Wunsch und Wirklichkeit: Was KI im Verkehr wirklich nachweist

Wer Schlagzeilen über Künstliche Intelligenz im Verkehr liest, denkt schnell an Systeme, die längst im Alltag mitfahren. Wer die Projektbeschreibungen selbst aufschlägt, landet an einer anderen Stelle: Das meiste, was sich konkret belegen lässt, steckt in Pilot-, Test- und Erprobungsphasen. Das macht die Vorhaben nicht kleiner. Es verschiebt nur, was man aus ihnen ablesen darf.

Im Landkreis Passau wurden für das Projekt ÖPNV-Flexi zahlreiche Datensätze zu verschiedenen Buslinien ausgewertet; die Evaluation unterschiedlicher KI-Modelle, vor allem Zeitreihenanalysen, ermöglichte Vorhersagen über das Fahrgastaufkommen einzelner Linien. Anlass war die Corona-Pandemie und der Wunsch nach kontaktarmer Mobilität. Was dabei herauskam, beschreibt das Institut auffällig weich: Erste Analysen hätten eine bessere Fahrgastverteilung gezeigt, Wartezeiten hätten sich reduziert. Eine Zahl, an der sich ablesen ließe, ob hier im Betrieb gemessen oder ein Modell gerechnet wurde, nennt die Darstellung nicht.

Noch einen Schritt früher steht ein Vorhaben im Kreis Heinsberg. Für den MultiBus, ein Kleinbusangebot ohne festen Linienweg, das nur auf Vorbestellung fährt, soll eine Nachfragevorhersage erst entwickelt werden — gemeinsam mit Fachleuten eines Dienstleisters, der die Prognose liefert. Aus Buchungsanfragen, Auslastung, Wettervorhersage und lokalen Veranstaltungen soll ein Modell entstehen, mit dem sich bis zu 16 Fahrzeuge und das Fahrpersonal Tage oder Wochen im Voraus einplanen lassen. Formuliert ist das als Absicht, nicht als Bilanz.

Auch die Bahn-Beispiele tragen dieses Etikett. In einem Forschungsvorhaben zum Schienenverkehr wurde eine Nutzeroberfläche prototypisch entwickelt und im August 2019 intern vorgestellt, wo sie positives Feedback erhielt; während der Pilotierung meldeten Endanwender über ein mehrstufiges Ticketingsystem Fehler und Änderungswünsche zurück. Das ist Erprobung, kein Betriebsergebnis.

In der Spedition sieht es ähnlich aus: An Entwicklung und Pilotierung eines Prognoseverfahrens sind ein großes und ein mittelständisches Unternehmen beteiligt, drei weitere begleiten das Projekt. Leerfahrten sollen bei den betrachteten Betrieben um bis zu 15 Prozent sinken — eine Zielmarke des Projekts, kein erreichter Wert. Belastbarer ist der Vorläufer: Dort wurden Daten aus 17 Niederlassungen zweier Unternehmen ausgewertet, und es zeigte sich, dass vor allem Wetter und kalendarische Effekte die Kurzzeitprognose prägen.

Wie weit KI im Nahverkehr überhaupt verbreitet ist, wird derweil gerade erst erhoben — per Umfrage.

Zwischen Laboridee und Regelbetrieb liegt eine Zone, die in Debatten über Künstliche Intelligenz im Verkehr leicht übersehen wird: Vorhaben, die tatsächlich im Feld stehen, über deren Wirkung aber nichts Nachprüfbares veröffentlicht ist. Was man von ihnen zu lesen bekommt, sind Absichten — was sie leisten sollen, nicht was sie geleistet haben.

Ein Beispiel ist FPOplus, ein Verbundprojekt der HafenCity Universität Hamburg, der Technischen Universität Hamburg, der Universität zu Lübeck und der RPTU Kaiserslautern-Landau, gefördert vom Bundesverkehrsministerium und durchgeführt in Zusammenarbeit mit der Deutschen Bahn. Fahrgastbewegungen in Bahnhöfen werden dort in Echtzeit über moderne Mobilfunknetze verfolgt, insbesondere über 5G und OpenRAN mit Ortungsfunktionen. Die Daten laufen in einem digitalen Zwilling des Bahnhofs zusammen, der Engstellen prognostizieren und Verspätungen durch überfüllte Bahnhöfe vermeiden soll. Geprüft werden die Modelle zusätzlich in einer realitätsnahen Simulationsumgebung, in der sich Szenarien durchspielen lassen — also am Rechner, nicht am Bahnsteig. Das Projekt läuft von Mai 2023 bis April 2026; veröffentlichte Wirkungszahlen gibt es nicht.

Dasselbe Muster anderswo. Ein von den Stadtwerken Gießen getragenes Vorhaben mit einer Laufzeit von März 2020 bis Dezember 2022 wollte ein lernendes System bauen, das aus Positions-, Belegungs- und Verspätungsdaten Echtzeitprognosen erzeugt und sie über eine Live-Map des Rhein-Main-Verkehrsverbundes sichtbar macht — beschrieben durchweg als Ziel. In Nordrhein-Westfalen wurde das Konzept ABOARD einer Firma ausgezeichnet, das die Auslastung von Bussen vorhersagen soll, ohne dass dedizierte Zählsysteme vorhanden sind. Und eine Plattform namens Moby Dex, die Angebot und Bedarf im Nahverkehr über Gemeindegrenzen hinweg analysiert, wird derzeit in zwei Pilotarealen getestet.

Im Pilotprojekt RAPTOR in Košice passte der Anbieter WISP seine Ampelsteuerung 2024 an den slowakischen Markt an. Es ist das einzige Vorhaben dieser Reihe, für das überhaupt Wirkungszahlen genannt werden. Berichtet werden 26 Prozent kürzere Wartezeiten und 8 Prozent weniger CO2-Ausstoß, was der Darstellung nach dem Wegfall von 2.000 Autos jährlich entspricht — allerdings auf Basis eines geschätzten Verkehrsaufkommens. Wie die Werte erhoben wurden, steht dort nicht. Im Einvernehmen mit der Stadt sollen 16 weitere Kreuzungen folgen.

Belastbar ist an dieser Schicht vor allem eines: dass sie existiert. Über ihren Nutzen sagt sie bislang wenig.

Zwischen einer Ankündigung und einem Nachweis liegen in der Debatte über KI und nachhaltige Mobilität meist mehrere Jahre. An einigen wenigen Stellen aber ist tatsächlich ausgewertet worden, mit echten Daten aus dem Betrieb. Genau dort lohnt der zweite Blick: nicht nur darauf, wie groß eine Zahl ist, sondern worauf sie sich bezieht.

Am weitesten gediehen ist die Auswertung in der Instandhaltung von Güterwagen. Dort liefern batteriebetriebene Telemetrie-Einheiten an den Wagen laufend Positions- und mehrachsige Beschleunigungsdaten; aus diesen Rohdaten wurde in Zusammenarbeit mit Fachleuten der DB Cargo schrittweise eine Auswertungskette aufgebaut und schließlich auf vollständige, über mehrere Monate reichende reale Testdatensätze angewendet. Ein Ergebnis ist eine Rangfolge von Stoßclustern, also von Orten, an denen es besonders häufig ruckt. Diese Rangfolge stützt sich auf einen Datensatz von 60 Wagen; die beiden im Bericht gezeigten Fahrzeuge sind Beispiele daraus. Die vordersten Cluster ließen sich geografisch Industrieanlagen zuordnen, weitere einem Bahnhof und einem Rangierbahnhof. 60 Wagen sind damit eine Datenbasis, kein Flottenergebnis.

Aus demselben Projekt stammt die meistgenannte Prozentzahl: eine Matching-Rate von über 70 Prozent. Sie beschreibt, wie zuverlässig sich ein Materialbedarf einem konkreten Wartungsvorgang zuordnen ließ, nachdem die Daten quartalsweise gebündelt und auf die letzten fünf Jahre eingegrenzt worden waren. Das ist eine Kennzahl der Datenaufbereitung, keine eingesparte Emission und keine gesparte Werkstattstunde. Entsprechend vorsichtig bleibt der Bericht: Erste Ergebnisse deuten auf Standortabhängigkeiten bei bestimmten Verzögerungstypen hin, für eine abschließende Betrachtung müsse der Datensatz weiter bereinigt werden. Etwas härter ist die Laufleistung: Sie wurde aus GPS-Daten berechnet und gegen amtliche Messungen gehalten, mit einer Fehlerquote von maximal fünf Prozent, ausdrücklich als erste Evaluation.

Die zweite Auswertung kommt aus Speditionsdaten. In einer Vorstudie wurden Einflussgrößen wie Wetter, Kalendereffekte, Konjunktur- und sozioökonomische Daten für 17 Niederlassungen zweier Unternehmen geprüft. Ergebnis: Alle multivariaten Verfahren erreichten eine höhere Prognosegenauigkeit als der univariate Vergleichsmaßstab, wobei sich vor allem Kalendereffekte und Wetter als wichtig erwiesen. Eine bessere Prognose als ein Benchmark ist allerdings noch keine eingesparte Fahrt. Was daraus an Verkehr wird, steht im Nachfolgeprojekt als Ziel im Raum: Die Leerfahrten in den betrachteten Betrieben sollen um bis zu 15 Prozent sinken. Das ist eine Zielmarke, kein Messwert.

Prozentzahlen sind die Währung, in der über Künstliche Intelligenz im Verkehr geredet wird. Sie sind eingängig, sie klingen nach Beweis — und sie verraten von sich aus nicht, wo sie entstanden sind. Zwei Herkünfte kommen besonders häufig vor, und beide sind etwas anderes als eine Messung im laufenden Betrieb.

Die erste ist der Rechner. Eine Studie zur Ampelsteuerung mit bestärkendem Lernen nimmt sich genau eine Kreuzung vor: vier mögliche Schaltphasen — Grün für Nord-Süd, Grün für Ost-West und die beiden zugehörigen Abbiegephasen —, zehn Sekunden Grün im schwach belasteten Szenario, fünfzehn im stark belasteten, dazu jeweils vier Sekunden Gelb. Die Kreuzung ist dafür in Zellen zerlegt, deren Belegung dem lernenden Programm als Zustandsbeschreibung dient. In dieser Anordnung erreicht die lernende Steuerung kürzere Warteschlangen als die anderen adaptiven Verfahren im Vergleich: im Mittel 5,81 Fahrzeuge, wenn kein Fahrzeug automatisiert fährt, und 3,85, wenn alle es tun. Ein sauberes Ergebnis — aber eines über eine nachgebildete Kreuzung mit einem angenommenen Fahrzeugmix.

Ähnlich die zweite Arbeit: Dort senkt das Programm die aufsummierten CO2-Emissionen um 18 Prozent, ohne den Fußgängerverkehr schlechter zu stellen. Die Zahl stammt aus kontrollierten Experimenten, die eine mittelgroße europäische Ausfallstraße nachbilden, gespeist aus einem digitalen Zwilling und einer mikroskopischen Verkehrssimulation mit hinterlegtem Emissionsmodell. Simulation ist dabei nichts Anrüchiges. Sie beantwortet nur eine andere Frage als eine Messung — nämlich, was unter den gesetzten Annahmen passiert.

Die zweite Gattung liefert Zahlen ohne Adresse. Ein Branchentext über adaptive Verkehrssteuerung schreibt, adaptive Netze verringerten unnötige Stopps und Beschleunigungsphasen, dadurch sänken die CO2-Emissionen im urbanen Verkehr um bis zu 20 Prozent. Woher dieser Wert stammt, sagt der Text nicht. Ein Positionspapier eines Branchenverbands führt eine 40-Prozent-Angabe mit, doch sie betrifft die Kühlkosten von Google-Rechenzentren und stützt sich auf einen Blogeintrag des Anbieters selbst. Und ein Anbieter mathematischer Optimierung berichtet aus einem Kundenprojekt, die manuelle Umlaufplanung habe drei Vollzeitkräfte gebunden und Pläne mit durchschnittlich 18 Prozent Leerfahrtanteil erzeugt, während die eigene Lösung in unter vier Minuten rechne. Was sie an Betriebskosten, Leerfahrten und Fahrzeugen einspart, steht dort nur als Überschrift — die Zahlen dahinter nennt die Seite nicht.

Woran erkennt man also eine belastbare Zahl? Daran, dass sie mitliefert, worauf sie sich bezieht: welche Kreuzung, welcher Fahrzeugmix, welche Messung. Fehlt das, ist die Zahl nicht falsch — sie ist nur nicht überprüfbar.

Wer wissen will, ob ein Förderprogramm gewirkt hat, braucht jemanden, der nachmisst — und zwar nach Regeln, die vor dem Programm feststehen. Ob die KI-Programme im Verkehrsbereich je auf ihre Wirkung geprüft werden, sagen die Quellen dieses Artikels nicht. Belegen lässt sich etwas anderes: wie die Bundesverwaltung mit Wirkungsnachweisen umgeht, festgestellt in Bereichen, die mit KI und Mobilitätsförderung nichts zu tun haben.

Der Bundesrechnungshof hat querschnittlich geprüft, ob und wie die Bundesverwaltung bei finanzwirksamen Maßnahmen Erfolgskontrollen durchführt. Untersucht hat er Investitionen im Hochbau und in die Verkehrsinfrastruktur, Organisationsveränderungen und verschiedene Beschaffungen. Das Ergebnis: Für diese Bereiche führten die Bundesbehörden ganz überwiegend keine Erfolgskontrollen im Sinne des Haushaltsrechts durch. Beim Bau von Infrastruktur setzte das Verkehrsministerium zwar Steuerungsinstrumente ein, etwa ein Kosten- und Projektmanagement. Die genügen den Anforderungen an eine Erfolgskontrolle nicht — auf dieser Grundlage lässt sich nicht sagen, ob Ziele wie eine höhere Verkehrssicherheit oder weniger Abgase erreicht wurden.

Eine Zahl macht das greifbar, und es lohnt sich, ihren Typ mitzulesen. Geprüft wurden 264 Organisationsveränderungen bei 34 Bundesbehörden, jede mit erwarteten finanziellen Folgen von mindestens 100 000 Euro. Bei 87 Prozent dieser geprüften Fälle fand der Bundesrechnungshof keine abschließende Erfolgskontrolle vor. Das ist kein gemessener Wirkungswert, sondern eine Prüffeststellung über das Fehlen einer Messung — ein Anteil an dieser Stichprobe von Organisationsmaßnahmen, an nichts sonst. Als eine Ursache nennt der Bericht, dass die Behörden die Ziele in der Planungsphase regelmäßig nicht konkretisierten; damit fehlten regelmäßig schon die zentralen Voraussetzungen dafür, einen Erfolg überhaupt feststellen zu können.

Wie viel eine tatsächlich durchgeführte Kontrolle zutage fördert, zeigt ein anderes Prüffeld: Förderprogramme für die Digitalisierung des Mittelstandes. In der Evaluation zu „go-digital“ gaben 84 Prozent der befragten kleinen und mittleren Unternehmen aus der nicht geförderten Kontrollgruppe an, Digitalisierungsprojekte durchgeführt zu haben — eine Selbstauskunft aus einer Umfrage, keine Messung. Der Bundesrechnungshof folgert daraus, dass es zu Mitnahmeeffekten kam. Beim Bau zweier Bundesstraßen wiederum ließ das Ministerium offen, wann und wie es die Wirtschaftlichkeit nachweisen will.

Diese Berichte prüfen weder KI noch die Mobilitätsförderung. Sie zeigen eine Systematik im Umgang mit Wirkungsnachweisen — den konkreten Fall der fehlenden Zahlen im Verkehr erklären sie nicht. Diese Lücke zu benennen, statt sie zu deuten, ist hier die genauere Auskunft.