Automatisierter Zugbetrieb & KI-Hinderniserkennung im Schienenverkehr

Züge können nicht ausweichen und brauchen Hunderte von Metern zum Anhalten; menschliche Fahrerinnen und Fahrer sehen Hindernisse in ausreichender Entfernung daher nur zufällig. Der automatisierte Zugbetrieb (ATO) lässt Software innerhalb des Signalsystems fahren, während die KI-Wahrnehmung (Kamera, LiDAR, Radar) Menschen, Fahrzeuge, Tiere und heruntergefallene Gegenstände im Gleis früh genug erkennt, um zu bremsen. Bahnen verfolgen ihn wegen Kapazität, energieeffizienter Fahrweise, Fahrermangel und sichereren Depots; die Schwierigkeit liegt darin, nachzuweisen, dass eine gelernte Wahrnehmungsfunktion für die Zulassung sicher genug ist.

Problem & Nutzen

• Heute: Konventionelle Hauptbahnzüge werden von einer Person gefahren, die zugleich als Hindernissensor dient. Fahrten im Depot (Rangieren, Abstellen, Waschen, Kuppeln) sind manuell und langsam. U-Bahnen mit CBTC sind oft schon hochautomatisiert, stützen sich aber auf abgeschlossene, eingezäunte Infrastruktur und müssen die Strecke voraus nicht einsehen.
• Warum KI hilft: Klassisches ATO regelt die Geschwindigkeit anhand von Signaldaten, kann aber nichts erkennen, was nicht in den Daten steht. Wahrnehmung nach Art der Fahrerassistenz liefert die fehlenden „Augen“: Erkennung, Klassifikation und Bewertung der Gleisrelevanz auf große Entfernung, bei Regen, Nebel, Nacht und in Tunneln.

Varianten

• Depot- und Rangierautomatisierung (GoA4-ähnlich, niedrige Geschwindigkeit, abgeschlossener Bereich): ferngesteuertes oder fahrerloses Rangieren, Abstellen und Zugvorbereitung; die früheste wirtschaftlich tragfähige Variante (Depotautomatisierungsprogramme von Siemens Mobility und DB [2][3]).
• Hauptstrecken-ATO GoA2 (Fahrer überwacht): Der Zug beschleunigt und bremst automatisch, die Fahrerin bzw. der Fahrer schließt die Türen und beobachtet das Gleis. ATO über ETCS ist in der EU-TSI CCS spezifiziert [4].
• Hauptstrecke GoA3/GoA4 (fahrerlos) mit Fernüberwachung: Das deutsche Projekt AutomatedTrain und das ATO-Projekt der S-Bahn Hamburg (Siemens Mobility/DB) sind Referenzprogramme; Hinderniserkennung ist der entscheidende Wegbereiter [1][3].
• Stadtbahn/U-Bahn (CBTC, GoA3-4): Hinderniserkennung vor allem an Bahnsteigen, Bahnübergängen und offenen Streckenabschnitten.

So funktioniert es

1. Sensoren (Kamera RGB/Thermal, LiDAR, Radar) + Streckenkarte + Signalisierungszustand
2. Sensorfusion + Gleiserkennung (wo liegt mein Gleis, inkl. Weichen und Kurven?)
3. Objekterkennung & -klassifikation (Person, Fahrzeug, Tier, Trümmer) + Tracking
4. Relevanzprüfung (liegt es im Lichtraumprofil auf meinem Weg? Entfernung, Annäherungsgeschwindigkeit)
5. Sicherheitsüberwachung (unabhängige, zertifizierte Bremskurven und Geschwindigkeitsgrenzen)
6. ATO-Fahrbefehl oder Warnung
7. Zugsteuerung & Bremsen
8. Übergabe an Triebfahrzeugführer / Leitstelle des Fernbedieners; Ereignisprotokollierung

• Sicherheit: Die KI-Wahrnehmung steht neben einer zertifizierten konventionellen Kette (ETCS/CBTC, Bremsüberwachung); sie warnt oder begrenzt die Geschwindigkeit.
• Wahrnehmung: CNN-/Transformer-Detektoren und Segmentierungsmodelle auf Kamerabildern, LiDAR-Clustering und Radarspuren; Wärmebildkameras für Nacht und Nebel. Gleisspezifische Modelle zur Extraktion der Schienenlinie beschränken die Erkennung auf den relevanten Korridor. Große Reichweite (mehrere hundert Meter bis über einen Kilometer) ist die zentrale technische Herausforderung, weil Objekte auf wenige Pixel schrumpfen.
• Mensch-in-der-Schleife (Human-in-the-Loop): Fahrer bei GoA2; Fernbediener (Fernsteuerung oder Überwachung) bei GoA3/4; Rückfall in einen Zustand minimalen Risikos (Halt) und manuelle Behandlung unbekannter Objekte.

Datenaufbereitung

Die Wahrnehmung im Schienenverkehr braucht weit mehr als Geschäftsdaten. Quellen: Aufzeichnungen von Kamera, Lidar und Radar am Fahrzeug und an der Strecke; Zug- und Ereignisdaten aus dem Fahrzeugbus und der Diagnose; Strecken- und Infrastrukturdaten (Streckenatlas, Signalpläne, GIS); Vorfall- und Hindernismeldungen im Sicherheitsmanagementsystem des Betreibers; und Meldungen der Fahrerinnen und Fahrer, oft auf Papier oder per E-Mail. Typische Lücken: Aufzeichnungen sind nicht gelabelt und von ereignislosen Fahrten dominiert, seltene Hindernisse und schlechtes Wetter fehlen, Sensordaten unterschiedlicher Fahrzeugbaureihen sind uneinheitlich, die Zeitsynchronisation zwischen den Sensoren ist schlecht, und die Aufzeichnungen enthalten Personen (Fahrgäste, Personal, Unbefugte) und erfordern Zugriffsrechte.

Schritte der Aufbereitung: den Betriebsbereich (Operational Design Domain) und Datenerhebungskampagnen je Strecke und Wetterlage festlegen; ein Labeling-Schema für Hindernisklassen aufbauen (PREP-019); mit Fachleuten labeln und je Jahreszeit und Strecke einen Testdatensatz zurückhalten (PREP-018); Vorfallberichte digitalisieren (PREP-006); Personen unkenntlich machen oder verwerfen und die Aufbewahrung festlegen (PREP-022); synthetische Grenzfälle aus der Simulation ergänzen (ROBO-010). Werkzeuge: CVAT, Label Studio, ROS-2-Bag-Werkzeuge. Die Datenarbeit ist der größte Kostenblock, etwa 50 Prozent oder mehr, und muss für den Sicherheitsnachweis dokumentiert werden (GUIDE-003).

Umsetzungswege

Welcher Weg für wen

• Enterprise: A, weil Bahnbetreiber zertifizierte, typzugelassene Systeme etablierter Bahnlieferanten brauchen; eine selbstgebaute Sicherheitsfunktion würde einen mehrjährigen Sicherheitsnachweis erfordern.
• Developer: C, weil Forschung und Prototypen zur Wahrnehmung vor jedem zertifizierten Produkt auf offene Detektoren, Datensätze und Simulation setzen.
• Public: A, weil Aufgabenträger des öffentlichen Verkehrs und staatseigene Betreiber zertifizierte Produkte über Ausschreibungen beschaffen, mit sicherheitstechnischer Abnahme durch die Behörde.

Weg A — Kaufen (empfohlen)

Bahnbetreiber kaufen bei Lieferanten von Bahnsystemen; KMU (Privatbahnen, Werks- und Hafenbahnen) kaufen Depot- oder Streckenlösungen. - Lieferanten für Fahrzeuge/Signaltechnik (EU gekennzeichnet): Siemens Mobility (DE, ATO über ETCS, automatisierte Züge, S-Bahn Hamburg), Alstom (FR, ATO, Programme für autonome Züge mit SNCF), Hitachi Rail, Thales (FR, Signaltechnik/CBTC und ATO), Stadler (CH), Wabtec/Progress Rail für den Güterverkehr. - Spezialisten für Hinderniserkennung: Rail Vision (IL, KI-Erkennung an Bord, Pilotprojekte auf Hauptstrecken), Hitachi Rail, LiDAR-/Radar-Lieferanten wie Sick und Bosch, Teledyne FLIR (Wärmebild). - Wählen Sie A, wenn: Sie Züge betreiben; Zertifizierung, Zulassung und Haftung liegen beim Lieferanten und beim Infrastrukturbetreiber.

Weg B — Auf Cloud-KI-Diensten aufbauen

Sicherheitskritische Inferenz darf nicht von einer Cloud-Verbindung abhängen. Die Cloud eignet sich für Offline-Arbeiten: Data Lake und Annotation (CVAT, Labelbox), VLM-gestütztes Vorab-Labeling seltener Ereignisse (z. B. Gemini, Claude oder Qwen-VL in EU-Regionen), Modelltraining in EU-GPU-Clouds, Flottenauswertungen und Ereignissichtung.

Weg C — Selbst betreiben (Open Source)

• Modelle/Werkzeuge: Detektoren der YOLO-Familie und RT-DETR, Segmentierung der SAM-Familie, offene Datensätze wie RailSem19, OSDaR23 (Multisensor-Schienendatensatz, veröffentlicht von DB/Fusion Perception) und FRSign zur Signalerkennung [5].
• Stack: ROS 2, PyTorch, ONNX Runtime, TensorRT auf Modulen der Klasse NVIDIA Jetson/DRIVE, Wahrnehmungsmodule im Stil von Autoware, für die Schiene angepasst, Simulatoren vom Typ CARLA/Gazebo für Szenariotests (siehe ROBO-010).
• Nützlich für Forschung, Prototypen und Bewertung im Schattenmodus; keine zertifizierte Sicherheitsfunktion für sich allein.

Weg D — Eigenes Training

Für den Produktivbetrieb fast immer erforderlich: Detektoren auf den eigenen Strecken, Fahrzeugen und Sensorpositionen trainieren und validieren. Benötigt werden zehntausende annotierte Einzelbilder über Jahreszeiten, Wetterlagen, Nacht, Tunnel, Vegetation und seltene Hindernisklassen, dazu synthetische und gestellte Daten (Personen im Gleis, Objekte in der Ferne). Statistische Nachweise zur Erkennungsleistung und ein definierter Betriebsbereich (ODD) sind Teil des Sicherheitsnachweises.

Stand der Technik (2026)

• Programmebene: Europe's Rail und nationale Programme (DB/Siemens ATO, AutomatedTrain, SNCF/Alstom) gingen vom Labor in Demonstrator- und Pilotbetrieb über; GoA2-ATO über ETCS ist der nächstliegende kommerzielle Schritt; vollständig fahrerloser Hauptstreckenbetrieb bleibt auf Pilotprojekte sowie abgeschlossene Bereiche oder niedrige Geschwindigkeiten beschränkt [1][3][4].
• Wahrnehmung: multimodale Fusion (Kamera + LiDAR + Radar + Wärmebild) mit Transformer-Detektoren und Labeling mit Unterstützung von Foundation-Modellen; offene Multisensor-Datensätze (OSDaR23) ermöglichen Vergleichsmessungen [5].
• Normen: CENELEC EN 50126 (RAMS-Lebenszyklus), EN 50128 (Software), EN 50129 (sicherheitsrelevante Elektronik), EN 50716 (konsolidierte Softwarenorm, ersetzt 50128/50657), IEC 62267 (automatisierter urbaner Spurverkehr). Wie sich Komponenten des maschinellen Lernens zertifizieren lassen, ist weiterhin offen; die Arbeiten ISO/PAS 8800 und ISO/TR 5469 aus Straßenverkehr/funktionaler Sicherheit dienen als Orientierung, schienenspezifische Leitlinien entstehen erst.
• Grenzen: kleine Objekte auf große Entfernung, Verdeckung in Kurven, Dunkelheit/Blendung/Schnee, Fehlalarme, die harte Bremsungen und Störungen auslösen, seltene Klassen (Tiere, Trümmer, Vandalismus), verschmutzte Sensoren und Verteilungsverschiebung zwischen Strecken. Es gibt keinen öffentlichen Beleg dafür, dass KI allein die Sicherheitsintegritätsstufe 4 erreicht.

Gemeinsame Bausteine & Kombinationen

• Gleicher Stack wie beim autonomen Fahren auf der Straße (ROBO-005): Modelle für Erkennung, Tracking und Fusion, Annotations- werkzeuge und Simulation; die Schiene braucht größere Reichweite, feste Gleisgeometrie und eine andere Zertifizierung.
• ROBO-016 (KI-Sicherheitsfunktionen, Personenerkennung) teilt die Methodik des Sicherheitsnachweises; ROBO-010 (Simulation/digitale Zwillinge) für Szenariotests; ROBO-006/VIS-003 Drohnen zur Gleisinspektion.
• OPT-020 und PRED-006 nutzen dieselben Zug- und Ereignisdaten weiter.

Aufwand, Kosten & Kennzahlen

• Weg A: mehrjährige Programme; bei Depots 6-18 Monate vom Kauf bis zum Betrieb, auf der Hauptstrecke deutlich länger.
• Weg C/D: Ein Wahrnehmungsprototyp braucht Monate; eine zertifizierte Funktion erfordert einen mehrjährigen Sicherheitsnachweis, Datenerhebungskampagnen und Zulassung. Kostentreiber: Sensoren, Datenerhebung und Annotation, unabhängige Sicherheitsbewertung (ISA), streckenspezifische Validierung.
• Kennzahlen: Erkennungsreichweite und Recall je Hindernisklasse und Wetterlage, Fehlalarmrate je 1.000 km, Schnellbremsungen, Verfügbarkeit und Pünktlichkeit, Eingriffe pro Stunde (Übergabequote), Rate gefährlicher Ereignisse gegenüber dem Sicherheitsziel, Energie je km.

Menschen & Veränderung

Beziehen Sie die Geschäftsleitung, die Betriebsleitung und die Sicherheitsorganisation von Anfang an ein, gemeinsam mit dem Lieferanten und der nationalen Behörde (in Deutschland das EBA) für die Abnahme. Die IT-Sicherheit verantwortet Fernbetrieb und NIS2; Recht/Compliance behandelt Haftung und Zulassung; Triebfahrzeugführende und Disponenten sind die wichtigsten Anwender.

Betriebsrat: ja. Bordkameras, Fahrerüberwachung und Ereignisprotokolle sind objektiv zur Überwachung von Verhalten oder Leistung geeignet; daher greift § 87 Abs. 1 Nr. 6 BetrVG (öffentliche Betreiber: Personalrat nach BPersVG oder Landesrecht); § 90 Abs. 1 Nr. 3 verlangt eine frühzeitige Unterrichtung über veränderte Arbeitsabläufe, und § 80 Abs. 3 erlaubt die Hinzuziehung einer sachkundigen Person (GUIDE-004). Beziehen Sie die bzw. den Datenschutzbeauftragten ein und führen Sie für Aufzeichnungen von Personen eine DSFA durch (GUIDE-005).

Fördern Sie die KI-Kompetenz (Art. 4 KI-Verordnung) mit Schulungen für Triebfahrzeugführende und Disponenten zu Systemgrenzen, Übergabe und eingeschränkten Betriebsarten (GUIDE-006). Typische Sorgen: Qualifikationsverlust, Arbeitsplatzverlust, Haftung nach einem Vorfall. Begegnen Sie ihnen mit einer klaren Rollenbeschreibung (Fahrer oder Zugbegleiter bleibt bei niedrigeren Automatisierungsgraden für die Überwachung verantwortlich), einer gestuften Einführung zunächst im Depot oder auf einem Stumpfgleis, einer Schattenmodus-Phase und transparenter Vorfallmeldung (GUIDE-008, GUIDE-009). Der Mensch behält die Kontrolle durch definierte Übergaberegeln und die Möglichkeit, den Zug anzuhalten.

Risiken, Regulierung & Compliance

• KI-Verordnung (AI Act): Anhang III Nr. 2 (kritische Infrastruktur) nennt den Straßenverkehr, nicht die Schiene; die Schiene wird daher vor allem über Anhang I Abschnitt B (Richtlinie (EU) 2016/797) erfasst: Der AI Act gilt dort nur über Art. 2 Abs. 2 und die Anforderungen, die in künftigen delegierten/Durchführungsrechtsakten nach diesem Sektorrecht berücksichtigt werden. Behandeln Sie das System als dem Hochrisiko gleichwertig und planen Sie Risikomanagement, Daten-Governance, Protokollierung und menschliche Aufsicht ein (Risikomanagement, Daten-Governance, Protokollierung, menschliche Aufsicht). Keine Rechtsberatung; die Einstufung hängt von der konkreten Funktion ab [6]. Eine nach Art. 5 verbotene Praxis ist nicht von Haus aus enthalten, aber fahrgastbezogene Kameraanalysen (z. B. Verhaltens- oder Emotionsanalyse, biometrische Identifizierung) müssen außerhalb des Umfangs bleiben oder an Art. 5 geprüft werden.
• Eisenbahnrecht: Eisenbahnsicherheitsrichtlinie (EU) 2016/798, Interoperabilitätsrichtlinie (EU) 2016/797, TSI CCS, gemeinsame Sicherheitsmethode (CSM) zur Risikobewertung (Verordnung (EU) 402/2013), Genehmigung durch die nationale Behörde (in Deutschland das EBA), ERA- Genehmigung für die Inbetriebnahme; neue Fahrzeuge lösen zudem, wo einschlägig, die EU-Maschinen-/Funkvorschriften aus.
• DSGVO: Bord- und Streckenkameras zeichnen Menschen auf (Fahrgäste, Personal, Unbefugte, Umstehende). Nutzen Sie Zweckbindung, DSFA, Unkenntlichmachen/Verwerfen von Aufnahmen ohne Ereignis, kurze Aufbewahrung und vermeiden Sie Identifizierung. Betriebsratsbeteiligung bei Aufzeichnungen, die Personal erfassen (in Deutschland).
• Risiken: falsch negative Erkennungen (Kollision), falsch positive (Störungen), schleichende Ausweitung des Betriebsbereichs, Cyberangriffe auf den Fernbetrieb (NIS2, CRA), Haftung und Qualifikationsverlust der Fahrer. Gegenmaßnahmen: unabhängige Sicherheitsüberwachung, definierter Betriebsbereich, gestufte GoA-Einführung, Schattenmodus, gesicherte Fernverbindungen, Schulung der Fahrer.

Erste Schritte

1. Anwendungsfall und Betriebsbereich festlegen: Depot, Stumpfgleis, Hauptstrecke GoA2 oder Bahnübergang an der Strecke; Geschwindigkeit, Linien, Wetter.
2. Im Schattenmodus beginnen: Sensordaten aufzeichnen, die Erkennung offline laufen lassen und mit den Meldungen der Fahrer vergleichen.
3. Öffentliche Datensätze (OSDaR23, RailSem19) und 1-2 Anbieter anhand Ihrer eigenen aufgezeichneten Strecken bewerten.
4. Sicherheitsgutachter und nationale Behörde früh einbinden; den Sicherheitsnachweis nach EN 50126 planen.
5. In einem abgeschlossenen Bereich (Depot) pilotieren, bevor auf die Hauptstrecke erweitert wird; Übergabe und Rückfallebene festlegen.

Quellen

1. Europe's Rail Joint Undertaking, programme overview (ATO, automation, innovation pillars) — https://rail-research.europa.eu/
2. Siemens Mobility, automated and autonomous rail solutions — https://www.mobility.siemens.com/global/en/portfolio/rail/automation.html
3. Deutsche Bahn, AI and digitalisation in rail operation — https://digitale-schiene-deutschland.de/en
4. European Union Agency for Railways (ERA), TSI CCS and ATO over ETCS specification — https://www.era.europa.eu/domains/technical-specifications-interoperability_en
5. OSDaR23 and RailSem19 rail datasets — https://data.fid-move.de/dataset/osdar23 and https://wilddash.cc/railsem19
6. Regulation (EU) 2024/1689 (AI Act) — https://eur-lex.europa.eu/eli/reg/2024/1689/oj
7. Directive (EU) 2016/798 on railway safety — https://eur-lex.europa.eu/eli/dir/2016/798/oj
8. Rail Vision, on-board obstacle detection systems — https://railvision.io/