Adlerauge

Gemeinsam mit dem israelischen Start-up Rail Vision arbeitet Knorr-Bremse an Objekterkennungssystemen für den autonomen Zugbetrieb. Wo solche Systeme eingesetzt werden können, wie die Zusammenarbeit mit einem Start-up gelingt und wie künstliche Intelligenz zu mehr Sicherheit beiträgt, erfahren wir im Interview mit Dr. Nicolas Lange, Vorsitzender der Geschäftsführung der Knorr-Bremse Systeme für Schienenfahrzeuge GmbH, und Shahar Hania, Mitgründer und CEO von Rail Vision.

Zur schrittweisen Einführung des automatisierten Zugbetriebs prägt die Digitalisierung zunehmend auch die Schienenbranche. Warum ist es für Knorr-Bremse strategisch wichtig, die Technologie in Richtung der Vision ATO (Autonomous Train Operation) voranzutreiben?

Nicolas Lange: Der autonome Eisenbahnbetrieb wird kommen, und zwar aus verschiedenen Gründen: Es gibt schon jetzt kaum ausreichend Personal, die Transportlogistik lässt sich verbessern und natürlich auch die Sicherheit. Daher wollen wir unser Produktspektrum erweitern und den Kundenanforderungen anpassen – und ATO ist eine dieser Anforderungen. Wir werden jedoch nicht Anbieter einer kompletten ATO-Lösung sein, da sind in erster Linie die Fahrzeughersteller prädestiniert. Aber Knorr-Bremse möchte den Herstellern Subsysteme und Teillösungen anbieten, um den autonomen Betrieb sicher zu gestalten.

Eines dieser Subsysteme entwickelt Rail Vision.Knorr-Bremse hat 36,8% der Anteile am Unternehmen erworben. Warum ergibt die Beteiligung für beide Unternehmen Sinn?

Nicolas Lange: Zur DNA von Knorr-Bremse zählt die Sicherheitstechnik und deren technische Grundlage ist stark mechatronisch orientiert. Die Experten für Kamerasysteme oder die automatische Objekterkennung sitzen woanders. Gerade daher wollen wir uns flexibel mit externem Know-how verstärken. So wird im autonomen Zugverkehr die Verbindung zwischen den Umfelderkennungssystemen und der Bremse entscheidend sein. Daher ergänzen sich die Kompetenzen von Rail Vision und Knorr-Bremse auf ideale Weise.

Shahar Hania:Richtig, ein Unternehmen muss wach sein, darf die Entwicklung der nächsten fünf bis zehn Jahre nicht verschlafen. Knorr-Bremse hat verstanden, dass die strategisch benötigte Technologie bereits existiert – die Möglichkeiten der Objekterkennung, der Cloud und der Vernetzung. Die ersten, die damit in den Bahn-Sektor gehen, könnten sich einen großen Marktanteil sichern. Knorr-Bremse weiß das.

Künstliche Intelligenz ist an einem Punkt angelangt, an dem sie besser ist als ein Mensch.

Shahar Hania – Geschäftsführer und Mitgründer von Rail Vision

Wo können ATO-Lösungen mit Objekterkennungssystemen eingesetzt werden?

Nicolas Lange: Objekterkennung ist überall da sinnvoll, wo es ein gesteigertes Gefahrenpotenzial gibt. Dazu zählen Metro- oder S-Bahn-Anwendungen, das können auch Straßenbahn-Anwendungen sein. Hier wollen wir für mehr Sicherheit sorgen, indem wir den Fahrer in schwierigen Situationen unterstützen. Etwa bei schlechten Sichtverhältnissen durch Nebel, Regen oder Schnee. Oder wenn der Zug aus einem dunklen Tunnel an einen hellen Bahnsteig kommt.

Ist auch ein Einsatz in Güterzügen geplant?

Nicolas Lange: Auch hier gibt es großes Potenzial. Eine erste Anwendung der Technik von Rail Vision könnte in einem Güterzug sein, der Rohstoffe autonom durch eine menschenleere Wüste, z.B. in Australien, fährt. Ziel ist es dort, auf langen Strecken ohne Fahrer unterwegs zu sein. Zum einen, weil es kaum noch Personal dafür gibt. Zum anderen, weil der Fahrer ständig aufmerksam sein muss, aber kein Mensch diese Aufmerksamkeit über die gesamte Zeit aufbringen kann. Dafür sind Maschinen besser geeignet.

Shahar Hania:Ein Lokführer darf nicht länger als etwa acht Stunden am Tag arbeiten, außerdem muss er Ruhepausen einhalten. Mit unserem System können Züge pausenlos fahren, das steigert die Effizienz auf solch langen Strecken enorm. Auch der Sicherheitsabstand zwischen zwei autonomen Zügen kann geringer sein. So lässt sich die Taktung erhöhen. Der Zugbetreiber sollte auch den Beitrag unserer Systeme zu gesteigerter Sicherheit berücksichtigen: Wenn ein Güterzug entgleist, geht der Schaden schnell in die Millionen. Unser System amortisiert sich schon, wenn man nur einen einzigen Unfall vermeiden kann.

Warum setzt Rail Vision bei der Objekterkennung auf künstliche Intelligenz?

Shahar Hania: Der Standard bisheriger Erkennungsalgorithmen liegt deutlich unter den menschlichen Fähigkeiten, wenn es darum geht, ein Objekt zu identifizieren. Künstliche Intelligenz ist mittlerweile an einem Punkt angelangt, an dem sie besser ist als ein Mensch. Wir können jetzt zwei Kilometer vorausschauen und Objekte erkennen – das kann kein Lokführer. Dafür muss eine KI jedoch zunächst trainiert werden. Das System muss wissen, wie eine Brücke, ein Baum oder ein Signal aussieht, und dafür müssen enorme Datenmengen ausgewertet werden. Das ist ein sehr anspruchsvoller Prozess, aber die bisherigen Ergebnisse sprechen für sich.

Knorr-Bremse möchte den Herstellern Subsysteme und Teillösungen anbieten, um den autonomen Betrieb sicher zu gestalten.

Dr. Nicolas Lange – Vorsitzender der Geschäftsführung der Knorr-Bremse Systeme für Schienenfahrzeuge

Das System wird hauptsächlich in Israel entwickelt. Wie gestaltet sich die Zusammenarbeit zwischen einem agilen Start-up wie Rail Vision und einem internationalen Konzern wie Knorr-Bremse?

Nicolas Lange: Wir möchten die Agilität eines Start-ups wie Rail Vision voll nutzen. Daher haben wir uns zwar an Start-ups beteiligt, sie aber nicht klassisch übernommen. Es gibt bewusst keine Integration zwischen unseren Entwicklungsteams und dem kleinen agilen Team in Israel. Das ist eine Herausforderung im Verständnis für manche unserer Mitarbeiter und es erfordert ein gewisses Umdenken. Insgesamt läuft es aber beeindruckend gut.

Shahar Hania: Bei so einer Zusammenarbeit geht es vor allem um die Personen, Vertrauen und Wertschätzung. Knorr-Bremse unterstützt uns wirklich gut: Wir sind fast täglich in Kontakt und haben bei technischen Fragen einen persönlichen Ansprechpartner. Es ist beeindruckend, wie schnell sie reagieren. Ich glaube, Knorr-Bremse hat viel gelernt im Umgang mit Start-ups, mit agilem Arbeiten, mit schnellen Entscheidungen. Ich schätze, das ist eine Herausforderung für alle großen Unternehmen.

Die Beteiligung trägt erste Früchte, in der Schweiz gibt es derzeit eine Kooperation mit SBB Cargo – worum geht es in diesem Projekt?

Nicolas Lange: Eine Rangierlok braucht im Betrieb mindestens zwei Personen: einen Lokführer und einen, der außen beim Rangiervorgang hilft. Mit der Kameratechnologie von Rail Vision und der Übertragung auf ein Tablet lässt sich die Lok von außen fernsteuern. Ein großer Betreiber wie die SBB hat sich einen erfahrenen Partner gewünscht, der so eine Technologie unterstützt und integrieren kann. Wir sind 2019 in die Vermittlerrolle zwischen Rail Vision und der SBB geschlüpft und haben dem Projekt damit einen entscheidenden Push gegeben.

Shahar Hania: Unser System besteht aus mindestens zwei externen Kameraeinheiten und einem Zentralrechner. Wir haben alles in anderthalb Jahren selbst entwickelt und hergestellt; für die Montage in der Schweiz haben wir Corona-bedingt eine Videoanleitung produziert. Im ersten Schritt werden 30 Lokomotiven mit dem System ausgestattet, und wir hoffen nun auf Folgeaufträge.

Nicolas Lange: Diese Technologie ist eine hervorragende Antwort auf die mangelnde Verfügbarkeit von Personal. Auch in anderen Bahnnationen wie etwa in Japan ist das Interesse aus genau diesem Grund ebenfalls groß. Dieser Anwendungsfall ist wirklich modellhaft für viele Bahnbetreiber weltweit.

Rail Vision Sensortechnologie

Info

Das System zur Umfeldbeobachtung von Rail Vision arbeitet mit elektrooptischer Sensortechnologie, die hochauflösende Videokameras mit Infrarotkameras kombiniert. Mit ihnen lassen sich Hindernisse anhand von Temperaturunterschieden „fühlen“. Diese Kombination liefert sehr plastische und aussagekräftige Bilder, die sich zudem schneller auswerten lassen als Radarbilder. Dank dieser einzigartigen Hardware in Verbindung mit modernster KI-Software ist Rail Vision Marktführer im Bereich der Umfeldbeobachtungssysteme für Bahnanwendungen.

Entfernung

Dank hochauflösender Sensoren kann die Hinderniserkennung bis zu zwei Kilometer weit nach vorne blicken. Für den Einsatz in Hochgeschwindigkeitszügen sollen die Kameras künftig sogar bis zu vier Kilometer vorausschauen können.

Hindernis- und Objekterkennung

Neben Personen soll das System in Zukunft auch Signale und weitere Teile der Infrastruktur erkennen. Künstliche Intelligenz hilft bei der Klassifizierung von Objekten und der Datenauswertung. Dank der Echtzeit-Umfeldbeobachtung werden Abweichungen vom Soll-Zustand an Gleisen, Weichen oder Oberleitungen erkannt, noch ehe diese zu Ausfällen führen.