Wie denkt eine Bahnbaumaschine?

Was bedeutet...

Künstliche Intelligenz…

Unter dem Sammelbegriff der künstlichen Intelligenz versteht man die Automatisierung von intelligentem Verhalten und maschinellem Lernen. Das menschliche Denken zur Lösung von Aufgaben wird dabei von der Maschine nachgeahmt, wobei unterschiedlichste Suchalgorithmen oder neuronale Netze zum Einsatz kommen. Ein neuronales Netz besteht aus künstlichen Neuronen und orientiert sich an der Funktionsweise des menschlichen Gehirns. Die Anwendungsgebiete sind mannigfaltig.

Die Abkürzungen KI oder AI verweisen auf künstliche oder artifizielle Intelligenz.
 

Wie denkt eine Bahnbaumaschine?

Bei dieser Überschrift stellt sich sofort eine Frage: „Kann eine Bahnbaumaschine überhaupt denken?“ Die Antwort ist klar: Ja, sie kann. Künstliche Intelligenz (KI) setzt Maschinen in die Lage, aus Erfahrungen zu lernen und sich auf neue Informationen bzw. Aufgaben einzustellen. Dies erfordert von der Maschine ein „selbstständiges“ Denkvermögen. Mit der Hilfe von künstlichen neuronalen Netzen lernen die Maschinen von Plasser & Theurer, relevante Informationen zu extrahieren und generalisierte Lösungen zu entwickeln.

Bei Plasser & Theurer wird KI für die Entwicklung des Weichenstopf-Assistenzsystems angewendet. Damit das System dem Maschinenbediener überhaupt bei seiner komplexen Aufgabe assistieren kann, muss es den Gleisbereich vor der Stopfmaschine exakt analysieren. Dadurch wird sichergestellt, dass der vorgesehene Bereich gestopft und etwaige Hindernisse wie Kabel und andere Gegenstände zuverlässig erkannt werden, um Schäden an Maschine oder Infrastruktur zu vermeiden.

Die Analyse des Stopfbereichs ist ein wesentlicher und kritischer Bestandteil bei der Entwicklung dieses intelligenten Systems, da der zu analysierende Gleisabschnitt stark variieren kann und somit eine Analyse mit herkömmlichen Algorithmen nahezu unmöglich wird. Um diese Herausforderung zu meistern, setzen wir künstliche neuronale Netze ein. Sie sind ein stark wachsendes Teilgebiet der KI und zeichnen sich dadurch aus, dass sie in einer Lernphase aus allen zur Verfügung stehenden Daten die relevanten Informationen extrahieren. So entwickeln wir eine generalisierte Lösung für das Problem, die tolerant gegenüber Veränderungen ist.

Die Algorithmen, die Plasser & Theurer einsetzt, können nicht nur zwischen Hindernissen und Stopfbereichen unterscheiden, vielmehr liefern sie exakte Informationen, um welches Hindernis es sich handelt. Es werden dabei vom System neben den relativ trivialen Objekten wie Schwellen und Schienen auch komplexere Objekte wie z. B. Weichengestänge, Schienenbefestigungen und Kabel zuverlässig erkannt.

Der größte Nutzen der Algorithmen für das Weichenstopf-Assistenzsystem besteht in der Generalisierungsfähigkeit. Die gelernten Daten bilden die Basis, das Gelernte kann jedoch auf unbekannte Bereiche robust extrapoliert werden. Dadurch sorgen wir für die Einsatzfähigkeit in unterschiedlichen Umgebungen und bei unterschiedlichen Bedingungen.

Weitere Artikel zum Thema

Alle Artikel anzeigen
Plasser & Theurer verwendet Cookies, um Ihnen eine möglichst komfortable Nutzung dieser Website zu ermöglichen. Wenn Sie auf dieser Website weitersurfen, stimmen Sie der Cookie-Nutzung zu. Mehr Informationen zu Cookies und deren Löschung finden Sie unter unserem Datenschutzhinweis.