahrpraktiken hilft so, Verbesserungsbedarf zu erkennen und die Schulungen anzupassen – mit dem Ziel, die Pünktlichkeit und den Komfort an Bord zu verbessern.
Information und Unterstützung für Reisende anpassen
Der digitale Wandel betrifft auch das Erlebnis im Bahnhof. In Japan werden auf dem Meitetsu-Netz bestimmte Durchsagen, insbesondere in unbesetzten Bahnhöfen, mithilfe von KI erzeugt. Intelligente Kameras können Situationen erkennen, in denen ein Reisender offenbar Hilfe benötigt. Ein Sprachgenerierungssystem kann dem Fahrgast daraufhin Hinweise geben und Rettungsdienste verständigen.
Dieser Ansatz, der mitunter als eine Form der wohlwollenden Überwachung beschrieben wird, veranschaulicht die doppelte Funktion dieser Technologien: Sie verbessern die Unterstützung und analysieren zugleich Bilder, die an öffentlichen Orten aufgenommen wurden. Ihr Einsatz wirft daher Fragen zur Datenerhebung, zur Aufbewahrung der Daten, zu den Überwachungsmodalitäten und zur Information der betroffenen Personen auf.
Digitale Tools können auch den Zugang zum öffentlichen Verkehr beschleunigen. In Russland ermöglicht der Dienst Face Pay die Bezahlung und den Zugang zum Moskauer Verkehrsnetz per Gesichtserkennung. Er ist an 240 Stationen verfügbar und zählt rund 200.000 registrierte Nutzer. In China wird Gesichtserkennung seit 2017 für das Boarding in bestimmten Hochgeschwindigkeitszügen und in mehreren U-Bahn-Netzen eingesetzt.
In Stockholm wurden KI-gestützte Kameras installiert, um Verhaltensweisen zu erkennen, die auf eine gefährliche Situation in den Stationen hindeuten könnten. Laut einer Studie des Hub Institute für SNCF Voyageurs soll diese Einrichtung innerhalb von drei Jahren dazu beigetragen haben, 39 Menschenleben zu retten. Diese Anwendungen verdeutlichen das Potenzial der frühzeitigen Erkennung, erinnern aber auch daran, dass Zweck, Verantwortlichkeiten und Grenzen der Überwachung genau festgelegt werden müssen.
Sehr unterschiedliche Verbreitungsgrade in den einzelnen Regionen
Anwendungen künstlicher Intelligenz im Schienenverkehr entwickeln sich nicht überall gleich schnell. Mehrere asiatische Projekte zeigen, dass KI bereits im Betrieb, in der Wartung oder bei der Betreuung von Fahrgästen eingesetzt wird. In Europa befinden sich viele Initiativen noch in der Erprobungsphase oder haben größere Schwierigkeiten, in den großflächigen Betrieb überzugehen.
Diese Unterschiede lassen sich nicht allein durch die Budgets erklären. Vorschriften zum Schutz personenbezogener Daten, Sicherheitsanforderungen, ethische Fragen und die Arbeitsbeziehungen beeinflussen den Zeitplan der Projekte. In Europa ist die Gesichtserkennung durch Datenschutzbestimmungen und den AI Act stark reguliert. Einige biometrische Anwendungen sind verboten oder unterliegen erheblichen Einschränkungen.
Bevor Betreiber ein in einem anderen Land entwickeltes System übernehmen, müssen sie daher dessen Reifegrad und Akzeptanz im eigenen Kontext bewerten. Die Unkenntlichmachung von Bildern, die Anonymisierung von Daten und die Begrenzung der erfassten Informationen zählen zu den vorgeschlagenen Maßnahmen, um die Privatsphäre besser zu schützen. Entscheidend ist, festzustellen, welche Funktionen tatsächlich einen Nutzen bringen können, ohne unverhältnismäßige Risiken zu schaffen.
Hohe Investitionen, deren Nutzen gemessen werden muss
Das wirtschaftliche Potenzial von KI ist für Betreiber attraktiv, während mehrere Länder umfangreiche Programme zur Erneuerung des Schienenverkehrs auf den Weg bringen. In Deutschland wie in Frankreich besteht Modernisierungsbedarf bei Strecken, Anlagen und Zügen. Einsparungen durch vorausschauende Wartung, Automatisierung oder Energieoptimierung können dazu beitragen, einen Teil dieser Ausgaben aufzufangen. Ihr Umfang hängt jedoch von den jeweiligen Einsatzbedingungen ab.
Die Ergebnisse müssen über die finanziellen Einsparungen hinaus bewertet werden. Auch die Pünktlichkeit des Betriebs, die Zahl der vermiedenen Störungen, die Stillstandszeit der Züge, der Energieverbrauch und die Qualität der Fahrgastinformation sind wichtige Kennzahlen. Ein Tool, das sich in einem Versuch bewährt, muss möglicherweise angepasst werden, bevor es in einem gesamten Netz eingesetzt werden kann, in dem Anlagen, Verkehrsaufkommen und Rahmenbedingungen variieren.
In Frankreich gibt die SNCF an, 120 Anwendungsfälle im Bereich künstliche Intelligenz eingeführt zu haben. Zu den am weitesten entwickelten Beispielen zählen insbesondere die Instandhaltung der Fahrzeuge und die Unterstützung bei der Zugsteuerung. Ihre Weiterentwicklung stützt sich auf eine wachsende Menge an Daten, die von Zügen, Streckenausrüstung und Betriebswerkzeugen erfasst werden, sowie auf das Fachwissen der Beschäftigten, die die Ergebnisse der Systeme interpretieren.
