Projektbeginn: Januar 2022 / Projektende: März 2025 Das Land Berlin steht vor der Herausforderung, einen bezahlbaren und verlässlichen öffentlichem Personennahverkehr (ÖPNV) auch in schnell wachsenden Wohngebieten anzubieten. KIS’M will ein solches bedarfsgerechtes ÖPNV-Angebot mit fahrerlosen Fahrzeugen auf dem Innovationscampus „Berlin TXL – The Urban Tech Republic” (UTR) auf dem Areal des ehemaligen Flughafens Tegel und anschließend auf dem angrenzenden öffentlichen Straßenland erproben und umsetzen. Die Realisierung soll dabei erstmalig unter Berücksichtigung der Novellierung des Straßenverkehrsgesetzes zum autonomen Fahren erfolgen. Dabei ist die nahtlose Vernetzung mit dem Mobilitätssystem und der Verkehrssteuerung wichtig. Die möglichen technischen Lösungen sollen mit einem breiten Gremium aus Fachleuten und Nutzenden weiterentwickelt werden. Es soll darüber hinaus eine gesellschaftlich akzeptierte Vorstellung der Mobilität von morgen erarbeitet werden. Das Projekt wird während der Laufzeit von Anfang 2022 bis Frühjahr 2025 vom Bundesministerium für Digitales und Verkehr (BMDV) mit 8,46 Mio. € gefördert. Wesentliche Ziele des Projektes Die Umsetzung eines fahrerlosen Bedarfsverkehrs und die Entwicklung sicherer, zuverlässiger und akzeptierter Abläufe für die technische Aufsicht an virtuellen Haltestellen und in den Fahrzeugen gehören zu den ehrgeizigen Zielen von KIS‘M. Mit einer besseren Vernetzung und Kooperation automatisierter Fahrzeuge untereinander sowie mit der Verkehrssteuerung sollen eine höhere Sicherheit des Verkehrs auch in einem Mischsystem erreicht werden. Aus den im Verkehr aufgenommenen Daten sollen mit Mitteln von künstlicher Intelligenz aktuellere und genauere Karten- und Verkehrsinformationen abgeleitet werden. Darüber hinaus will KIS’M aus den gesammelten Erfahrungen eine Strategie für den weiteren Einsatz von fahrerlosen Fahrzeugen und ihre Überführung in einen Regelbetrieb im Land Berlin entwickeln. Projektleitung Berliner Verkehrsbetriebe (BVG) Berlin Partner für Wirtschaft und Technologie GmbH mit der Berliner Agentur für Elektromobilität und Neue Mobilität (eMO) Deutsches Zentrum für Luft- und Raumfahrt e.V. (DLR) Fraunhofer FOKUS Freie Universität Berlin – Dahlem Centre for Machine Learning and Robotics (DCMLR) Technische Universität Berlin mit: Daimler Center for Automotive IT Innovations (DCAITI) Zentrum Technik und Gesellschaft (ZTG) Bereich „Mobilität und Raum“ Tegel Projekt GmbH T-Systems International GmbH KIS‘M
Das Gesamtziel des Vorhabens besteht in einer Steigerung der stofflichen Verwertung von Altholz durch - Entwicklung altholzgerechter, innovativer Sortier- und Zerkleinerungsverfahren - Generelle Steigerung der Wirtschaftlichkeit der stofflichen Altholznutzung durch eine maßgeschneiderte, auf den Rohstoffeigenschaften basierende Weiterverarbeitung - Orientierende Versuche zur Erhöhung der Rohstoffqualität als Voraussetzung für die Produktion von Holzwerkstoffplatten - Erprobung innovativer Sortierverfahren zur Entfernung kritischer Fehlwürfe aus ansonsten stofflich zu verwertenden Altholzsortimenten Das vorgeschlagene Konzept - Fusion der Signale optischer bildgebender Verfahren (Farbkameratechnik) mit NIR-Spektroskopie bei Auswertung durch Methoden der künstlichen Intelligenz (KI) und des maschinellen Lernens (Deep Learning) in Kombination mit innovativer Zerkleinerungstechnik - hat das Potenzial, die Sortierung und Verwendung von Altholz deutlich zu verbessern. Methoden der künstlichen Intelligenz haben bereits in zahlreichen anderen Anwendungsgebieten, z.B.im maschinellen Bildverstehen, autonomen Fahren und in der Spracherkennung, zu signifikanten Fortschritten geführt.
Das Gesamtziel des Vorhabens besteht in einer Steigerung der stofflichen Verwertung von Altholz durch - Entwicklung altholzgerechter, innovativer Sortier- und Zerkleinerungsverfahren - Generelle Steigerung der Wirtschaftlichkeit der stofflichen Altholznutzung durch eine maßgeschneiderte, auf den Rohstoffeigenschaften basierende Weiterverarbeitung - Orientierende Versuche zur Erhöhung der Rohstoffqualität als Voraussetzung für die Produktion von Holzwerkstoffplatten - Erprobung innovativer Sortierverfahren zur Entfernung kritischer Fehlwürfe aus ansonsten stofflich zu verwertenden Altholzsortimenten Das vorgeschlagene Konzept - Fusion der Signale optischer bildgebender Verfahren (Farbkameratechnik) mit NIR-Spektroskopie bei Auswertung durch Methoden der künstlichen Intelligenz (KI) und des maschinellen Lernens (Deep Learning) in Kombination mit innovativer Zerkleinerungstechnik - hat das Potenzial, die Sortierung und Verwendung von Altholz deutlich zu verbessern. Methoden der künstlichen Intelligenz haben bereits in zahlreichen anderen Anwendungsgebieten, z.B.im maschinellen Bildverstehen, autonomen Fahren und in der Spracherkennung, zu signifikanten Fortschritten geführt.
Das Gesamtziel des Vorhabens besteht in einer Steigerung der stofflichen Verwertung von Altholz durch - Entwicklung altholzgerechter, innovativer Sortier- und Zerkleinerungsverfahren - Generelle Steigerung der Wirtschaftlichkeit der stofflichen Altholznutzung durch eine maßgeschneiderte, auf den Rohstoffeigenschaften basierende Weiterverarbeitung - Orientierende Versuche zur Erhöhung der Rohstoffqualität als Voraussetzung für die Produktion von Holzwerkstoffplatten - Erprobung innovativer Sortierverfahren zur Entfernung kritischer Fehlwürfe aus ansonsten stofflich zu verwertenden Altholzsortimenten Das vorgeschlagene Konzept - Fusion der Signale optischer bildgebender Verfahren (Farbkameratechnik) mit NIR-Spektroskopie bei Auswertung durch Methoden der künstlichen Intelligenz (KI) und des maschinellen Lernens (Deep Learning) in Kombination mit innovativer Zerkleinerungstechnik - hat das Potenzial, die Sortierung und Verwendung von Altholz deutlich zu verbessern. Methoden der künstlichen Intelligenz haben bereits in zahlreichen anderen Anwendungsgebieten, z.B.im maschinellen Bildverstehen, autonomen Fahren und in der Spracherkennung, zu signifikanten Fortschritten geführt.