Eisenbahn: Digitales im Analogen

Digitalisierung ist auch für die Eisenbahn das beherrschende Thema. Verfügbare Daten müssen dazu intelligent genutzt werden. Das betont Stefan Marschnig, Associate Professor an der TU Graz.

Hat die Eisenbahn die digitale Revolution verschlafen? Diesen Eindruck erweckt es manchmal, wenn in Wissenschaft und Bahn-Branche ständig von „steigender Digitalisierung“ gesprochen wird. Dabei ist das Eisenbahnwesen alles andere als ein analoges, in der Vergangenheit steckengebliebenes Fachgebiet. Vielmehr hat Digitalisierung hier schon vor Jahrzehnten Einzug gehalten – somit früher als in anderen Branchen. Längst steuern Bahnen Betriebsabläufe digital, erfassen Daten in großem Umfang und fällen Entscheidungen datengestützt. Die Herausforderung heute besteht also nicht in der Digitalisierung an sich, sondern in der Verwendung ihrer technischen Möglichkeiten, um aus rohen Daten wertvolle Informationen zu machen.

Im Bahnbereich werden unzählige Daten erfasst. Doch erst durch sinnvolle Vernetzung können daraus Informationen entstehen.Im Bahnbereich werden unzählige Daten erfasst. Doch erst durch sinnvolle Vernetzung können daraus Informationen entstehen.

Daten nicht mit Informationen verwechseln

Die gängige Verwendung von Daten ist ihre Einmalnutzung: Sie geben Antworten auf Fragen wie „was?“, „wo?“ und „wie oft?“. Die folgenden Beispiele zeigen jedoch, wie sich aus den vorhandenen Daten durch Analyse zusätzliche Informationen generieren lassen. Auf diese Weise können Daten auch Antwort auf die Frage „warum?“ geben und so über ihre notwendige, zielgerichtete Nutzung hinaus zu einer Systemoptimierung beitragen.

Zweifelsfrei ist eine messtechnische Erfassung von Vorkommnissen wichtig für die Sicherheit rund um und auf der Eisenbahn. Man denke hier an unbefugte Gleisbetretungen, ein externes Manipulieren von Anlagen und Anlagenteilen oder unsichere Betriebszustände. Auch für den Betrieb sind verschnittene Echtzeitdaten ein unbestrittener Mehrwert, etwa bei der Weitergabe exakter Informationen an Passagiere. Die technische Weiterentwicklung des Systems Bahn kann aber weder durch reine Datenerhebung noch durch Datenvernetzung erreicht werden - dafür braucht es vielmehr die Datenanalyse. Nur so können wir systemimmanente Verschleiß- und Abnutzungserscheinungen verstehen und Hardware sowie damit verbundene Prozesse optimieren.

Daten verschiedenen Detaillierungsgrades können einander ergänzen.Vernetzung verschiedener Datensätze: Daten verschiedenen Detaillierungsgrades können einander ergänzen. Bei alternativer Auswertung – wie hier mittels Fraktalanalyse – können so aus bestehenden Daten neue Informationen gewonnen werden.

Datenanalyse am Beispiel Unterbaubewertung

Das Institut für Eisenbahnwesen und Verkehrswirtschaft der Technischen Universität Graz beschäftigt sich schon seit mehr als 15 Jahren mit der Beschreibung des Oberbauverhaltens. Da die Qualität des Oberbaus nicht durch die Daten einer einzelnen Messfahrt beschrieben werden kann – wohl aber dessen aktueller Zustand – wurde damit begonnen, die Gleislagedaten von aufeinander folgenden Messfahrten zu analysieren und durch Qualitätsverläufe zu beschreiben.

Die Datenanalyse betrachtet nicht die Längsausdehnung eines Messsignals bezüglich eines aktuellen Zustandes, sondern dessen zeitlichen Verlauf. Um die Gründe für unterschiedliche Zustandsveränderungen zu erforschen, müssen im nächsten Schritt die Randbedingungen des betrachteten Gleises berücksichtigt werden. Die Daten des Messwagens der ÖBB-Infrastruktur AG werden deshalb in diesem Beispiel mit weiteren Datensätzen verschnitten. So können die Zustandsverläufe in Abhängigkeit der Krümmung, der Oberbauform, der Gleisbelastung in Gesamtbruttotonnen pro Tag und des Alters der Anlage analysiert werden. Zudem sind ausgeführte Instandhaltungsarbeiten wie Gleisstopfung, Schienenschleifen oder Schotterbettreinigung mit Datum und Bearbeitungslänge eingespielt. Diese Datenbank (TUG-DB) ermöglicht nun gezielte Abfragen für die Detailanalyse des Verlaufs der Gleislage.

Dieser Zugang, detailliert nachzulesen in der Dissertation von Dr. Matthias Landgraf, zeigt, dass Daten verschiedenen Detaillierungsgrades einander ergänzen können und dass je nach Zielsetzung der Aussage unterschiedliche Daten erhoben und ausgewertet werden sollten.

Die Betrachtung der Signaländerung in einem zeitlichen Kontext erlaubt die Beschreibung von Zustandsverläufen.Messdatenanalyse in Zeitreihen: Die Betrachtung der Signaländerung in einem zeitlichen Kontext erlaubt die Beschreibung von Zustandsverläufen. Auf Basis entsprechender Datenbanken können daraus verschiedene Informationen generiert werden.

Datenanalyse – ein Ausblick

In den kommenden Jahren werden sich vor dem Hintergrund ständig wachsender und kostengünstigerer technischer Möglichkeiten der Datenerhebung und -speicherung weitere Forschungs- und Anwendungsfelder öffnen. Die im vorangegangenen Beispiel gezeigte Vernetzung verschiedener Datensätze kann um (zumindest) zwei weitere, wesentliche Aspekt erweitert werden: die zeitnahe Erfassung lokaler Fehler und die weitere Spezifikation des Beanspruchungskollektivs. Das Institut für Eisenbahnwesen und Verkehrswirtschaft hat bereits Forschungsprojekte beantragt und begonnen, die diesen beiden Aspekten gewidmet sind. Hinsichtlich der Messtechnik stehen vier technische Optionen im Fokus:

  • Onboard Measuring (OBM): Einfaches und günstiges Messequipment kann in Zukunft auf Regelzügen montiert werden (teilweise geschieht dies schon heute). Sehr dichte Datenreihen, beispielsweise von Beschleunigungen, können plötzlich auftretendes Systemversagen zeitnah erfassbar machen. Die Detektion von Schienen- und Weichenherzstückbrüchen oder des Versagens von Schienenstößen wird durch diesen Trend deutlich verbessert werden.
  • Ortsfeste Messstellen (Wayside Train Monitoring Systems, WTMS): Wie bereits beschrieben, ist für die Schädigungsmechanismen am Fahrweg das Lastkollektiv ausschlaggebend. Das wagenscharfe Darstellen dieses Lastkollektivs liefert bereits ein weit detaillierteres Bild der kumulierten Beanspruchung. Dennoch basiert auch dieses Datenmodell auf starken Vereinfachungen, da die Fahrzeugkräfte aus dem Neuzustand der Fahrzeuge abgeleitet werden. Die Erfassung tatsächlich auftretender Interaktionskräfte an ortsfesten Messstellen bedeutet damit einen weiteren Detaillierungsschritt, da Verschleißzustände am Fahrzeug (zum Beispiel Flachstellen) eingehen, die wiederum hohen Einfluss auf die Kräfte haben.
  • Glasfaseroptische Messsysteme (Distributed Acoustic Sensing, DAS): Eine vielversprechende Technologie ist die akustische Auswertung von Lichtwellen, die in den gleisseitig verlegten Glasfaserkabeln transportiert werden. Intelligente Auswertungen dieser Lichtwellen könnten einen enormen Mehrwert für die Infrastrukturbetreiber bringen. Zum einen lassen sich Aspekte der Sicherheit (unbefugte Gleisbetretungen, Schutz von Arbeitsrotten) messtechnisch abbilden. Zum anderen ist die technische Überwachung des Rad-Schiene-Kontakts zumindest theoretisch möglich. Damit ließen sich sowohl gleisseitige als auch fahrzeugseitige Fehlerstellen (zum Beispiel Schienenbrüche und Flachstellen) identifizieren. Werden solche Auswertungen wiederum mit bereits bestehenden Datenbanken verschnitten, könnten auf diese Weise offene Fragen der Systemreaktion und letztlich auch der Systemausgestaltung und -abstimmung beantwortet werden.
  • Lokale messtechnische Ausrüstung von Gleis-/Weichenkomponenten (smart assets): Um Verständnis darüber zu erlangen, welche Kräfte in welchem Ausmaß tatsächlich auf die Infrastruktur einwirken, können lokale Messungen, etwa an Weichenbauteilen oder Einzelschwellen, sinnvoll sein. Eine durchgehende, netzweite Ausrüstung aller Assets wird eher nicht in Betracht gezogen werden, da einerseits ökonomische Gründe dagegensprechen, andererseits aber auch eine große Zahl an verbauten Sensoren zu einer anzunehmend hohen Anzahl an Störmeldungen führen würde.

Neben dem grundsätzlichen Verständnis der so generierten Daten sind insbesondere die Korrelationen zwischen den Daten interessant. Werden beispielsweise Flachstellen auf WTMS detektiert, können diese als DAS-Muster erkannt werden. Genauso müssten Kraftspitzen an lokalen Gleisbauteilen in Analogie auf dem Fahrzeug auftreten und so wiederum im OBM erkannt werden. Durch die Technologien DAS und OBM könnten dann Informationen aus punktueller Beobachtung in linienförmiger Ausdehnung weiterverwendet werden. Wie diese Zusatzinformationen im Sinne des Qualitätsverhaltens des Fahrwegs über die Zeit genutzt werden können, wird die Forschung zeigen.

Ortsfeste Messstelle ARGOS der ÖBB-Infrastruktur AGOrtsfeste Messstelle ARGOS der ÖBB-Infrastruktur AG

Ableiten von Maßnahmen

Bei all diesen technischen Möglichkeiten ist eine Frage wohl vorab zu klären: Wieviel muss gemessen werden? Je mehr Daten erhoben werden, desto höher wird die Wahrscheinlichkeit, dass
a. diese Daten nicht weiterverwertet werden und
b. sich Daten und daraus abgeleitete Informationen widersprechen.

Die Validität gemessener Daten und damit deren Vertrauenswürdigkeit ist insbesondere für den Infrastrukturbetreiber von höchster Bedeutung. Beim Setzen von Maßnahmen und dem Treffen von Entscheidungen ist jedenfalls das Ende des Digitalen erreicht – die Maßnahmen sind und bleiben analog. Infrastrukturanlagen bestmöglich und datengestützt zu überwachen ist eine Sache. Eine gänzlich andere ist, über Maßnahmen zu entscheiden und sie umzusetzen.

Die Maßnahmenableitung und -ausführung ist von zahlreichen, nicht die Anlage selbst betreffenden Randbedingungen beeinflusst. Valide technische Auswertungen auf dem Stand der Technik bilden dabei eine unbedingt erforderliche Entscheidungsgrundlage, können jedoch nicht direkt zur analogen Maßnahme führen. Wirtschaftliche Überlegungen, verfügbare Budgetmittel, Ressourcenplanung und – gerade bei der Eisenbahn – auch betriebliche Aspekte müssen bei der Maßnahmenplanung und -ausführung Eingang finden, um letztendlich die richtige Maßnahme zum richtigen Zeitpunkt am richtigen Ort sicherstellen zu können. Diese analoge Welt wird sich auch in Zukunft kaum ändern, während sich die digitalen Möglichkeiten in der Zustandsbewertung der Anlagen rasant weiterentwickeln werden. Im Sinne der Entscheidungsgrundlage ist dabei auf das beste verfügbare Wissen zurückzugreifen.

Stefan Marschnig

30.06.2017

Technologien

1527 Wörter

11 Minuten Lesezeit

Eisenbahn: Digitales im Analogen Eisenbahn: Digitales im Analogen Eisenbahn: Digitales im Analogen Eisenbahn: Digitales im Analogen Eisenbahn: Digitales im Analogen

Ähnliche Artikel

Technologie-Mix für mehr Information

Technologien

Technologie-Mix für mehr Information

Mayank Tripathi | 27.06.2017 | 1545 Wörter | 11 Minuten Lesezeit

Klug kombinieren für echten Zusatznutzen: Wenn Distributed Acoustic Sensing (DAS) mit Achszählern und induktiven Radsensoren verknüpft wird, lassen sich wertvolle Informationen für Eisenbahnanwendungen generieren.

Weiterlesen
Wie Systeme kommunizieren

Technologien

Wie Systeme kommunizieren

Stefan Lugschitz | 29.06.2017 | 1402 Wörter | 10 Minuten Lesezeit

Funktion braucht Kommunikation: Schnittstellen sorgen dafür, dass die Bestandteile der Bahninfrastruktur optimal vernetzt werden.

Weiterlesen
„Streng nach Protokoll“

Applikationen

„Streng nach Protokoll“

Fabian Schwarz | 28.06.2017 | 1087 Wörter | 8 Minuten Lesezeit

Bahnanwendungen werden immer komplexer. Melanie Kleinpötzl, Frauscher Product Management, erklärt im Interview, wie leistungsfähige Softwareprotokolle die notwendige reibungslose Kommunikation zwischen den Systemen gewährleisten.

Weiterlesen
Offen bleibt: Analog oder digital

Technologien

Offen bleibt: Analog oder digital

Manfred Sommergruber | 26.06.2017 | 787 Wörter | 6 Minuten Lesezeit

Signale von Radsensoren können in analoger oder digitaler Form zur Verfügung gestellt werden. Manfred Sommergruber erläutert am Beispiel des Frauscher Radsensor RSR110 die jeweiligen Besonderheiten.

Weiterlesen