Aktuelles 2021

Promotionsprüfung Dipl.-Ing. Yaoqun Zhou

Der Institutsteil Fahrzeugtechnik gratuliert Dipl.-Ing. Yaoqun Zhou zu ihrerbestandenen Promotionsprüfung am 30.06.2021!

Promotionsprüfung Dipl.-Ing. Christian Riese

Der Institutsteil Fahrzeugtechnik gratuliert Dipl.-Ing. Christian Riese zu seiner bestandenen Promotionsprüfung am 07.05.2021!

Promotionsprüfung Stefan Scheubner M.Sc.

Der Institutsteil Fahrzeugtechnik gratuliert Stefan Scheubner M.Sc. zu seiner bestandenen Promotionsprüfung am 23.04.2021!

Wenn die Tram Pakete bringt  - Forschungsvorhaben „LogIKTram“ gestartet 

Den Güterverkehr auch auf mittleren und kurzen Strecken stärker von der Straße auf die Schiene zu verlagern, ist Ziel des neuen Verbundprojekts LogIKTram. Um Elektromobilitätslösungen für die gewerbliche Logistik in Städten und Regionen bereitzustellen, nutzt das Projekt die bestehende Straßenbahn- und Eisenbahninfrastruktur des „Karlsruher Modells“. Das Karlsruher Institut für Technologie (KIT), die Albtal-Verkehrs-Gesellschaft (AVG), das FZI Forschungszentrum Informatik und weitere Partner entwickeln ein fahrzeugtechnisches und logistisches Konzept für eine „Gütertram“ auf der Basis einer Karlsruher Zweisystem-Stadtbahn und untersuchen die Auswirkungen auf den Straßen- und Schienenverkehr. LogIKTram ist Teil der Gesamtinitiative regioKArgo, deren Partner neue Formen des Verkehrsträger- übergreifenden Warenladungs- und Lieferverkehrs erforschen und umsetzen wollen.

In Zukunft gilt es, mehr Güterverkehr auf die Schiene zu bringen, um die Verkehrsklimabilanz zu verbessern und die Städte zu entlasten. Kombinierter Verkehr auf der Schiene bewegt sich derzeit überwiegend zwischen den großen Güterterminals oder von und zu den Seehäfen. In den Städten und urbanen Agglomerationen spielt der Schienengüterverkehr bisher kaum eine Rolle. Dort sind kleinteilige Verkehre auf der Straße unterwegs, für die es neuer Konzepte bedarf. Das Verbundvorhaben LogIKTram, an dem sowohl die AVG als auch das KIT neben mehreren weiteren Partnern federführend beteiligt sind, hat die Entwicklung eines Logistikkonzepts sowie einer Informations- und Kommunikationstechnik (IKT)-Plattform für einen zukünftigen Gütertransport in Straßenbahn- und Stadtbahnwagen zum Ziel. „Im Zielzustand nutzen wir die bestehende Straßenbahn- und Eisenbahninfrastruktur“, erklärt Dr. Michael Frey, stellvertretender Institutsleiter am Institut für Fahrzeugsystemtechnik (FAST), Institutsteil Fahrzeugtechnik, des KIT. Auch der Institutsteil Bahnsystemtechnik des FAST sowie das Institut für Verkehrswesen (IfV) des KIT sind an LogIKTram beteiligt.

Das Projekt ist am 1. März 2021 gestartet und auf drei Jahre angelegt. Vom Bundesministerium für Wirtschaft und Energie (BMWi) erhält LogIKTram eine Förderung von insgesamt rund 2,75 Millionen Euro. LogIKTram ist ein grundlegendes Teilprojekt der Gesamtinitiative regioKArgo, die es sich zum Ziel gesetzt hat, in Karlsruhe und der umliegenden Region neue Formen des Warenladungs- und Lieferverkehrs zu untersuchen und umzusetzen. Im Rahmen von regioKArgo sollen zum einen Verkehre künftig stärker von der Straße auf die Schiene verlagert und zum anderen die letzte Meile der Belieferung emissionsfrei gestaltet werden. „Die vorhandene Infrastruktur des ‚Karlsruher Modells‘ bietet optimale Voraussetzungen, um neue Formen des Gütertransports zu entwickeln und in der Praxis zu erproben“, sagt Ascan Egerer, technischer Geschäftsführer der AVG.  

Gütertram befördert Personen und Waren

Das Projekt LogIKTram verfolgt mehrere Teilziele. So entwickeln die Forscherinnen und Forscher am FAST des KIT das technische Konzept für eine „Gütertram“ auf der Basis einer Zweisystem-Stadtbahn nach dem „Karlsruher Modell“, das Straßenbahnstrecken in der Stadt und Eisenbahnstrecken im Umland bereits seit fast 30 Jahren kombiniert. Die Albtal-Verkehrs-Gesellschaft (AVG) stellt hierfür ein älteres Fahrzeug zur Verfügung, welches speziell für die Anforderungen des Transports von Gütern angepasst und als erstes Demonstrationsobjekt getestet werden soll. „Ein weiteres Teilprojekt namens regioKArgoTramTrain soll es darauf aufbauend ermöglichen, die neue Bahn nicht nur testweise auf dem Betriebshof, sondern im Realbetrieb auch in der Region einzusetzen – wir haben uns dazu um eine Förderung beim Landeswettbewerb RegioWIN beworben“, so Ascan Egerer. Vor einem Realbetrieb sind weitere Aufgabenstellungen in den Themenfeldern verkehrliches Konzept, Bahnbetrieb, Gestaltung der Umschlagvorgänge und rechtliche Grundlagen zu bearbeiten.

Variable Innenraumgestaltung schafft Platz

Damit die Gütertram sowohl Personen als auch Waren transportieren kann, entwickelt das FAST Lösungen, um durch variable Gestaltung des Innenraums Platz für die Güter zu schaffen. Die Transportbehälter sollen automatisiert ein- und entladen sowie über Vorrichtungen wie Haken und Riegel gesichert werden. Eine präzise Positionierung der Bahnen an den Stationen ist wichtig, um die Transportbehälter zentimetergenau zu bewegen und die normalen Fahrgastwechselzeiten im Personenverkehr einzuhalten. „Die bestehenden Fahrpläne sollen beibehalten werden“, erläutert Dr. Michael Frey vom FAST des KIT.

Simulation von Personen- und Gütertransport in der Region

Das IfV des KIT untersucht die Auswirkungen des Konzepts auf den Straßen- und Schienenverkehr. Dazu bauen die Wissenschaftlerinnen und Wissenschaftler auf der Basis des am IfV entwickelten Verkehrsnachfragemodells mobiTopp eine Simulationsumgebung für den Personen- und Gütertransport in der Modellregion Karlsruhe auf. Davon ausgehend untersucht das IfV verschiedene Betriebsszenarien der LogIKTram und deren verkehrliche Wirkungen. „Ziel des Projekts ist, die Schienenverkehrskapazität zeitabhängig sinnvoll auszuschöpfen. Dabei ist es wichtig, die Anforderungen sowohl des Personenverkehrs als auch des Güterverkehrs zu berücksichtigen und beide zu kombinieren. Mit dem im Projekt zu erstellenden kombinierten Personen- und Güterverkehrsmodell wird es erstmals möglich, Szenarien zu bewerten, die die Auslastungen der Schienenfahrzeuge mit Personen- und Güterverkehr optimieren, um nachhaltige, umweltfreundliche und den Straßenverkehr entlastende Konzepte zu entwickeln“, erklärt Dr. Martin Kagerbauer, Mitglied der Institutsleitung am IfV des KIT.

Logistische und technische Anforderungen gehen in IKT-Plattform ein

MARLO Consultants, DB Engineering & Consulting sowie die Hochschule Offenburg bringen Ihre Kompetenzen und ausführlichen Vorarbeiten bei der Entwicklung der gewerblichen Stadtlogistik, Planungs- und Betreiberkonzepte ein. Das FZI Forschungszentrum Informatik wird in Zusammenarbeit mit MARLO Consultants und INIT die Ableitung von Anforderung aus den erarbeiteten Anwendungsfällen erarbeiten und in das Design der IKT-Plattform überführen. Die IKT-Plattform unterstützt die Simulation von Fahrzeug, automatisiertem Ladungshandling, Fahrten zur Evaluierung des LogIKTram-Konzepts sowie die logistischen und bahnbetrieblichen Planungs- und Steuerungsprozesse. Im Zusammenwirken innerhalb der regioKArgo-Gesamtinitiative ist geplant, zahlreiche Informationsaktivitäten durchzuführen und den Dialog mit Stakeholdern und Öffentlichkeit sowie den Technologie- und Wissenstransfer vor Ort und auch in andere Regionen sicherzustellen.

Das Konsortium setzt sich zusammen aus der der Albtal-Verkehrs-Gesellschaft (AVG) als Federführerin, dem Karlsruher Institut für Technologie (KIT), der Hochschule Offenburg, dem FZI Forschungszentrum Informatik sowie den Unternehmen MARLO Consultants, SimPlan, INIT und Thales Deutschland. Die DB Engineering & Consulting ist mit Experten aus Karlsruhe und Berlin zum Thema Logistik und Betreiberkonzepte sowie bei der Konzeption des Gütertramsystems mit ihrer Bahntechnik- und Logistikkompetenz vertreten. Als assoziierte Partner sind verschiedene Logistikunternehmen sowie die e-mobil BW,Landesagentur für neue Mobilitätslösungen und Automotive Baden-Württemberg eingebunden.

 

Forschungsvorhaben „KIsSME“ gestartet  -  KI soll Datenmengen für automatisiertes Fahren bändigen

Beim Erproben hochautomatisierter Fahrzeuge fallen große Mengen an Daten an. Diese Datenmengen gezielt zu nutzen und zu verdichten, um die Fahrzeuge sicherer zu machen, sowie zu reduzieren, um Speicherplatz, Strom und Auswertungsaufwand zu sparen – darauf zielt das neue Projekt KIsSME. Auf Künstlicher Intelligenz basierende Algorithmen selektieren die Daten im Fahrbetrieb vor, sortieren sie in Szenarienkataloge ein und halten relevante Beobachtungen gezielt fest. Das Institut für Fahrzeugsystemtechnik stellt in dem vom Bundeswirtschaftsministerium geförderten Verbundvorhaben Daten aus Fahrversuchen und Simulationen bereit.

Hochautomatisiertes Fahren verspricht viele Vorteile – mehr Komfort für die Fahrenden, weniger Unfälle, einen flüssigeren und damit umweltfreundlicheren Straßenverkehr. Die zukünftigen Fahrzeuge verfügen über viele verschiedene Sensoren, mit denen sie Informationen über ihren eigenen Status sowie aus ihrer Umgebung auf-nehmen. Anhand dieser Informationen müssen sie in kürzester Zeit verlässliche Fahrentscheidungen treffen. Bei ihrer Erprobung legt jede Fahrzeugvariante Millionen von Kilometern zurück und meistert viele verschiedene Szenarien, die aus der Kombination von Infrastruktur, Witterung sowie Verkehrsteilnehmer und deren Verhalten resultieren. „Dabei fallen riesengroße Datenmengen an – vier bis acht Terabyte pro Fahrzeug und Tag“, berichtet Dr. Michael Frey, stellvertretender Institutsleiter am Institut für Fahrzeugsystemtechnik (FAST), Institutsteil Fahrzeugtechnik. „Diese Datenmengen sind kaum noch zu handhaben.“

Kataloge von Fahrszenarien zu erstellen und bei der Fahrzeugerprobung neu auftretende Szenarien einzusortieren, das heißt, schon während des Fahrbetriebs nur diejenigen Daten aufzuzeichnen, die tatsächlich einen Mehrwert bringen – das ist der Ansatz des nun gestarteten neuen Verbundvorhabens KIsSME (Künstliche Intelligenz zur selektiven echtzeitnahen Aufnahme von Szenarien- und Manöverdaten bei der Erprobung von hochautomatisierten Fahrzeugen). Dazu entwickeln Wissenschaftlerinnen und Wissenschaftler Onboard-Auswertungssysteme und auf KI basierende Algorithmen, die bereits während des Fahrbetriebs die anfallenden Daten selektieren. „KIsSME zielt darauf, den Szenarienkatalog auszubauen und zugleich Datenmengen zu reduzieren“, erklärt Michael Frey, der am FAST unter anderem die Forschungsgruppe „Automatisierung“ leitet. „Dies spart Speicherplatz und Strom und ver-ringert den Aufwand für Auswertung und Datenschutz.“

Das FAST stellt für KIsSME Daten aus realen Fahrversuchen sowie aus Simulationen bereit. Dazu laufen Messfahrten im öffentlichen urbanen Verkehr und auf dem Testfeld Autonomes Fahren Baden-Württemberg (TAF BW) in Karlsruhe sowie Closed Vehicle-in-the-Loop Simulationen an einem Gesamtfahrzeugprüfstand des FAST. Zudem überprüfen Forscherinnen und Forscherinnen des FAST die im Projekt entwickelten KI-Modelle und KI-Selektoren, indem sie die von den Verbundpartnern erarbeiteten Algorithmen auf die Daten aus Versuchen und Simulationen anwenden. KIsSME bezieht sich auf automatisiertes Fahren der Stufen vier bis fünf (vollautomatisiert bis autonom).

Die Koordination des Verbundvorhabens KIsSME liegt bei der AVL Deutschland GmbH, als Partner sind neben dem KIT das Fraunhofer-Institut für Kurzzeitdynamik, Ernst-Mach-Institut, das FZI Forschungszentrum Informatik, die LiangDao GmbH, die Mindmotiv GmbH, die RA Consulting GmbH und die Robert Bosch GmbH beteiligt. Als assoziierte Partner fungieren der ASAM e.V., Associati-on for Standardization of Automation and Measuring Systems, sowie der Cluster Elektromobilität Süd-West, koordiniert von der e-mobil BW GmbH, Landesagentur für neue Mobilitätslösungen und Automotive Baden-Württemberg. Das Bundesministerium für Wirtschaft und Energie (BMWi) fördert das Vorhaben mit insgesamt 6,5 Millionen Euro; das KIT erhält davon rund 330 000 Euro. KIsSME ist Anfang 2021 gestartet und auf drei Jahre angelegt.

Forschungsvorhaben „SafeADArchitect“ gestartet  -  Mehr Sicherheit durch KI-basierte Fahrzeugführung

Die Entwicklung von autonomen, also fahrerlosen Fahrzeugen macht stetige Fortschritte. Immer mehr Prototypen werden im Verkehr getestet. Dabei soll größtmögliche Sicherheit gewährleistet werden. Insbesondere im urbanen Umfeld ist dies aufgrund unübersichtlicher Bereiche sowie des hohen Verkehrsaufkommens eine große Herausforderung. Heutige Prototypen geraten dabei oft an die Grenze des Möglichen, sodass sie übervorsichtig agieren oder der Sicherheitsfahrer übernehmen muss.

Um diese Herausforderungen zu meistern, hat ein Konsortium unter Beteiligung des Karlsruher Instituts für Technologie (KIT) das Forschungsvorhaben „SafeADArchitect“ gestartet. Das Projekt hat sich zum Ziel gesetzt, Methoden und Ansätze zu entwickeln, um automatisierte Fahrzeuge über risikosensitive Echtzeitverfahren im städtischen Betrieb abzusichern.

Dabei soll das AD-System (Automated Driving) in seiner Gesamtheit betrachtet werden. Elementar ist hierfür die Erkennung von Fehlfunktionen der Fahrzeugplattform. „Die Ergebnisse werden dazu beitragen, die Entwicklung von Sicherheitskonzepten voranzutreiben und zu erleichtern“, sagt Michael Frey, Leiter der Forschungsgruppe Automatisierung am Institut für Fahrzeugsystemtechnik des KIT. Dazu wird an einem Deep-Learning-Diagnosesystem geforscht. Um die diesem System zugrunde liegenden Algorithmen mit Trainingsdaten zu füttern, wird eigens eine auf Künstlicher Intelligenz basierende Fahrzeugführung entworfen.

Neben dem KIT sind Intel Deutschland GmbH, Schaeffler Technologies AG & Co. KG, FZI Forschungszentrum Informatik, ANavS GmbH, Ibeo Automotive Systems GmbH und Lake Fusion Technologies GmbH am Projekt beteiligt. Das Bundesministerium für Wirtschaft und Energie unterstützt das Projekt, das KIT wird dabei mit rund 330 000 Euro gefördert.