Verkehrssteuerung : KI braucht klare Ziele

Künstliche Intelligenz gilt als Schlüsseltechnologie für eine leistungsfähigere Verkehrssteuerung. In vielen Städten wird sie bereits eingesetzt, um Verkehrsflüsse zu optimieren, Emissionen zu reduzieren oder knappe Infrastrukturen besser auszulasten. Technologisch ist vieles möglich. Zugleich zeigt sich aber: Der Einsatz von KI allein beantwortet noch nicht die entscheidende Frage, wie Verkehr und Mobilität langfristig im Sinne von Städten und Kommunen gestaltet werden sollen.

Dabei geht es nicht nur im engeren Sinne darum, Fahrzeuge oder Verkehrsteilnehmende zu steuern. Entscheidend ist eine integrierte Perspektive auf Mobilität und Stadtentwicklung: Wenn Mobilitätsangebote, Infrastrukturen und städtische Räume gemeinsam geplant werden, lassen sich Mobilitätsbedarfe sozusagen bereits in ihrer Entstehung steuern und, wo sinnvoll, auch vermeiden oder verlagern.

Für ein zunehmend multi- und intermodales Mobilitätssystem bedeutet dies zugleich, Verkehrsmittel intelligent aufeinander abzustimmen – entlang klarer kommunaler Steuerungspräferenzen. Auf Grundlage einer umfassenden digitalen Abbildung der Verkehrslage kann KI dazu beitragen, etwa den Einsatz von ÖPNV-Flotten situativ mit weiteren Mobilitätsoptionen zu koordinieren.

Kommunen im Zielkonflikt

Kommunen bewegen sich dabei in einem komplexen Spannungsfeld. Sie sollen Erreichbarkeit sichern, Klimaziele erreichen, Aufenthaltsqualität erhöhen und soziale Teilhabe ermöglichen – häufig gleichzeitig und unter begrenzten Ressourcen. Daraus ergeben sich Zielkonflikte, die sich nicht technisch und auch nicht mittels KI auflösen lassen, sondern politische Priorisierungen und Entscheidungen erfordern.

Eine ganzheitliche KI-basierte Verkehrs- und Mobilitätssteuerung kann diese Konflikte jedoch situativ differenzierter adressieren: Es schafft mehr Handlungsspielräume, um auf vielfältige Anforderungen einzugehen – datengetrieben, evidenzbasiert und dynamisch-adaptiv.

Damit rücken Zielsysteme ins Zentrum. Die hier thematisierte KI ist keine magische und undurchschaubare Macht. Sie optimiert das, was vorgegeben wird – im besten Fall das, was gesellschaftlich sinnvoll ist. Erst solche expliziten Ziele und Zielabstufungen machen KI wirkungsvoll. Erst wenn kommunale Zielsetzungen in messbare Indikatoren übersetzt werden, kann KI dazu beitragen, Wirkungen vergleichbar zu machen, Zielkonflikte sichtbar zu halten und Steuerungsentscheidungen datenbasiert zu treffen. Genau darin liegt ihr Mehrwert für eine integrierte Verkehrs- und Mobilitätsplanung.

Offene Innovationsstrukturen als Erfolgsfaktor

Diese Zielorientierung entfaltet ihre Wirkung jedoch nur nachhaltig, wenn sie in geeignete Innovationsstrukturen eingebettet ist. Die technologischen Möglichkeiten für unser Verkehrssystem entwickeln sich mit rasanter Geschwindigkeit. Die Leistungsfähigkeit des Verkehrssystems entscheidet über die Attraktivität unserer Mobilität sowie Deutschlands Leistungsfähigkeit als Industriestandort. Hier ist es also entscheidend, die Potentiale schnell zu nutzen.

In der Praxis kommen vielerorts leistungsfähige, oft proprietäre Einzellösungen zum Einsatz. Das ist kurzfristig zwar effizient und für eine Kommune personalarm zu verwalten, führt aber langfristig zu Abhängigkeiten. Innovationen folgen dann primär den Entwicklungszyklen einzelner Anbieter.

Das Potential ganz neuer Lösungen und Ansätze durch die direkte Mitwirkungsoption von Forschungseinrichtungen und neuen Anbietern bleibt zu lange ungenutzt. Eigene, souveräne Gestaltungsmöglichkeiten der Städte sind eingeschränkt und Übertragbarkeit, Lern- und Skaleneffekte bleiben vom Anbieter abhängig. Für Kommunen wird das langfristig teuer – und für das Gesamtsystem wenig nachhaltig.

Austausch im Innovationsökosystem

Vor diesem Hintergrund ist ein offenes Forschungs- und Entwicklungssystem zentral. Es ermöglicht, KI-basierte Ansätze gemeinsam weiterzuentwickeln und übertragbar zu machen. Entscheidend sind dabei klare Strukturprinzipien: Modularität, Offenheit, Übertragbarkeit und Nachnutzbarkeit sowie Souveränität.

Sie schaffen die Grundlage dafür, dass Kommunen nicht nur Anwender, sondern aktive Gestalter von KI-basierter Verkehrs- und Mobilitätssteuerung sein können, im offenen Austausch mit all jenen – Anbietern, Start-ups, KMUs, Forschungseinrichtungen usw. – die in einem solchen Innovationsökosystem teilhaben möchten.

Dass ein solcher Ansatz praktikabel ist, zeigt auch das technische Fundament moderner KI-Verfahren. Der Einsatz von KI in unseren Mobilitätssystemen muss keiner OP am offenen Herzen gleichkommen. Ansätze wie modellbasiertes Reinforcement Learning erlauben es, Steuerungsstrategien zunächst in Modellen und digitalen Zwillingen zu entwickeln und zu testen, bevor sie schrittweise in den Realbetrieb überführt werden. Lernen und Optimieren finden damit kontrolliert statt, Risiken werden reduziert und kommunale Zielsysteme lassen sich von Beginn an integrieren.

Gestaltung durch offene Innovationsräume

Am Ende ist KI in der Verkehrssteuerung keine Tool-, sondern eine Gestaltungsfrage. Ohne klare Ziele bleibt sie wirkungslos, ohne offene Entwicklungsstrukturen bleiben Kommunen abhängig – und Potenziale zur Innovationsbeschleunigung ungenutzt.

Dass ein solcher Gestaltungsansatz zeitgemäß ist, zeigen beispielhaft der Deutschland-Stack mit seinem Fokus auf modulare, interoperable und souveräne digitale Infrastrukturen oder das Ecosystem Mobility 4.0, in dem Akteure aus Industrie, Wissenschaft und öffentlicher Hand gemeinsam technische Blaupausen und einheitliche Standards für den autonomen öffentlichen Verkehr entwickeln – nicht in proprietären Einzellösungen, sondern unabhängig, offen, leicht übertragbar und für alle nutzbar.

Dies unterstreicht, dass Offenheit und Übertragbarkeit zentrale Voraussetzungen sind, um die öffentliche Handlungsfähigkeit langfristig im digitalen Raum zu sichern. Für die Verkehrs- und Mobilitätssteuerung liegt hierzu eine fundierte Analyse vor, die nun in eine breitere fachliche und politische Diskussion überführt werden sollte.