enableATO – Automatisierter Bahnverkehr als Backbone für eine nachhaltige, vernetzte Mobilität im ländlichen Raum

Überblick

Eine aktuelle Herausforderung bei der Transformation des Verkehrssystems besteht darin, Individualität mit Effizienz und Nachhaltigkeit zu vereinen. In diesem Kontext spielen Automatisierung, autonomes Fahren, intelligente Verkehrsführung, digitale Konnektivität und vernetzte Mobilität eine zentrale Rolle. Das Ziel des Projekts „enableATO“ ist die Umsetzung moderner Ideen für die automatisierte Schienenmobilität und deren Untersuchung anhand neuer schienenbasierter Mobilitätskonzepte für ländliche Räume. Im Fokus stehen dabei Technologien im Zusammenhang mit automatisiertem Fahren wie Wahrnehmung durch Sensoren, Zulassungsfragen, intelligente Wartung und die Demonstration der Technologien z. B. am MONOCAB – einer autonomen Einschienenbahn. Parallel dazu werden erste Fragen zur Akzeptanz bei Nutzerinnen und Nutzern erforscht und adressiert sowie der Wissenschaftsdialog gestärkt. Dabei ist das in Minden am RailCampus OWL angesiedelte Vorhaben eingebettet in das Deutsche Zentrum Mobilität der Zukunft (DZM), welches an den vier Standorten Hamburg, Annaberg-Buchholz, Minden und Karlsruhe ein bundesweites Forschungsnetzwerk zur Mobilitätsforschung aufspannt.

In dem Projekt werden seitens der Universität Paderborn drei Lehrstühle bzw. Fachgruppen eingebunden: der Lehrstuhl für Dynamik und Mechatronik (LDM) von Professor Dr.-Ing. habil. Walter Sextro, der Lehrstuhl für Datenmanagement im Maschinenbau (DMB) von Professorin Dr. Iryna Mozgova und das Fachgebiet Machine Learning and Optimisation (MaLeO) von Professorin Dr. Heike Trautmann. Die Tätigkeiten des LDM verfolgen das Ziel eine intelligente Instandhaltung von Schienenfahrzeugen umzusetzen, sodass eine höhere Betriebssicherheit, weniger Ausfallzeiten und insgesamte geringe Kosten erzielt werden. Die Tätigkeiten des DMB unterstützen die Entwicklung eines digitalen Zwillings für das automatisierte Instandhaltungsmanagement, indem eine semantische und maschinenlesbare Repräsentation der im Projekt anfallenden Daten und Metadaten realisiert wird. Die Tätigkeiten des Fachgebiets MaLeO fokussieren sich darauf, verschiedene zueinander in Konkurrenz stehende Ziele gleichzeitig zu berücksichtigen. Beispiele dafür sind der Konflikt zwischen Energieeffizienz und Robustheit, wo verschiedene optimale Kompromisse situationsbedingt angepasst werden können, um auf sich ändernde Präferenzen oder Umwelteinflüsse optimal reagieren zu können.

Projektleitung: Gesamtprojektleitung Prof. Dr. Stefan Witte, TH OWL

Teilprojektleitung TP 1 „ATO-Enabler-Technologien“ Prof. Dr.-Ing. habil. Walter Sextro, Universität Paderborn

Key Facts

Art des Projektes:
Sonstiger Zweck
Laufzeit:
01/2024 - 12/2026
Website:
Pro­fil­be­reich "In­tel­li­gen­te Tech­ni­sche Sys­te­me"

Detailinformationen

Projektleitung

contact-box image

Prof. Dr.-Ing. habil. Walter Sextro

Lehrstuhl für Dynamik und Mechatronik (LDM)

Zur Person
contact-box image

Stefan Witte

Technische Hochschule Ostwestfalen-Lippe in Lemgo (TH)

Assoziierte Projektmitglieder

contact-box image

Prof. Dr. Iryna Mozgova

Datenmanagement im Maschinenbau

Zur Person
contact-box image

Prof. Dr. Heike Trautmann

Machine Learning and Optimisation

Zur Person

Kooperationspartner

DB Systemtechnik GmbH

Kooperationspartner

Fraunhofer IOSB-INA, Institutsteil für industrielle Automation INA des Fraunhofer IOSB

Kooperationspartner

Fraunhofer-Institut für Entwurfstechnik Mechatronik IEM

Kooperationspartner

HARTING Stiftung & Co. KG

Kooperationspartner

Pilz GmbH & Co. KG

Kooperationspartner

Technische Hochschule Ostwestfalen-Lippe in Lemgo (TH)

Kooperationspartner

Universität Bielefeld

Kooperationspartner

Wölfel Engineering GmbH + Co. KG

Kooperationspartner