Das letzte Kolloquium des Herbstsemesters – und damit auch des Jahres 2025 – wurde von Doktorand Adrian Meyer gehalten. Für Adrian war es ein Heimspiel, da er am Institut Geomatik der FHNW tätig ist. Das vorgestellte Projekt erfolgt in Kooperation mit der französischen Eisenbahngesellschaft SNCF und bildet den Rahmen seiner Dissertation, die in Zusammenarbeit zwischen der Universität Zürich und dem Institut Geomatik entsteht.

Das zugrunde liegende Problem sind Unfälle, an denen Tiere beteiligt sind und die den Schienenverkehr stören oder unterbrechen. In Frankreich werden derzeit jährlich zwischen 1.000 und 2.000 solcher Vorfälle verzeichnet, wobei mehr als die Hälfte Wildschweine betrifft. Mit diesem Projekt will die SNCF dieses Problem gezielt angehen, um solche Unfälle vorzubeugen. Die Prävention soll auf der Grundlage von Risikokarten erfolgen, die im Rahmen dieses Projekts mithilfe von Modellen der Künstlichen Intelligenz (KI) erstellt wurden. Dabei werden die Daten analysiert, die Adrian und seinem Team zur Verfügung stehen.

Das Projekt ist in zwei Teile gegliedert: Zunächst wurde untersucht, wo Wildschweine leben und in welchen Gebieten sie tatsächlich vorkommen, und anschliessend, wo ein erhöhtes Risiko für Unfälle besteht. Die Präsentation konzentrierte sich auf den ersten Teil des Projekts.

Ein zentraler Aspekt des Projekts sind die Daten, die sowohl vor ihrer Übergabe an das Modell als auch anschliessend vom Modell selbst analysiert werden. Adrian stellte vor, welche Daten verwendet wurden und wie sie für den Einsatz in der Künstlichen Intelligenz aufbereitet wurden.
Von besonderer Bedeutung sind die bereits eingetretenen Unfälle – sowohl deren Ort als auch deren Zeitpunkt. Der Zeitpunkt ist wichtig, um zu verstehen, wann das Risiko am höchsten ist. So wurde beispielsweise beobachtet, dass im Winter deutlich mehr Unfälle passieren: Die Tage sind kürzer, Züge verkehren häufiger im Dunkeln, und gerade dann sind Wildschweine besonders aktiv.

Zur Lokalisierung der Lebensräume wurden Satellitenbilder verwendet, auf denen verschiedene Anbauflächen, Wälder usw. identifiziert wurden. Je nach Jahreszeit ändert sich die bevorzugte Nahrung der Wildschweine; anhand dieser Informationen lassen sich bevorzugte Aufenthaltsorte ableiten. Weitere Daten wie Wetter- und Klimainformationen, Bodenfeuchtigkeit, jagdbezogene Daten, Indikatoren wie der NDVI oder ähnliche Kennwerte sowie Meldungen von Bürgerinnen und Bürgern wurden ebenfalls herangezogen, um bekannte Lebensräume zu ermitteln.

All diese Daten wurden analysiert und aufbereitet; sobald sie bereitstanden, war jedem Unfall ein Vektor mit den sogenannten Umweltvariablen zugeordnet. Diese Informationen wurden anschliessend einem KI-Modell übergeben, dessen Aufgabe darin bestand, zu erlernen, wo sich zu einem bestimmten Zeitpunkt mehr oder weniger Wildschweine aufhalten.

Es wurden verschiedene Modelle sowie unterschiedliche Eingangsdaten – beispielsweise monotemporale im Vergleich zu multitemporalen Daten – bewertet, und das Modell MaxEnt wurde als das geeignetste erachtet.

Im nächsten Schritt galt es, das Risiko zu quantifizieren. Dafür waren weitere Daten erforderlich: welche Züge wo verkehren, die zulässige Geschwindigkeit auf den einzelnen Streckenabschnitten oder die Lage von Kurven, in denen die Sicht eingeschränkt ist. All diese Informationen werden einem zweiten Modell gegeben, das Risikokarten erstellt.
Schliesslich erhält man für jeden Zeitraum des Jahres (z.B. für den Winter 2025) eine Risikokarte, auf der besonders gefährdete Bereiche klar hervortreten. Die SNCF erhält diese Karte und kann darauf basierend entscheiden, ob und wo Massnahmen ergriffen werden sollen.

Die Präsentation endete mit einigen Fragen aus dem Publikum und den besten Wünschen für eine besinnliche Adventszeit.