Problemstellung

Die angespannte finanzielle Lage in vielen Kommunen erlaubt keine detaillierte Erfassung und Bewertung der eigenen Verkehrsinfrastruktur. Subjektive und unregelmäßige Dokumentierung führt dazu, dass keine belastbare Datengrundlage für datenbasierte Zustandsprognosen vorhanden ist, die mit Methoden der Künstlichen Intelligenz und des maschinellen Lernens eigentlich möglich wären.

Projektziel

Ziel von DatEnKoSt ist es, die Kosten der Zustandserfassung gegenüber konventionellen Vorgehensweisen auf einen Bruchteil zu reduzieren. Darüber hinaus werden KI-basierte Prognosen für eine effizientere Instandhaltung ermöglicht und Analyseergebnisse in einem intuitiven Webportal aufbereitet, welches sich an kommunale Anwender richtet. Es profitieren nicht nur die Verantwortlichen in den Kommunen, sondern alle Bürgerinnen und Bürger in ihrer Rolle als Nutzer und Finanzierer der Verkehrsinfrastruktur.

Durchführung

DatEnKoSt entwickelt eine Software für das kommunale Straßenmanagement, die als Datengrundlage eine kostengünstige Zustandserfassung über Smartphones nutzt. Aufgezeichnete Sensordaten (z.B. Beschleunigungs- und Bilddaten) werden durch Methoden aus der Künstlichen Intelligenz (KI) und dem maschinellen Lernen (ML) zu richtlinienkonformen Daten aufgewertet. Das erlaubt eine standardisierte Erfassung des Straßenzustands sowie die Prognose der Zustandsentwicklung aus diesen Daten. Dabei werden bauliche und sonstige relevante Parameter berücksichtigt.

Verbundkoordinator	AWS-Institut für digitale Produkte und Prozesse gGmbH, Saarbrücken FKZ: 19F2090A
Projektvolumen	859.818 € (davon 75 % Förderanteil durch BMDV)
Projektlaufzeit	07/2019 - 09/2022
Projektpartner	Cyface GmbH, Dresden FKZ: 19F2090B
Ansprechpartner	AWS-Institut für digitale Produkte und Prozesse gGmbH Martin Danner Tel.: +49 162 7783-629 E-Mail: martin.danner@aws-institut.de