SBB setzt KI zur Verbesserung der Schienenwartung ein

Bild: SBB

Das ETH-Spin-Off LatticeFlow arbeitet mit der SBB, Siemens und der ETH zusammen, um eine sichere, effiziente und kostengünstige KI-basierte Bahnwartung zu ermöglichen.

Die Gleiswartung erfolgt traditionell durch eine manuelle Inspektion der Schienen, eine Aufgabe, die viel menschliche Arbeitskraft erfordert und nötig macht, dass Menschen in gefährlichen und manchmal schwer zugänglichen Umgebungen arbeiten. Die SBB beabsichtigen darum, die Schienenwartung zu verbessern, indem sie die Inspektionen mithilfe der neuesten Generation von KI automatisieren. Ein spezieller Zug, der mit Kameras ausgestattet ist, soll Bilddaten der Schienen sammeln, die dann von der KI verarbeitet werden, um eventuelle Schienenfehler zu identifizieren.

Die Streckeninspektion ist jedoch eine sicherheitskritische Aufgabe. Wie kann sichergestellt werden, dass das neue KI-basierte System zuverlässig ist? KI-Modelle funktionieren oft gut in Laborumgebungen, schneiden aber schlecht ab, wenn sie in der komplexen Realität eingesetzt werden. Bevor die SBB die Inspektionsaufgabe an die ‚Augen‘ des neuen KI-Systems übergibt, muss sie sicherstellen, dass die trainierten KI-Modelle Bahndefekte unter verschiedenen Umgebungsbedingungen korrekt erkennen. Linsenkratzer, Regentropfen oder Schnee auf den Schienen und andere Variablen, die die Bildqualität beeinflussen, dürfen die Zuverlässigkeit des KI-Systems nicht untergraben.

Mit diesem Ziel hat SBB eine Partnerschaft mit LatticeFlow, Forschern des AI Centers an der ETH und Siemens geschlossen. In einem ersten Schritt werden die Teams die Zuverlässigkeit der KI-Modelle der SBB mithilfe der LatticeFlow-Plattform für vertrauenswürdige KI bewerten. Die Modelle werden dann bei Bedarf verbessert. Parallel zur technischen Arbeit werden die Partner aktuelle Sicherheitsstandards und deren Anwendung auf den Bahnbereich analysieren. Das Ziel der Zusammenarbeit ist der Nachweis, dass die KI-Modelle zuverlässig sind und sicher in der Produktion eingesetzt werden können.

Thematik: Newsarchiv
| News
LatticeFlow AG

Das könnte Sie auch Interessieren

Anzeige

Anzeige

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

„Künstliche Intelligenz ist eine, wenn nicht die wichtigste Zukunftstechnologie für Unternehmen.“ Diese Aussage bejahen 70 Prozent der Befragten der jüngsten Bitkom-Studie zu KI. Aber nur 10 Prozent aller Unternehmen haben KI-Technologie aktiv im Einsatz, lediglich 30 Prozent planen und diskutieren deren Anwendung. Was ist der Grund für diese große Diskrepanz?

Bild: Blue Yonder, Inc.
Bild: Blue Yonder, Inc.
Künstliche Intelligenz – mehr als eine Wissenschaft

Künstliche Intelligenz – mehr als eine Wissenschaft

Data Science ist mittlerweile ein fester Bestandteil der strategischen Planung in vielen Unternehmen. Um künftige Entwicklungen realistisch zu planen, brauchen wir Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Insbesondere im Einzelhandel vertrauen immer mehr große Player auf KI-Lösungen, die präzise Prognosen ermöglichen und zum Beispiel Bestände oder Preise optimieren. Doch viele Entscheidungsträger glauben noch nicht daran, dass KI in den Lieferketten der Zukunft eine tragende Rolle spielen wird. Der Grund hierfür liegt in einer falschen Sicht auf die Wissenschaft.

Bild: ©Stock57/stock.adobe.com
Bild: ©Stock57/stock.adobe.com
KI-Verfahren für die Produktion

KI-Verfahren für die Produktion

Mathematiker der Hochschule Darmstadt (h_da) entwickeln gemeinsam mit dem Hanauer Simulationsdienstleister und Softwareunternehmen SimPlan und dem Automationsexperten Fibro Läpple Technology neue KI-Technologien. Im Rahmen des Loewe-Projekts ‚KISPo‘ will das Konsortium eine autonome, selbstlernende Steuerungssoftware für Produktionsanlagen entwickeln, wie sie z.B. bei der Herstellung von Komponenten für Windräder oder Elektromotoren zum Einsatz kommen. Es wäre die erste KI-Software dieser Art. Damit würde eine von Industrieverbänden und Forschung lange bemängelte Technologielücke geschlossen. Das Land Hessen fördert das Projekt für zwei Jahre mit 320.000 Euro. Konsortialführerin ist die Hochschule Darmstadt.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Chancen und Herausforderungen von Machine Learning in der Fertigung

Chancen und Herausforderungen von Machine Learning in der Fertigung

Automatisierung, künstliche Intelligenz (KI), Internet of Things (IoT) und Machine Learning (ML) sind heutzutage bekannte Technologien und kommen bereits in vielen Unternehmen zum Einsatz. Mit Hilfe von Machine Learning wird es IT-Systemen ermöglicht, Muster und Zusammenhänge aus Daten zu lernen und sich selbst zu verbessern. Dabei ist keine explizite Programmierung notwendig. Die Bearbeitung von Kundenanfragen, die Erkennung möglicher Störfälle sowie unerwarteter Ereignisse wie z.B. Cyberangriffe sind klassische Anwendungsfelder von ML. Aber auch die Unterstützung bei einer rein datengestützten Entscheidungsfindung und die Interpretation großer Datenmengen gehören dazu.

Bild: ©Shuo/stock.adobe.com
Bild: ©Shuo/stock.adobe.com
Sensoren lernen das Denken

Sensoren lernen das Denken

Im Fraunhofer-Leitprojekt NeurOSmart forscht das Fraunhofer IPMS zusammen mit vier weiteren Instituten (ISIT, IMS, IWU, IAIS) unter Leitung des Fraunhofer ISIT gemeinsam an energieeffizienten und intelligenten Sensoren für die nächste Generation autonomer Systeme. Dabei sollen die Brücken zwischen Wahrnehmung und Informationsverarbeitung durch innovative Elektronik neu definiert werden.

Bild: ©ipopba/stock.adobe.com
Bild: ©ipopba/stock.adobe.com
Wie KI 2022 praktikabel wird

Wie KI 2022 praktikabel wird

Künstliche Intelligenz war bereits in der Vergangenheit in aller Munde, schaffte es aber doch oft nicht bis in die Anwendung. Das wird sich 2022 ändern – auch weil sich langsam Standards etablieren und sich neue, konkrete Einsatzmöglichkeiten ergeben. In welchen Bereichen Business-Implementierungen zu erwarten sind, erläutert Bernhard Niedermayer, Head of AI bei Cloudflight.

Anzeige

Anzeige

Anzeige