Wie die Schweizer Bahnen KI einsetzen, um Gleismängel zu erkennen

Die Diagnosezüge der SBB prüfen jeden Monat rund 2000 Kilometer Gleis. Das rollende Prüfprogramm verschafft den Schweizerischen Bundesbahnen einen schnelleren Weg, Schäden im gesamten Netz zu erkennen, und verringert gleichzeitig den Bedarf, dass Personal lange Streckenabschnitte zu Fuss inspizieren muss.

Zwei speziell ausgerüstete Züge fahren mit Geschwindigkeiten von bis zu 120 Kilometern pro Stunde und erfassen dabei den Zustand des Gleises. Kameras nehmen detaillierte Bilder auf, während Messsysteme die Geometrie der Schienen überwachen. Künstliche Intelligenz wertet anschliessend die visuellen Daten aus und markiert Anzeichen von Schäden für eine weitere Beurteilung.

Der Umfang ist entscheidend in einem Land, in dem Züge durch dicht besiedelte Städte, alpine Täler und exponierte Bergstrecken fahren. Der Gleiszustand kann sich durch starke Nutzung, Witterung, Bauarbeiten und gewöhnlichen Verschleiss verändern. Regelmässige automatisierte Inspektionen helfen den SBB, ein detailliertes Bild dieser Veränderungen im gesamten Netz zu erstellen.

Laut dem öffentlich-rechtlichen Sender SRF erkennen die Züge bis zu 1500 Mängel pro Monat, die meisten davon geringfügig. Diese Zahl steht für einen Strom von Unterhaltsinformationen und nicht für eine Liste unmittelbarer Notfälle. Jeder Befund muss von Bahnspezialisten beurteilt, priorisiert und wo nötig repariert werden.

Das Inspektionssystem kombiniert Hochgeschwindigkeitskameras mit präzisen Messungen der Schienengeometrie. Diese Werkzeuge untersuchen unterschiedliche Aspekte der Infrastruktur und liefern den SBB mehr als eine blosse fotografische Aufzeichnung.

Die Gleisgeometrie-Messtechnik kann winzige Abweichungen in den Schienen erkennen. Schon kleine Veränderungen in Lage, Höhe oder Spurweite können ein frühes Zeichen dafür sein, dass ein Abschnitt Aufmerksamkeit benötigt. Kameras ergänzen diese Ebene um visuelle Aufnahmen, die KI-Systeme auf sichtbare Fehler und Unregelmässigkeiten prüfen können.

Die Software wurde darauf trainiert, bestimmte Mängel in definierten Teilen der Bahninfrastruktur zu erkennen. Sie vergleicht neue Bilder und Messungen mit den gelernten Mustern und hebt mögliche Probleme zur menschlichen Prüfung hervor. Dieses Verfahren erlaubt es Spezialisten, sich auf markierte Stellen zu konzentrieren, statt jeden Meter manuell abzusuchen.

Die SBB begannen vor rund einem Jahrzehnt damit, KI für die Gleisprüfung zu testen. Die ersten Ergebnisse waren enttäuschend, weil das System zu viele Fehler produzierte. Verbesserungen bei der KI haben seither laut SRF ihre Genauigkeit und Zuverlässigkeit erhöht. Die Technologie arbeitet weiterhin als Teil einer Prüfkette. Datenerfassung, automatisierte Analyse, fachliche Überprüfung und physische Instandhaltung bleiben miteinander verbunden.

Die KI meldet Mängel, deckt aber nicht jeden Teil des Bahnsystems ab. Ihre Wirksamkeit hängt von den Bereichen ab, die ihr Training abdeckt, und von der Ausrüstung, die auf den Diagnosezügen installiert ist.

Das System ist so konzipiert, dass es bestimmte Probleme in bestimmten Teilen des Gleises erkennt. Dieser Fokus verbessert die Leistung, schafft aber auch Grenzen. Schäden ausserhalb dieser Bereiche könnten unbemerkt bleiben. Die Berichterstattung von SRF nennt Fahrleitungsmasten als Beispiel für Infrastruktur, die das Gleisprüfsystem nicht unbedingt erkennt.

Diese Einschränkung macht menschliche Beurteilung unerlässlich. Bahnpersonal muss die Befunde prüfen, Zustände untersuchen, die ausserhalb des Sichtfelds der Software liegen, und entscheiden, wie dringend die SBB reagieren müssen. Die Arbeitskräfte führen auch die Reparaturen durch, von der Korrektur der Gleisgeometrie bis zum Ersatz beschädigter Bauteile.

Das Ergebnis ist eine Arbeitsteilung und kein vollständig automatisierter Bahnbetrieb. Maschinen sammeln rasch grosse Datenmengen. Software ordnet und priorisiert die Informationen. Erfahrene Bahnarbeiter interpretieren die Warnungen und greifen vor Ort ein. Für Reisende liegt der praktische Nutzen in einer früheren und gleichmässigeren Erkennung von Mängeln, sofern die Nachbearbeitung gründlich bleibt.

Die Technologie verändert, wie die SBB ihr Unterhaltsfachwissen in der ganzen Schweiz einsetzen. Das Personal muss sich nicht mehr allein auf Begehungen und visuelle Suche verlassen, um ein erstes Bild vom Gleiszustand zu gewinnen.

Automatisierte Messfahrten können während einer einzigen Zugfahrt lange Strecken abdecken und eine Aufzeichnung erstellen, die Ingenieure nach der Rückkehr des Zuges auswerten können. Der regelmässige Strom aus Bildern und Messungen könnte den SBB helfen, Zustände über die Zeit zu vergleichen, wiederkehrende Problemstellen zu erkennen und Arbeiten um die dringendsten Befunde herum zu organisieren.

Die Vorteile sind besonders relevant in einem Netz, das stark befahrene Pendlerstrecken, wichtige Intercity-Korridore und schwieriges Gelände umfasst. Abgelegene oder bergige Abschnitte zu erreichen, kann sorgfältige Planung erfordern und das Personal betrieblichen Risiken aussetzen. Ein Diagnosezug erlaubt es, einen grossen Teil der ersten Prüfung aus einem kontrollierten Bahnfahrzeug heraus durchzuführen, während Instandhaltungsteams ihre Einsätze auf Stellen konzentrieren können, die direkte Aufmerksamkeit verlangen.

Die Zahlen zeigen auch, warum Priorisierung wichtig ist. Bei bis zu 1500 innerhalb eines Monats erkannten Mängeln brauchen die SBB Systeme, die helfen, geringfügige Unregelmässigkeiten von Problemen zu unterscheiden, die rasches Eingreifen erfordern. Die KI unterstützt diesen Sortierprozess, doch Bahnregeln, technische Normen und fachliche Beurteilungen bestimmen, was danach geschieht.

Das KI-Programm der SBB weist auf eine datenintensivere Zukunft der Bahnsicherheit hin, wobei weiterhin Menschen für Entscheide und Reparaturen verantwortlich sind. Die zwei Diagnosezüge zeigen, wie etablierte Infrastrukturbetreiber maschinelles Lernen in Prüfroutinen einbauen können, ohne den Bedarf an qualifiziertem Bahnpersonal zu beseitigen.

Die nächsten Fortschritte hängen von der Qualität der Daten, der Zuverlässigkeit der Modelle und davon ab, wie die SBB Warnmeldungen in den Unterhaltsbetrieb integrieren. Ein System, das zu viele falsche Warnungen erzeugt, kann das Personal überfordern. Ein System, das Mängel übersieht, kann ein gefährliches Gefühl der Sicherheit erzeugen. Kontinuierliche Tests und menschliche Überprüfung bleiben deshalb zentral für den Prozess.

Für die Reisenden in der Schweiz arbeitet die Technologie weitgehend im Hintergrund. Sie sehen die Kameras oder Messgeräte vielleicht nie, profitieren aber davon, wenn die SBB Verschleiss früher erkennen, Teams präziser einsetzen und den Gleiszustand unter regelmässiger Beobachtung halten.

Die betriebliche Botschaft ist anhand der aktuellen Zahlen klar: 2000 Kilometer werden jeden Monat geprüft, bis zu 1500 Mängel werden erkannt und die maximale Messgeschwindigkeit beträgt 120 Kilometer pro Stunde. Die KI erweitert die Prüfkapazität der Bahn. Bahnfachleute bleiben dafür verantwortlich, die Ergebnisse zu verstehen und das Netz sicher zu halten.