An der letztjährigen Branchenmesse InnoTrans hat Syslogic ihren EN50155 konformen KI Rail Computer, der auf einer Jetson-TX2i-Plattform von Nvidia aufbaut, vorgestellt. Doch wo genau sieht Syslogic die Anwendungen für einen KI-Edge-Computer im Bahneinsatz?
Raphael Binder betreut als Product Manager bei Syslogic aktuell mehrere Bahnprojekte, bei denen KI eine wichtige Rolle spielt. Er sieht vor allem zwei Anwendungsbereiche für den neuen KI Rail Computer, zum einen die Unterstützung von teilautonomem Fahren und zum andern Predictive Maintenance. Binder sagt: „Alle KI-Projekte, die wir aktuell mit Bahnbetreibern und Schienenfahrzeugherstellern umsetzen, lassen sich diesen beiden Bereichen zuordnen.“
Sicherheit erhöhen dank Früherkennung
Allen Anwendungen gemein ist, dass Daten vor Ort ausgewertet und Entscheidungen augenblicklich getroffen werden. Unterstützen die Syslogic Rail Computer teilautonomes Fahren, kann nicht erst auf Ergebnisse aus dem Rechenzentrum gewartet werden. Entscheidungen müssen sofort im Schienenfahrzeug getroffen werden. Ein weiterer Grund für die dezentrale Datenverarbeitung ist, dass ein Edge-Computer im Fahrzeugeinsatz nicht ständig mit der Cloud verbunden ist. Der Syslogic KI Rail Computer in Verbindung mit entsprechender Anwender-Software kann also dazu genutzt werden, Kamerasignale auszuwerten und aus den gelieferten Daten automatische Regeln abzuleiten. Konkret lassen sich so frühzeitig Hindernisse auf der Schiene erkennen, klassifizieren und daraus eine Aktion wie beispielsweise eine Notbremsung einleiten. Auch die Erkennung von Streckensignalen ist möglich. So kann der Fahrzeugführer gewarnt werden, sollte er ein Signal übersehen. Diese Anwendungen zeigen, dass KI einen wichtigen Beitrag dazu leisten kann, die Sicherheit auf den Schienen zu verbessern.
Kosten senken mit Predictive Maintenance
Doch nicht nur in puncto Sicherheit kann KI wertvolle Dienste leisten, auch in puncto Wirtschaftlichkeit. Predictive Maintenance oder Condition Based Monitoring sind hier die Schlüsselwörter. Gerade bei Schienenfahrzeugen sind die Wartungsintervalle oft eng getaktet. Wartungsarbeiten müssen während regulären Stillstandzeiten, oft über Nacht erfolgen. Mittels Sensoren werden eine Großzahl an Fahrzeugdaten wie Temperatur, Druck, Arbeitsstunden, Termin der letzten Wartung, Stromverbrauch oder der Verschleiß von Komponenten gesammelt. Aus diesen Datensätzen lassen sich Unregelmäßigkeiten frühzeitig erkennen. Dadurch sind Wartungsarbeiten im Voraus planbar. Auch benötigte Ersatzteile können frühzeitig beschafft werden. Ungeplante Ausfälle oder Stillstandzeiten werden so erfolgreich verhindert und die Zuverlässigkeit und Verfügbarkeit von Schienenfahrzeugen wird gesteigert.
Aus den gesammelten Daten lassen sich zudem Rückschlüsse ziehen, die sonst unentdeckt geblieben wären. So kann die Auswertung der Telemetriedaten Anhaltspunkte liefern, wie ein Fahrzeug möglichst materialschonend und energiearm betrieben werden kann. Damit lässt sich die Lebensdauer von Rollmaterial verlängern und der Energieverbrauch senken. Auch Produktschwächen können aufgedeckt und an das Engineering des Fahrzeugherstellers zurückgespielt werden.
Doch auch hier stellt sich die Frage, welche Dienste KI bereits an der Edge leisten kann. Schließlich werden die zahlreichen Fahrzeugdaten für Predictive Maintenance meist zentral im Rechenzentrum verarbeitet. Raphael Binder sagt: „Ähnlich wie bei Überwachungsaufgaben gibt es auch bei Predicitve Maintenance Situationen, in denen Daten vor Ort verarbeitet werden müssen.“ Gründe dafür gibt es verschiedene. So kann die Verbindung zur Cloud temporär abreisen, oder die Bandbreite reicht nicht zur Übertragung großer Datenmengen aus. Auch kann es Defekte am Fahrzeug geben, bei denen eine sofortige Maßnahme notwendig ist, zum Beispiel das Herunterfahren eines Teilsystems. Nicht zu Letzt spielt bei der Übertragung kritischer Daten immer der Security-Gedanke mit – ein weiterer Grund, Daten dezentral zu verarbeiten.
KI-Teilbereiche in die Edge auslagern
Zusammenfassend sagt Binder, mache es oft Sinn, Teilbereiche von KI-Anwendungen in die Edge auszulagern. Erst die ressourcenintensiven Berechnungen würden nachgelagert in der Cloud stattfinden, so Binder.
Und genau für diese Fälle, in denen Edge-Computing und Künstliche Intelligenz aufeinandertreffen, bietet Syslogic die richtigen Computer. Dank der langjährigen Erfahrung in der Entwicklung und Fertigung von Fahrzeugcomputern gehören die Syslogic Geräte zu den langlebigsten und robustesten im Embedded-Markt. Sämtliche Computer kommen ohne anfällige Lüfter aus, werden also passiv gekühlt. Zudem erfüllen sie hinsichtlich Brandschutz, Temperatur-, Schock- und Vibrationsresistenz die Anforderung der Bahnnormen. Als einer der wenigen Hersteller, der selbst in Europa fertigt, hat Syslogic zudem die lange Verfügbarkeit der Geräte fest im Griff. Das ist gerade im Bahnmarkt ein Schlüsselkriterium, befinden sich doch Schienenfahrzeuge nicht selten 20 Jahre und mehr im Einsatz. Um den Einstieg in KI-Anwendungen zu erleichtern, liefert Syslogic ihren KI Rail Computer mit vorinstalliertem Ubuntu-Board-Support-Package aus. Zudem enthält das Development Kit JetPack von Nvidia bereits CUDA-Bibliotheken, Programmierschnittstellen und Beispiele.
