Projektbeschreibung

Ziel des Projekts QUISS war die Entwicklung datenbasierter Anwendungen mit Hilfe moderner Data Science- und Künstlicher-Intelligenz-Ansätze zur Optimierung bzw. Unterstützung der Disposition und Instandhaltung von Schienenfahrzeugen.
Hierfür wurde eine Architektur zur Konsolidierung der verschiedenen Datenquellen wie Stoßsensoren der Güterwagen, Bilder von Kamerabrücken, GPS-Standortdaten sowie diverser Bestandsdaten aufgebaut.

Auf Grundlage dieser Datenbasis konnten im Projekt verschiedene Use-Cases für eine optimierte und datenbasierte Instandhaltung aufgebaut und durch die prototypische Integration erprobt werden.

Ergebnisse und Wirkungen

Durch die Umsetzung der verschiedenen Use-Cases konnten wesentliche Verbesserungen in der Verfügbarkeit von Schienenfahrzeugen erzielt werden. Anhand von Bilddaten der Kamerabrücken können zukünftig Anomalien an Fahrzeugen erkannt werden, um diese bedarfsgerecht zu warten.

Die semantische Anreicherung von Güterwagen-Telemetriedaten ermöglicht eine Genauigkeits-steigerung der Laufleistungsabschätzung und somit der Lebensdauer der Schienenfahrzeuge. Durch eine Verknüpfung der GPS-Daten mit Informationen des Streckennetzes wird die Genauigkeit der Trassenzuordnung von Fahrzeugen erhöht.

Anhand von Stoßdaten können Streckenabschnitte mit hohen Belastungen identifiziert werden, um das Beschädigungspotenzial an Fahrzeugen zu reduzieren. In einem weiteren Use-Case wurde mit Hilfe zuvor gewonnener Erkenntnisse eine KI-Analyse im Zusammenhang mit der Laufleistung und Werkstattaufenthaltszeiten von Schienenfahrzeugen durchgeführt.

Der Verkehrsträger Schiene profitiert durch die Projektergebnisse, da die Dispositions- und Instandhaltungsaktivitäten für Fahrzeuge verbessert und dadurch betriebliche Störungen reduziert werden können.