GSV Jahrbuch Mobilität 2025

Foto: GSV
oder Decision-Support, intelligentere
Produktion, „Metaverse
- Der Mensch interagiert mit
Systemen in einer gemeinsamen
Umgebung“, Predictive Maintenance,
Predictive Analytics.
Watzenig: „KI wird entlang folgender
vier Säulen eingesetzt:
In der Produktentstehung selbst,
also das Produkt Fahrzeug oder
das Produkt Vehikel, im Prozess,
um das Fahrzeug zu erstellen, in
der Produktion sowie in Betrieb
und Wartung. Ein wesentliches
Watzenig, TU Graz
Beispiel ist das software-defined
Vehicle. Das Fahrzeug wird ähnlich wie ein Mobiltelefon
betrachtet: Das heißt, die Software ist
entkoppelt von der Hardware und es können auch
Apps etc. installiert werden.“
Watzenig erwähnt das „Safe-Train-Projekt“. Als
Partner war Virtual Vehicle für die AI-basierte Umfelderkennung
zuständig. Watzenig: „Bei der Regionalbahn
reicht beim autonomen Betrieb die übliche
Sichtweite von rund 300 Meter nicht aus, dort
müssen es 800 bis 1000 Meter sein. Beim Projektstart
2023 gab es derartige Sensoren noch nicht,
mittlerweile gibt es diese dank dem Projektpartner
Continental. Wesentlich ist es, Anomalien zu
erkennen, der Zug darf nicht jedes Mal bremsen,
wenn aufgrund falschen Sensor-Einschätzungen
ein Ghost-Objekt oder ein Artefakt erfasst wird,
das muss erkannt werden. In der Umsetzung erkennt
der menschliche „Safety Lokführer“ dann,
AI in automated train operations
Grafik: Virtual Vehicle
ob die Strecke frei ist oder nicht (wird rot oder
grün signalisiert).“
Die sichere AI beim autonomen Zugfahren zeigt mit grün an, ob die Strecke frei ist
AI | 2025
KI kann Vieles auch nicht
beantworten
Krzysztof Janowicz, Professor, Universität
Wien, berichtet über geografische/georäumliche
künstliche Intelligenz (GEO-AI), eine Mischung
aus räumlichen Datenwissenschaften, Geografie,
Geowissenschaften, Künstliche Intelligenz, Computer
Science und eben auch Kognitionswissenschaften.
GEO-AI-Forscher bringen räumliches
Denken in generelle Modelle der künstlichen Intelligenz
und nutzen zwei verschiedene Ansätze:
das deklarative Beschreiben und Erfassen sowie
Schließen über Wissen. Janowicz stellt eine wichtige
Frage: „Wissen wir denn, was AI weiß? Wie
sieht tatsächlich Geografie, wie sehen Städte, wie
sieht menschliches Verhalten aus der Sicht der KI
überhaupt aus?“
Prinzipiell gibt es einige Bereiche, wo wir über viele
Daten verfügen: Points of Interest, Lokalitäten,
Cafés, Hörsäle, Büros, Transportinfrastruktur etc.
Außerhalb dessen gibt es vieles, was nicht so einfach
herauszufinden ist, z.B. Walkability, also in
welchen Orten fühlen wir uns sicher, hinzugehen,
wo würde man nachts hingehen, wo ist es grün,
wo benutzen wir eher das Auto oder öffentliche
Verkehrsmittel? Aber die Semantik, also die Bedeutung
von walkability ist unklar.
Janowicz: „Fragen Sie mal Ihren AI-Bot, Ihnen
eine T-Kreuzung zu machen. Die können tatsächlich
keine T-Kreuzung malen. Oder die Frage, wie
weit ist Währing von Döbling entfernt? Jetzt sagen
Sie als Mensch, die berühren sich, das sind
benachbarte Bezirke. Die Entfernung zwischen
denen ist null. Aber unser AI-Bot, der hat eine
ganz bestimmte Vorstellung darüber und der sagt,
ungefähr 1,47 Kilometer. Ein Verständnis von
Konnektivität, Nachbarschaft, Topologie ist also
sehr wichtig. Womit wir uns intensiv beschäftigen
müssen, ist die Kombination von einem tiefen
Verständnis und der Repräsentation von Daten
und logischem Schließen aus Daten. Ein Teil davon
sind sogenannte Wissensgraphen. Jedes Mal,
wenn Sie Google etc. irgendetwas fragen, kommt
die Antwort aus einem Wissensgraphen. An solchen
Wissensgraphen arbeiten wir. Wir haben einen
der weltgrößten jetzt hier in Wien, der aus
ungefähr 30 Milliarden Graphenaussagen über die
Welt besteht.“
D. Watzenig
VOR AnachB App
Mobilität liegt in deiner Hand
Verkehrsinfo
Mobility
Radar
Jetzt herunterladen
Routenplaner
Haltestellenmonitor
Tickets
26 27