Intelligente urbane Mobilität mit KI-gesteuerten öffentlichen Verkehrssystemen

Verspätungen, Überfüllung und unzureichende Routen - diese und viele weitere Herausforderungen stellen Fahrgäste tagtäglich vor Herausforderungen, die sie zögern lassen, öffentliche Verkehrsmittel zu nutzen. Um dem entgegenzuwirken, nutzen öffentliche Verkehrssysteme jetzt künstliche Intelligenz (KI) als effektive Lösung zur Optimierung der Routenplanung, zur Vorhersage von Störungen und zur Bereitstellung rechtzeitiger Informationen. In diesem Blog wird untersucht, wie die Kombination von KI, fortschrittlicher Analytik und Crowd-Sourcing-Daten den öffentlichen Nahverkehr in ein zuverlässigeres und benutzerfreundlicheres Netz verwandeln und letztlich das Vertrauen in die städtische Mobilität wiederherstellen kann.

Die transformative Kraft der KI-Technologie

Die Fähigkeit der KI, große Datensätze zu analysieren und das Nutzerverhalten vorherzusehen, verändert das Verkehrswesen. Durch die Integration von Daten aus Fahrgast-Apps und Fahrplanauskunftssystemen hilft KI, die Routenplanung und das Verkehrsmanagement zu optimieren, die Pendelzeiten zu verkürzen und die Zuverlässigkeit der Dienstleistungen zu verbessern.

1 Crowd-sourced data für das Störungsmanagement

Crowd-sourced-Daten helfen bei der Bewältigung unerwarteter Störungen, indem sie in Echtzeit Einblicke auf Bodenniveau liefern, die es Verkehrsanbietern ermöglichen, Verspätungen, Annullierungen und Umleitungen umgehend zu beheben. Diese transparente Methode bietet nicht nur Live-Benachrichtigungen und proaktive Empfehlungen für Reisende, sondern ermöglicht es den Betreibern auch, die Nutzer zu belohnen und so das Vertrauen in öffentliche Verkehrsdienste zu stärken.

Viele Lösungen werden heute mit Hilfe von KI entwickelt, die Daten aus der Bevölkerung nutzt, um Informationen über Störungen in Echtzeit zu liefern. Unsere KI-gesteuerte Plattform Journey Watch beispielsweise ermöglicht es Anbietern, Störungen in großem Umfang zu verwalten.

Journey Watch von Nagarro: Eine Crowd-Sourced-Data-Plattform für Störungsmanagement

Nagarro's Journey Watch nutzt die von den Reisenden geteilten Daten und die Erkenntnisse der Betreiber, um Echtzeit-Benachrichtigungen über Verspätungen, Annullierungen oder Umleitungen zu liefern. Darüber hinaus wird die Kommunikation zwischen Fahrgästen und Betreibern optimiert, einschließlich der Delegation an vertrauenswürdige Fahrgastgruppen, falls erforderlich.

Abb. 1: Dashboard von Journey Watch

Diese Lösung ist ähnlich aufgebaut wie die Waze-App, bei der die Nutzer Einblicke in das Geschehen vor Ort erhalten und gegenseitig davon profitieren können. Diese Informationen sind auch für die Betreiber öffentlicher Verkehrsmittel relevant.

2) Personalisierung für ein besseres Nutzererlebnis

Moderne Mobilitäts-Apps gehen heute über eine einfache Reiseplanung hinaus. Mit KI-gestützten Lösungen sind diese Apps in der Lage, alles über das Nutzerverhalten zu lernen und personalisierte Empfehlungen anzubieten, bei Störungen alternative Routen vorzuschlagen und rechtzeitig an den Ticketkauf zu erinnern. Arriva, ein führendes europäisches Personenbeförderungsunternehmen, hat sich mit Nagarro zusammengetan, um einen KI-gestützten Reiseassistenten, ViTA (Very Intelligent Travel Assistant), zu entwickeln, der das Reiseerlebnis entsprechend den individuellen Bedürfnissen personalisiert.

ViTA: Für personalisierte Reiseempfehlungen

ViTA, eine Lösung von Arriva UK Trains, konsolidiert Reisedaten, um die Reiseplanung zu optimieren, den Ticketverkauf zu steigern und die betriebliche Effizienz zu verbessern - und das alles bei gleichzeitiger Anpassung des Reiseerlebnisses an die individuellen Bedürfnisse.

Abb. 2: Ein Kunde interagiert mit ViTA, dem Reiseassistenten von Arriva

ViTA nutzt KI-gestützte Reiseplaner, um alltägliche Reisen in einen personalisierten Service zu verwandeln. ViTA hilft bei der Optimierung der Reiseplanung und bietet außerdem
- bietet Informationen zu Fahrten und Tarifen in Echtzeit,
- bietet Links zur Buchung von Dienstleistungen mit nur einem Klick,
- passt Reiseoptionen auf der Grundlage von Benutzerpräferenzen an und,
- Unterkunftsempfehlungen in der Nähe von Reisezielen anzeigt.

3 Verbesserung der Abläufe durch vorausschauende Analyse

Mobilitätslösungen beruhen heute in hohem Maße auf Daten. Von Mobility-as-a-Service (MaaS)-Plattformen werden riesige Datenmengen erzeugt (z. B. Fahrpläne und Fahrzeugstandorte in Echtzeit), die KI dann in verwertbare Erkenntnisse umwandelt.

Ein wichtiger Aspekt der KI-Einsichten ist die prädiktive Analyse, die dabei hilft, Fahrpläne und Fahrgastströme vorherzusehen und zu optimieren, wodurch Kosten gesenkt und die Betriebsplanung verbessert werden. Im Gegenzug profitieren die Städte von diesen hochwertigen, nahezu in Echtzeit erhobenen Daten, die ihnen dabei helfen, ihren Verkehrsbetrieb zu verbessern und zu optimieren.

4. mit Chatbots Mitarbeiter befähigen

Die Rolle der KI geht über die Fahrgastdienste hinaus. Durch die Analyse historischer und Echtzeitdaten ermöglichen KI-Tools den Betreibern die Erkennung von Anomalien - wie Unfällen oder Wartungsproblemen - und eine rasche Anpassung der Dienstleistungen. Diese Analysen, die möglicherweise durch Computer Vision und Edge Computing verbessert werden, unterstützen eine fundiertere Entscheidungsfindung in allen Bereichen, einschließlich des Personals, das über Dialogschnittstellen mit internen Systemen interagieren kann. Eine solche Lösung ist der Staff Companion von Nagarro.

Staff Companion von Nagarro: KI-gesteuerter Konversationsassistent

Die Staff Companion-Lösung vereinfacht die interne Kommunikation von Bahnhofsmitarbeitern und Zugbegleitern, indem sie eine Dialogschnittstelle für den Zugriff auf verschiedene Systeme bereitstellt. Sie vereinfacht Aufgaben wie die Meldung von Verspätungen, Zwischenfällen oder Ausrüstungsproblemen, während Funktionen wie die Einstellung von Erinnerungen und die natürliche Spracheingabe die betriebliche Effizienz und die Erreichbarkeit der Mitarbeiter erhöhen.

Abb. 3: Schnittstellen des Staff Companion

Warum Qualität der Schlüsselaspekt für Ihre Daten ist

Qualitativ hochwertige Daten, die von einer Vielzahl von Personen stammen, sind die Grundlage für effektive KI-Anwendungen. Die Strukturierung genauer Fahrgastinformationen in effiziente Lernschleifen ermöglicht es der KI, Störungen zu bewältigen, Routen zu optimieren und Dienstleistungen zu personalisieren. Darüber hinaus ist es von entscheidender Bedeutung, KI-Systeme zu entwickeln, die ein Gleichgewicht zwischen Leistung und Nachhaltigkeit herstellen und die Umweltbelastung durch die Reduzierung unnötiger Datenverarbeitung minimieren. Die Integration von vertrauenswürdigen Informationen aus bestehenden APIs und Datenbanken gewährleistet zudem zuverlässige Ergebnisse, ohne die Rechenressourcen zu überlasten.

Die Zukunft der KI im Verkehrswesen

Aufgabenspezifische Optimierung mit winzigen Modellen

Es wird erwartet, dass Verkehrsanbieter in den nächsten Jahren zu spezialisierten, aufgabenspezifischen kleineren Modellen übergehen werden, die in Systeme wie Ticketing-Plattformen, Navigationstools und Wartungsanwendungen eingebettet sind. Durch die Konzentration auf aufgabenspezifische Optimierung werden diese kleineren Modelle die Rechenkosten weiter senken und gleichzeitig die Genauigkeit beibehalten, selbst in Umgebungen mit begrenzter Konnektivität.

Diese winzigen Modelle werden zusammenwirken, um lokale Probleme zu lösen und im Laufe der Zeit umfassendere Herausforderungen im Verkehrswesen anzugehen. Durch den sofortigen Aufbau dieser Modelle wird sichergestellt, dass die wesentlichen Komponenten für eine zukünftige Skalierbarkeit vorhanden sind. Spezialisierte Modelle bewältigen Zuverlässigkeitsherausforderungen, indem sie auch bei eingeschränkter Konnektivität schnelle Antworten liefern. Sie führen spezifische, sich wiederholende Aufgaben aus und zeigen, dass effektive Lösungen auch ohne große Datenmengen möglich sind. Zu diesen Aufgaben gehören:

• die Bereitstellung von Bahnhofsinformationen,
• Zählen von Fahrgästen, oder,
• Erkennung von Defekten.

Autonome Entscheidungsfindung mit Agentic AI

Die Welt entwickelt sich schnell in Richtung Agentic AI und läutet damit eine neue Ära intelligenter, daten- und AI-gesteuerter Effizienz und Produktivität ein. Agentische KI weist ein höheres Maß an Autonomie und Selbstverbesserungsfähigkeiten ohne menschliches Eingreifen auf (im Vergleich zu winzigen Modellen oder KI-Agenten, die vordefinierten Regeln folgen und nur sehr wenig Autonomie besitzen). Einem Bericht von Emergen Research zufolge wurde der Markt für agentenbasierte KI im Jahr 2024 auf 30,9 Mrd. USD geschätzt und wird bis 2033 voraussichtlich auf 367,68 Mrd. USD anwachsen, was einem satten Wachstum von 31 % entspricht.

Agentische KI wird die Innovation vorantreiben und auch die Landschaft des öffentlichen Verkehrs neu definieren, mit effektiver Routenplanung, sichereren Straßen und besseren Erfahrungen für die Fahrgäste. Vor allem aber kann Agentic AI eine entscheidende Rolle dabei spielen, den Verkehr sauberer und nachhaltiger zu machen. Abgesehen von diesen Vorteilen wird die agenturgestützte KI schon bald für autonome Fahrzeuge eingesetzt, und dies könnte schon bald auch für den Massenverkehr gelten.

Fazit

Die Integration von KI in den öffentlichen Verkehr wird von verschiedenen Verkehrsanbietern auf der ganzen Welt vorangetrieben und wird die Zukunft der städtischen Mobilität prägen. Mit mehreren KI-gestützten Beispielen aus der Praxis, wie den oben genannten, werden Pendler, Verkehrsmitarbeiter und Entscheidungsträger in die Lage versetzt, den Nahverkehr zu optimieren. Von personalisierten Reiseerlebnissen bis hin zu verbesserter betrieblicher Effizienz - KI-gesteuerte Erkenntnisse revolutionieren den öffentlichen Nahverkehr und machen ihn zugänglicher, widerstandsfähiger und nachhaltiger. Außerdem wird der vorhersehbare Übergang von traditionellen KI-Modellen zu agentenbasierter KI in Zukunft für intelligentere, effizientere und sicherere Verkehrssysteme sorgen.