Die Elektrifizierung des ÖPNV, besonders des Busverkehrs, geschieht nicht von heute auf morgen. Allerdings setzen weltweit mehr und mehr Städte und Regierungen auf Elektrofahrzeuge im öffentlichen Nahverkehr: Große Hauptstädte sind dabei, emissionsarme Zonen einzurichten und die vollständige Elektrifizierung des ÖPNV in eigenen Ausschreibungen vorzuschreiben.
Bei der Planung von E-Bussen verändern sich die Prozesse und die Komplexität der Umlauf- und Dienstplanung, da Aspekte wie die Batteriekapazität oder die Ladezeit für die Batterie mit einbezogen werden müssen. Finden diese zusätzlichen Aspekte nicht von Anfang an Berücksichtigung, führt dies zu ineffizienten Plänen und der Notwendigkeit, zusätzliche Fahrzeuge – und Fahrpersonal – zu beschaffen. Hier kann KI helfen.
Auf die Planung kommt es an
Die Umsetzung der Flotten-Elektrifizierung im Busverkehr kann nur mit einer umfassenden Planung erfolgen. Berücksichtigt werden müssen hierbei der Aufbau von Infrastruktur, Stromversorgung, Netzanbindung, Energiespeicherung sowie die Installation von entsprechenden Ladestationen. Außerdem bedarf es einer Abwägung der Vor- und Nachteile der verschiedenen am Markt verfügbaren Fahrzeuge, um schließlich das beste Fahrzeug für die Anforderungen des eigenen Verkehrsbetriebes zu wählen. Die Fahrzeugauswahl hängt hierbei von Faktoren wie der Streckenlänge und -beschaffenheit, der Anzahl der Fahrgäste und auch der Strominfrastruktur ab.
In der Theorie gibt es verschiedene Möglichkeiten, E-Busse in bestehende Fahrzeugflotten zu integrieren: Entweder wählt man eine vollständige Ersetzung einer (Teil)-Flotte durch E-Fahrzeuge oder aber die schrittweise Einführung einzelner Fahrzeuge in Kombination mit der kontinuierlichen Beschaffung neuer E-Fahrzeuge. In der Praxis wird aufgrund der Betriebsqualität und Budgetrestriktionen zumeist Zweiteres durchgeführt.
Durch den parallelen Einsatz mehrerer Fahrzeugtypen mit unterschiedlichen Antriebsarten entsteht auch in der Planung eine höhere Komplexität: So bedarf es, zusätzlich zu Faktoren wie Personalverfügbarkeit, Reichweite und Kapazität auch der Berücksichtigung von Aspekten wie Ladeprofile, Strompreise und Verfügbarkeit von Ladeinfrastruktur. Für eine erfolgreiche Planung müssen also weitere 20 bis 25 Vorgaben integriert werden. Manuelle Planung kann in solchen Fällen schnell an ihre Grenzen kommen und macht den Einsatz einer Planungssoftware erforderlich, die sowohl traditionelle als auch elektrifizierte Flotten integriert und die unterschiedlichen Anforderungen nahtlos verbindet.
Die erfolgreiche Einführung von E-Bussen hängt demnach von der Fähigkeit ab, die einem Unternehmen momentan zur Verfügung stehenden Ressourcen zu optimieren und gleichzeitig die neuen Vorgaben zu erfüllen. Mit Hilfe fortschrittlicher Algorithmen und künstlicher Intelligenz (KI) kann der zukünftige Betrieb so gestaltet werden, dass die betriebliche Effizienz maximiert und gleichzeitig die Vorteile der fossilen Unabhängigkeit genutzt werden.
Wo es beim Einsatz von KI noch hakt
Der Einsatz von Daten, Algorithmen und maschinellem Lernen hilft hierbei, große Datenmengen schnell und präzise zu verarbeiten. Basierend auf diesen Daten werden Empfehlungen in Echtzeit erstellt, welche zu einer schnelleren und datenbasierten Entscheidungsfindung beitragen.
Lösungen, die zudem Besonderheiten wie den Batteriestatus von E-Fahrzeugen in Echtzeit berücksichtigen, können dabei helfen, schnell verschiedene Szenarien durchzuspielen und effizientere Fahrpläne zu erstellen, die gleichzeitig Stromkosten minimieren und Ladezeiten optimieren.
Im Vergleich zu anderen Sektoren steckt die Adaption von KI im Bereich des öffentlichen Verkehrs noch im Anfangsstadium. In Anbetracht der komplexen Herausforderungen der Branche gibt es keinen besseren Zeitpunkt, um jetzt die Vorteile zu nutzen, die Umlauf- und Dienstplanoptimierung von E-Fahrzeugen durch KI zu bieten hat.
Eine der größten Herausforderungen, denen sich die Branche bei der Nutzung von KI gegenübersieht, liegt in den Informationen, die für die KI benötigt werden. KI wird durch Daten angetrieben. Zwar erheben Verkehrsbetriebe und -verbünde eine große Menge an Daten, sei es durch Ticketing, Fahrplanauskunfts-Apps oder Flottenmanagement, doch fehlt es diesen Datensätzen oft an Standards und systemübergreifender Konnektivität, wodurch Datensilos entstehen. Dies verhindert den Zugang zu Automatisierung und datengestützter Entscheidungsfindung und beraubt die Branche der potenziellen Vorteile, die die Technologie bieten könnte.
Die Anwendung von Technologien wie der Künstlichen Intelligenz hat im ÖPNV gerade erst begonnen und kann in den nächsten Jahren dazu beitragen, die Effizienz der Busflotten zu steigern und den Betrieb schließlich zu optimieren. Damit kommen wir dem Ziel eines nachhaltigen, sicheren und effizienten öffentlichen Personennahverkehrs wieder einen Schritt näher und Themen wie Echtzeitdatenanalyse, automatisierte Routenoptimierung und intelligentes Flottenmanagement sind nicht mehr nur Ideen in unseren Köpfen, sondern die Realität des ÖPNV 2.0.
