Wenn wir an Satelliten im Verkehr denken, fällt uns meist die Navigation im Handy ein. Das europäische Projekt SPATRA zeigt, dass aus dem Orbit viel mehr möglich ist: Erdbeobachtungsdaten, gestützt auf künstliche Intelligenz, helfen, die Temperatur von Schienen zu überwachen und Staus an einem Grenzübergang in Serbien zu entschärfen. Das Ziel ist ein sichererer, effizienterer und umweltfreundlicherer Landverkehr — und am Ende kannst du prüfen, was für ein Reisetyp du in der Welt der Daten bist.
Das europäische Landverkehrsnetz hat mit immer mehr Problemen gleichzeitig zu kämpfen. Die Überlastung nimmt zu, das ganze System wird komplexer, und seine Umweltauswirkungen wachsen. Für die Betreiber von Straßen und Schienen ist das eine ernsthafte Herausforderung. Das EU-finanzierte Projekt SPATRA schlägt eine Antwort vor, die aus dem Orbit kommt: Satellitendaten, die durch künstliche Intelligenz (KI) verbessert werden.
Der Anspruch des Teams war hoch, aber konkret. Landverkehrsnetze sollen sicherer, effizienter und umweltfreundlicher werden, und das Werkzeug dafür sind Daten, die ohnehin über unseren Köpfen kreisen.
Erdbeobachtungsdaten liefern schon lange wichtige, verwertbare Erkenntnisse für Sektoren wie die Landwirtschaft und das Katastrophenmanagement. Es gibt jedoch viele Bereiche, in denen das volle Potenzial dieser Technologie noch nicht ausgeschöpft ist. Im Rahmen von SPATRA wurden der Straßen- und der Schienenverkehr als zwei Schlüsselsektoren ermittelt, die von solchen satellitengestützten Anwendungen noch mehr profitieren könnten.
Projektkoordinatorin Danijela Ristic-Durrant von OHB Digital Services in Deutschland weist auf eine Denkgewohnheit hin. „Wenn von der Nutzung von Satellitendaten für den Landverkehrssektor die Rede ist, denken wir in der Regel an Anwendungen, die globale Satellitennavigationssysteme wie EGNSS nutzen“, sagt die Forscherin.
Dabei bleibt eine andere Informationsquelle aus dem All im Schatten. „Erdbeobachtungsdaten, zum Beispiel die frei zugänglichen Daten von Copernicus Sentinel, werden nicht so häufig verwendet. In diesem Projekt wollten wir Situationen aufzeigen, in denen solche Daten von Nutzen sein können.“ Beachte das Wort „frei zugänglich“: Es geht um Ressourcen, nach denen jeder greifen kann, der eine Idee für ihre Nutzung hat.
Im Rahmen des Projekts wurden zwei Anwendungsfälle vorgeschlagen und entwickelt: einer für den Straßenverkehr und einer für den Schienenverkehr. Beide folgen demselben Muster: Satellitendaten fließen in KI-gestützte Modelle, und diese liefern Informationen, die Menschen helfen, bessere Entscheidungen zu treffen.
Der erste Anwendungsfall konzentrierte sich darauf, wie sich die Temperatur auf Schienennetze auswirkt. Infrastrukturbetreiber stützen sich dabei vor allem auf Prognosen. „Infrastrukturbetreiber nutzen häufig Wetterprognosen, um vorherzusagen, ob die Gleise zu heiß werden könnten“, erklärt Ristic-Durrant.
„Sie weisen das Personal dann dazu an, langsam zu fahren, oder stellen den Schienenverkehr komplett ein.“ Wie die Koordinatorin betont, kann das zu erheblichen Störungen im Schienenverkehrsbetrieb führen. Wer schon einmal in einem verspäteten Zug festsaß, weiß, wie schnell sich solche Störungen auf den ganzen Fahrplan ausweiten.
Das SPATRA-Team entwickelte ein System, das Copernicus-Thermosatellitendaten mit maschinellem Lernen kombiniert. Die Algorithmen erhöhen dabei die Datenauflösung, damit sich die Schienentemperatur überwachen und das Knickrisiko abschätzen lässt, also die Gefahr, dass sich die Gleise verformen.
Die Lösung wurde in Serbien erprobt. Die Tests haben gezeigt, dass Infrastrukturbetreiber Temperaturschwankungen im gesamten Schienennetz kontinuierlich überwachen können. So lassen sich Risiken für Gleisverformungen früher erkennen, was sichere und effiziente Schienenverkehrsleistungen gewährleistet.
Der zweite Anwendungsfall führte das Team auf die Straße, genauer gesagt an den serbischen Grenzübergang Batrovci. Im Fokus standen die Verkehrsdichte und die Optimierung der Parkmöglichkeiten. „Die Idee war, dass im Logistikmanagement die Satellitendaten genutzt werden können, um die Verkehrsdichte in Grenzregionen zu überwachen und außerdem die Auslastung der Parkmöglichkeiten abzuschätzen“, fügt Ristic-Durrant hinzu.
Für diese Anwendung wurden mehrere Technologien kombiniert. Das Projekt nutzte die Möglichkeiten des europäischen globalen Satellitennavigationssystems (EGNSS) und des Copernicus-Satellitensystems, dazu drohnengestütztes Sehen und künstliche Intelligenz. Das Ergebnis: Im Logistikmanagement könnten Fahrten effizienter geplant und Ankunftszeiten genauer abgeschätzt werden.
SPATRA hat gezeigt, wie Erdbeobachtungsdaten in KI-gestützten Modellen verwendet werden können, um einen fließenden und sicheren Verkehr sicherzustellen. Verbesserungen im Straßenverkehrsmanagement und bei der Überwachung der Eisenbahninfrastruktur haben auch eine ökologische Dimension: Effizientere Landverkehrsnetze sind zugleich umweltfreundlicher.
Die Koordinatorin bewertet die Ergebnisse nüchtern. „Es ist uns gelungen, den technologischen Reifegrad dieser Anwendungen zu erhöhen“, erklärt Ristic-Durrant. Sie fügt aber sofort hinzu, dass die Arbeit nicht zu Ende ist: „Wie bei jedem System, das KI-Modelle verwendet, müssen wir jetzt weitere Daten sammeln, um die Modelle zu trainieren.“ Zusätzliche Verbesserungen und Feldversuche sollen die Technologie der Marktreife näherbringen und hoffentlich weitere Investitionen in satellitengestützte Landverkehrslösungen fördern.
Das Projekt SPATRA erinnert daran, dass Satelliten mehr sind als Navigation. Die frei zugänglichen Daten von Copernicus Sentinel haben in Verbindung mit maschinellem Lernen gezeigt, dass sich die Schienentemperatur im ganzen Netz überwachen und das Risiko von Gleisverformungen früher erkennen lässt. Am Grenzübergang Batrovci halfen sie, Verkehrsdichte und Parkplatzauslastung abzuschätzen. Für Studierende der Informatik, der Geoinformatik oder der Logistik ist das ein klares Signal: Daten aus dem Orbit warten auf Ideen, und künstliche Intelligenz braucht immer mehr davon, um besser zu funktionieren.
5 Fragen · eine Minute
English
Čeština
Deutsch
Español
Français
Magyar
Italiano
Polski
Português
Русский
Slovenčina
Türkçe
Українська
العربية
中文