05.08.2026

KI verbessert die Qualität von Fahrgastinformationen im öffentlichen Verkehr

Wie Künstliche Intelligenz dazu beitragen kann, die Qualität von Echtzeit-Prognosen im öffentlichen Verkehr zu verbessern, zeigen Dr. rer. nat. Christine Langhanns, Teamleiterin Data Analytics, und Dr. rer. nat. Kolja Thormann, Data Scientist, beide rms GmbH, in ihrem aktuellen Expertenbeitrag im Fachmagazin DER NAHVERKEHR.

Im Mittelpunkt steht die Frage, wie KI-gestützte Verfahren die Qualität von Prognosedaten erhöhen und damit die Fahrgastinformation verbessern können.

Verlässliche Fahrgastinformationen sind ein wichtiger Baustein für einen attraktiven öffentlichen Verkehr und damit auch für ein umweltsensitives Mobilitätsmanagement. Im Forschungsprojekt AIAMO untersuchen die Autoren, wie sich große Mengen an Echtzeitdaten automatisiert analysieren lassen, um die Qualität von Abfahrtsprognosen systematisch zu bewerten. Grundlage sind Prognose- und Realdaten der Leipziger Verkehrsbetriebe (LVB).

Der Beitrag beschreibt, wie Verfahren des Maschinellen Lernens eingesetzt werden, um plausible und unplausible Prognosemeldungen zu unterscheiden. Ziel ist es, fehlerhafte Informationen frühzeitig zu erkennen und damit die Grundlage für präzisere Fahrgastinformationen, eine bessere Reiseplanung und eine höhere Attraktivität des öffentlichen Verkehrs zu schaffen.

Die Ergebnisse zeigen zugleich das Potenzial des AIAMOnexus: Durch die intelligente Verknüpfung weiterer Mobilitäts- und Umweltdaten können Prognosemodelle künftig kontinuierlich weiterentwickelt werden. Damit schafft AIAMO die Grundlage, die Qualität der Fahrgastinformation kontinuierlich weiterzuentwickeln und den öffentlichen Verkehr als wichtigen Baustein eines daten- und KI-gestützten umweltsensitiven Mobilitätsmanagements zu etablieren.

Den gesamten Fachbeitrag können Sie in der Juli-Ausgabe von DER NAHVERKEHR lesen. (PDF)