Städte und Kommunen stehen unter hohem Handlungsdruck: Sie sollen Mobilität effizienter, klimafreundlicher und sicherer gestalten. Verkehrsflüsse sollen verbessert, Flächen neu verteilt und die Lebensqualität erhöht werden – bei begrenzten Ressourcen und zunehmenden Zielkonflikten. KI kann dabei unterstützen, bestehende Infrastrukturen intelligenter zu nutzen und Steuerungsentscheidungen datenbasiert zu treffen. Dabei müssen lernende Systeme konsequent an kommunalen Zielen ausgerichtet werden.
Ziele messbar machen und KI sicher in Simulationen lernen lassen
„KI-basierte Verkehrs- und Mobilitätssteuerung entfaltet ihren gesellschaftlichen Nutzen nur dann, wenn sie klaren kommunalen Zielvorgaben folgt und dauerhaft innovationsfähig gestaltet wird“, sagt Tobias Hesse, Deutsches Zentrum für Luft- und Raumfahrt und Mitglied der Plattform Lernende Systeme. „Erst wenn politische Prioritäten in messbare Indikatoren übersetzt werden, sind sie für KI-Systeme steuerbar.“
„Technisch setzen wir dabei auf ein modellbasiertes Reinforcement Learning, das es erlaubt, Steuerungsstrategien zunächst in Simulationen zu testen, bevor sie im realen Verkehr eingesetzt werden – quasi ein sicheres Labor für dynamische Verkehrssysteme“, erklärt Claus Bahlmann, Siemens Mobility und Mitglied der Plattform Lernende Systeme. „So wird vermieden, dass Lernprozesse direkt in sicherheitskritischen, hochdynamischen Verkehrsszenarien stattfinden – man könnte sagen, wir operieren nicht am offenen Herzen.“
Insbesondere Reinforcement Learning eröffnet neue Möglichkeiten. Im Unterschied zu klassischen, regelbasierten Verfahren bewertet diese Methode kontinuierlich Handlungsoptionen und passt Steuerungsentscheidungen dynamisch an veränderte Verkehrssituationen an. Praktische Erfahrungen zeigen bereits heute: Umweltsensitive Verkehrssteuerung oder die Priorisierung bestimmter Verkehrsarten lassen sich adaptiv und wirkungsorientiert umsetzen, wenn die Ziele klar definiert sind.
Damit Kommunen deutlich schneller von Entwicklungen profitieren können, empfiehlt das Papier ein offenes Forschungs- und Entwicklungssystem. Dieses fungiert als Baukasten. Hier werden mobilitätsrelevante Daten integriert, neue Dienste und Steuerungsstrategien in Simulationen erprobt und dann schrittweise in den Betrieb überführt. So behalten Kommunen nicht nur die Steuerungshoheit. Sie vermeiden Abhängigkeiten von einzelnen Anbietern und beschleunigen Entwicklungszyklen – etwa durch die Entwicklung neuer Lagebilddienste oder Steuerungsalgorithmen.
Über das Impulspapier
Das Impulspapier „KI-basierte Verkehrs- und Mobilitätssteuerung in kommunalen Mobilitätssystemen“ wurde von Mitgliedern der Arbeitsgruppe „Mobilität und intelligente Verkehrssysteme“ der Plattform Lernende Systeme verfasst. Es steht zum kostenfreien Download bereit.
„Ohne klare Ziele bleibt KI in der Verkehrssteuerung wirkungslos“
In einem Kurz-Interview gibt Tobias Hesse, Kommissarischer Institutsdirektor Straßensystemtechnik am Deutschen Zentrum für Luft- und Raumfahrt und Mit-Autor, einen Einblick in das Impulspapier.
Herr Hesse, warum braucht es jetzt ein neues Zielbild für KI-basierte Verkehrssteuerung?
KI schafft aktuell mit hoher Dynamik neue Möglichkeiten und Hoffnungen in vielen Bereichen. Gleichzeitig fehlen in vielen Kommunen die Ressourcen, eigenständig umfangreiche Kompetenz aufzubauen, konsequente Zielvisionen zu erarbeiten und über punktuelle Experimente in Einzelprojekten etwa bei Ampelschaltungen oder Prognosen hinauszukommen. Das führt zum einen dazu, dass Innovationen nur langsam eingeführt werden, zum anderen entstehen Abhängigkeiten von kommerziellen Systemanbietern. Das im Rahmen des Impulspapiers entworfene Zielbild soll in diesem Sinne Orientierung schaffen: für Kommunen, die vor sehr konkreten Entscheidungen stehen, beispielsweise hinsichtlich Investitionen, Dateninfrastrukturen oder organisatorischen Zuständigkeiten. Es zeigt einen strukturierten Rahmen und macht deutlich, wie kommunale Ziele, operative Steuerung und Innovation systematisch verbunden werden können – und warum KI dann einen echten Mehrwert für Klima, Sicherheit und Lebensqualität liefert.
Welche Rolle spielen Key-Performance-Indikatoren (KPIs) in einer KI-basierten Mobilitätssteuerung?
KPIs sind das Bindeglied zwischen Politik, Verwaltung und Technik. Sie übersetzen gesellschaftliche Ziele – etwa Emissionsreduktion oder Barrierefreiheit – in messbare Größen. Erst dadurch kann KI zielgerichtet lernen und steuern. Nur mittels klar definierter Indikatoren kann eine Kommune ihre Ziele mit KI erreichen – selbst bei sich ständig ändernden Verkehrslagen und -teilnehmern. Gleichzeitig schaffen KPIs Transparenz: Sie machen Wirkungen sichtbar und ermöglichen eine evidenzbasierte Kommunikation mit Politik und Öffentlichkeit.
Warum ist ein offenes Forschungs- und Entwicklungssystem so zentral?
Aus meiner Sicht geht es zentral um zwei Aspekte: Ein offenes Forschungs- und Entwicklungssystem sorgt zum einen dafür, dass die notwendige Innovationsgeschwindigkeit erreicht und aufrechterhalten werden kann. Zum anderen lassen sich in einem offenen System problematische Abhängigkeiten und Lock-In-Effekte vermeiden. Der Bereich Mobilität ist extrem dynamisch. Der klassische Forschungs-, Entwicklungs-, Ausschreibungs- und Betriebsprozess benötigt aber oft viele Jahre, bis neue Ergebnisse und Funktionen durch kommerzielle Anbieter in den operativen Betrieb einer Kommune überführt werden. Ein offenes F&E-System erlaubt es Kommunen, neue Ideen, Algorithmen oder Services zu testen, ohne den laufenden Betrieb zu gefährden. Damit schaffen wir eine direkte Verbindung zwischen Forschung und Betrieb, die viele Jahre einspart, die Forschung automatisch stärker an den realen Bedarfen ausrichtet und den Kommunen mehr Souveränität ermöglicht, weil sie entscheiden, welche Innovationen sie übernehmen – und welche nicht.
