KI-gestützte Fahrgastzählung für den ÖPNV: Technik, Datenschutz und Hardware müssen Hand in Hand gehen

KI gestützte Fahrgastzählung

• 13.10.2025
• Florian Deuring

Fahrgastzählungen im ÖPNV schaffen die Grundlage für effiziente Planung und Steuerung. Sie liefern belastbare Daten zu Auslastung, Spitzenzeiten und Streckenbelastung. Auf dieser Basis können Linien, Taktungen und Fahrzeuggrößen angepasst, Investitionen gezielt gesteuert und Fördermittel bedarfsgerecht beantragt werden. Besonders vielversprechend sind dabei moderne Technologien wie künstliche Intelligenz. Doch wie lässt sich eine KI-gestützte Fahrgastzählung umsetzen, die sicher, rechtlich korrekt und technisch robust ist?

Welche Hindernisse gibt es bei der KI-gestützten Fahrgastzählung?

Entscheider im ÖPNV benötigen verlässliche Daten, um Flotten an tatsächliche Kapazitätsbedarfe anzupassen. Doch herkömmliche Methoden sind aufwendig und verursachen lange Vorlaufzeiten.

Eine weitere Hürde betrifft den Datenschutz und die Datensicherheit bei der Erfassung persönlicher und sensibler Daten, wie zum Beispiel beim Aufnehmen von Personen mit Kameras und der Erstellung von Bewegungsdaten. Hier gilt es, die individuelle Rückverfolgbarkeit bis hin zu einzelnen Personen zu unterbinden. Vernetzte Komponenten bieten darüber hinaus Angriffsflächen für Cyberattacken, wodurch ein zusätzliches Risiko für die Integrität und Vertraulichkeit der Daten besteht.

Dazu kommen technische Herausforderungen. Die eingesetzte Hardware muss in der Lage sein, enorme Mengen an Sensordaten in Echtzeit zu erfassen und schnell zu verarbeiten – insbesondere, wenn davon zum Beispiel die Echtzeit-Disposition von Verkehrsmitteln abhängt. Für diese Aufgaben sind robuste Edge-Computing-Lösungen erforderlich, die direkt vor Ort, etwa in Fahrzeugen oder an Haltestellen, Daten erfassen, verarbeiten und an ein zentrales System weiterleiten. KI-Algorithmen zur Verbesserung der Erfassungsgenauigkeit und für die Erstellung von Prognosen erhöhen den Anspruch an Rechenleistung, Speicher und zuverlässige Konnektivität zusätzlich. Geräte müssen darüber hinaus für den dauerhaften Einsatz geeignet sein. Das erfordert entsprechende Widerstandsfähigkeit gegenüber Temperatur, Feuchtigkeit und Vibration.

• Use-Case Smart Mobility: Fahrgastzählung in einer deutschen Universitätsstadt
• Mehr zur Vecow AIC-100-Serie: ARM-basierte IoT Gateways
• Einsatz von Industrie-PCs zur Steuerung urbaner Systeme

Wie lässt sich eine KI-gestützte Fahrgastzählung umsetzen?

Um eine KI-gestützte Fahrgastzählung im ÖPNV stärker umzusetzen, empfiehlt sich ein schrittweises Vorgehen von der Erstellung des konkreten Use-Cases, über die Installation von Prototypen im Rahmen eines Pilotprojekts bis zum Roll-out der Lösung auf die gesamte Flotte oder den Verkehrsverbund. Praktische Erfahrungen aus den Tests rund um Sensorik, KI-Verarbeitung und Datenfluss müssen dabei kontinuierlich integriert werden, damit die Datenerfassung im finalen Projekt zuverlässig funktioniert.

Geht es dann an die konkrete Umsetzung, muss zunächst das Sicherheitskonzept implementiert werden. Dies beinhaltet die Anonymisierung und Verschlüsselung der erfassten Personendaten möglichst direkt auf den Sensoren beziehungsweise im ersten Schritt der Datenverarbeitung, um die Rückverfolgung einzelner Personen zu verhindern. Wichtig ist in diesem Zusammenhang die Einhaltung der BSI-Richtlinie TR-03187 (Sicherheitsanforderungen an Urbane Datenplattformen). Sie schafft den Rahmen für Security-by-Design, Zugriffskontrollen und Datensicherheit. Zero-Trust-Prinzipien in Netzwerkarchitektur und regelmäßige Audits helfen darüber hinaus, die Datenintegrität zu sichern.

Was die Hardware betrifft, so spielt Edge-Computing eine wichtige Rolle. Darunter versteht man die Datenverarbeitung direkt am Ort der Erfassung – sprich: durch spezielle PCs, die in Fahrzeugen oder an Haltestellen installiert werden. Dieses Vorgehen beschleunigt die Datenverarbeitung, senkt die Menge der übertragenen Daten und trägt damit zur Datensicherheit bei. IoT-Gateways mit robustem Design verarbeiten die Rohdaten, filtern vor und senden aggregierte Daten in die Cloud. Die Kombination mit cloudbasierter KI ermöglicht dann komplexe Prognosen und Musteranalysen über größere Gebiete sowie automatisierte Vorschläge für die Anpassung von Linien und Verkehrsmitteln.

Welche Hardware ist für die KI-gestützte Fahrgastzählung geeignet?

Das IoT-Gateway gilt als Herzstück von Fahrgastzählungssystemen. Es übernimmt die Vorverarbeitung, das Schnittstellenmanagement und Sicherheitsaufgaben. Es stellt zudem das Bindeglied zwischen Sensorik und weiterführender Analyse dar. Anforderungen an ein geeignetes Gerät sind:

• Robustheit: Betrieb unter extremen Bedingungen wie Temperatur, Vibration, Feuchtigkeit
• Schnittstellenvielfalt: LAN, COM, isolierte E/A, Mobilfunk-Anbindung
• Energieeffizienz: geringer Stromverbrauch bei ausreichender Rechenleistung
• Edge-KI-Fähigkeit: Ausreichend Rechenleistung zur lokalen Ausführung von KI-Algorithmen
• Sicherheit: Verschlüsselung, Hardware-Schutzmechanismen, Updatefähigkeit

Besonders geeignet sind für solche Anwendungen und Einsatzgebiete die PC-Systeme von Vecow. Das amerikanisch-taiwanesische Unternehmen entwickelt und produziert Embedded-Systeme und Box-PCs, die speziell für die lokale Ausführung von KI-Algorithmen optimiert sind und zahlreiche Schnittstellen für die einfache Integration bieten. Vecow PCs verfügen über leistungsstarke und energieeffiziente Prozessoren und Komponenten und sind mit oft lüfterlosem, robustem Design, erweiterten Temperaturbereichen und flexibler Spannungsversorgung ideal geeignet für den In-Vehicle-Einsatz, für mobile Anwendungen und für die Installation in rauen Umweltbedingungen. Vecow entwickelt für die Systeme auch eigene Software-Anwendungen, zum Beispiel für Fernverwaltung, Update-Management und erweiterte Security-Funktionen. Die Embedded PCs sind mit gängigen KI-Toolsets für die schnelle Entwicklung eigener Applikationen kompatibel.

Vecow AIC-110: Embedded Box PC für In-Vehicle-Anwendungen

Ein konkretes Beispiel für geeignete Hardware ist der Industrie-PC Vecow AIC-110. Er basiert auf einem NXP i.MX6ULL Cortex-A7 Prozessor und arbeitet mit Debian als Betriebssystem. Zwei LAN-Ports, eine USB-2.0-Schnittstelle, zwei serielle Interfaces (RS-232/485), isolierte digitale Ein-/Ausgänge (8 DI/4 DO), zwei CAN-Busse und ein Mini-PCIe-Slot mit SIM-Schnittstelle für Mobilfunk/WLAN machen ihn vielseitig einsetzbar. Die Stromversorgung mit 9-50 V DC und Betriebstemperaturen von minus 25 bis plus 70 Grad Celsius unterstreichen die Eignung für mobile Szenarien. Lüfterloses Design und geringer Energieverbrauch gewährleisten den Einsatz auch in mobilen Anwendungen. Er bietet neueste Edge-Computing-Funktionen, welche die Netzwerkbelastung reduzieren und die Reaktionsgeschwindigkeit bei Echtzeitanforderungen steigern.

Als Ergänzung zu den Embedded Box PCs, die in zahlreichen Konfigurationen und Ausstattungsvarianten von ARM-basierten ultrakompakten Systemen bis hin zu leistungsstarken Rack-Systemen mit umfassender KI-Fähigkeit lieferbar sind, bietet Vecow umfassende Know-how und Produkte rund um Themen wie Echtzeit-Synchronisierung und Hochgeschwindigkeits-Datenübertragung und -verarbeitung.

Neben tragfähigem Konzept, Pilotprojekt und Roll-out-Plan erfordert die Umsetzung derartiger Projekte einen zuverlässigen Hardware-Lieferanten für Geräte für die Fahrgastzählung. Der Vecow AIC-110 zum Beispiel ist lieferbar über die PLUG-IN Electronic GmbH mit Sitz in Alling bei München. Sie ist seit rund 35 Jahren spezialisiert auf Hardware für Mess- und Automatisierungstechnik sowie Beratung und Service rund um Geräte für professionelle Anwendungen und industriellen Einsatz. Kunden aus Industrie, Forschung und Hochschule setzen auf das Unternehmen. Erst kürzlich hat ein Forschungsprojekt in einer mittelgroßen deutschen Stadt ein Projekt zur Erfassung von Fahrgastströmen realisiert, bei dem Verkehrswege sogar über mehrere Verkehrsmittel und Haltestellen hinweg nachvollzogen werden können. Dabei ist unter Einhaltung aller datenschutzrelevanten Vorgaben wie DSGVO etc. kein Rückschluss auf die einzelnen Personen möglich. Auch in diesem Projekt ist PLUG-IN Hardwarepartner und liefert die Edge-PCs von Vecow als Distributions- und Solutions-Partner im DACH-Raum.

• ?Welche Vorteile bietet die KI-gestützte Fahrgastzählung im ÖPNV?

  Die KI-gestützte Fahrgastzählung ermöglicht eine effiziente Planung und Steuerung durch die Bereitstellung belastbarer Daten zu Auslastung, Spitzenzeiten und Streckenbelastung. Dadurch können Linienführungen, Taktungen und die Größe der Fahrzeuge angepasst werden.

• ?Was sind die größten Herausforderungen bei der Umsetzung der KI-gestützten Fahrgastzählung?

  Zu den Herausforderungen gehören die Einhaltung von Vorgaben für Datenschutz- und Datensicherheit, Investitionsbereitschaft und technisches Know-how, sowie die Notwendigkeit technisch robuster Hardwarelösungen zur Echtzeitdatenverarbeitung.

• ?Welche Rolle spielt Edge-Computing in der KI-gestützten Fahrgastzählung?

  Edge-Computing ermöglicht die lokale Verarbeitung großer Sensordatenmengen mit niedriger Latenz, was besonders für Verkehrssteuerung und adaptive Fahrpläne wichtig ist. Robuste IoT-Gateways und KI-Algorithmen erweitern zudem die Möglichkeiten der Datenverarbeitung und Analyse.

• ?Wie wird die datenschutzkonforme Umsetzung der Fahrgastzählung sichergestellt?

  Die Umsetzung erfolgt durch Anonymisierung und Verschlüsselung der erfassten Daten direkt am Sensor, Einhaltung der BSI-Richtlinie TR-03187 und im Einsatz von Sicherheitskonzepten wie Zero-Trust-Netzwerkarchitekturen und regelmäßigen Audits.

• ?Welche Hardware ist für die KI-gestützte Fahrgastzählung besonders geeignet?

  Vecow bietet als Hersteller von Embedded PCs und Komplettlösungen geeignete Hardware für die KI-gestützte Fahrgastzählung. Sie zeichnen sich durch robustes Design, hohe Rechenleistung und vielseitige Schnittstellen aus, sowie durch spezielle Funktionalitäten für mobile Anwendungen und In-Vehicle-Installationen.
  
  Ein konkretes Beispiel ist der Industrie-PC Vecow AIC-110, der sein robustes Design mit einem niedrigen Energieverbrauch verbindet und die lokale Ausführung von KI-Algorithmen unterstützt. Damit ist er ideal geeignet für die Installation in Fahrzeugen und an Verkehrs-Knotenpunkten, auch im Dauereinsatz und unter rauen Umweltbedingungen.