KI-Forschungsprojekt für nachhaltige Mobilität gestartet

Gemeinsam mit dem Center for Applied Intelligent Systems Research (CAISR) an der Universität Halmstad, vertreten durch Slawomir Nowaczyk, Professor für Machine Learning, haben wir gerade einen Vertrag über ein zweijähriges Projekt mit dem Namen FREEDOM abgeschlossen. In diesem Projekt erforschen und entwickeln wir Antworten auf die Frage: Wie trägt KI zur nachhaltigen Mobilität mit Connected Cars bei? Das Projekt wird im Rahmen der Ausschreibung Fordonsstrategisk forskning och innovation, Effektiva och uppkopplade transportsystem (Strategische Fahrzeugforschung und Innovation, Effiziente und vernetzte Verkehrssysteme) anteilig von der schwedischen Innovationsagentur Vonnova finanziert. Wir freuen uns sehr darauf, im Rahmen dieser Zusammenarbeit neue Erkenntnisse zu gewinnen und digitale Services zu kreieren, die nachhaltige Mobilitätsangebote für Fahrzeughersteller prägen werden.

Datenbasiert Mobilitätsmuster durchleuchten und neue Erkenntnisse gewinnen

Auf Basis des Wissens um Fahrgewohnheiten können neue Services entstehen, die Endverbraucher:innen helfen, ihre Gewohnheiten anzupassen. Beispielsweise können intelligent ausgewertete Daten Fahrer:innen eine optimale Entscheidungsbasis liefern – für die Wahl der optimalen Route oder der kürzesten Reisezeit, bei der Suche nach Mitfahrgelegenheiten oder der Auswahl des effektivsten Fahrzeugmotors. Diese Erkenntnisse basieren auf der Analyse historischer Fahrmuster und dem Vergleich mit dem Fahrverhalten anderer Personen in ähnlichen Situationen. 

Wir konzentrieren uns auf einen datengesteuerten Ansatz, um gemeinsame Mobilitätsmuster zu identifizieren und die entscheidenden Faktoren zu beziffern, die die Effizienz des gesamten Systems beeinflussen. Dies ist eine großartige Gelegenheit für uns, mit neuen datengetriebenen Dienstleistungen die Automobilindustrie auf ihrem Weg zu mehr Nachhaltigkeit zu unterstützen.  

Warum ist das wichtig? 

Auf Pkw entfallen fast 41 Prozent der weltweiten CO2-Emissionen des Verkehrssektors. Das macht sie zu einer der größten Herausforderungen für moderne Städte. Gleichzeitig erkennen jedoch immer mehr Städte, welche Chancen sich aus der Nachhaltigkeit ergeben. Sie lösen sich langsam aus der Abhängigkeit von fossilen Brennstoffen und brechen auf in eine Zukunft, die von erneuerbaren Energiequellen und Effizienz geprägt ist.  

Wir erleben einen Paradigmenwechsel hin zu Lösungen, die sowohl den Planeten schützen als auch das Leben der Menschen verbessern. Eine solche Umwälzung ist jedoch nicht einfach. Angesichts der Komplexität von Städten und Verkehrssystemen fehlt den meisten Menschen das Wissen darüber, wie sie in ihrer individuellen Situation zur Nachhaltigkeit beitragen können. Innovative Transportlösungen erfordern genaue Erkenntnisse als Entscheidungsgrundlage. Das FREEDOM-Projekt zielt darauf ab, ebendiese datenbasierten Erkenntnisse besser zugänglich zu machen. 

Slawomir Nowaczyk, Professor für Machine Learning an der Halmstad University, sagt: „Die richtige Nutzung von Fahrzeugdaten birgt ein enormes Potenzial, das wir erforschen wollen – um die Mobilität für alle von Umweltverschmutzung und CO2-Emissionen zu entkoppeln. Viele verschiedene Akteure werden von den Daten von Millionen vernetzter Fahrzeuge profitieren, die im FREEDOM-Projekt analysiert werden.“ 

Die beiden entscheidenden Dimensionen von Connected-Car-Daten 

Connected-Car-Daten sind eine überraschend unerschlossene Ressource. Machine Learning auf Basis dieser Fahrzeugdaten ist ein entscheidendes Instrument für nachhaltige Mobilitätsinitiativen. Machine-Learning-Algorithmen werden dazu beitragen, Dienstleistungen zu entwickeln, die eine nachhaltige und effiziente Ressourcennutzung fördern und gleichzeitig in Bezug auf Komfort und Kosten realistisch sind. 

Mobilitäts-/Konnektivitätsdaten zeichnen sich durch zwei wesentliche Dimensionen aus: 

• räumlich, d. h. die Standorte oder Routen (z. B. auf welcher Straße ein Fahrzeug geparkt ist) und 
• zeitlich, d. h. die Zeiten oder Dauern (wann steht es still oder wie lange bewegt es sich). 

Slawomir Nowaczyk fügt hinzu: „Graph Neural Networks (GNNs) sind ein vielversprechender Machine-Learning-Bereich an der Schnittstelle zwischen Deep Neuronal Networks und der Graphentheorie. GNNs eignen sich wie kaum eine andere Lösung, um diese beiden Aspekte zu vereinen. Das FREEDOM-Projekt bietet uns die einzigartige Möglichkeit, modernste Forschungsansätze auf eine entscheidende gesellschaftliche Herausforderung anzuwenden.“ 

Nutzung von Connected-Car-Daten in einem größeren Umfang wird den Weg ebnen 

Um einen signifikanten Beitrag zur nachhaltigen Mobilität zu leisten, müssen folgende Aspekte zusammengeführt und miteinander verknüpft werden: Technologieentwicklung, Studien zu den Motiven und Bedürfnissen der Nutzer:innen sowie zu Wertschöpfungschancen für die verschiedenen Interessengruppen – mit Blick auf kommerzielle Aspekte, aber auch die Umwelt und Gesellschaft.  

Dazu konzentrieren wir uns auf den Zusammenhang zwischen technischem Fortschritt und gesellschaftlichem Rahmen. Nur so kann die Technologie gezielt die Bedürfnisse, Sorgen und Hoffnungen der Nutzer:innen adressieren. Auf diese Weise befähigt Technologie die Menschen, ihre Gewohnheiten anzupassen und etwas zu bewirken. Das sind die Hebel, um klimafreundliche Mobilitätsszenarien zu kreieren und den Geschäftswert für OEMs zu steigern.  

Ein wichtiges Ergebnis des FREEDOM-Projekts sind die Interviews und Beobachtungsstudien mit Nutzer:innen über ihre Mobilitätspräferenzen, Hoffnungen und Sorgen im Hinblick auf den Umstieg auf Elektromobilität sowie die Veränderung der Fahrstile und Alltagsgewohnheiten. Schließlich ist Nachhaltigkeit keine Eigenschaft eines Objekts. Isolierte Objekte können nicht nachhaltig sein. Nachhaltigkeit entsteht als Eigenschaft von Komplettsystemen. Es geht weniger um die einzelnen Teile, sondern um ihr Zusammenspiel, um effektive Gesamtergebnisse zu erzielen. 

Forschung und Praxis stellen häufig entweder die Technologie selbst in den Fokus, oder aber das Design und die Anwendung. Unser FREEDOM-Projekt hingegen fußt auf einer einzigartigen Kombination aus quantitativer und qualitativer Forschung – und kann einen wirklichen Beitrag zur nachhaltigen Mobilität leisten. 

Wenn Sie mehr über das Projekt erfahren oder sich einbringen möchten, kontaktieren Sie mich bitte unter Natalie Lucca. Weitere Informationen über unsere Arbeit finden Sie auf unserer Website und in weiteren Artikeln auf dem WirelessCar Blog!