Eine KI-Roadmap für mehr Verlässlichkeit und Wirtschaftlichkeit im Fernverkehr

Zum Inhalt springen
Ausgewählte Sprache Deutsch
  • Deutsch Ausgewählte Sprache
  • English
  • Artikel: Eine KI-Roadmap für mehr Verlässlichkeit und Wirtschaftlichkeit im Fernverkehr

    03/2025 – Künstliche Intelligenz ermöglicht präzise Nachfrageprognosen oder proaktive Wartung. In der Digitalisierungsstrategie des Fernverkehrs der Deutschen Bahn spielt KI deshalb eine Schlüsselrolle. Eine neue Roadmap definiert relevante Handlungsfelder entlang der Wertschöpfungskette und deren Umsetzung in den Fachbereichen.

    Eisenbahngesellschaften haben schon immer neue Technologien genutzt, um den Betrieb und die Leistung zu verbessern. Künstliche Intelligenz (KI) ist deshalb auch für die Bahn ein vielversprechendes Feld. „Denn KI und insbesondere generative Künstliche Intelligenz – GenAI – helfen, die Planung und Leistung entlang der gesamten Wertschöpfungskette zu verbessern“, sagt Axel Schulz, Leiter KI und Data Intelligence Center bei DB Fernverkehr. Bereits seit 2015 entstehen KI-Projekte bei DB Fernverkehr. DB Systel unterstützt dabei KI-Projekte des Fernverkehrs beispielsweise mit Beratung und Tests zur IT-Sicherheit.  

    Eine neue strategische KI-Roadmap des IT- und Digitalisierungsbereichs bei DB Fernverkehr gibt jetzt einen Ausblick auf wichtige übergreifende KI-Handlungsfelder für den gesamten Geschäftsbereich. Denn laut einer aktuellen Studie von UIC und McKinsey können Bahnbetriebe weltweit zwischen 13 und 22 Milliarden US-Dollar pro Jahr durch den Einsatz von KI einsparen (PDF). Welches enorme Potenzial in KI steckt, zeigt eine weitere Studie von Sopra Steria Next. Die Expert:innen schätzen, dass der globale KI-Markt bis 2028 zehn Prozent der weltweiten IT-Ausgaben ausmachen und drei Mal schneller wachsen wird als der gesamte Technologiemarkt.  

    Die Pilotprojekte der europäischen Bahnen 

    Ein Blick über den Tellerrand zeigt bereits wertschöpfende Beispiele für den KI-Einsatz im europäischen Schienenverkehr: Bei der SBB AG in der Schweiz werden beispielsweise Nachfrageprognosen mit Hilfe von KI erstellt, um die passende Menge an Waggons bereitzustellen. Ein KI-gestütztes Fahrprofil ermöglicht zudem präzise Zeit- und Geschwindigkeitsberechnungen. Bei der SCNF AG in Frankreich sorgt eine KI-Lösung dafür, dass Auslastung und Umsatz für die Hochgeschwindigkeitszüge (TGV) optimiert werden. Auch die kognitive Leistungsfähigkeit des Personals soll künftig mit Künstlicher Intelligenz überprüft werden: Messungen der Augenbewegungen, Schweißbildung und Herzfrequenz sollen Stress und Ermüdung des Personals zeigen, um so Unfälle zu verringern. 

    Auch bei der Deutschen Bahn sind bereits eine Reihe von KI-Use-Cases im Einsatz. Das Spektrum reicht hier von der Feedbackplattform Railmate über Peak Spotting, einer intelligenten Auslastungssteuerung, bis hin zu Verspätungsprognosen auf Basis von Künstlicher Intelligenz. Die Deutsche Bahn hat mit S3 ein Sanierungsprogramm aufgelegt, um pünktlicher, verlässlicher und wirtschaftlicher zu werden. Die Digitalisierung und der Einsatz von KI an den richtigen Stellen helfen dabei, diese Ziele zu erreichen. Darüber hinaus ergeben sich durch die Verbreitung von GenAI tagtäglich neue Potenziale. 

    Den Markt und Wettbewerb erfassen 

    Um diese Potenziale systematisch zu nutzen, hat die DB Fernverkehr AG mögliche KI-Handlungsfelder strukturiert für die kommenden Jahre identifiziert. Im ersten Schritt des Weges ging es zunächst darum, den Markt und den Einsatz von KI besser zu verstehen: Welche KI-Anwendungsfälle setzen andere Unternehmen ein - von Rolls-Royce bis hin zu Unilever und Coca-Cola? Parallel dazu wurde eine Einordnung vorgenommen, welchen potenziellen Nutzen diese Anwendungsfälle für die DB Fernverkehr AG liefern können - ob die Use Cases zum Beispiel zu Pünktlichkeit, Effizienz und Kundenzufriedenheit beitragen.  

    Gleichzeitig analysierte das Team zwölf Mitbewerber in der Mobilitätsbranche, um herauszufinden, welche Anwendungsfälle dort bereits wertschöpfend sind. Aus dieser Markt- und Wettbewerbsanalyse ergaben sich acht übergreifende Handlungsfelder für den Einsatz von KI mit den jeweils erfolgversprechendsten Anwendungsclustern: 

    Übersicht der KI-Handlungsfelder und Anwendungscluster, z.B. Operational Efficiency, Customer Focus, Predictive Analytics
    Übersicht der KI-Handlungsfelder und Anwendungscluster, z.B. Operational Efficiency, Customer Focus, Predictive Analytics
    Quelle: DB Fernverkehr AG
    Übersicht KI Handlungsfelder, unter anderem für Eisenbahngesellschaften.

    Die wichtigsten Handlungsfelder für den Bahnbetrieb  

    Die Marktanalyse verspricht große KI-Potenziale für unterschiedlichste Branchen. Für DB Fernverkehr war dabei wichtig, die Bereiche zu bestimmen, die realistisch umsetzbar und mit dem größtmöglichen Mehrwert versehen sind. Im zweiten Schritt folgte der Blick auf die spezifischen Bedarfe von Eisenbahnunternehmen. Interviews mit Expert:innen aus Forschung und Wirtschaft sowie Diskussionsrunden mit internen und externen Partner:innen halfen, spezifische Anwendungscluster zu identifizieren, die in den nächsten Jahren die größte Relevanz haben.  

    „Gelingt die Umsetzung, hilft KI dabei, Prozesse zu optimieren, neue Geschäftsmodelle zu entwickeln und die Wettbewerbsfähigkeit zu stärken.“

    Axel Schulz, Leiter KI und Data Intelligence Center, DB Fernverkehr AG

    Dazu gehört beispielsweise automatisierte Disposition von Zügen und Predictive Maintenance für optimierte Wartung von Zügen, Gleisen und Signalsystemen. Auf Basis der Marktanalyse und der Expert:inneninterviews erstellte das Team eine Liste mit Empfehlungen der relevantesten KI-Handlungsfelder für die nächsten Jahre. Obwohl der Markt in unterschiedlichsten Feldern KI-Potenziale sieht und realisiert, können für Eisenbahnunternehmen klare Empfehlungen für Fokusbereiche gegeben werden, die auf relevante Kennzahlen wie Pünktlichkeit, Qualität, Wirtschaftlichkeit sowie Kund:innenzufriedenheit abzielen. 

    KI-Handlungsfelder mit dem höchsten unternehmerischen Potenzial 

    Handlungsfeld

    Beschreibung

    Beispielhafte Anwendungsfelder

    Automatisierung der Disposition 

    Ressourcenplanung in Echtzeit 

    Konflikterkennung undKonfliktlösung 

    Anschlussdisposition undWarteentscheidungen 

    Arbeitsvorrat-priorisierung 

    Marketing Content-Erstellung 

    Mit KI Inhalte erstellen und anpassen 

    Bilderstellung 

    Texte generieren 

    Vollständige Assets erstellen 

    Kundenservice-optimierung KI-gestützte Interaktionen und Lösungsfindung mit Kund:innen  Kündigungen im Kund:innenenservice automatisieren Bestellprozesse automatisieren Serviceprozesse im Zug automatisieren 

    Optimierte Wissensnutzung  

    Schnellerer Zugang zu relevanten Informationen Agentenbasierter Zugriff und Nutzung von Wissensquellen Regelwerke Adressat:innen gezielt zur Verfügung stellen Informationen kontextsensitiv und proaktiv bereitstellen 
    Predictive Maintenance Bedarfsgerechte Planung der Wartung, um Ausfälle zu vermeiden Frühzeitiges Erkennen von Schäden Frühzeitiges Erkennen von Verschmutzung Zustands-kontrolle verbessern 

    Lieferketten-optimierung 

    Verbesserte Bedarfsplanung und beschleunigte Supply-Chain-Prozesse 

    Lagerplanung optimieren 

    Optimierte Lieferprozesse 

    Verbesserte Bedarfsplanung 

    Vom Handlungsfeld zur unternehmensweiten Skalierung 

    Auf Basis dieser Handlungsfelder werden aktuell durch das Programm „KI im Fernverkehr“ gemeinsam mit den Fachbereichen konkrete und umsetzbare Anwendungsfälle für die Praxis ermittelt. „Hierfür ist unserer Ansicht nach ein ganzheitlicher Ansatz entscheidend, der sowohl Realisierbarkeit und fachlichen Nutzen als auch regulatorische Aspekte im Blick behält“, sagt Axel Schulz. Damit keine Insellösungen entstehen und bestehende Silos aufgebrochen werden, brauche es übergreifende fachliche Ziele je Handlungsfeld, die viele Fachbereiche betreffen. Dies schafft die Grundlage, um komplexere Anwendungen zu realisieren: „Gelingt die Umsetzung, hilft KI dabei, an relevanten Stellen Prozesse und Arbeitsabläufe zu optimieren und damit die Wettbewerbsfähigkeit zu stärken.“ 

    Darüber hinaus müssen die passenden Rahmenbedingungen geschaffen werden, um eine nachhaltige Skalierung zu ermöglichen. Dazu zählen klare Verantwortlichkeiten und Prozesse, effiziente Umsetzung und einheitliche technologische Standards. Typische Herausforderungen sind beispielsweise die Verbesserung der Datenqualität, der Umgang mit fragmentierten Datenquellen – während gleichzeitig der Datenschutz gewährleistet werden muss. Nicht zuletzt ist die Schulung der Mitarbeitenden ein essenzieller Schritt, um KI in der Breite zu skalieren. 

    Fazit: Schrittweise zum Einsatz von KI 

    Eisenbahnunternehmen stehen durch den Einsatz von KI und GenAI vor einer neuen technologischen Ära, die Effizienz, Zuverlässigkeit und Kund:innenzufriedenheit entscheidend verbessern kann. Mit klar priorisierten Handlungsfeldern wie Predictive Maintenance, automatisierter Disposition und kund:innenorientierter Content-Erstellung können Unternehmen entlang der gesamten Wertschöpfungskette Mehrwerte schaffen. Entscheidend für den Erfolg ist dabei ein ganzheitlicher Ansatz, der Realisierbarkeit, Interdisziplinarität und Skalierbarkeit gewährleistet. Gelingt es, KI nachhaltig zu implementieren, stärken die Unternehmen nicht nur ihre betriebliche Effizienz, sondern auch ihre Wettbewerbsfähigkeit in einem zunehmend dynamischen Mobilitätsmarkt.  

    Dies könnte dich auch interessieren