Wir haben per Ausschreibung nach Unterstützung für unser Mobilitätsprojekt QCMobility | Schienenverkehr gesucht. Den Zuschlag für den Auftrag hat das Konsortium D-Fine & Planqc erhalten. Praktische Anwendungsfälle und Echtdaten stellen Hessische Landesbahn, DB InfraGO und ÖBB Infrastruktur bereit. Das Fraunhofer-Institut für Kognitive Systeme (IKS) unterstützt mit Expertise im Bereich quantengestützte KI.
Weniger Verspätungen, bessere Trassenplanung und Fahrpläne: Im Schienenverkehr gibt es viele potenzielle Anwendungsfälle für Quantencomputern mit großer praktischer Auswirkung. Gerade komplexe Entscheidungsprozesse könnten mithilfe von Quanten-Optimierung deutlich schneller und umfassender verbessert werden als mit klassischen Ansätzen.
Deswegen testet QCMobility | Schienenverkehr – geleitet vom DLR-Institut für Verkehrssystemtechnik – erstmals systematisch, wie quantengestützte Algorithmen in realen Bahnszenarien eingesetzt werden können, bei der kurzfristigen Disposition im Störungsfall bis zur strategischen Infrastruktur- und Fahrplanplanung.
Per Ausschreibung haben wir dafür Unterstützung von Industriepartnern gesucht, die mit uns und mit eigenen Problemstellungen, Realdaten und -parametern den Einsatz von Quanten-maschinellem-Lernen (QML) und Quantencomputing im Schienenverkehr weiterentwickeln.
Diese Ausschreibung hat nun das Konsortium D-Fine & Planqc erhalten. Praktische Anwendungsfälle und Echtdaten stellen Hessische Landesbahn, DB InfraGO und ÖBB Infrastruktur bereit. Das Fraunhofer-Institut für Kognitive Systeme (IKS) unterstützt mit Expertise im Bereich quantengestützte KI.
QCMobility | Schienenverkehr ist ein Teilprojekt unseres Mobilitätsprojekts QCMobility unter Gesamtleitung des DLR-Instituts für Quantentechnologien.
Komplexe Optimierungsprobleme mit großer Tragweite
Gemeinsam mit den DLR-Instituten will das Konsortium herausfinden, wie Quantencomputer dazu beitragen können, den Bahnverkehr effizienter und zuverlässiger zu machen. Denn Disponenten und Verkehrsplaner stehen täglich vor hochkomplexen Entscheidungen, die teils innerhalb von Sekunden getroffen werden müssen. Welcher Zug hat Vorrang, wenn eine Strecke blockiert ist? Wie lassen sich Baustellen, extreme Wetterereignisse, Verspätungen oder Engpässe im Netz in Echtzeit berücksichtigen?
Treffsichere Antworten sind zentral, denn schon kleine Störungen können sich im dicht getakteten Betrieb zu großflächigen Verspätungen aufschaukeln. Auch die langfristige Trassen- und Fahrplanplanung ist eine Herausforderung, bei der unzählige Abhängigkeiten und Szenarien beachtet werden müssen.Die Anwendungsfälle stammen direkt von Praxispartnern aus dem Bahnsektor und bilden die Grundlage, um reale Herausforderungen in mathematische Modelle zu überführen und mit quantengestützten Optimierungsansätzen zu lösen. Dabei kommen unter anderem reale Fahrplandaten und Buchungsinformationen zum Einsatz. Ziel ist es, die Ergebnisse mit klassischen Methoden zu vergleichen und eine belastbare Roadmap für den künftigen Einsatz von Quantencomputern im Bahnwesen zu entwickeln. So lässt sich abschätzen, welches Potenzial die Technologie für den Schienenverkehr tatsächlich bietet.
