this post was submitted on 19 Jun 2023
50 points (98.1% liked)

DACH - jetzt auf feddit.org

8872 readers
1 users here now

Diese Community wird zum 01.07 auf read-only gestellt. Durch die anhäufenden IT-Probleme und der fehlende Support wechseln wir als Community auf www.feddit.org/c/dach - Ihr seid herzlich eingeladen auch dort weiter zu diskutieren!

Das Sammelbecken auf feddit für alle Deutschsprechenden aus Deutschland, Österreich, Schweiz, Liechtenstein, Luxemburg und die zwei Belgier. Außerdem natürlich alle anderen deutschprechenden Länderteile der Welt.

Für länderspezifische Themen könnt ihr euch in folgenden Communities austauschen:

Eine ausführliche Sidebar findet ihr hier: Infothread: Regeln, Feedback & sonstige Infos

Auch hier gelten die Serverregeln von https://feddit.de !

Banner: SirSamuelVimes

founded 1 year ago
MODERATORS
top 33 comments
sorted by: hot top controversial new old
[–] [email protected] 32 points 1 year ago* (last edited 1 year ago)

Klatscht KI-Pflaster auf Sollbruchstelle

[–] [email protected] 28 points 1 year ago (1 children)

Wirkt jetzt erstmal wie eine vernünftige KI Anwendung Züge danach zu priorisieren welchen Einfluss ihre Verspätung auf das gesamt Netz hätten. Ist halt schade das trotzdem nicht die Ursache (mangelnder Ausbau, Wartung...) der Verspätungen effektiver angegangen werden können.

[–] [email protected] 5 points 1 year ago (2 children)

So, wie das im Artikel beschrieben ist, klingt das technisch gesehen eher nach einem Optimierungssystem als einer "KI". Ersteres erscheint mir eine sinnvolle technische Anwendung, wenn ein stabiles und erwartbares System mit bekannten Parametern vorliegt, wie das für ein Schienennetz der Fall ist. Aber zweiteres verkauft sich halt einfach besser.

[–] [email protected] 14 points 1 year ago (3 children)

Das Problem mit herkömmlicher Modellierung wird die Komplexitätsexplosion sein, denn alles beeinflusst alles und das auch noch lange und Zeit kann man sich auch nicht lassen denn die Weichen müssen gestellt werden. NP-Komplett würde mich jetzt nicht überraschen.

ML-Ansätze sind geeignet sehr schnell ungenaue, aber trotzdem gute Antworten zu liefern. "Pi mal Daumen" ist halt schon ein guter Ansatz wenn's ein Experte macht der tagein tagaus nichts anderes tut als Echtzeit-Streckendaten zu fressen.

[–] [email protected] 3 points 1 year ago

Diese ganzen Schedulinggeschichten in Zugnetzen sind alle NP-schwer, ja.

[–] [email protected] 2 points 1 year ago

Das ist ein berechtigter Einwand, hast Recht. Hatte mich auf die Beschreibung "Die KI berechnet dann unter Einbeziehung der näheren Zukunft" bezogen und damit von einem eher lokal begrenzten Problem ausgegangen.

Ich hab mich beim Lesen des Artikels gefragt, ob die Pi mal Daumen Lösung ausreichend für so etwas wie den Anwendungsfall der DB ist. Aber da können wir anhand des Artikels wohl nur mutmaßen.

[–] [email protected] 1 points 1 year ago (1 children)

Es würde mich aber auch nicht wundern, wenn da so viele externe Faktoren zusammenkommen, dass eine KI da auch nicht zu besseren Ergebnissen kommt.

[–] [email protected] 2 points 1 year ago

Ich gehe davon aus dass deren jetziges Modell auch nicht mehr als Pi mal Daumen ist, und zwar das der Weichensteller in ner Zentrale, eben weil das Problem viel zu komplex ist als es in Echtzeit lösen zu können.

Du kannst das Modell vereinfachen um es praktisch berechenbar zu machen aber dann stellt sich die Frage wo und wie man vereinfachen sollte, das ist keine triviale Frage und kann von Situation zu Situation unterschiedlich sein.

Oder, andersrum gesagt: Du kannst dich 20 Jahre lang hinsetzen und 100 Doktararbeiten produzieren und hast immer noch keine garantiert optimalen Antworten, oder du kannst dir ein paar A100 schnappen und den Computer das lernen lassen.

Man sollte ML echt nicht unterschätzen wenn's um chaotische Systeme geht.

[–] [email protected] 3 points 1 year ago

Der Beschreibung nach klingt das stark nach einem klassischen "Model Predictive Control"-Verfahren (was aber aufgrund der Vagheit des Artikels schwer zu verifizieren ist).

Bei so einem Verfahren wird ein Optimierungsproblem gelöst der Form "Welche Aktionen muss ich jetzt durchführen, damit die Güte des Verhaltens in den Nächsten t Zeitschritten möglichst gut ist". Das ist dann ein Optimierungsproblem mit endlich vielen Variablen, wo dann Löseverfahren drauf geschmissen werden können (wie sie für NP-schwere Probleme häufig verwendet werden).

Insgesamt also: Ja, sehe ich genau wie du. Diese Model Predictive Control Algorithmen gibt es weit vor der aktuellen KI-Welle. Je nach Definition ist aber so ziemlich alles KI, und dann passt es wieder.

[–] [email protected] 26 points 1 year ago (1 children)

Ich habe auch mal ChatGPT gefragt, die Bahn darf es gerne hier abschreiben.

Frage: Wie kann die DB Verspätungen reduzieren?

Antwort: Die Deutsche Bahn (DB) kann verschiedene Maßnahmen ergreifen, um Verspätungen zu reduzieren. Hier sind einige mögliche Ansätze:

Infrastrukturverbesserungen: Die DB kann in die Modernisierung und Instandhaltung ihrer Infrastruktur investieren, einschließlich des Gleisnetzes, der Signaltechnik und der Bahnhöfe. Dadurch können Engpässe und technische Probleme verringert werden, die zu Verspätungen führen.

Pünktlichkeitsmanagement: Die DB kann ihre internen Prozesse und Abläufe optimieren, um den Fahrplan besser einhalten zu können. Dies beinhaltet die Koordination der Zugbewegungen, die verbesserte Wartung der Züge und die rechtzeitige Bereitstellung von Personal.

Kapazitätserweiterung: Durch den Ausbau und die Erweiterung von Streckenabschnitten mit hoher Nachfrage kann die DB die Kapazität erhöhen und die Wahrscheinlichkeit von Verspätungen aufgrund von Überlastung verringern.

Verbessertes Informationsmanagement: Die DB kann die Kommunikation mit den Fahrgästen verbessern, indem sie Echtzeitinformationen über Verspätungen und alternative Verbindungen bereitstellt. Dadurch können Fahrgäste rechtzeitig über Änderungen informiert werden und gegebenenfalls Alternativen wählen.

Zusammenarbeit mit anderen Verkehrsunternehmen: Die DB kann die Zusammenarbeit mit regionalen Verkehrsbetrieben und anderen Verkehrsträgern verbessern, um einen reibungsloseren Übergang zwischen verschiedenen Verkehrsmitteln zu ermöglichen und so Verspätungen zu verringern.

Investition in neue Technologien: Die DB kann in moderne Technologien investieren, die zur Verbesserung der Pünktlichkeit beitragen, wie z.B. automatische Zugsteuerungssysteme oder fortschrittliche Wartungstechnologien, die frühzeitig auf mögliche Störungen hinweisen.

Es ist wichtig anzumerken, dass Verspätungen im Bahnverkehr von vielen Faktoren abhängen, darunter auch externe Einflüsse wie das Wetter oder Unfälle. Die DB arbeitet kontinuierlich daran, die Pünktlichkeit zu verbessern, aber einige Faktoren liegen außerhalb ihrer direkten Kontrolle.

[–] [email protected] 6 points 1 year ago

Ich habe Mal den Ausspruch gehört, die Bahn wird nur von 4 Sachen überrascht: Frühling, Sommer, Herbst und Winter. Tatsächlich könnte man als außenstehende Person auf die Idee kommen, dass diese 4 Events irgendeinem Muster folgen...

[–] [email protected] 15 points 1 year ago (4 children)

Ich finde es irgendwie speziell, dass es immer große Nachrichten sind, wenn die Bahn verlautet, etwas gegen Verspätungen zu tun.
Ist das nicht verdammt nochmal die Aufgabe der Bahn??

Im Kreise meiner Mitarbeiter geht auch nicht jedes Mal ne Meldung raus, wenn ich arbeite und meine Arbeit plane. Wenn es so wäre, würde ich mir ernsthaft Sorgen machen und mich fragen, wie lange ich diesen Job behalte.

[–] [email protected] 13 points 1 year ago* (last edited 1 year ago)

Die Mitteilung findet sich einfach auf der Newsroom-Seite der DB: https://www.deutschebahn.com/de/presse/pressestart_zentrales_uebersicht/Deutsche-Bahn-weitet-Einsatz-von-KI-fuer-puenktlichere-Zuege-aus-10771280

Wenn eine Abteilung ein neues Tool entwickelt und über 2 Jahre erfolgreich testet ist das durchaus eine Mitteilung wert.

Wenn deine Firma das nicht macht, würde ich mir ehrlich Sorgen über die Unternehmenskommunikation machen.

[–] [email protected] 7 points 1 year ago

Ich kündige an ab morgen pünktlich zur Arbeit zu kommen. Mein Chef wird es lieben.

[–] [email protected] 5 points 1 year ago (1 children)

Aus der Praxis kenne ich das genau andersrum: Nur wer seine Arbeit auch sichtbar macht, wird befördert.

[–] [email protected] 4 points 1 year ago (1 children)

Rettungsdienst Ostwestfalen-Lippe arbeitet zukünftig daran, Menschen nicht mehr sterben zu lassen.

[–] [email protected] 6 points 1 year ago

Wenn du wüsstest, auf welchem Zahnfleisch manche Wachen daherkommen, ist die Meldung gar nicht so unwahrscheinlich.

[–] [email protected] 1 points 1 year ago

Die Methode ist halt neu. Und sie ist technisch interessant. Einfach Schienennetz ausbauen kann ja jeder 😉

[–] [email protected] 11 points 1 year ago (1 children)

Ich wäre sehr interessiert daran, welche mathematischen Modelle für die Modelierung des Verkehrs auf der Schiene verwendet werden. Wenn jemand dazu Literatur kennt, her damit ;-)

[–] [email protected] 3 points 1 year ago (2 children)
[–] [email protected] 1 points 1 year ago (1 children)

Jetzt noch die Zusammenfassung für den Informatik-Bachelor bitte 😉

[–] [email protected] 1 points 1 year ago

Es ist schwierig :D

[–] [email protected] 1 points 1 year ago

Danke, da werd ich mal reinschauen!

[–] [email protected] 6 points 1 year ago (1 children)

Ich wär schon froh, wenn die Verspätungen/Zugausfälle überall zeitnah und halbwegs realistisch angezeigt würden ...

[–] [email protected] 2 points 1 year ago

Dafür braucht man auch KI.

[–] [email protected] 6 points 1 year ago
[–] [email protected] 3 points 1 year ago

Die Tatsache, dass sie das auf Einzelstrecken machen klingt sehr vernünftig. Da kann man das ganze Problem in nen lineares Programm schmeißen, und bekommt vermutlich in Echtzeit ne Antwort. Wäre interessant zu wissen, ob sie überhaupt irgendwelche maschinellen Lernverfahren einsetzen, oder alle Parameter ihres Modells einfach kennen.

[–] [email protected] 2 points 1 year ago

Ich wäre ja eher für Feenstaub...

load more comments
view more: next ›