Künstliche Intelligenz (KI) in der Mittelstadt: Landau in der Pfalz setzt auf umweltsensitives Mobilitätsmanagement mit AIAMO 

Wer morgens in Landau i.d. Pfalz unterwegs ist, erlebt typische Engpässe: Pendlerinnen und Pendler stauen sich auf den Hauptachsen, der Rad- und Fußverkehr muss an den Ampeln warten, Busse geraten ins Stocken. Zehntausende tägliche Pendlerbewegungen führen insbesondere auf den stark frequentierten Ost-West- und Nord-Süd-Verbindungen zu Spitzenbelastungen. Schon kleinere Störungen im übergeordneten Straßennetz wirken sich unmittelbar auf den innerstädtischen Verkehr aus.

Vor diesem Hintergrund wurde Landau als Pilotregion im AIAMO Forschungsprojekt ausgewählt. Die Stadt steht stellvertretend für viele Mittelstädte unter 100.000 Einwohnern, die mit stark belasteten Hauptachsen, hohem Pendleraufkommen und typischen Engpässen konfrontiert sind. Im Rahmen des Projekts wird untersucht, wie künstliche Intelligenz das Mobilitätsmanagement effizienter und umweltsensitiver gestalten kann. Ziel ist es, auf Basis aktueller Verkehrsdaten und intelligenter Prognosen den Verkehrsfluss zu stabilisieren, Staus zu vermeiden und Emissionen zu reduzieren. Landau zeigt damit exemplarisch, wie auch kleinere Städte Künstliche Intelligenz (KI) schrittweise einsetzen können, um zukunftsfähige Lösungen im Mobilitätsmanagement zu implementieren – und übernimmt so eine Vorreiterrolle für viele Regionen mit vergleichbarer Struktur.

In Landau sorgen vor allem die höhengleichen Bahnquerungen für wiederkehrende Verzögerungen: Immer, wenn Züge die Strecke passieren, müssen die Schranken für mehrere Minuten geschlossen werden. Diese Unterbrechungen wirken sich unmittelbar auf den Verkehrsfluss aus, führen häufig zu Stillständen beim Individualverkehr (IV) und verursachen dadurch insbesondere beim Öffentlichen Personennahverkehr (ÖPNV) erhebliche Verspätungen – die sich bei zusätzlichen Umleitungen über gesperrte Straßen schnell auf mehr als 20 Minuten summieren.

Dieses Szenario ist typisch für Mittelstädte unter 100.000 Einwohnern: begrenzte Netzressourcen, hoher Pendlerverkehr und Engpässe an zentralen Knotenpunkten stellen das Verkehrs- und Mobilitätsmanagement vor große Herausforderungen. Die Infrastruktur in Landau umfasst ein Bahnhofs- und Busnetz, ein Fuß- und Radwegenetz sowie Lichtsignalanlagen, um den Verkehr zu steuern. Ziel ist es, alle Verkehrsteilnehmenden – von Pkw und Bussen über Fußgängerinnen und Fußgänger bis zu Radfahrenden – angemessen zu berücksichtigen und bei Bedarf zu priorisieren, während die Leistungsfähigkeit des Verkehrs- und Mobilitätsnetzes stabil und die Emissionen möglichst geringgehalten werden.

Auf Basis der beschriebenen verkehrlichen Ausgangsbedingungen entwickeln und erproben die Partner im AIAMO Projekt konkrete Lösungsansätze für ein intelligentes, umweltsensitives Verkehrs- und Mobilitätsmanagement. In Landau i. d. Pfalz steht dabei der Aufbau eines Digitalen Zwillings Verkehr im Mittelpunkt – eines datenbasierten Abbilds der aktuellen Verkehrs- und Immissionslage, das kontinuierlich aktualisiert und dessen Erstellung von KI unterstützt wird.

Wie jedes Verkehrsmodell bildet auch der Digitale Zwilling Verkehr die reale Verkehrswelt ab – sowohl das Angebot, also das Straßennetz mit aktuellen Einschränkungen und aktiven Steuerungssystemen, als auch die Nachfrage, also die Verkehrsströme, Quell-Ziel-Beziehungen und die Wahl der Verkehrsmittel. Aus dieser umfassenden Datenbasis lassen sich zentrale Kenngrößen ableiten, darunter Verkehrsbelastungen, Reisezeiten und Geschwindigkeiten auf den einzelnen Netzabschnitten. Auf dieser Grundlage können Verkehrsingenieurinnen und -ingenieure fundierte Entscheidungen treffen, um den Verkehr effizient zu steuern und Staus sowie Überlastungen frühzeitig zu vermeiden. Lokale Umwelt- und Emissionsdaten, wie z.B. Feinstaub, Stickstoffoxide oder Ozon sowie meteorologische Parameter, werden von flexiblen Sensorstationen direkt an relevanten Verkehrspunkten erfasst und fließen über die AIAMO Integrationszone in Echtzeit in das Modell ein.

In Landau zeichnet sich der Digitale Zwilling Verkehr durch eine Besonderheit aus: Er wird nicht manuell, sondern automatisiert mit KI auf Grundlage historischer Verkehrsdaten kalibriert. In der ersten Ausbaustufe liefert er kontinuierlich Kurzfristprognosen, sogenannte „Do-Nothing-Szenarien“, die die aktuelle Verkehrslage fortschreiben, ohne dass zusätzliche Maßnahmen eingreifen. Die Ergebnisse werden im Verkehrsrechner MyCity von SWARCO visualisiert und ermöglichen eine Einschätzung, ob sich der Verkehr in den kommenden Stunden eher stabil oder kritisch entwickelt.

Verkehrsverantwortliche erhalten mit den Prognosen eine frühzeitige Entscheidungsgrundlage für mögliche Gegenmaßnahmen. In späteren Ausbaustufen des AIAMO Projekts lassen sich über den Digitalen Zwilling zudem verschiedene Handlungsoptionen simulieren oder Maßnahmen automatisch auslösen – etwa die Anpassung von Lichtsignalanlagen oder die Priorisierung von Bussen und Einsatzfahrzeugen. Dieser stufenweise Ansatz ermöglicht es, Erfahrungen aus der ersten Phase in Folgephasen einzubringen und Investitionen schrittweise zu tätigen.

Ein wichtiger KI-Baustein in AIAMO ist der Offset-Optimizer, ein KI-basiertes Verfahren zur dynamischen Steuerung von Lichtsignalanlagen. In Landau i.d. Pfalz wird dieses System entlang der stark belasteten Hauptverkehrsachsen erprobt, um die Grünzeiten so abzustimmen, dass Halte minimiert und der Verkehrsfluss bestmöglich unterstützt werden.

Die KI arbeitet innerhalb klar definierter Parameter und baut auf den bestehenden Signalprogrammen auf. Sie kommt dort zum Einsatz, wo klassische, deterministische Steuerungsverfahren an ihre Grenzen stoßen, beispielsweise bei komplexen Verkehrssituationen oder zahlreichen möglichen Steuerungsvarianten. Grundlage für den Offset-Optimizer ist ein speziell entwickelter Digitaler Zwilling der betrachteten Streckenabschnitte, der die realen Verkehrsabläufe simuliert und automatisiert KI-gestützt kalibriert.

Innerhalb dieser Trainingsumgebung lernt der Offset-Optimizer selbstständig, wie sich die Versatzzeiten der Ampeln optimal anpassen lassen. Nach Abschluss der Trainingsphase wird das erlernte Wissen auf das reale Verkehrsnetz übertragen. Dort analysiert die KI kontinuierlich die aktuelle Verkehrslage und passt die Signale dynamisch an die tatsächliche Belastungslage an, um Wartezeiten zu reduzieren, den Durchfluss gleichmäßiger zu gestalten und die Leistungsfähigkeit des Netzes zu erhalten.

Der Offset-Optimizer ergänzt die bestehende MyCity Adaptive Netzsteuerung von SWARCO um eine lernfähige Komponente. Während die adaptive Steuerung bereits makroskopische Prognosen nutzt, übernimmt der Optimizer die feingranulare Anpassung der Signalprogramme, abgestimmt auf die aktuelle Verkehrssituation. Erste Tests in Landau zeigen, dass das Verfahren die Effizienz der Ampelsteuerung verbessert und ein wichtiger Schritt hin zu einem intelligenten, umweltsensitiven Verkehrs- und Mobilitätsmanagement ist.

Traditionelle Verkehrsdetektion basiert meist auf festen Messquerschnitten: Sensoren erfassen die Durchfahrt von Fahrzeugen an definierten Punkten, gegebenenfalls ergänzt um Klassifizierungen wie Fahrzeugtyp oder Geschwindigkeit. Für viele Anwendungen reicht dies aus, doch die heutigen Möglichkeiten von Kameras, Radar- oder Lidar-Systemen gehen deutlich weiter: Sie erkennen einzelne Objekte im Verkehrsraum, erfassen Position, Geschwindigkeit und Bewegungsrichtung und unterscheiden automatisch zwischen Pkw, Lkw, Bussen, Fahrrädern und Fußverkehr.

Im AIAMO Projekt wird diese Information nicht auf einfache Messfelder zurückgerechnet, sondern die vollständigen Bewegungsdaten werden den Fahrspuren in Kreuzungsbereichen direkt zugeordnet und fortlaufend analysiert.

So entstehen in Echtzeit neue Datentypen, die eine vorausschauende Steuerung ermöglichen, etwa:

• Anzahl der Pkw auf einzelnen Abbiegestreifen
• Beginn und Ende von Fahrzeugkolonnen
• Länge und Wachstum von Warteschlangen
• Präsenz von Fußverkehr auf Querungen
• Position und Status von Bussen

Die Steuerung kann dadurch proaktiv reagieren – nicht erst, wenn Fahrzeuge die Haltelinie erreichen. In Landau zeigen erste Pilotanwendungen, was die Vorteile sind: Fußgängerfreigaben können verkürzt werden, wenn sich niemand mehr auf der Fahrbahn befindet, und Grünzeiten für den Individualverkehr werden direkt nach einem Busvorrang freigegeben, um den Gesamtfluss zu optimieren. Alle Logiken lassen sich im LISA-Arbeitsplatz für Verkehrsingenieurinnen und -ingenieure abbilden, der Funktionen zur Nutzung der Bewegungsdaten integriert.

Die KI-gestützte Detektion erweitert sowohl den zeitlichen Vorlauf als auch den räumlichen Wirkbereich der Verkehrssteuerung. Informationen wie Warteschlangenlängen oder Buspositionen, die bisher nur grob geschätzt oder gar nicht verfügbar waren, stehen nun präzise und aktuell bereit. Zukünftig können diese Daten direkt in modellbasierte oder KI-gestützte Steuerungsverfahren einfließen, sodass Verkehrsingenieurinnen und -ingenieure ihre Expertise dort einsetzen können, wo sie den größten Nutzen stiftet: bei der Sicherstellung eines kontinuierlichen und sicheren Verkehrsflusses.

Neben dem Digitalen Zwilling und der KI-basierten Lichtsignalanlagensteuerung werden mit AIAMO in Landau i.d. Pfalz weitere Anwendungen für das umweltsensitive Verkehrs- und Mobilitätsmanagement erprobt. Aufbauend auf den Echtzeitdaten aus dem Digitalen Zwilling lassen sich Verkehrs- und Umweltinformationen intelligent verknüpfen, um Wirkzusammenhänge zwischen Verkehrsfluss, Emissionen und Wetterbedingungen zu erkennen.

So lassen sich beispielsweise Szenarien identifizieren, in denen verkehrsbedingte Emissionen über kritische Schwellen steigen – und in der Folge geeignete Gegenmaßnahmen aktivieren, etwa eine Umleitung, eine Anpassung der Grünzeiten oder die Empfehlung alternativer Routen.

Zudem wird zusammen mit dem Partner rms GmbH ein Verfahren erprobt, mit dem sich Zeitpunkte von Bahnschranken-Schließungen auf Basis kombinierter Fahrplandaten und Verkehrsmessungen prognostizieren lassen. Diese Unterbrechungen zählen zu den zentralen Engpässen im Straßennetz und beeinträchtigen regelmäßig den Verkehrsfluss – insbesondere im ÖPNV. Gelingt eine belastbare Vorhersage, kann die Verkehrssteuerung künftig gezielt auf bevorstehende Schließvorgänge reagieren – etwa durch Anpassung der Lichtsignalprogramme oder die priorisierte Abfertigung des Busverkehrs im Vorfeld. Damit schließt AIAMO in Landau eine strategische Lücke zwischen kurzfristiger Detektion, mittelfristiger Prognose und operativer Reaktion im Verkehrsnetz.

Mit diesem breiten Ansatz wird KI zu einem integralen Werkzeug des urbanen Verkehrs- und Mobilitätsmanagements: Sie verknüpft Verkehr, Umwelt und Infrastruktur zu einem lernenden Gesamtsystem, das sich dynamisch an aktuelle Bedingungen anpasst – ein weiterer Schritt in Richtung nachhaltiger und intelligenter Mobilität.

Am Beispiel Landau i.d. Pfalz zeigt das AIAMO Projekt, wie Künstliche Intelligenz schon heute gezielt und praxisnah in Mittelstädten mit begrenzten Netzkapazitäten, komplexer Infrastruktur und hohem Pendleraufkommen eingesetzt werden kann, um ein modernes, umweltsensitives Verkehrs- und Mobilitätsmanagement umzusetzen.

Die derzeitigen ersten Ausbaustufen – vom Digitalen Zwilling Verkehr mit Kurzfristprognosen über den lernfähigen Offset-Optimizer bis hin zur KI-gestützten Bewegungsanalyse – verdeutlichen, dass intelligente Technologien keine umfangreichen Infrastrukturanpassungen benötigen. Sie lassen sich in bestehende Systeme integrieren, schrittweise erweitern und gezielt an lokale Gegebenheiten anpassen. Auf diese Weise entsteht ein flexibles Baukastensystem, mit dem Kommunen ihre Mobilitätssteuerung datenbasiert, skalierbar und Schritt für Schritt zukunftsfähig gestalten können.

Landau zeigt eindrucksvoll, wie sich mit KI innovative, anpassungsfähige und wirkungsvolle Lösungen entwickeln lassen, die den städtischen Verkehr effizienter und umweltfreundlicher gestalten und unsere Städte lebenswerter machen.

Das Forschungsprojekt AIAMO verbindet die neuesten Entwicklungen der Künstlichen Intelligenz (KI) mit konkreten, praktischen Anwendungen im Bereich der inter- und multimodalen Mobilität. Es zielt darauf ab, Mobilitätsdaten effizient zu nutzen, um die Verkehrssteuerung in Städten und ländlichen Regionen zu optimieren, den CO2-Ausstoß zu minimieren und gleichzeitig die Lebensqualität der Bürgerinnen und Bürger zu erhöhen. AIAMO entwickelt und nutzt KI-Modelle zur Analyse und Optimierung von Mobilitätsdaten. Durch die Einbindung bisher ungenutzter Daten sowie deren intelligenten Vernetzung und Analyse, werden neue Möglichkeiten für die nachhaltige Mobilität eröffnet.

Das Projekt wird gefördert vom Bundesministerium für Digitales und Staatsmodernisierung (BMDS) in Höhe von 16,7 Millionen Euro. Das durch ITS Germany e.V. geführte Konsortium von 13 Partnern aus Wissenschaft, Forschung und Industrie – T-Systems, Theis Consult, Fraunhofer IML, Bosch, Deutsches Zentrum für Luft- und Raumfahrt, Helmholtz Zentrum für Umweltforschung, highQ, FKFS, TEQYARD, Swarco sowie Schlothauer & Wauer – entwickelt innovative Lösungen, die urbane und ländlich geprägte Mobilitätsbedürfnisse gleichermaßen abdecken.