16.10.2017

Kapsch Factory1: Wie mit Big Data die Zukunft vorausgesagt wird

Das niederländische Startup Fileradar arbeitet im Accelerator Factory1 gemeinsam mit Kapsch an einem Verkehrs-Vorhersagesystem. Ein erstes gemeinsames Projekt wird in Madrid umgesetzt.
/artikel/kapsch-factory1-fileradar
(c) Kapsch: Das Fileradar-Team (l.) Mit Kapsch-Lead-Mentor Benoit Robinet (r.)
sponsored

Viele Menschen haben es im Laufe der Geschichte versucht – manche erfolgreicher, manche weniger erfolgreich: Die Zukunft vorhersehen. Dieser alte Traum kann nun dank der technischen Entwicklung in Erfüllung gehen. Während man sich in alten Zeiten auf göttliche Eingebung, Glaskugeln und dergleichen verließ, baut das niederländische Startup Fileradar im Accelerator-Programm Kapsch Factory1 auf Big Data und Machine Learning. Das Ziel ist dann auch etwas bescheidener (und realistischer), als jenes von Nostradamus und Co: 10 bis 15 Minuten im Voraus will Fileradar die Verkehrssituation vorhersagen.

+++ Kapsch: Hinter den Kulissen von Factory1 +++

Nicht nur reine Verkehrsdaten…

“Wir verwenden sowohl Daten über die aktuelle Verkehrssituation als auch große Datensets zum gegebenen Straßenzug aus der Vergangenheit. Über einen Machine Learning-Ansatz sagt unser System dann die wahrscheinlichste Verkehrsentwicklung voraus”, erklärt Fileradar-Co-Founder Frank Zuurbier. Project Engineer Peter Biczók ergänzt: “Was uns von anderen unterscheidet ist, sind die Daten, die wir nutzen.” Denn man verwende bei Fileradar nicht nur direkte Verkehrsdaten, sondern Informationen über unterschiedlichste Parameter, die auf den Verkehr Einfluss haben. So fließen etwa auch Wetterdaten, Informationen über größere Events in der Gegend und Berichte über Unfälle in die Analyse.

… auch Tweets fließen in die Analyse

Eine wichtige Rolle spielen dabei Social Media. “Dass es irgendwo einen Verkehrsunfall gab, wird oft schneller getwittert, als es bei den Verkehrsbehörden landet”, erklärt Biczók. Dabei kombiniere immer eine ganze Reihe von Daten, um Fehlinformationen zu eliminieren: “Ein einzelner Tweet ist ebenso unzuverlässig, wie die Daten eines einzelnen Verkehrssensors.” Generell erwarte man aber auch keine gezielt gestreuten Fehlinformationen im Verkehrsbereich. Vorsicht sei jedenfalls geboten: “Wir hatten einmal einen Tweet über einen ‚Unfall‘, bei dem das falsche Papierformat gewählt wurde, nämlich A4”, erzählt Zuurbier. Das System wertete dies als Hinweis zu einem Verkehrsunfall auf der Autobahn A4.

Mit Kapsch zu neuen Märkten

In der Heimat, den Niederlanden, hat das Unternehmen, das vor sieben Jahren an der Universität Delft gegründet wurde, bereits eine Kooperation mit der Verkehrsbehörde und ist in mehreren Städten aktiv. Über die Zusammenarbeit mit Kapsch soll nun ein größerer Markt erschlossen werden. “Wir dachten uns, wir können es nicht stemmen, einfach loszuziehen und weltweit bei jeder Verkehrsbehörde anzuklopfen, ob sie an unserem Produkt interessiert sind. Wir sollten einen Partner finden, der diese Kontakte bereits hat und diese Märkte bereits abdeckt”, erzählt Zuurbier. Die Ausschreibung der Kapsch Factory1 hätte sich dabei perfekt ergeben.

„Fügt sich perfekt in unser Kerngeschäft“

“Was Fileradar macht, fügt sich wirklich perfekt in unser Kerngeschäft”, ergänzt Eric Karl Diethelm von Kapsch TrafficCom, der im Accelerator als Mentor für das Startup fungiert. “Ein tieferes Verständnis für die vorhandenen Daten zu erlangen und immer mehr aus ihnen herauszuholen ist eines unserer wichtigsten Ziele”, sagt er. Konkret haben Fileradar und Kapsch im Rahmen der Factory1 ein gemeinsames Projekt in Spaniens Hauptstadt Madrid. Das System wird dort für einen etwa fünf Kilometer langen Straßenzug mit 15 Kreuzungen implementiert, den Kapsch bereits seit längerem betreut.

„Die Verkehrsvorhersage ist kein Selbstzweck. Sie nutzt nur dann etwas, wenn man etwas aus den Ergebnissen macht“

Evaluierung führt zu konkreten Vorschlägen

“Wir haben dort zunächst sechs Monate lang Verkehrsdaten gesammelt. Seit September sind wir mit unserem System live”, erzählt Zuurbier. Im nächsten Schritt werde man die Performance in dieser ersten Phase evaluieren. “Das Schöne daran, wenn man 10-Minuten-Voraussagen macht ist, dass man zehn Minuten später weiß, ob man richtig gelegen ist”, sagt Biczók dazu. Doch man verfolge bereits weitere Ziele in Madrid. “Die Verkehrsvorhersage ist kein Selbstzweck. Sie nutzt nur dann etwas, wenn man etwas aus den Ergebnissen macht”, sagt Zuurbier. In diesem Fall wolle man etwa nachher Vorschläge liefern können, die Ampelschaltung effizienter zu gestalten.

„Blicken auf eine sehr reichhaltige Daten-Zukunft“

Außerdem wolle man das Konzept mit den gewonnenen Daten und der weiteren Verbesserung des Machine Learning Systems immer schneller auf neue Orte ausweiten können. “Früher wurden Verkehrsmodelle manuell erstellt. Für so einen Straßenzug wie in Madrid hätte das etwa ein halbes Jahr lang gedauert. Wir sind jetzt bald soweit, dass wir das in unter einer Woche automatisiert machen können”, sagt Biczók. Wichtig sei es nun auch, das System auf Orte ausweiten zu können, die über keine so gute Datenlage verfügten. Auch an der stärkeren Integration von Daten, die von Fahrzeugen selber kommen, arbeite man bereits intensiv, so habe man etwa eine Kooperation mit dem Navigationssystem-Hersteller Tom Tom. “Wir blicken auf eine sehr reichhaltige Daten-Zukunft. Und wir sind dafür bereit”, sagt Zuurbier.

+++ Kapsch Factory1: Wenn Autos andere Fahrzeuge vor Gefahren warnen +++

Deine ungelesenen Artikel:
16.11.2026

Wiener Unternehmen 3Binfra entwickelt mit RailCity virtuelle Eisenbahn

66 Kilometer Schienennetz, vier Bahnlinien und 50 virtuelle Mitarbeitende: Das Wiener Softwareunternehmen 3Binfra hat mit RailCity eine digitale Referenzbahn entwickelt. Sie soll die Entwicklung und Einführung von Softwarelösungen für Bahninfrastruktur vereinfachen.
/artikel/wiener-unternehmen-3binfra-entwickelt-mit-railcity-virtuelle-eisenbahn
16.11.2026

Wiener Unternehmen 3Binfra entwickelt mit RailCity virtuelle Eisenbahn

66 Kilometer Schienennetz, vier Bahnlinien und 50 virtuelle Mitarbeitende: Das Wiener Softwareunternehmen 3Binfra hat mit RailCity eine digitale Referenzbahn entwickelt. Sie soll die Entwicklung und Einführung von Softwarelösungen für Bahninfrastruktur vereinfachen.
/artikel/wiener-unternehmen-3binfra-entwickelt-mit-railcity-virtuelle-eisenbahn
CEO von 3Binfra: Stefan Pertl | (c) 3Binfra

Gleise, Weichen, Brücken und Tunnel haben eines gemeinsam: Sie müssen über Jahrzehnte hinweg instand gehalten werden. Für Bahninfrastrukturbetreiber bedeutet das hohe Kosten und komplexe technische Herausforderungen. Genau hier setzt das Wiener Softwareunternehmen 3Binfra an.

Das Unternehmen wurde 2007 von Stefan Pertl gegründet. Zuvor hatte er rund zehn Jahre in Deutschland für Bahnunternehmen gearbeitet. Dabei fiel ihm auf, dass sich viele Aufgaben bei unterschiedlichen Bahnbetreibern wiederholten, es aber an spezialisierter Software fehlte.

„Wir haben uns recht naiv gedacht: Machen wir doch eine Standardsoftware für Eisenbahninfrastruktur“, erzählt Pertl. Der Einstieg in den Markt gestaltete sich anfangs herausfordernd. 2015 gewann das Unternehmen mit den ÖBB und der ungarischen MÁV zwei Großkunden. Mittlerweile setzen über 15 Bahnkunden auf die Softwareplattform Infralife, mit der Bahninfrastruktur verwaltet und Instandhaltungsmaßnahmen geplant werden können.

RailCity bündelt Erfahrungen von 15 Bahnkunden

Im September 2026 stellte 3Binfra auf der Verkehrsfachmesse InnoTrans in Berlin sein neues Projekt RailCity vor. Dahinter steckt keine neue Software, sondern eine virtuelle Referenzbahn, die das Wissen aus den bisherigen Kundenprojekten des Unternehmens bündelt.

„Wir brauchen ein Modell einer harmonisierten Bahn, ein Modell, das für alle Bahnen funktioniert“, erklärt Pertl. Denn obwohl sich die Anforderungen unterschiedlicher Bahnbetreiber häufig ähneln, unterscheiden sich ihre technischen Systeme und organisatorischen Abläufe.

RailCity bildet deshalb ein fiktives, 66 Kilometer langes Schienennetz mit vier unterschiedlichen Streckentypen ab: einer Gebirgsbahn, einer Regionalstrecke, einer Intercity-Strecke und einer Industriebahn. Das Modell umfasst Tausende Infrastrukturanlagen, darunter Gleise, Weichen, Brücken, Signalanlagen und Bahnhöfe. Hinzu kommen technische Regelwerke, typische Arbeitsabläufe und eine virtuelle Organisation mit rund 50 Mitarbeitenden.

„Das RailCity-Modell ist keine Software, sondern bündelt unser gesamtes Bahn-Domänenwissen“, betont Pertl. Vereinfacht gesagt liefert RailCity eine digitale Mustereisenbahn samt realistischen Daten und Abläufe. Jede Anlage hat einen definierten Standort innerhalb des Netzes sowie eine virtuelle Historie, die ihren Zustand, ihre Wartung und ihre Entwicklung über Jahrzehnte abbildet.

Auf dieser Grundlage können unterschiedliche Wartungsstrategien, Zustandsbewertungen und Managementansätze getestet und verglichen werden. Die Daten lassen sich grundsätzlich in verschiedenen Softwarelösungen verwenden. 3Binfra selbst nutzt dafür seine bestehende Plattform Infralife.

„Infrastruktur erlebbar machen“

RailCity soll vor allem die Entwicklung, Demonstration und Einführung neuer Softwarefunktionen erleichtern. Statt dafür auf die Daten einzelner Bahnkunden zurückzugreifen, kann 3Binfra neue Funktionen anhand der virtuellen Referenzbahn zeigen. Auch potenziellen Neukunden soll das Modell veranschaulichen, wie eine Softwarelösung in ihrer eigenen Infrastruktur eingesetzt werden könnte. Pertl bezeichnet RailCity deshalb als „Projektbeschleuniger“.

„Es ist eine Spielwiese mit realistischen Daten“, sagt Pertl. Sein Ziel sei es, die komplexen Prozesse der Bahnbranche verständlicher darzustellen und damit „Infrastruktur erlebbar zu machen“. Langfristig soll RailCity auch anderen Softwareanbietern, Forschungseinrichtungen und Universitäten offenstehen. 3Binfra verfolgt damit das Ziel, eine gemeinsame europäische Referenz für Bahninfrastruktur zu schaffen.

KI soll virtuellen Bahnbetrieb simulieren

Künstliche Intelligenz spielte bei der Erstellung des Referenzsystems eine Rolle. Sie half dabei, tausende Anlagen mit realistischen Daten und einer bis zu 100-jährigen Historie auszustatten. Pertl stellt allerdings klar: „Das RailCity-Modell selbst ist eine AI-freie Zone.“ Die grundlegende Struktur, die Regelwerke und organisatorischen Abläufe basieren auf dem Fachwissen des Unternehmens. KI wurde eingesetzt, um die Datenbestände in großem Umfang aufzubauen.

Künftig sollen jedoch KI-Agenten auch den laufenden Betrieb der virtuellen Eisenbahn unterstützen, indem sie beispielsweise Störungen und Arbeitsabläufe simulieren. Diese Funktionen befinden sich laut Pertl noch in Entwicklung.

Eigenfinanziert mit rund 40 Mitarbeitenden

3Binfra beschäftigt derzeit rund 40 Personen, davon 35 Festangestellte in Wien. Etwa die Hälfte des Teams arbeitet im IT-Bereich, die andere Hälfte besteht aus Eisenbahnexpert:innen. Das Unternehmen finanziert sich laut Pertl aus dem eigenen Cashflow.

Mit RailCity will 3Binfra nicht nur seine bestehende Software weiterentwickeln, sondern auch den Austausch innerhalb der Bahnbranche fördern. Langfristig sollen weitere Unternehmen und Forschungseinrichtungen an dem Modell mitarbeiten.

„Schön wäre es natürlich, wenn auf RailCity nicht nur 3Binfra draufsteht, sondern vielleicht auch andere Namen“, sagt Pertl. Für ihn steht fest, dass die Weitergabe von Wissen ein wichtiger Bestandteil der künftigen Entwicklung ist: „Wer nichts verrät und nichts zeigt, wird keinen Erfolg haben.“

Toll dass du so interessiert bist!
Hinterlasse uns bitte ein Feedback über den Button am linken Bildschirmrand.
Und klicke hier um die ganze Welt von der brutkasten zu entdecken.

brutkasten Newsletter

Aktuelle Nachrichten zu Startups, den neuesten Innovationen und politischen Entscheidungen zur Digitalisierung direkt in dein Postfach. Wähle aus unserer breiten Palette an Newslettern den passenden für dich.

Montag, Mittwoch und Freitag

AI Summaries

Kapsch Factory1: Wie mit Big Data die Zukunft vorausgesagt wird

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Kapsch Factory1: Wie mit Big Data die Zukunft vorausgesagt wird

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Kapsch Factory1: Wie mit Big Data die Zukunft vorausgesagt wird

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Innovationsmanager:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Kapsch Factory1: Wie mit Big Data die Zukunft vorausgesagt wird

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Investor:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Kapsch Factory1: Wie mit Big Data die Zukunft vorausgesagt wird

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Politiker:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Kapsch Factory1: Wie mit Big Data die Zukunft vorausgesagt wird

AI Kontextualisierung

Was könnte das Bigger Picture von den Inhalten dieses Artikels sein?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Kapsch Factory1: Wie mit Big Data die Zukunft vorausgesagt wird

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Kapsch Factory1: Wie mit Big Data die Zukunft vorausgesagt wird

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Kapsch Factory1: Wie mit Big Data die Zukunft vorausgesagt wird