Das Projekt OnboardEU hat gezeigt, dass Straßenbahnen selbst als mobile Messsysteme dienen können, indem sie mithilfe von KI während der Fahrt Vibrationen und Lärm analysieren, Schäden erkennen und so eine kosteneffiziente Datengrundlage für Wartung und Lärmminderung liefern.
Dazu wurden Straßenbahnen in mehreren Städten mit Sensoren ausgestattet, große Datenmengen gesammelt und offene Software sowie Datensätze für die Fachwelt bereitgestellt, um die Technologie weiterzuentwickeln.
Wie lassen sich Schienen und Gleise effizient und präzise überwachen – ohne aufwendige Messfahrten? Das kürzlich abgeschlossene Forschungsprojekt OnboardEU zeigt: Straßenbahnen selbst können künftig zum mobilen Messsystem werden. Mithilfe von Künstlicher Intelligenz analysieren sie während der Fahrt Vibrationen und Lärm, erkennen Schäden an Gleisen und Schienen – und liefern so eine verlässliche und kosteneffiziente Datengrundlage für Wartung und Lärmminderung im städtischen Verkehr. Das Deutsche Zentrum für Luft- und Raumfahrt (DLR), die AIT Austrian Institute of Technology GmbH, Wien, und die i4M technologies GmbH, Aachen, arbeiteten gemeinsam daran, ein innovatives Onboard-Messsystem mit Edge-Computing-Funktionalität zu realisieren. Gefördert wurde OnboardEU im Rahmen der Innovationsinitiative mFUND des Bundesministeriums für Digitales und Verkehr (BMDV) mit rund 750.000 Euro.
„Ziel des Projekts war es, geeignete KI-Verfahren für die automatische Detektion von Schäden an Schienen und Gleisoberbau zu erforschen“, erklärt Projektleiter Dr. Jörn Groos vom DLR-Institut für Verkehrssystemtechnik. „Dafür haben wir über mehrere Monate dynamische Fahrzeugreaktionen im laufenden Betrieb erfasst und anschließend mit KI-Verfahren ausgewertet.“
Datenerhebung im Regelbetrieb – in vier Städten
Insgesamt sieben Straßenbahnen in Basel, Graz, Hannover und Wien wurden mit Messsystemen ausgestattet, die mit Hilfe von Beschleunigungssensoren und Mikrofonen Vibrationen und Lärm im Bereich des Rad-Schiene-Kontakts erfassen. Dabei kamen rund 200.000 Fahrten zwischen zwei Haltestellen zusammen – über 90.000 gefahrene Kilometer. Mehr als 75 Prozent der Fahrten konnten mittels kartengestützter Sensordatenfusion hochgenau lokalisiert werden.
Auf dieser Basis entwickelten die Projektbeteiligten verschiedene Verfahren des maschinellen Lernens – sowohl überwacht als auch unüberwacht – zur Detektion von Schäden, zur Lärmkartierung sowie zur verlustarmen Datenreduktion durch Edge-Computing. Besonders relevant: Die KI-Algorithmen ermöglichen es, Streckenabschnitte mit besonders hoher Lärmbelastung zu identifizieren – und gezielt Maßnahmen zur Lärmreduktion zu ergreifen.
Open Source für die Fachwelt – und ein Ausblick in die Zukunft
Ergänzend zum öffentlichen Abschlussbericht stellt das Projektteam eine Open-Source-Software zur gleisgenauen Lokalisierung sowie einen anonymisierten offenen Datensatz über die Mobilithek zur Verfügung. Damit können weitere KI-Verfahren trainiert und in die Praxis überführt werden. Mehrere der Onboard-Systeme bleiben über das Projektende hinaus in Betrieb und bilden die Grundlage für eine Weiterentwicklung der Technologien und die Steigerung ihres Reifegrads.
„Vielfältige und qualitativ hochwertige Datensätze sind entscheidend für das erfolgreiche Training zuverlässiger und robuster KI-Verfahren. Mit der offenen Bereitstellung leisten wir einen wichtigen Beitrag zur Übertragbarkeit und Weiterverwendung unserer Ergebnisse in der Praxis“, betont Groos.
Das Projekt zeigt, wie datengetriebene Innovationen dazu beitragen können, Instandhaltung zu optimieren, Kosten zu senken und die Lebensqualität im urbanen Raum zu verbessern – ein Ansatz mit großem Potenzial für den kommunalen Schienenverkehr in Europa.
Vibrations- und Akustik-Daten werden während des regulären Straßenbahnbetriebs erfasst, anschließend auf einem Hintergrundsystem aufbereitet, georeferenziert und analysiert. So lassen sich auffällige Fahrzeugreaktionen und erhöhte Lärmemissionen effizient kartieren.
Im Rahmen des Förderprogramms mFUND unterstützt das BMDS seit 2016 Forschungs- und Entwicklungsprojekte rund um datenbasierte digitale Innovationen für die Mobilität der Zukunft. Die Projektförderung wird ergänzt durch eine aktive fachliche Vernetzung zwischen Akteuren aus Politik, Wirtschaft, Verwaltung und Forschung und die Bereitstellung von offenen Daten auf der Mobilithek. Weitere Informationen finden Sie unter www.mfund.de.
