enableATO – Automatisierter Bahnverkehr als Backbone für eine nachhaltige, vernetzte Mobilit?t im l?ndlichen Raum

Eine aktuelle Herausforderung bei der Transformation des Verkehrssystems besteht darin, Individualit?t mit Effizienz und Nachhaltigkeit zu vereinen. In diesem Kontext spielen Automatisierung, autonomes Fahren, intelligente Verkehrsführung, digitale Konnektivit?t und vernetzte Mobilit?t eine zentrale Rolle. Das Ziel des Projekts ?enableATO“ ist die Umsetzung moderner Ideen für die automatisierte Schienenmobilit?t und deren Untersuchung anhand neuer schienenbasierter Mobilit?tskonzepte für l?ndliche R?ume. Im Fokus stehen dabei Technologien im Zusammenhang mit automatisiertem Fahren wie Wahrnehmung durch Sensoren, Zulassungsfragen, intelligente Wartung und die Demonstration der Technologien z. B. am MONOCAB – einer autonomen Einschienenbahn. Parallel dazu werden erste Fragen zur Akzeptanz bei Nutzerinnen und Nutzern erforscht und adressiert sowie der Wissenschaftsdialog gest?rkt. Dabei ist das in Minden am RailCampus OWL angesiedelte Vorhaben eingebettet in das Deutsche Zentrum Mobilit?t der Zukunft (DZM), welches an den vier Standorten Hamburg, Annaberg-Buchholz, Minden und Karlsruhe ein bundesweites Forschungsnetzwerk zur Mobilit?tsforschung aufspannt.

In dem Projekt werden seitens der Universit?t Paderborn drei Lehrstühle bzw. Fachgruppen eingebunden: der Lehrstuhl für Dynamik und Mechatronik (LDM) von Professor Dr.-Ing. habil. Walter Sextro, der Lehrstuhl für Datenmanagement im Maschinenbau (DMB) von Professorin Dr. Iryna Mozgova und das Fachgebiet Machine Learning and Optimisation (MaLeO) von Professorin Dr. Heike Trautmann. Die T?tigkeiten des LDM verfolgen das Ziel eine intelligente Instandhaltung von Schienenfahrzeugen umzusetzen, sodass eine h?here Betriebssicherheit, weniger Ausfallzeiten und insgesamte geringe Kosten erzielt werden. Die T?tigkeiten des DMB unterstützen die Entwicklung eines digitalen Zwillings für das automatisierte Instandhaltungsmanagement, indem eine semantische und maschinenlesbare Repr?sentation der im Projekt anfallenden Daten und Metadaten realisiert wird. Die T?tigkeiten des Fachgebiets MaLeO fokussieren sich darauf, verschiedene zueinander in Konkurrenz stehende Ziele gleichzeitig zu berücksichtigen. Beispiele dafür sind der Konflikt zwischen Energieeffizienz und Robustheit, wo verschiedene optimale Kompromisse situationsbedingt angepasst werden k?nnen, um auf sich ?ndernde Pr?ferenzen oder Umwelteinflüsse optimal reagieren zu k?nnen.

Projektleitung: Gesamtprojektleitung Prof. Dr. Stefan Witte, TH OWL

Teilprojektleitung TP 1 ?ATO-Enabler-Technologien“ Prof. Dr.-Ing. habil. Walter Sextro, Universit?t Paderborn