F&E-Jahresbericht 2024 – ÖBB-Infrastruktur AG

21 Obwohl einige innovative Anwendungen auf den ersten Blick weit entfernt vom Alltag erscheinen, sind viele Aktivitäten in Forschungsprojekte eingebettet, die für den Betrieb entscheidend sind. Technologische Innovationen bei Signal- und Steuerungssystemen sowie bei der Fahrzeugautomati­ sierung einschließlich autonomer Züge in Verbindung mit Algorithmen zur Optimierung der Betriebsabläufe verändern die Perspektiven grundlegend. Neue Systeme nutzen Technologien wie künstliche Intelligenz und maschinelles Lernen, um Echtzeitdaten zu analysieren und optimale Entscheidungen zu treffen. Beispiele sind die Kapazitätsplanung bei Baustellen oder die genau­ ere Planung rund um fahrende und abgestellte Züge. Diese Instrumente sind auch wichtig, um eine Vision der Echtzeit-Kund:inneninformation anzudenken. Forschungsprojekte bieten eine Kooperations­ plattform für die Harmonisierung in Europa. Aufgrund der geografischen Lage ist der Bahnbetrieb in Öster­ reich stark von den Nachbarländern beeinflusst. Ein grenzüberschreitender Betrieb erhöht die Wettbewerbs­ fähigkeit im Personen- und Güterverkehr, fördert die Integration der Verkehrsnetze und den wirtschaftlichen Austausch. Die Erforschung neuer Ansätze, die Entwicklung von Systemen und Algorithmen sowie deren Erprobung am Netz im Rahmen von F&E-Projekten sind erste Bau­ steine für einen zukunftsfähigen Betrieb. Die Herausforderungen an Software im Bereich der ÖBB- Infrastruktur AG sind vielfältig. So muss zum Beispiel einerseits eine optimale und effiziente Reihung von Zügen gefunden werden, andererseits muss sie robust und im besten Fall für Expert:innen nachvollziehbar und transparent sein. Die KI-Forschung bietet ein vielfältiges Methodenportfolio an, um solche Problemkonstellatio­ nen zu bewältigen. Im Bereich des maschinellen Lernens werden Systeme anhand von Datensätzen trainiert, bis diese eigenständig die erlernten Muster auf neue Situ­ ationen anwenden können. Das geht sehr rasch, kann aber in außergewöhnlichen Situationen, die dem System nicht antrainiert worden sind, zu falschen Lösungen führen. Methoden der symbolischen KI basieren hinge­ gen auf Regeln und decken daher a priori den gesamten Lösungsraum ab. Dies hat den Vorteil, dass hier auch in Ausnahmesituationen richtig und nachvollziehbar reagiert wird. In vielen Fällen skaliert die Größe des Suchraumes, der zum Finden eines passenden Resultats durchlau­ fen werden muss, aber nicht, was diese Methoden für Echtzeitanwendungen oft zu langsam macht. Es ist daher wichtig, die geeignetste Vorgehensweise für eine kon­ krete Problemstellung zu wählen. In der Grundlagenforschung geht man nun einen Schritt weiter: Im FWF Cluster of Excellence „Bilateral AI“ arbeiten Wissenschaftler:innen von der JKU Linz, TU Wien, WU Wien, TU Graz, Universität Klagenfurt und des Institute of Science and Technology Austria (ISTA) zusam­ men und untersuchen, wie Methoden des maschinellen Lernens und der symbolischen KI so kombiniert werden können, dass sie den Anforderungen an Effizienz und Zuverlässigkeit genügen. »Bilaterale KI kombiniert die Vorteile des maschinellen Lernens und der symbolischen KI.« UNIV.-PROF. DI DR. TECHN. STEFAN WOLTRAN, Head of Research Unit Databases and Artificial Intelligence der TU Wien Neue Perspektiven ZUKUNFTSWEISEND. Die Erforschung neuer Ansätze und deren Erprobung im Netz sind für einen zukunftsfähigen Betrieb essenziell. Einen Schritt weitergehen KI-FORSCHUNG. Um den Anforderungen an Effizienz und Zuverlässigkeit gerecht zu werden, braucht es einen Methodenmix. »Viele für den Betrieb entscheidende Aktivitäten sind in Forschungsprojekte eingebettet.« MAG. MARKUS ZABADAL, Geschäftsbereichsleiter Betrieb der ÖBB-Infrastruktur AG