Was war/ist die Ausgangssituation?

Die angespannte finanzielle Lage in vielen Kommunen erlaubt keine detaillierte Erfassung und Bewertung der eigenen Verkehrsinfrastruktur. Subjektive und unregelmäßige Dokumentierung führt dazu, dass keine belastbare Datengrundlage für intelligente, datenbasierte Zustandsprognosen vorhanden ist, die mit Methoden der Künstlichen Intelligenz und des maschinellen Lernens möglich wären.

Was war/ist das Projekt/die Strategie?

DatEnKoSt entwickelt eine Software zum kommunalen Straßenmanagement, die als Datengrundlage eine kostengünstige Zustandserfassung über Smartphones nutzt. Aufgezeichnete Sensordaten (z.B. Beschleunigungs- und Bilddaten) werden durch Methoden aus der Künstlichen Intelligenz (KI) und dem maschinellen Lernen (ML) in Wert gesetzt. Ziele sind die präzise und richtlinienkonforme Erfassung des Straßenzustands sowie die Prognose der Zustandsentwicklung aus diesen Daten. Dabei werden bauliche und sonstige relevante Parameter berücksichtigt. Die Analyseergebnisse werden in einem intuitiven Webportal aufbereitet, welches sich an kommunale Anwender richtet.

Projektpartner:
August-Wilhelm-Scheer-Institut www.aws-institut.de
Cyface GmbH www.cyface.de

Welchem Anwendungssektor ordnen Sie ihren Beitrag zu?

Mobilität, urbane Infrastrutkuren & Umwelt

Welchen Mehrwert bietet das Projekt für die Bevölkerung?

DatEnKoSt soll Erfassungskosten gegenüber konventionellen Vorgehensweisen auf einen Bruchteil reduzieren und durch die KI-basierten Prognosen effizientere Instandhaltung ermöglichen. Somit profitieren nicht nur die unmittelbaren Nutzer des Systems, sondern jeder einzelne Bürger in seinen Rollen als Nutzer und Mitfinanzierer der Verkehrsinfrastruktur.

Wie sah/sieht der Projektzeitplan und Finanzierungsbedarf aus?

Das Projekt ist auf eine Laufzeit von 36 Monaten angelegt und befindet sich in der Antragsstellung beim Bundesministerium für Verkehr und digitale Infrastruktur bzw. mFUND.

automatisierung, infrastrukturmonitoring, ki, prognostics, machine learning, smartphone