Flexible, digitale Systeme für den schienengebundenen Verkehr in Wachstumsregionen – FlexiDug 

Lage: Lausitz, LEAG Werkbahnnetz, Sachsen 
Fördergeber: mFund Programm des Bundesministeriums für Digitales und Verkehr (Förderprojekt) 
Projektdauer: November 2021 bis Oktober 2024 
Planung: A+S Consult GmbH, Dresden, TU Berlin, Fachgebiet Bahnbetrieb und Infrastruktur, Berlin, Hasso-Plattner-Institut, Professur Betriebssysteme und Middleware; Potsdam, Technische Universität Chemnitz, Professur für Betriebssysteme, Chemnitz, Brandenburgische TU Cottbus-Senftenberg, Professur für verteilte Systeme und Betriebssysteme, Cottbus 
Gesamtkosten: ca. 3,2 Mio. Euro 
BIM-Anwendungsfälle: 010, 030, 040, 050, 070 

Das Projekt FlexiDug stellt sich der Herausforderung, die Nachnutzungsmöglichkeiten des Werkbahnnetzes in den Bergbaurevieren in der Lausitz zu analysieren und neben der Renaturierung die vorhandene Infrastruktur in den Strukturwandel als tragendes Element einzubeziehen. Die Verbesserung des Personenfernverkehrs, wie beispielsweise die Strecke Berlin-Cottbus sowie die verstärkte Flexibilität bei der Arbeit infolge der Corona-Pandemie haben dazu beigetragen, dass das Leben außerhalb von Großstädten attraktiver geworden ist. Dies eröffnet vielversprechende Entwicklungsmöglichkeiten für die Lausitz. 

Die bestehende Infrastruktur soll aus Nachhaltigkeitsgründen bestmöglich einbezogen werden und kann die Regionalplanung maßgeblich beeinflussen. Gleichzeitig hängt der Erfolg von der Schaffung wirtschaftlich tragfähiger Lösungen ab. 

Das Projekt hat drei technische Schwerpunkte: 

1. Sensortechnik: Untersucht die Nutzung von Sensoren in dünn besiedelten Gebieten zur Erfassung von Umweltveränderungen und zur effizienten Datenübertragung und Auswertung im Eisenbahnbetrieb. 
2. Digitale Planung: Ziel ist die Erfassung und Modellierung bestehender Infrastruktur mittels digitaler Modelle und Digitaler Zwillinge, um sie für Streckenfindung und -vergleich nutzbar zu machen. 
3. Migrationsfähige, digitale Leit- und Sicherungstechnik (D.LST): Herausforderung bei der Einführung von D.LST aufgrund strenger Regulierungen und der Schwierigkeit, komplexe Änderungen vorzunehmen. Das Ziel ist eine D.LST, die von Anfang an für zukünftiges Wachstum ausgelegt ist. 

Alle Projektziele eint, dass mit den gefundenen Systemen und Prozessen die schienengebundene Erschließung von heute noch dünn besiedelten Gebieten, wie zum Beispiel der Lausitz, unterstützt werden kann. Daher gibt es ein übergreifendes Arbeitspaket, das analysiert, wie schienengebundener öffentlicher Personennahverkehr (ÖPNV) bei der Erschließung von Siedlungsgebieten mitgedacht werden kann und dafür verstärkt auf existierende Bahnanlagen setzt. Das Projekt analysiert diesen Ansatz und erarbeitet Beispiele in der Region. 

Das Projekt zielt darauf ab, ein spezialisiertes und ausfallsicheres Sensornetzwerk für den Einsatz in der Bahnbetriebsumgebung zu entwickeln, das dazu dient, die Bahninfrastruktur zu überwachen und Probleme aus Betrieb und Unterhaltung frühzeitig zu erkennen. Gleichzeitig werden ein skalierbares Betriebsverfahren und Sicherungstechniken entwickelt, die für den reibungslosen Eisenbahnbetrieb erforderlich sind. Ein wichtiger Schritt ist dabei die Verknüpfung von BIM-Daten des Werkbahnnetzes der LEAG mit den Geobasisdaten der Bundesländer Sachsen und Brandenburg sowie den Fachdaten der DB Netz AG, um einen digitalen Zwilling zu erstellen. Dies ermöglicht eine umfassende Überprüfung der Prototypen und Varianten im Labor. 

Bisher wurde die Planung von Bahninfrastruktur analog und iterativ durchgeführt, ohne eine vollständig digitale Planungskette. Das führte zu verlorenen Synergien. Das Projekt in der Lausitz zeigt, wie ein digitaler Zwilling die Planung flexibler gestalten kann. Das Modell wird früh im Planungsprozess genutzt, um verschiedene Varianten zu entwickeln und Mengen- und Kostenansätze objektiv zu vergleichen. 

Das Datenmodell für Gleisnetze wurde für konventionelle Planungszwecke entwickelt und ist für sich noch nicht BIM-fähig. Das Projekt untersucht automatisierte Verfahren, um das Datenmodell der DB Netz AG in BIM-fähige Modelle zu überführen. 

Ein Bestandsmodell wurde aus öffentlichen Geobasisdaten von Sachsen und Brandenburg erstellt und integriert verschiedene Umwelt- und Infrastrukturdaten. Die Bahninfrastruktur der LEAG wurde ebenfalls in das Modell integriert.

Das Projekt arbeitet an der Verknüpfung des digitalen Zwillings mit der LST-Planung, um frühzeitig Informationen über Fahrmöglichkeiten und Sicherungstechnik zu erhalten. Es unterstützt auch die Betrachtung der Siedlungsstruktur und zeigt, wie vorhandene Infrastruktur in das Modell integriert werden kann, um Planern und der Öffentlichkeit hilfreiche Informationen zu liefern. 

In der zweiten Projekthälfte steht vor allem für die technischen Arbeitsstränge die Umsetzung der bisherigen Arbeiten im Mittelpunkt. Dies kumuliert in der Vorbereitung und Durchführung der Feldtests. Die gesellschaftliche Komponente der Arbeiten, die sich vor allem in der Betrachtung der Strecken und dem vorgeschlagenen Paradigmenwechsel bei der Berücksichtigung des ÖPNV in der Siedlungsplanung zeigen, erfordern weitere Gespräche, um möglichst alle Stakeholder zu berücksichtigen. 

A+S Consult GmbH (A+S) ist ein innovatives, deutschlandweit und international tätiges Ingenieur- und Softwareunternehmen auf dem Gebiet der Verkehrs- und Infrastrukturplanung. Dazu wird die seit über 25 Jahren kontinuierlich weiterentwickelte BIM-Plattform KorFin® genutzt und auch anderen Partnern zur Verfügung gestellt. Unseren Auftraggebern bieten wir IT-nahe Projektbegleitung aus einer Hand, vom Konzept über den Entwurf bis hin zur Ausführung. A+S ist der deutsche Pionier für die Erstellung von parametrischen Fachmodellen und die Anwendung von BIM in den Bereichen Straße, Bahn und Energie. A+S verfügt über langjähriges Wissen bei der Erstellung Digitaler Zwillinge auf Basis heterogener, komplex vernetzter Daten. Dank umfangreicher Erfahrung in Großprojekten in der Phase Planung bis Bauausführungsvorbereitung nutz A+S seit Jahren Technologien aus den Bereichen Big Data algorithmischer KI.