Ferndiagnose und Deep Learning bei der Zentralbahn – Mehrwert dank Daten und Experten-Know-how
Die Zentralbahn mit Sitz in Stansstad (NW) hat mehrere Digitalisierungsprojekte an ihrer Flotte durchgeführt. Ein Projekt umfasst die Ferndiagnose der ABe-Flotte (SPATZ) mit Rail Diagnostics. In einem anderen Projekt werden in Zusammenarbeit mit CSEM bereits vorhandene Daten der ABeh-Flotte (ADLER, FINK) mit Vibrationsdaten und weiteren Sensordaten angereichert und mit Deep Learning Algorithmen ausgewertet.
Dieser Artikel ist zuerst in der Fachzeitschrift “Eisenbahntechnische Rundschau” (ETR) von Oktober 2024 veröffentlicht worden. Die untenstehende Zusammenfassung von CSEM stellt die wichtigsten Meilensteine vor, während der vollständige Bericht als PDF-Dokument und mit freundlicher Genehmigung des Verlags auf Deutsch heruntergeladen werden kann.

Zusammenfassung
Die Zentralbahn treibt die Digitalisierung ihres Bahnverkehrs durch den Einsatz von Ferndiagnose- und Deep-Learning-Technologien voran. Ein zentrales Projekt ist die Echtzeit-Ferndiagnose der ABe-Flotte (SPATZ), bei der mit Rail Diagnostics moderne Analysetools zur Überwachung und Auswertung der Betriebsdaten genutzt werden. Parallel dazu werden bestehende Fahrzeugdaten der ABeh-Flotte (ADLER, FINK) durch Vibrations- und weitere Sensordaten ergänzt und mit KI-gestützten Algorithmen analysiert. Diese Massnahmen ermöglichen eine zustandsbasierte Wartung, die Ausfallzeiten reduziert und die Effizienz der Fahrzeugflotte steigert.
Im Rahmen des Deep-Learning-Projekts erfasst ein spezialisiertes IoT-System tausende Sensordaten nahezu in Echtzeit. Diese Daten werden durch neuronale Netzwerke verarbeitet, um Anomalien frühzeitig zu erkennen und potenzielle Störungen zu vermeiden. Der Einsatz künstlicher Intelligenz verbessert nicht nur die Vorhersagegenauigkeit für Instandhaltungsmassnahmen, sondern senkt auch langfristig die Wartungskosten. Ergänzend dazu sorgt ein Ferndiagnosesystem für eine kontinuierliche Überwachung und unterstützt sowohl die Planung als auch das Personal im täglichen Betrieb, was zu einer höheren Betriebssicherheit führt.
Diese innovativen Projekte zeigen das Engagement der Zentralbahn für moderne, datengetriebene Instandhaltungskonzepte. Die enge Zusammenarbeit mit Rail Diagnostics und CSEM ermöglicht eine kontinuierliche Weiterentwicklung und Optimierung der Technologien. Durch den Einsatz von KI und prädiktiven Analysemethoden positioniert sich die Zentralbahn als Vorreiterin in der digitalen Transformation des Schienenverkehrs und trägt massgeblich zur Effizienzsteigerung und Sicherheit im Bahnsektor bei.
Autoren
- Marco Barmettler, Projektleiter IT-Applikationen Fahrzeuge und Instandhaltung, Stansstad, zb Zentralbahn AG
- Dr. Jihyun Lee, R&D Engineer, Group Predictive Analytics, Alpnach, CSEM
- Florian Burri, Projektleiter, Group Industrial Inspection, Alpnach, CSEM
- Roman Tschannen, Geschäftsführer, Dietikon, Rail Diagnostics GmbH
- Severin Wagner, Director of Engineering / Stellvertretender Geschäftsführer, Dietikon, Rail Diagnostics GmbH