idw – Informationsdienst Wissenschaft

Nachrichten, Termine, Experten

Grafik: idw-Logo
Science Video Project
idw-Abo

idw-News App:

AppStore

Google Play Store



Instance:
Share on: 
10/28/2019 11:16

Intelligent vernetzt unterwegs: Umfeldszenario zur Mobilität der Zukunft

Linda Treugut Geschäftsstelle
Lernende Systeme - Die Plattform für Künstliche Intelligenz

    Künstliche Intelligenz (KI) und Lernende Systeme verändern unsere Mobilität grundlegend. Automatisiertes Fahren, intelligente Parksysteme oder Roboter, die Pakete ausliefern: In Zukunft gelangen Menschen und Waren schneller, ressourcenschonender und flexibler ans Ziel – mithilfe KI-basierter Verkehrsmittel, Infrastrukturen und Anwendungen. Wie die Mobilität von morgen aussehen könnte, veranschaulicht das Umfeldszenario zum intelligenten, vernetzten Mobilitätsraum. Die Plattform Lernende Systeme präsentiert das Szenario heute auf dem Digital-Gipfel in Dortmund.

    Dortmund/München, 28. Oktober 2019 – Rund 1,25 Millionen Menschen sterben laut Weltgesundheitsorganisation jedes Jahr weltweit in Verkehrsunfällen. Lernende Systeme haben das Potential, unsere Fortbewegung sicherer zu gestalten. Das Szenario der Plattform Lernende Systeme zeigt am Beispiel einer fiktiven Reise, wie hochautomatisierte Fahrzeuge in wenigen Jahren dank intelligenter Sensoren ihr Umfeld erfassen, blitzschnell handeln und die Sicherheit ihrer Insassen und anderer Verkehrsteilnehmer deutlich erhöhen.

    Lernende Systeme ermöglichen außerdem eine flexiblere und bequemere Mobilität. Angebunden an ein Parkleitsystem erleichtern sie den Fahrern die Parkplatzsuche, indem sie selbstständig freie Plätze suchen. Intelligente Reiseassistenten beziehen neben der individuellen Autofahrt auch öffentliche Verkehrsmittel und Mitfahrgelegenheiten über Ridesharing-Plattformen in die Routenplanung ein und entlasten so den Straßenverkehr.

    "KI kann unser Verkehrssystem klimafreundlicher, schneller und sicherer machen. Dazu müssen die Transportmittel und Infrastrukturen vernetzt und Verkehrsdaten, die zum Beispiel die Fahrzeuge, Ampeln oder Verkehrsleitzentralen erfassen, auf einer übergreifenden Plattform verfügbar gemacht werden", sagt Christoph Peylo, Leiter des Bosch Center for Artificial Intelligence sowie Co-Leiter der Arbeitsgruppe Mobilität und intelligente Verkehrssysteme der Plattform Lernende Systeme.

    Das Umfeldszenario erklärt auch, wie eine KI-basierte multimodale Transportplanung in Zukunft zu einem effizienteren Güterverkehr beiträgt. Mehr als drei Milliarden Tonnen Güter wurden 2018 auf deutschen Straßen per LKW transportiert – eine hohe Verkehrs- und Umweltbelastung. Lernende Systeme werden den Gütertransport schon in wenigen Jahren kostengünstiger und umweltschonender gestalten: Sie können zum Beispiel einen automatischen Güterumschlag etwa von der Straße auf die Schiene organisieren, intelligente Logistikhubs können den Warenbedarf vorhersagen und autonome Roboter liefern und entladen.

    "Damit die Transformation zu einem intelligenten, nachhaltigen Mobilitätssystem Realität werden kann, müssen Standards vorangetrieben werden. Der automatisierte Güterumschlag setzt standardisierte Transporteinheiten voraus. Automatisierte Fahrzeuge erfordern einheitliche Kommunikationsprotokolle und Interaktionsprinzipien, damit sie verständlich mit Insassen, Fußgängern und Radfahrern kommunizieren können", sagt Tobias Hesse, Abteilungsleiter Fahrzeug- und Systemfunktionsentwicklung am Deutschen Zentrum für Luft- und Raumfahrt und Co-Leiter der Arbeitsgruppe.

    Das Umfeldszenario wurde von den Expertinnen und Experten der Arbeitsgruppe Mobilität und intelligente Verkehrssysteme der Plattform Lernende Systeme entwickelt. Eine interaktive Grafik bietet einen Überblick über die intelligente Mobilität der Zukunft und beleuchtet ausgewählte Verkehrsmittel und Mobilitätsanwendungen genauer. Das Szenario ist verfügbar unter https://www.plattform-lernende-systeme.de/umfeldszenario-intelligent-vernetzt-un...

    Im zugehörigen Bericht benennt die Arbeitsgruppe Handlungsfelder und Gestaltungsoptionen, um eine KI-basierte Mobilität gezielt voranzutreiben: https://www.plattform-lernende-systeme.de/files/Downloads/Publikationen/AG5_Beri...

    Über die Plattform Lernende Systeme
    Die Plattform Lernende Systeme wurde 2017 vom Bundesministerium für Bildung und Forschung (BMBF) auf Anregung des Fachforums Autonome Systeme des Hightech-Forums und acatech gegründet. Sie vereint Expertinnen und Experten aus Wissenschaft, Wirtschaft, Politik und Zivilgesellschaft aus dem Bereich Künstliche Intelligenz. In Arbeitsgruppen entwickeln sie Handlungsoptionen und Empfehlungen für den verantwortlichen Einsatz von Lernenden Systemen. Ziel der Plattform ist es, als unabhängiger Makler den gesellschaftlichen Dialog zu fördern, Kooperationen in Forschung und Entwicklung anzuregen und Deutschland als führenden Technologieanbieter für Lernende Systeme zu positionieren. Die Leitung der Plattform liegt bei Bundesministerin Anja Karliczek (BMBF) und Karl-Heinz Streibich (Präsident acatech).


    More information:

    https://www.plattform-lernende-systeme.de/umfeldszenario-intelligent-vernetzt-un...
    https://www.plattform-lernende-systeme.de/files/Downloads/Publikationen/AG5_Beri...


    Images

    Criteria of this press release:
    Journalists
    Economics / business administration, Information technology, Mechanical engineering, Social studies, Traffic / transport
    transregional, national
    Miscellaneous scientific news/publications, Science policy
    German


     

    Help

    Search / advanced search of the idw archives
    Combination of search terms

    You can combine search terms with and, or and/or not, e.g. Philo not logy.

    Brackets

    You can use brackets to separate combinations from each other, e.g. (Philo not logy) or (Psycho and logy).

    Phrases

    Coherent groups of words will be located as complete phrases if you put them into quotation marks, e.g. “Federal Republic of Germany”.

    Selection criteria

    You can also use the advanced search without entering search terms. It will then follow the criteria you have selected (e.g. country or subject area).

    If you have not selected any criteria in a given category, the entire category will be searched (e.g. all subject areas or all countries).