Use Case 3

Mobilität neu denken: KI-gestützte Verkehrsplanung im Landkreis Osnabrück

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.

Die Herausforderung: Mobilität außerhalb der Metropolen

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:

  1. Fahrgastpotenziale analysieren
    Die KI identifiziert Gebiete mit hoher Nachfrage, geringer Versorgung oder besonderem Bedarf – etwa durch demografische Faktoren oder Infrastrukturlücken.
  2. Kundenverhalten verstehen
    Auswertungen zeigen, wann, wie oft und zu welchen Zwecken der Service genutzt wird – eine entscheidende Grundlage für Angebotsoptimierung und Taktplanung.
  3. Maßnahmen ableiten und simulieren
    Auf Basis der Erkenntnisse entstehen Empfehlungen für Angebotsanpassungen, Integration in bestehende Verkehrsnetze oder gezielte Kommunikation – simuliert und priorisiert durch KI.

Use Case 3: Mehr Mobilität und Teilhabe für alle

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.