Kostenlos abonnieren

Werden Sie regelmäßig per E-Mail über neue Ausgaben der campuls informiert. Sie können Ihr kostenloses Abo jederzeit einfach online über den Abmeldelink im Newsletter kündigen.

Weitere Infos zu Datenschutz & Widerrufsrecht finden Sie hier.

Exakte Eisprognosen: Hochschule Hof will mit KI den Winterdienst revolutionieren

Einen effektiveren Winterdienst, weniger glättebedingte Unfälle und einen schonenderen Einsatz von Streusalz – das versprechen sich Wissenschaftlerinnen und Wissenschaftler der Hochschule Hof von einem derzeit laufenden Forschungsprojekt. Mit Hilfe Künstlicher Intelligenz und unter Einbeziehung aktueller Wetterdaten erstellen sie tagesaktuell für ganz Bayern Prognosen darüber, auf welchen Straßenabschnitten es zuerst gefriert und wo der Einsatz von Streudiensten deshalb besonders vorrangig ist. Die Prognosen sind für die bayerischen Straßenwinterdienste künftig kostenlos über das Wetterdatenmanagement-System der Bayerischen Landesbaudirektion erhältlich, welche als Projektpartnerin der Hochschule fungiert.

Noch ist es zu warm, aber bald begünstigen die Bodentemperaturen die Bildung von Eis – das Projekt von Prof. Dr. Heike Markus und Dr. Ali Fallah Tehrani setzt u.a. genau hier an; Bild: Hochschule Hof;

Um mit Hilfe der Künstlichen Intelligenz verlässliche Werte über künftige Eisglätte generieren zu können, bedienen sich die Forschenden zunächst der Daten von über 600 Wetterstationen des Deutschen Wetterdienstes für ganz Bayern. „Wir füttern damit automatisiert unsere Rechner und beziehen in unseren Modellen ausdrücklich auch Erfahrungswerte der Vergangenheit mit ein. Auch Faktoren wie Windgeschwindigkeit, Taupunkttemperatur, Tiefentemperatur und Lufttemperatur werden berücksichtigt. Erstellt werden damit dann Glätte-Szenarien für den jetzigen Zeitpunkt, für in 3 Stunden und in 18 Stunden – und das auf 500 Meter-lange Straßenabschnitte genau“, erläutert Projektleiterin Prof. Dr. Heike Markus das Prinzip. Dies erfordere enorm hohe Rechnerleistungen. In Testläufen wurden die Prognosen im letzten Winter allerdings bereits anhand von Bodentemperatur-Sensoren an einzelnen Winterdienstfahrzeugen getestet und bestätigt.

KI-Prognosen sparen Zeit und Geld

Auf einer übersichtlichen Benutzeroberfläche können Verantwortliche des Winterdienstes dann erkennen, an welchen Stellen zuerst mit Problemen durch Eisglätte zu rechnen ist und ihre Fahrzeuge und Mitarbeitenden entsprechend vorausschauend einsetzen. Dies hat nach Einschätzung von Prof. Dr. Markus insbesondere im ländlichen Bereich seine Vorteile: „Im städtischen Bereichen werden in der Regel ganz generell zunächst Hauptverkehrsstraßen, Straßen mit Steigungen und Kreuzungen beräumt und viele Winterdienst-Fahrer haben ganz genaue Erfahrungswerte, welche Stellen in diesem engen Umfeld besonders kritisch sind.” Und weiter:

Im ländlichen Bereich können die Stellen, an denen Eisglätte auftritt, durch unterschiedlichste Faktoren deutlich mehr variieren und auch echte Winterdienst-Profis überraschen. Besonders hier liefern unsere Rechenmodelle einen unschätzbaren Zeitvorteil – gerade auch angesichts der weiten Strecken, die hier zurückgelegt werden müssen.”

Prof. Dr. Heike Markus

Die KI ermöglicht es nicht nur künftig schneller zu reagieren und so Unfälle zu vermeiden. Zeitgleich liefern die Prognosen auch Daten darüber, wo mit wenig Gefahr durch Eisglätte zu rechnen sei. „Dies erlaubt es, an diesen Stellen auch gezielt Streusalz einzusparen, was wiederum gut für die Umwelt und die kommunalen Haushalte ist“, so Projektmitarbeiter Dr. Ali Fallah Tehrani.

Praxis-Test im anstehenden Winter

Natürlich müsse sich das System im kommenden Winter nun bewähren und gegebenenfalls weiter angepasst werden: „Unter Künstlicher Intelligenz versteht man maschinelles Lernen. Das bedeutet, dass das Modell idealerweise mit jedem bekannt werdenden Fehler dazulernt und sich selbst perfektioniert – eben so lange, bis es dauerhaft zuverlässig arbeitet“, so Prof. Dr. Heike Markus.

Die Eis-Prognosen des Modells sind auf Streckenabschnitte bis zu 500 Metern übertragbar. Quelle: Hochschule Hof;

Eine potentielle Fehlerkorrektur erfolgt dann abermals über eine umfangreiche Datensammlung, welche parallel zur Lieferung der Prognose läuft. „Sollte die Qualität der Prognose für bestimmte Wetterstationen nicht mehr ausreichend sein, wird das Modell mit zusätzlichen Daten trainiert. Darüber hinaus beeinflussen andere Faktoren wie die Qualität der Wettervorhersage des Deutschen Wetterdienstes stark die Straßenglätteprognose, weil unsere Modelle diese Daten verwenden“, so Prof. Markus.

Letztlich aber dürften die neuen technischen Möglichkeiten den Winterdiensten die Arbeit deutlich erleichtern. 

Rainer Krauß

Weitere Themen