KI-gestützte Wagenprüfung im Schienengüterverkehr

DB Cargo erprobt im Projekt ASaG eine Kombination aus Unterflurkameras, Mikrofonen und Künstlicher Intelligenz, um die technische Wagenbehandlung im Schienengüterverkehr schneller, präziser und datenbasiert zu unterstützen.

Technische Wagenbehandlung als sicherheitskritischer Prozess
Die technische Wagenbehandlung ist ein zentraler Bestandteil des Schienengüterverkehrs und wird nach der Zugbildung sowie nach Be- und Entladevorgängen durchgeführt. Ziel ist es, Schäden und Abnutzungen frühzeitig zu erkennen, um Betriebssicherheit und Verfügbarkeit der Fahrzeuge sicherzustellen. In der Praxis ist dieser Prozess zeitintensiv und stark von manuellen Sichtprüfungen abhängig, insbesondere bei schwer zugänglichen Bereichen unterhalb der Wagen.

Erweiterte Datenerfassung durch Unterflurkameras und Akustik
Am Rangierbahnhof München Nord testet DB Cargo erstmals ein System, das eine vollständige Sicht auf Güterwagen ermöglicht – von oben, von der Seite und von unten. Bereits vorhandene Kamerabrücken erfassen die Wagen während der Durchfahrt visuell. Diese werden nun durch eine Unterflurkamera ergänzt, die aus fünf Kameramodulen besteht und Bauteile wie Achsen, Bremsgestänge und weitere Komponenten im Unterwagenbereich aufnimmt.

Parallel dazu erfassen Mikrofone akustische Signale während der Durchfahrt. Diese Tonaufnahmen dienen der Detektion von Unregelmäßigkeiten wie Flachstellen an Rädern oder anderen auffälligen Geräuschen, die auf beginnende Schäden hindeuten können.

KI-basierte Auswertung verknüpfter Sensordaten
Die Bilddaten der Kamerabrücken und Unterflurkameras sowie die akustischen Informationen werden im Rahmen der Erprobung zusammengeführt und durch KI-Modelle analysiert. Ziel ist es, Muster zu erkennen, die auf potenzielle Schäden hinweisen, bevor diese sichtbar werden oder zu betrieblichen Einschränkungen führen.

Durch die datenbasierte Analyse soll die technische Wagenbehandlung gezielter unterstützt werden. Anstatt ausschließlich reaktiv auf festgestellte Schäden zu reagieren, ermöglicht der Ansatz eine frühzeitige Bewertung des Fahrzeugzustands und eine priorisierte Instandhaltung.

Projekt ASaG und beteiligte Partner
Das Projekt ASaG – Automatisierte Schadenerkennung an Güterwagen – wird gemeinschaftlich umgesetzt von DB Cargo, DB Systel, CoDiVe, DB InfraGO sowie der Bergische Universität Wuppertal. Die interdisziplinäre Zusammenarbeit verbindet betriebliches Know-how, IT- und KI-Kompetenz sowie wissenschaftliche Methoden zur Mustererkennung.

Einordnung für den Schienengüterverkehr
Die Erprobung zeigt, wie digitale Sensorik und Künstliche Intelligenz die klassische technische Wagenbehandlung ergänzen können. Durch die Kombination aus visueller und akustischer Datenerfassung entsteht eine objektive, reproduzierbare Entscheidungsgrundlage. Langfristig kann dieser Ansatz dazu beitragen, Inspektionszeiten zu verkürzen, ungeplante Ausfälle zu reduzieren und die Zuverlässigkeit im Schienengüterverkehr zu erhöhen.