Daten treiben Züge an

Oktober 2016 | Handelsblatt | Zukunft Deutschland

Daten treiben Züge an

Egal ob Güter oder Personen – In Zukunft muss der Verkehr auf der Schiene reibungslos und effizient funktionieren, damit die Mobilität auch in großen Ballungsräumen gesichert bleibt.

Gerhard Kress; Leiter Siemens Mobility, Data Services Center
Siemens AG / Beitrag


Herr Kreß, reibungslos läuft auf deutschen Schienen gefühlt nichts. Stimmt das auch tatsächlich?
Was sicher stimmt, ist die Tatsache, dass wir den Betrieb und auch die Kosten des Schienenverkehrs optimieren müssen. Denn demografische Entwicklungen wie etwa die zunehmende Urbanisierung verändern auch die Anforderungen an die Mobilität. Verfügbarkeiten von 70 bis 80 Prozent werden künftig nicht mehr ausreichen, um einen reibungslosen Transport von Personen und Gütern zu gewährleisten. Ziel muss es sein, Verfügbarkeiten nahe der 100 Prozent zu erzielen.


Was Sie mit Themen wie ‚Big Data’ und ‚künstliche Intelligenz’ adressieren?
Richtig. Unser Ziel ist es, bereits zwei Wochen vorher zu wissen, wann etwa ein Getriebe ausfällt um dann in aller Ruhe einen entsprechenden Stopp des Zuges im Depot zu organisieren – im Personenverkehr außerhalb der Peak-Zeiten, im Güterverkehr während der wenigen Pausen, die eine Lok etwa an Umschlagplätzen hat. Dafür müssen natürlich große Datenmengen ausgewertet werden. Wir brauchen aber auch Sensoren und Kommunikationsmöglichkeiten, über die wir Daten mit den Fahrzeugen austauschen können.


Ist ein solcher Datenaustausch ohne weiteres möglich?
Um die Datenmengen auch wirklich sicher übermitteln zu können, braucht es ein ausgefeiltes Sicherheitssystem. Zudem reicht eine normale IT-Infrastruktur für die Verarbeitung der schieren Datenmasse nicht mehr aus, weshalb wir beispielsweise mit einer massiv paral-
lelen Architektur arbeiten. Das müssen Sie sich wie eine Datenbank vorstellen, die in kleine Scheiben geschnitten wurde, die parallel arbeiten und möglichst wenig miteinander kommunizieren. Denn unser Hochgeschwindig-keitszeug Velaro, der auch als ICE bei der Deutschen Bahn eingesetzt wird, sendet etwa vier Milliarden Datenpunkte pro Jahr, eine moderne Lok immerhin noch über 500 Millionen.


Das klingt kompliziert. Wie verlässlich sind die Vorhersagen, die Sie auf dieser Basis treffen können?
Wenn wir über eine Güte von 70 bis 80 Prozent bei den Ausfallvorhersagen sprechen, bedeutet das noch immer, dass Sie zehn Mal öfter Fehlalarm auslösen als echten. Wenn Sie Ihrem Mechaniker zehn Reparaturaufträge schreiben und nur einer davon stimmt, können Sie sich die Reaktion vorstellen. Es gilt also, eine Güte der Vorhersagen weit in den 90 Prozent zu erzielen. Hierfür brauchen Sie zum einen verlässliche mathematische Ansätze, die Sie wiederum um das Know-how eines Ingenieurs ergänzen müssen. Gelingt das, steigt auch die Verlässlichkeit der Vorhersagen.


Ist Siemens das gelungen?
Bei den kritischen Komponenten haben wir derzeit schon hervorragende Modelle, die auch erfolgreich im Einsatz sind.. Dazu muss man aber sagen, dass wir in den letzten 1,5 Jahren massiven Aufwand in eigene mathematische Modelle und Vorgehensweisen gesteckt haben. Denn die mathematischen Besonderheiten von Daten des Schienenverkehrs tauchen in den gängigen Ansätzen des maschinellen Lernens noch gar nicht auf.


Das heißt, Ihre Modelle sind nicht statisch, sie werden permanent weiterentwickelt?
Genau. Das ist einer der vielen Services, den wir unseren Kunden liefern. Sie bekommen bei uns heute ein Modell, das gut funktioniert. Mit weiteren Daten und weiteren Fällen lernen wir jedoch auch immer wieder dazu und können unsere Modelle so stetig verbessern. Von den Daten jeder neuen Flotte profitieren also alle Kunden. Das wäre mit nur einer Flotte in nur einem Land nicht denkbar.


Was ist der Vorteil, dass Ihr System von internationalen Flotten lernen kann?
In jedem Fall die unterschiedlichen Bedingungen, unter denen die Flotten zum Einsatz kommen. Beispiel Spanien: Hier sind im Sommer in einigen Regionen Temperaturen über 40 Grad normal, was in Deutschland eher die Ausnahme ist. Aus den Fehlerbildern einer spanischen Flotte können wir so auch für diese Ausnahmefälle in Deutschland verlässliche Vorhersagen treffen. Das gilt natürlich auch für das andere Extrem beispielsweise in Russland.


Sie sagen, Sie sind dem Wettbewerb um gut zwei Jahre voraus. Haben Sie Trends früher erkannt?
Das würde ich sagen, ja. Wir haben bereits sehr früh ein spezialisiertes Team zur mathematischen Datenanalyse aufgebaut und sehr eng mit unseren Kunden gearbeitet. Wir profitieren aber auch sehr von der Konzernstruktur und den vielen unterschiedlichen Bereichen, in denen Siemens aktiv ist. Wir teilen uns die Plattform zur Speicherung und Verarbeitung der Daten mit anderen Siemens-Bereichen, um unseren Kunden eine bessere Kostenstruktur und einen sichereren Betrieb anbieten zu können. Und bei den grundlegenden Algorithmen tauschen wir uns mit den anderen Bereichen aus, beispielsweise mit den Kollegen der Healthcare oder den Gas- und Windturbinen. Hier gibt es im Konzern jahrelange Erfahrungen, auf denen wir aufbauen und von denen wir profitieren können.


Es ist also ein echtes Miteinander bei Siemens?
Absolut. Das zeigen auch die Hackathons, die wir intern veranstalten. Dazu bringen die verschiedenen Geschäftsbereiche ihre Daten und Probleme mit und gemischte Teams versuchen, sie zu lösen. Das hat den Vorteil, dass intern stabile Netzwerke geknüpft werden können. Es führt aber auch dazu, Scheuklappen abzulegen, neue Ansätze zu finden und mögliche Schwächen in der eigenen Herangehensweise zu sehen, wenn ein Kollege einfach mal fragt, wieso wir es so und nicht anders machen.  


Sie setzen außerdem – für Deutschland eher untypisch – auf agiles Vorgehen. Was bedeutet das?
Agil heißt, dass wir die Entwicklung in kurz getakteten Abschnitten von zwei bis drei Wochen durchführen, die Ergebnisse nach jedem Abschnitt mit dem Kunden verifizieren und dann das Vorgehen für den nächsten „Sprint“ eventuell nachjus-tieren. Dabei sind die Zwischenergebnisse bewusst noch nicht perfekt, aber es hilft uns, Anpassungsbedarf schnell zu erkennen. Und natürlich funktioniert auch nicht jeder Ansatz in der Datenanalyse. Da ist es wichtig, Sackgassen schon nach wenigen Tagen zu erkennen, um dann neue Wege suchen zu können.


www.siemens.com/mobility-services