KI-gestütze Umfelderkennung auf Autobahnen

Praxisnahe Entwicklung mit Anwendern

Zusammen mit den assoziierten Partnern, der Bundesanstalt für Straßenwesen (BASt), dem Ministerium für Verkehr des Landes Nordrhein-Westfalen, dem Ministerium für Infrastruktur und Digitales Sachsen-Anhalt und dem sächsischen Staatsministerium für Wirtschaft, Arbeit und Verkehr werden die Anforderungen an ein Zustandsmonitoring und benötigte Daten sowie Use Cases für die Entwicklung der KI-Modelle definiert.

Anwendung mondernster Methoden wie Aktives Lernen und Anomalie Detektion

Durch verschiedene Verfahren des Maschinellen Lernens wie “Active Learning” und “Anomalie Detektion” soll ein effizientes Annotieren der Eingangsdaten gewährleistet werden sowie Unregelmäßigkeiten und Auffälligkeiten im Straßenumfeld automatisch erkannt werden.

Kosteneinsparungen durch Automatisierung

Durch die automatisierte Auswertung der Zustands- und Bestandserfassung kann die manuelle Arbeit Autobahnen zu prüfen unterstützt und der Prozess kostengünstiger gestaltet werden. Daten können nach der Aufnahme automatisch analysiert und zentral erfasst werden, was eine große Unterstützung im Bereich des Aufbaus und der Pflege von Datenbanken im Straßenbereich mit sich bringt.

Über Palaimon:

Die Palaimon GmbH mit Sitz in Berlin entwickelt statistisch-mathematische Modelle und anwendungsbezogene KI-Softwarelösungen zur Digitalisierung und Prozessautomatisierung. Palaimon hat Forschungs- und Anwendungsschwerpunkte in den KI-Bereichen Deep Learning, Objekterkennung, Empfehlungssysteme sowie Multivariate Optimierung.

Über die Christian-Albrechts-Universität zu Kiel (Universität Kiel):

Die Universität Kiel ist als Volluniversität die größte akademische Einrichtung des Landes Schleswig-Holstein. Die Arbeitsgruppe “Intelligente Systeme” am Institut für Informatik erforscht Methoden und Anwendungen von maschinellen Lernverfahren mit einem Fokus auf Laufzeitüberwachung und -steuerung technischer Systeme. Entsprechende Schwerpunkte liegen in den Feldern Anomaliedetektion sowie Reinforcement, Active und Self-Supervised Learning.

Über den mFUND des BMDV:

Mit der Innovationsinitiative mFUND fördert das BMDV seit 2016 Forschungs- und Entwicklungsprojekte rund um digitale datenbasierte Anwendungen für die Mobilität der Zukunft. Neben der finanziellen Förderung unterstützt der mFUND mit verschiedenen Veranstaltungsformaten die Vernetzung zwischen Akteuren aus Politik, Wirtschaft und Forschung sowie den Zugang zu Datenportalen des BMDV. Weitere Informationen finden Sie unter https://bmdv.bund.de/DE/Themen/Digitales/mFund/Ueberblick/ueberblick.html.