On-Demand-Angebote als Zukunftsmodell für ländliche Regionen
Im ländlichen Raum ist Mobilität häufig eingeschränkt: Geringe Taktungen, lange Wege und wirtschaftlich schwer tragbare ÖPNV-Angebote führen dazu, dass viele Menschen auf das Auto angewiesen bleiben. Gleichzeitig steigt der gesellschaftliche und politische Druck, nachhaltige Alternativen zu schaffen. Doch wie kann ein Verkehrsangebot gestaltet werden, das flexibel, effizient und umweltfreundlich zugleich ist?
Gemeinsam mit dem Landkreis Osnabrück arbeitet URBAN.KI an einem zukunftsweisenden Ansatz: Eine KI-gestützte Potenzialanalyse für On-Demand-Verkehre, die datenbasiert zeigt, wo, wann und wie bedarfsgesteuerte Mobilitätsangebote sinnvoll eingesetzt werden können.
Bedarfsgerechte Mobilität ist ein Schlüssel zur Zukunftsfähigkeit ländlicher Räume. In vielen ländlichen Regionen steht der klassische ÖPNV vor einem Dilemma: Entweder wird ein Angebot bereitgestellt, das außerhalb der Spitzenzeiten selten genutzt wird – oder es gibt gar keins. Die Folge: Eingeschränkte Teilhabe, insbesondere für Menschen ohne eigenes Auto. Gleichzeitig fehlen fundierte Entscheidungsgrundlagen, um neue Mobilitätsformen effektiv zu planen und zu skalieren.
Im Projektgebiet wurde ein On-Demand-Service testweise eingeführt, der und durch per App buchbar ist und klassische Linienverkehre in Zeiten mit geringer Nachfrage ergänzt. Dieser Service ist aufwändig und teuer. Die Kommune sucht deshalb nach Möglichkeiten, den On-demand-Verkehr zu optimieren.
Der Lösungsansatz: KI erkennt Mobilitätspotenziale im Raum
Mithilfe von Künstlicher Intelligenz werden die anonymisierten Nutzungsdaten aus dem laufenden Projekt mit regionalen Strukturdaten kombiniert, um die Potenziale für das Angebot detailliert zu ermitteln und gezielt weiterzuentwickeln.
Zentrale Elemente des KI-gestützten Systems:
Dieser Use Case wird betreut vom Deutschen Forschungszentrum für Künstliche Intelligenz (DFKI) und ist Teil des URBAN.KI-Innovationsbereichs „KI für Mobilitätsplanung & -steuerung“. Die Ergebnisse sind übertragbar, skalierbar und bilden eine wichtige Grundlage für künftige Smart-Mobility-Konzepte in ganz Deutschland.