Case Study

Enhancing Rail Network Transparency with AI-Driven GSM-R Analysis

From Radio Conversations to Actionable Insights: AI-Powered Facility Transparency and Capacity Optimization without Hardware Installation

Transparenz auf dem Gleis:
KI-basierte Analyse des GSM-R-Rangierfunks

Herausforderung

In Serviceeinrichtungen (Abstellgleisen) der nationalen Eisenbahninfrastruktur fehlen flächendeckend digitale Systeme, die den tatsächlichen Nutzungsstatus der Anlagen erfassen. Ob ein Gleis belegt ist, koordinieren Fahrdienstleiter vor Ort direkt mit Lokführern - per GSM-R-Rangierfunk. Diese Gespräche werden jedoch nicht aufgezeichnet oder ausgewertet. Daraus resultieren Informationslücken, ungenutzte Potenziale bei der Kapazitätsplanung und Fälle von sogenannter Schwarznutzung, also nicht angemeldeter oder unbezahlter Nutzung.

Unsere Lösung

Im Rahmen eines Innovationsprogramms entwickelte AMAI eine KI-gestützte Lösung, die in der Lage ist, den GSM-R-Rangierfunk in Echtzeit zu analysieren und gezielt betriebsrelevante Informationen zu extrahieren.

Dank der standardisierten Sprechdisziplin im Bahnverkehr - bei der Informationen wie Zugnummern, Gleisangaben oder Lokführer-Identifikation klar benannt werden - lassen sich Bewegungen digital nachvollziehen, ohne personenbezogene Daten zu speichern. Die Lösung funktioniert vollständig DSGVO-konform und fügt sich nahtlos in bestehende Betriebsabläufe ein.

Was die Technologie kann

  • Echtzeit-Analyse von Funkgesprächen zwischen Fahrdienstleitern und Lokführern
  • Automatische Extraktion relevanter Daten wie Gleisnummern, Ortsangaben und Zugbewegungen
  • Keine zusätzlichen Anforderungen an das Betriebspersonal: das System arbeitet vollständig passiv
  • Sofortige Anonymisierung: Personenbezogene Daten werden zu keinem Zeitpunkt gespeichert oder verarbeitet

Vorteile für den Netzbetreiber

  • Erhöhte Transparenz über die Nutzung von Serviceeinrichtungen
  • Reduktion von Schwarznutzung, was zu zusätzlichen Einnahmen führt
  • Bessere Planbarkeit und Auslastung durch präzise Datengrundlagen
  • Unterstützung strategischer Ziele durch digitale Kapazitätssteuerung
  • Datengrundlage für weitere Automatisierung, z. B. im Kapazitätsmanagement oder in der Disposition

Ausblick

Nach erfolgreicher Validierung des Prototyps im Rahmen des Innovationsprogramms prüft der Netzbetreiber den Roll-out auf die Betriebsstellen sowie die Integration in das konzern­weite Kapazitäts­management. Dank seines generischen Designs kann das System auch in Häfen, Depots oder Werk­bahnen eingesetzt werden.

Case Study

More Case Studies