BML Ecosys – Bauhaus.MobilityLab Erfurt

Intelligentes KI-Quartier

Im Bauhaus.MobilityLab dient der Erfurter Stadtteil Brühl als Reallabor für die Entwicklung und Erprobung einer Vielzahl KI-basierter Anwendungen: Ampeln werden entsprechend des Verkehrsaufkommens bedarfsgerecht geschaltet, Lieferungen kundenorientierter zugestellt, lokale Energieerzeugung reduziert die Stromkosten und intelligente Tarifsysteme bestimmen den Ladepreis für E-Autos. Entwickelt und bereitgestellt werden die Anwendungen auf einer Cloud-Plattform, die Daten aus unterschiedlichen Bereichen wie Verkehr, Logistik und Energie zusammenführt.

Marktperspektive und Produktversprechen

Mit der BML Ecosys-Plattform entsteht erstmalig die Grundlage zur übergreifenden Entwicklung und Erprobung von KI-basierten Mobilitäts-, Logistik- und Energiedienstleistungen in einem realen Stadtumfeld. Der Betrieb der Laborplattform soll durch eine Betreibergesellschaft unter Einbindung aller Projektpartner realisiert werden. Das Konzept des Bauhaus.MobilityLab dient als Blaupause im Sinne eines „Lab-as-a-Service“ für den Aufbau weiterer urbaner Reallabore, auch für andere Anwendungsfelder. Dafür wurde bereits Interesse von Städten aus Deutschland und dem Ausland signalisiert.

Konsortium

Bauhaus-Universität Weimar, BPV Consult GmbH, Ernst-Abbe-Hochschule AG, Fraunhofer Gesellschaft, highQ Computerlösungen GmbH, INNOMAN GmbH, Landeshauptstadt Erfurt, Robert Bosch GmbH, Siemens Digital Logistics GmbH, WLA Software GmbH

Herausforderung und Innovation

Neue technische Entwicklungen müssen grundsätzlich umfangreich getestet werden, bevor sie in die Anwendung gehen können. Bei einer Maschine oder einem Fahrzeug ist dies relativ einfach möglich: Für den Test der Funktionalitäten sind nicht zwingend verschiedene Personen, Unternehmen oder deren Zusammenwirken erforderlich. Bei intelligenten, plattformbasierten Systemlösungen, etwa zur Verkehrssteuerung oder Energieversorgung, ist dies nicht so einfach. Auch hierfür müssen unterschiedliche Belastungsszenarien getestet werden, um Schwächen, Grenzen und Überarbeitungsbedarf ermitteln zu können und Probleme im echten Betrieb zu vermeiden. Eine besondere Herausforderung stellt in diesem Zusammenhang die Kombination verschiedener neuer technischer Systeme dar.

Simulationen helfen dann insbesondere im Bereich Mobilität nur bedingt weiter, da das Fahrerverhalten von Personen, Tageszeit, Wetter und anderen Faktoren abhängt. Für das Testen derartiger Systeme ist eine geschützte Umgebung erforderlich, die nicht die Gefahr birgt, beispielsweise das gesamte Verkehrs- oder Energiesystem nachhaltig zu beeinflussen. Diese Herausforderung löst das Bauhaus.MobilityLab als erstes Reallabor in Deutschland.

Lösungsansatz

Zentraler Bestandteil im BML Ecosys ist die im Projekt entwickelte, offene Cloud-Plattform. Auf dieser werden bislang separat erhoben und verarbeitete Daten aus den Bereichen Mobilität, Energie und Logistik zusammengeführt, ausgewertet und miteinander in Bezug gesetzt. Dafür werden unter anderem offene Schnittstellen entwickelt. Integriert werden auf der Plattform anonymisierte Daten aus dem Erfurter Verkehrs- und Umweltmanagement, Energiedaten oder auch Fahrzeug- und Mobilfunkdaten von im Projekt beteiligten Unternehmen. Für die Auswertung dieser heterogenen Informationen werden KI-Algorithmen trainiert und schrittweise so lange optimiert, bis sie die Daten automatisiert analysieren können. Auf dieser Basis werden dann neue, intelligente Dienstleistungen für den urbanen Raum entwickelt. Der Erfurter Stadtteil Brühl fungiert dabei als Reallabor, in dem diese Anwendungen dann auch von Bewohnern getestet werden. Die Testergebnisse werden wiederrum auf der KI-Plattform des Projekts ausgewertet und die entwickelten Services damit noch weiter optimiert.

Use Cases

Während der Projektlaufzeit werden im Bauhaus.MobilityLab Anwendungsfälle vorwiegend in den folgenden drei Sektoren erprobt:

Mobilitätssektor

Die Erprobung von sogenannten Mobility-as-a-Service-Dienstleistungen steht im Fokus. Das beinhaltet beispielsweise die KI-basierte Berechnung der Stromtarife an Ladestationen für E-Autos. Die KI lernt dabei die Zusammenhänge zwischen Tageszeit, Ladegeschwindigkeit, Nutzungshäufigkeit, Netzauslastung etc. und ermittelt darauf basierend dynamisch den aktuellen Ladetarif. Auch sollen Tarife für integrierte Mobilitätslösungen flexibel gestaltet werden, die den öffentlichen Personennahverkehr mit Angeboten wie Car-Sharing, Bike-Sharing oder E-Scooter verknüpfen. Außerdem wird erprobt, wie diese Dienste mit KI für den Endnutzer im Sinne eines durchgängigen Service besser miteinander verknüpft werden können.

Logistiksektor

Für Anwendungen im Logistiksektor werden mit Hilfe von KI einzelne Beteiligte der Lieferkette und unterschiedliche Lieferservices innerhalb eines Stadtteils besser miteinander vernetzt. Hierzu wird zunächst ein Verkehrsmodell der aktuellen Verkehrsströme, Logistikprozesse, Ampelschaltungen etc. erstellt. Mit Hilfe von KI-Anwendungen (z.B. einem Verkehrslogistik-Manager) sollen anschließend die entsprechenden Prozesse verbessert werden. Unter anderem ist die Erprobung unterschiedlicher Konzepte für die Zustellung an Endkunden im Stadtquartier (sog. letzte Meile) geplant.

Energiesektor

In diesem Bereich wird mit Hilfe von KI-Analysen das Energiemanagement innerhalb von Stadtquartieren optimiert und der lokale Energiebedarf und die -erzeugung besser aufeinander abgestimmt. Dabei werden auch sogenannte Mieterstromkonzepte getestet: Wie kann in den Quartieren erzeugter Strom, etwa durch Solaranlagen auf Wohnhäusern, optimal mit dem lokalen Energiemanagement abgestimmt werden? Hierzu ist die Entwicklung von Methoden und Algorithmen zur Automatisierung und selbstständigen Verbesserung des Energiemanagements bis hin zu einem kognitiven Energiemanagement geplant. Mit Hilfe von KI soll ein assistiertes Service-Engineering und ein Entscheidungshilfemanagementsystem umgesetzt werden.

Ohne BML Ecosys Mit BML Ecosys
Daten aus den Sektoren Energie, Logistik und Mobilität werden in Städten zwar erhoben, aber nicht zusammengeführt und miteinander in Bezug gesetzt. Vorhandenes Potenzial zur Entwicklung innovativer Dienstleistungen bleibt ungenutzt.BML Ecosys führt die Daten aus den einzelnen Sektoren des Stadtlebens zentral auf der Projekt-Plattform zusammen und nutzt KI, um die heterogenen Daten automatisiert auszuwerten und innovative Anwendungen zu entwickeln.
Anbietern bzw. Entwicklern von intelligenten Dienstleistungen und Produkten fehlt die Möglichkeit, ihre Innovationen unter Realbedingungen zu erproben und auf dieser Basis weiter zu verbessern. BML Ecosys nutzt den Stadtteil Brühl, um dort neu entwickelte Anwendungen und Dienstleistungen unter realen Bedingungen erproben zu können. Für die beteiligten Entwickler bietet sich so die Möglichkeit eines intensiven Nutzungsmonitorings, auf dessen Basis die entwickelten Anwendungen verbessert werden können. Die Integration der Services wird dabei erleichtert durch die offenen Schnittstellen der Plattform.
Bewohner von Stadtquartieren werden bei der Entwicklung innovativer Smart-City-Anwendung nicht mit einbezogen, unter anderem auch deshalb, weil den Entwicklern und Anbietern dieser Produkte die Möglichkeit einer entsprechend umfassenden Testanwendung in einem realen Umfeld fehlt. Der reelle Nutzen von innovativen Smart-City-Produkten und -Dienstleistungen bleibt den Menschen dadurch verschlossen. Durch die gezielte Integration der Menschen des als Reallabor fungierenden Stadtteils werden sie in die Entwicklung smarter Anwendungen integriert. Dadurch wird die Akzeptanz für die Angebote erhöht und die Anwendungen anhand des Nutzerfeedbacks weiter optimiert.

Ansprechpartner

Institutsteil Angewandte Systemtechnik (AST) des Fraunhofer IOSB

Dipl.-Wirtsch.-Inf. Oliver Warweg