27. März 2020

Besser mobil mit AI?

Blog 8_Titelbild

Mobilität // Die Mobilität stösst an ihre Grenzen. Staus, überfüllte Züge und Busse, Unfälle und Umweltschäden sind die Folgen eines andauernden wachsenden Mobilitätsbedürfnisses der Menschen. Der klassische Lösungsansatz – die Erhöhung der Kapazitäten der Infrastrukturen – dauert zu lange und stösst auf Grenzen der Akzeptanz und Finanzierbarkeit.

«If data is the new oil, AI is the new engine» – mit diesem Satz fasste Eric Sampson, der «Chief Rapporteur» des ITS World Congress 2018 in Kopenhagen, die Bedeutung von AI zusammen. In einer Zeit stetig wachsender Mobilitätsbedürfnisse und sich schnell verändernder Gewohnheiten scheint die künstliche Intelligenz die Verheissung zur Lösung aller grossen Probleme der Mobilität zu werden. Intelligenz statt Beton und Stahl. Und wie passend zu Organisationen, die den Namen «intelligente Transportsysteme» tragen. 

Von den 188 Sessions des ITS World Congress Singapore 2019 handelten 34 von AI-Einsatzmöglichkeiten in der Mobilität, fast die Hälfte der Beiträge hatten einen Bezug dazu, etwa zu rechtlichen Aspekten oder der Akzeptanz von AI-gesteuerten Fahrzeugen und Mobilitäts­systemen. Zusätzlich behandelte ein zweitägiges Sonderprogramm automatisiertes und autonomes Fahren – AI auch dort das domi­nierende Thema.


Alles Hype, oder was ist wirklich dran?

Wo die Erwartungen hochgesteckt werden, sind Enttäuschungen nicht fern: Kurz, die Adaption geht langsamer als von den Protagonisten vorhergesehen, oder mindestens gewünscht. 
Vor einigen Jahren ist man noch davon ausgegangen, dass ab 2021 selbstfahrende Fahrzeuge ohne Einschränkungen auf den Strassen unterwegs sind und 2030 die Hälfte der Fahrzeuge fahrerlos sind. Inzwischen hat die Realität gezeigt, dass die Schwierigkeiten für Einsätze im öffentlichen Strassenraum ohne künstliche Rahmenbedingungen doch grösser sind als erwartet. Aber es gibt Anwendungen im produktiven Einsatz, zum Beispiel in spezifischen Arealen oder Anwendungsfällen.

Wo liegen die Schwierigkeiten? Künstliche Intelligenz ist das Ergebnis von Rechenleistung, Daten und Algorithmen. Rechenleistung in der Cloud ist heute grundsätzlich kein Problem mehr – es gibt viele, gut verbundene Rechenzentren. Für Anwendungen in Fahrzeugen sieht dies allerdings anders aus: Die Sensoren von Waymos Autos produzieren 1 Gigabyte Daten pro Sekunde, die prozessiert werden wollen. Diese Datenmengen sind zu gross, um sie über Funkdatennetzwerke «in die Cloud zu schicken». Vielmehr müssen sie vor Ort verarbeitet werden. Ein Blick in den Kofferraum zeigt: Für Gepäck ist in diesen Fahrzeugen nicht mehr viel Platz. Selbstfahrende Autos sind rollende Supercomputer. Die Lösung wird darin liegen, dass die optimale Balance zwischen der «Intelligenz» im Fahrzeug, der Kommunikation zwischen Fahrzeugen und mit der Infrastruktur gefunden wird.

Die Zuverlässigkeit von Fahrzeugen im Einsatz ist unabdingbar. Autos mit ihren grossen Massen und hohen Geschwindigkeiten stellen ein grosses Risiko dar, wenn etwas nicht funktioniert, wie es sollte. Daher ist die Absicherung automatisierter oder autonomer Systeme ein wichtiges Themenfeld.

Deep Learning, eine der heute häufig verwendeten AI-Techniken, benötigt für das Training grosse Mengen an Lerndaten. Gemäss einer Aussage von Jeff Dean, dem Leiter des Google Brain Projekts, benötigt man für Deep Learning mindestens 100’000 Beispiele. Das ist ein Grund, warum Waymo Millionen von Kilometern auf der Strasse und noch viel mehr in Simulatoren fährt. Die Amerikaner haben hier einen bedeutenden Vorsprung auf ihre Konkurrenten. 

KI

Andere Anwendungen von AI in der Mobilität

Das automatisierte Fahren ist aber nicht das einzige Gebiet, in dem AI in der Mobilität zum Einsatz kommt. Abbildung 1 zeigt die weiteren Anwendungsfelder in der Übersicht: Neben den neuen oder erweiterten Produkten, zu denen das automatisierte Fahren gehört, bieten die Prozessautomation und neue Geschäftsmodelle Möglichkeiten für den Einsatz von AI in der Mobilität. 
In der Prozessoptimierung finden sich Anwendungen in der vorausschauenden Instandhaltung. Hier gibt es ein grosses PotenZial bei den teuren und komplexen Verkehrsinfrastrukturen, aber auch bei den Fahrzeugen. Hersteller von Nutzfahrzeugen können etwa die Verfügbarkeit der Fahrzeuge ihrer Kunden erhöhen – die hohen Fahrleistungen der professionell genutzten Fahrzeuge eignen sich zum Sammeln der nötigen Daten. Da die Daten von allen Fahrzeugen ungeachtet der Menge der Kunden beim Hersteller einlaufen, ist der «Data Lake» gross genug. Andere Anwendungen liegen in der Qualitätssicherung und in der Robotik im Herstellungsprozess, aber auch zunehmend im Unterhalt von Fahrzeugen und Infrastrukturen. Ein Beispiel sind Drohnen, die für die Erfassung von Zustandsdaten eingesetzt werden und mit jedem Einsatz von jeder einzelnen Drohne im Verbund dazulernen können. Ein Sektor, in dem die Schweiz eine weltweit führende Rolle einnimmt. 


Neue Geschäftsmodelle

Ein spezieller Anwendungsfall sind automatische Ticketingsysteme. Auch hier kann die Schweiz punkten, die die ersten nationalen automatischen Ticketingsysteme eingeführt hat.

Bei «lezzgo» werden Techniken der künstlichen Intelligenz angewendet, um aus den von einem Smartphone gemessenen Daten die zurück­gelegten Fahrten im öffentlichen Verkehr zu 
berechnen."

Erweiterungen auf andere Mobilitätsservices, in der Betrugserkennung und beim Ein- und Aussteigen, können den Weg zu einer «End to End» Plattform ebnen. Solche Plattformen, die «Mobility as a Service» anbieten, werden künftig die Bedürfnisse der Nutzerinnen und Nutzer der Mobilität immer besser bedienen können, indem sie diese aus deren Verhalten erlernen. 
Ein Beispiel in Richtung autonome Logistik ist der Dienst «Pickwings», eine Art Mitfahrdienst für Güter und Waren. Hier werden ungenutzte Transportkapazitäten mit Transportwünschen verknüpft. Damit verbessert sich die Auslastung von Lastwagen, was das Portemonnaie und die Umwelt freut. Containerterminals und Häfen, aber auch die Eisenbahn werden zunehmend durch künstliche Intelligenz gesteuert. 

Die künstliche Intelligenz hat in der Welt der Mobilität Einzug gehalten. Vielen Anwendungen sind spezifisch und noch von begrenzter Kompliziertheit. Die publikumswirksamen komplexen AI-Anwendungen lassen noch etwas länger auf sich warten, aber bereits die heutigen Anwendungen lösen relevante Probleme und sind produktiv einsatzfähig. 

Daher lohnt es sich für Unternehmer, in der Mobilität einzusteigen und die ersten Schritte zu machen: Jede lange Reise beginnt mit dem ersten Schritt.


Dr. Andreas Kronawitter
Dr. Andreas Kronawitter

Dr. Andreas Kronawitter ist Beirat bei ti&m. Er ist einer der profiliertesten Kenner des Schweizer Transportwesens. Als Geschäftsführer der Schweizerischen Mobilitätsplattform (its-ch) will er die Mobilität der Zukunft voranbringen.