- Research Article
1
- 10.1365/s40702-025-01185-5
Entwicklung von ML-basierten Vorhersagesystemen für den Energieverbrauch von Elektrobussen im öffentlichen Nahverkehr
- May 21, 2025
- HMD Praxis der Wirtschaftsinformatik
- Marten Borchers + 5 more +5
Zusammenfassung Die Transformation des öffentlichen Personennahverkehrs (ÖPNV) hin zu emissionsneutralen Antrieben ist für die Erreichung der Nachhaltigkeitsziele der UN als auch nationaler Strategien unabdingbar. In der EU wird dies insbesondere durch den European Green Deal forciert, der vorschreibt, dass alle ÖPNV-Betriebe ihr Fahrzeugflotten bis 2050 auf nachhaltige Antriebstechnologien umstellen müssen. Dies erfolgt in Abwägung zwischen Kosten und Emissionen aktuell in erster Linie mit der Beschaffung und Inbetriebnahme elektrisch betriebener Busse (E-Busse). Betrieb und Einsatz weichen dabei von klassischen Dieselbussen ab, da die Reichweiten begrenzt und zudem von zahlreichen Faktoren abhängen. Erste adaptive, auf Machine Learning (ML) basierende Ansätze für die Vorhersage des Energieverbrauchs wurden bereits in der Wissenschaft untersucht, bleiben aber meist theoretischer Natur und eine praxisnahe Betrachtung unter Einbezug betrieblicher Daten fehlt. Der vorliegende Beitrag schließt diese Lücke und stellt die Ergebnisse, die in Kooperation mit der Hamburger Hochbahn AG erarbeitet wurden, vor. Mit einem anwendungszentrierten und gestaltungsorientierten Ansatz sind betriebliche Daten analysiert, fünfzehn Experteninterviews durchgeführt und mehrere ML-Modelle trainiert worden, um Energieverbräuche von E‑Bussen mit einer durchschnittlichen Abweichung von unter 0,4 % zuverlässig vorherzusagen. Dies als auch identifizierte Herausforderungen und acht fundierte Gestaltungsempfehlungen, die die Entwicklung von Vorhersagensystemen für E‑Busse unterstützen, werden im Folgenden beschrieben, um die Transformation hin zur nachhaltigen und effizienten Mobilität zu fördern.
Read more