Hochschule Hof will mit Künstlicher Intelligenz den Winterdienst revolutionieren

Einen effektiveren Winterdienst, weniger glättebedingte Unfälle und einen
schonenderen Einsatz von Streusalz – das versprechen sich
Wissenschaftlerinnen und Wissenschaftler der Hochschule Hof von einem
derzeit laufenden Forschungsprojekt. Mit Hilfe Künstlicher Intelligenz und
unter Einbeziehung aktueller Wetterdaten erstellen sie tagesaktuell für
ganz Bayern Prognosen darüber, auf welchen Straßenabschnitten es zuerst
gefriert und wo der Einsatz von Streudiensten deshalb besonders vorrangig
ist. Die Prognosen sind für die bayerischen Straßenwinterdienste künftig
kostenlos über das Wetterdatenmanagement-System der Bayerischen
Landesbaudirektion erhältlich, welche als Projektpartnerin fungiert.

Um mit Hilfe der Künstlichen Intelligenz verlässliche Werte über künftige
Eisglätte generieren zu können, bedienen sich die Forschenden zunächst der
Daten von über 600 Wetterstationen des Deutschen Wetterdienstes für ganz
Bayern. „Wir füttern damit automatisiert unsere Rechner und beziehen in
unseren Modellen ausdrücklich auch Erfahrungswerte der Vergangenheit mit
ein. Auch Faktoren wie Windgeschwindigkeit, Taupunkttemperatur,
Tiefentemperatur und Lufttemperatur werden berücksichtigt. Erstellt werden
damit dann Glätte-Szenarien für den jetzigen Zeitpunkt, für in 3 Stunden
und in 18 Stunden – und das auf 500 Meter-lange Straßenabschnitte genau“,
erläutert Projektleiterin Prof. Dr. Heike Markus das Prinzip. Dies
erfordere enorm hohe Rechnerleistungen. In Testläufen wurden die Prognosen
im letzten Winter allerdings bereits anhand von Bodentemperatur-Sensoren
an einzelnen Winterdienstfahrzeugen getestet und bestätigt.

KI-Prognosen sparen Zeit und Geld

Auf einer übersichtlichen Benutzeroberfläche können Verantwortliche des
Winterdienstes dann erkennen, an welchen Stellen zuerst mit Problemen
durch Eisglätte zu rechnen ist und ihre Fahrzeuge und Mitarbeitenden
entsprechend vorausschauend einsetzen. Dies hat nach Einschätzung von
Prof. Dr. Markus insbesondere im ländlichen Bereich seine Vorteile: „Im
städtischen Bereichen werden in der Regel ganz generell zunächst
Hauptverkehrsstraßen, Straßen mit Steigungen und Kreuzungen beräumt und
viele Winterdienst-Fahrer haben ganz genaue Erfahrungswerte, welche
Stellen in diesem engen Umfeld besonders kritisch sind. Im ländlichen
Bereich können die Stellen, an denen Eisglätte auftritt, durch
unterschiedlichste Faktoren deutlich mehr variieren und auch echte
Winterdienst-Profis überraschen. Besonders hier liefern unsere
Rechenmodelle einen unschätzbaren Zeitvorteil – gerade auch angesichts der
weiten Strecken, die hier zurückgelegt werden müssen.“ Die KI ermöglicht
es nicht nur künftig schneller zu reagieren und so Unfälle zu vermeiden.
Zeitgleich liefern die Prognosen auch Daten darüber, wo mit wenig Gefahr
durch Eisglätte zu rechnen sei. „Dies erlaubt es, an diesen Stellen auch
gezielt Streusalz einzusparen, was wiederum gut für die Umwelt und die
kommunalen Haushalte ist“, so Projektmitarbeiter Ali Fallah Tehrani.

Praxis-Text im anstehenden Winter

Natürlich müsse sich das System im kommenden Winter nun bewähren und
gegebenenfalls weiter angepasst werden: „Unter Künstlicher Intelligenz
versteht man maschinelles Lernen. Das bedeutet, dass das Modell
idealerweise mit jedem bekanntwerdenden Fehler dazulernt und sich selbst
perfektioniert – eben so lange, bis es dauerhaft zuverlässig arbeitet“, so
Prof. Dr. Heike Markus.

Eine potentielle Fehlerkorrektur erfolgt dann abermals über eine
umfangreiche Datensammlung, welche parallel zur Lieferung der Prognose
läuft. „Sollte die Qualität der Prognose für bestimmte Wetterstationen
nicht mehr ausreichend sein, wird das Modell mit zusätzlichen Daten
trainiert. Darüber hinaus beeinflussen andere Faktoren wie die Qualität
der Wettervorhersage des Deutschen Wetterdienstes stark die
Straßenglätteprognose, weil unsere Modelle diese Daten verwenden“, so
Prof. Markus.
Letztlich aber dürften die neuen technischen Möglichkeiten den
Winterdiensten die Arbeit deutlich erleichtern.