Verbundprojekt: "safe.trAIn - Sichere KI am Beispiel fahrerloser Regionalzug"; Teilvorhaben: Überleitung von KI-basierter Objekterkennung vom Automobil- in den Schienenfahrzeugbereich

Abstract

Derzeitiger Stand von Wissenschaft und Technik Für einen klimaneutralen und attraktiven Verkehrsmix ist der Betrieb des Schienenverkehrs mit höchsten Automatisierungsstufen (GoA4) ein wesentlicher Bestandteil. Nach Stand der Technik kann dieses Ziel in den vorherrschenden komplexen Umgebungen durch klassische Automatisierungstechnologien allein nicht gelöst werden. Andererseits gibt es bei der Entwicklung von Technologien im Bereich des hochautomatisierten Fahrens (auf Straße & Schiene) bemerkenswerte Fortschritte, die auf der Leistungsfähigkeit von Künstlicher Intelligenz (KI) basieren. Eine wesentliche ungelöste Herausforderung ist dabei die Verknüpfung der KI-Verfahren mit den Anforderungen und Zulassungsprozessen im Bahnumfeld. Zielsetzung In diesem Teilvorhaben leistet SLR mit dem Wissen, das beim Training und der Nutzung einer KI-Funktion zur Entscheidungsfindung im Automobilbereich gewonnen wurde, einen wichtigen Beitrag zur Entwicklung und Validierung neuer KI-Funktionen für fahrerlose Regionalzüge. Die Erfahrungen aus der Entwicklung, Integration und Validierung von KI-basierter Objekterkennung basierend auf Kamera- und Lidarsystemen, wie sie bei der Entwicklung der SLR Automated Driving Demonstratorfahrzeuge bereits eingesetzt wird (im Automobilbereich), sollen als Ausgangspunkt bzw. Referenz für die Entwicklungen (im Eisenbahnbereich) dieses Gesamtvorhabens dienen. Ergebnis Die Übertragung von KI-gestützter Objekterkennung aus dem Automobilbereich in den Schienenfahrzeugkontext ist von zentraler Bedeutung, um Sicherheitsanforderungen im fahrerlosen Bahnbetrieb zu erfüllen. Die Komplexität und Spezifika des Schienenumfelds – wie Signalbilder, Streckencharakteristik und Objektdynamik – erfordern angepasste Modelle und Validierungsstrategien. Durch das Teilvorhaben wurde die technologische Machbarkeit evaluiert und prototypisch demonstriert. Dabei erfolgte eine systematische Adaption bestehender Algorithmen und Datensätze. Die geleistete Arbeit trug wesentlich zum Verständnis übertragbarer Komponenten sowie notwendiger Modifikationen bei. Dies ermöglicht eine fundierte Grundlage für zukünftige sicherheitsgerichtete KI-Anwendungen im Bahnsektor. Die Ergebnisse sind essenziell für den Transfer industrieller KI-Innovationen in sicherheitskritische Bereiche. Anwendungsmöglichkeiten Fahrerlose Züge und Fahrzeuge. Objekterkennung durch Sensorfusion.