Fachkräftemangel durch Automatisierung eindämmen: weg vom Telefon, hin zu KI-gestützten Entscheidung
Bei der Disposition von Zügen im Bahnverkehr müssen sich die Infrastrukturdisponenten der DB InfraGO und die Eisenbahnverkehrsunternehmen abstimmen. Momentan geschieht dies oftmals telefonisch. Hier setzt die DB InfraGO nun mit einer Kombination aus KI unterstützten Dispositionsvorschlägen, automatisierten Vorprüfungen der Umsetzbarkeit und einem Ansatz für den digitalisierten Informationsaustausch neue Maßstäbe. In unserem Vortrag zeigen wir, wie man in einem hochregulierten Bereich der kritischen Infrastruktur die Effizienz steigern kann.
Zielpublikum: Eisenbahn, kritische Infrastruktur, IT/OT, Digitalisierung, Automatisierung
Voraussetzungen: None
Schwierigkeitsgrad: Basic
Extended Abstract:
Die Disposition von Zügen im Eisenbahnverkehr ist ein Teamsport. Die Disponenten der DB InfraGO als Eisenbahninfrastrukturunternehmen und die beteiligten Eisenbahnverkehrsunternehmen (EVU), deren Züge gerade auf dem Schienennetz unterwegs sind, müssen sich regelmäßig abstimmen. Während im Regelbetrieb alles bereits durch den Fahrplan geregelt ist, gilt es im Abweichungsfall, die Nutzung des Netzes mit den EVU abzustimmen. Denn während die DB InfraGO den Zugverkehr diskriminierungsfrei unter Berücksichtigung der Verkehrsgesamtsituation koordiniert, verantworten die EVU die Loks, Wagen und Personale und organisieren die Verkehre für ihre Kunden. Diese Abstimmung geschieht momentan meist telefonisch. Hier setzt die DB InfraGO nun mit einer Kombination aus KI unterstützten Dispositionsvorschlägen, automatisierten Vorprüfungen der Umsetzbarkeit und einem Ansatz für den digitalisierten Informationsaustausch mit den EVU neue Maßstäbe. In unserem Vortrag zeigen wir, wie man in einem hochregulierten Bereich der kritischen Infrastruktur die Effizienz steigern kann.
Hannah Richta ist seit 2021 Leiterin Algorithmik Betrieb bei der DB Netz AG. Zuvor arbeitet sie bei der DB Cargo AG in verschiedenen Positionen wie im Lean und Projektmanagement, IT-Management und verantwortete den Aufbau und die Führung eines Data-Science-Teams sowie die Leitung eines Projekts zur Prognose der Ankunftszeiten von Güterzügen mittels Machine Learning. Auch in vielen Forschungsprojekten an der Uni Bremen und Uni Mainz hat Frau Richta bereits mitgewirkt, an letzterer promovierte sie auch im Bereich Wirtschaftswissenschaften. Beruflich begann sie in einer ganz anderen Branche als Projektmitarbeiterin bei der NORD/LB Norddeutsche Landesbank im Bereich Regionalwirtschaft. Ursprünglich kommt Frau Richta aus Hannover, ist dort geboren und aufgewachsen und hat ebenfalls ihre akademische Karriere an der Universität im Bereich Wirtschaftswissenschaften begonnen.
Dr. Matthias Lein ist CTO und Leiter des Fachbereichs Data Engineering der Alexander Thamm GmbH, Deutschlands führendem Unternehmen für Data Science und KI. Seine Karriere ist geprägt von mehr als 25 Jahren Erfahrung in datengetriebenen Tätigkeiten. Ursprünglich begann er als Experte für High-Performance-Compute im Kontext von quantenchemischen Simulationen. Später fokussierte er sich auf Big-Data-Analytics, speziell in Bezug auf autonomes Fahren. Als anerkannter Experte in seinem Fachgebiet ist Dr. Lein ein gefragter Redner auf nationalen und internationalen Konferenzen sowie Seminaren und Workshops. Nach Abschluss seiner Promotion in theoretischer Chemie widmete er sich 15 Jahre lang der Forschung und Entwicklung an verschiedenen ausländischen Universitäten. Anschließend kehrte er nach Deutschland zurück, um sein umfangreiches Wissen und seine Fähigkeiten im industriellen Sektor einzubringen.
Vortrag Teilen
