Quelle: iStock / ollo
In den letzten 30 Jahren ist die Verkehrsleistung auf deutschen Schienen enorm gestiegen: Beim Personenverkehr um knapp 47 Prozent, und im Güterverkehr sogar um rund 80 Prozent. Gleichzeitig ist das Schienennetz jedoch um etwa 12 Prozent geschrumpft. Die Infrastruktur gilt somit als hochbelastet: Es kommt zu Störungen und Baustellen – die Pünktlichkeit leidet massiv.
Mit einem neuen Instandhaltungskonzept will nun die Deutsche Bahn die Verfügbarkeit, Kapazität und den Zustand der Schieneninfrastruktur digitalisieren, automatisieren und damit langfristig optimieren. Gleichzeitig soll den Zugausfällen entgegenwirkt werden, indem Fahrzeuginstandhaltungsprozesse frühzeitiger in Gang gesetzt und Fahrzeugflotten zur besseren Zustandsüberwachung digitalisiert werden.
Mit der Innovationsinitiative mFUND fördert das Bundesministerium für Digitales und Verkehr (BMDV) verschiedene Projekte, die an datengestützten Methoden zur vorausschauenden Wartung von Schienenfahrzeugen und -infrastruktur forschen.
Quelle: Entwicklung von Streckenlänge und Verkehrsleitung im Vergleich, Allianz pro Schiene, 2024
Es gibt drei unterschiedliche Instandhaltungsstrategien: Hierzu zählen die korrektive Wartung, die präventive Wartung und sogenannte zustandsbasierte Instandhaltung. Während die korrektive Wartung erst im Falle von Störungen erfolgt, verläuft die präventive Wartung zyklisch. Allerdings verursachen hier zu kurze Zyklen unnötig hohe Wartungskosten, während man bei zu langen Zyklen kostspielige Ausfälle riskiert.
Die dritte Strategie ist die zustandsbasierte Instandhaltung, auch Predictive Maintenance genannt. In diesem Fall erfolgt eine automatische Zustandserfassung der Anlagen oder Fahrzeuge per Fernüberwachung. Diese Echtzeitdaten werden mit Daten aus weiteren Systemen wie zum Beispiel Betriebsdaten angereichert, mit Künstlicher Intelligenz (KI) analysiert und aufbereitet.
Das Ergebnis unterstützt Instandhaltungsplanende bei ihren Entscheidungen. Die Vorteile liegen auf der Hand: Instandhaltungsmaßnahmen werden nur dann durchgeführt, wenn sie wirklich erforderlich sind. Das hat ein verbessertes Wartungsmanagement mit einer effizienteren Personal- und Materialeinsatzplanung zur Folge – was die zustandsbasierte Wartung zur Strategie der Wahl macht.
Zustandsbasierte Wartung erfordert „Big Data“ und Analysekompetenz
Im mFUND-Projekt AIFRI untersuchen daher Forschende, ob KI zur zustandsbasierten Wartung der Schieneninfrastruktur erfolgreich eingesetzt werden kann. Üblicherweise wird der Schienenzustand durch regelmäßige Inspektionsfahrten untersucht. Die dabei erhobenen Mess- und Prüfdaten lassen jedoch selten genaue Rückschlüsse auf die tatsächlichen Fehlerbilder und deren Ausmaße zu. Zudem werden diese Daten bislang noch nicht automatisiert ausgewertet.
Die Vorteile dieser automatisierten Erkennung von Schadmustern an Schienenfahrzeugen sind vielfältig: Die datengestützte Entscheidungsgrundlage ermöglicht es, Schwachstellen zu erkennen, bevor Schäden entstehen. Störungen können nicht nur schneller, sondern auch kostengünstiger beseitigt werden. Die effizienten Instandhaltungsmaßnahmen erhöhen Zuverlässigkeit und Verfügbarkeit der Fahrzeuge und reduzieren so nicht nur Zugausfälle, sondern auch den Bedarf an Ersatzfahrzeugen. Der Betriebsablauf wird seltener gestört, der Schienenverkehr läuft reibungsloser.
Zustandsbasierte Instandhaltung der Schieneninfrastruktur verlängert schließlich die Lebensdauer der Anlagen, steigert die Kapazitäten auf der Schiene, verbessert die Verfügbarkeit der Netze und ermöglicht eine bedarfsgerechte Disposition von Service-Trupps.
"Mit Predictive Maintenance lassen sich in der Schienenprüfung Defekte zeitiger und zuverlässiger erkennen. Damit kann die Instandhaltung effizienter koordiniert und somit auch die Verfügbarkeit der Infrastruktur erhöht werden. Die Auswertung der Prüfdaten wird dabei durch KI unterstützt."
Maximilian Selch
Deutsches Zentrum für Schienenverkehrsforschung beim Eisenbahn-Bundesamt
