Daten und KI als Befähiger für nachhaltige, intermodale Mobilität (DaKiMo)

Problemstellung
Die vielschichtige Transformation der Mobilität bietet erhebliche Potenziale zur Verbindung von Wirtschaftlichkeit, Nachhaltigkeit, Umweltfreundlichkeit und Individualität. Voraussetzung für deren umfassende Nutzung ist jedoch, die Komplexität aus Angeboten sowie gesellschaftlichen Bedürfnissen handhabbar zu machen. So dominiert der PKW als Verkehrsmittel weniger aufgrund objektiver Vorteile für jede Tür-zu-Tür-Verbindung, sondern aufgrund von etablierter Verfügbarkeit und Planbarkeit aber auch aus Mangel an Alternativen insbesondere im ländlichen Raum. Soll die Gesellschaft intermodale Mobilitätslösungen nutzen, die in Betrieb, Wartung und Aktualisierung erheblich flexibler und nachhaltiger sind, so muss die Nutzung einer intermodalen Verbindungskette (etwa über ÖPNV, „Mobility-as-a-Service“, „e-Scooter“) mindestens genauso einfach und angenehm sein, wie der Griff zum eigenen Autoschlüssel.

Projektziel
Ziel des Vorhabens war es daher, Bürgerinnen und Bürgern für eine geplante Tür-zu-Tür-Verbindung zugeschnittene intermodale Verbindungsketten vorzuschlagen, die nicht nur ihre individuellen Bedürfnisse, sondern auch datengetriebene Aspekte wie Verkehrslage oder Witterung berücksichtigen. Durch Konzeption und Bereitstellung von Informationsdiensten für die Bürger und die Wirtschaft wurden Anreize für ressourceneffiziente Mobilitätsaktivitäten in einer Modellregion geschaffen. Aus dem kumulierten Nutzerverhalten konnte darüber hinaus maschinell gelernt werden, um die Optimierung des Gesamtsystems zu unterstützen.

Vorgehensweise
Methodisch wurde initial analysiert, welche Datenquellen zu Mobilitätspotenzialen und -bedürfnissen bereits heute zur Verfügung stehen und welche Daten durch absehbare Entwicklungen, bspw. GAIA-X, in naher Zukunft bereitstehen werden. Basierend darauf wurde untersucht, inwieweit individuelle Mobilitätsbedürfnisse bestimmt und passende intermodale Mobilitätsvorschläge erstellt werden können. Diese umfassten bestehende Angebote, die beispielsweise über mobile Endgeräte empfohlen werden, etwa in der intermodalen Anwendung „regiomove“, aber ebenso völlig neue On-Demand-Mobilitätsangebote, sowie neue technische Lösungen, wie „Smart Stations“ als intelligent vernetzte Umstiegsmöglichkeiten zwischen Mobilitätsformen. Wesentlicher Gegenstand des Projekts war die systematische Modellierung der damit verbundenen neuen Verkehrskonzepte etwa im Verkehrsnachfragemodell „mobiTopp“, sowie die Umsetzung in Realdemonstratoren, um systematisch und quantitativ zu bewerten, wie effektiv sich die neuen Angebote in den Alltag der Nutzer einfügen, und inwieweit diese geeignet sind, die Mobilitätswende aktiv zu befördern. Hierzu arbeiteten Wissenschaftler aus den Bereichen Verkehrsforschung, Informationsmanagement und Smart City/Region mit Unternehmen aus dem Mobilitätsumfeld zusammen.

Ergebnisse und Anwendungspotenzial
Das Potenzial des Ansatzes bestand in der Harmonisierung der laufenden Aktivitäten im Bereich Mobilitätsdatenräume mit den technischen Entwicklungen von Vernetzung und Automatisierung und den individuellen Mobilitäts- und Informationsangeboten. Daraus konnte über ein KI-gestütztes Daten-Ökosystem ein neues Verständnis für Mobilität entwickelt werden, welches die Mobilitätswende aktiv positiv befördert. Herstellern, Betreibern und Dienstleistern wurde die Möglichkeit geboten, Bedürfnisse und Möglichkeiten schneller und genauer zu verstehen und somit nachhaltig erfolgreiche Mobilitätssagebote zu gestalten. Daher basierte das Projekt auf der Einbindung von Bürgern, Betreibern und Zulieferern ebenso wie der öffentlichen Hand und leistete einen maßgeblichen Beitrag zur Schaffung neuer Arbeitsplätze und Wertschöpfung.

• Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung eingetragener Verein
• INIT GmbH
• INOVAPLAN GmbH
• Karlsruher Institut für Technologie (Universitätsaufgabe)
• raumobil GmbH