Autonome Shuttles im öffentlichen Verkehr sind keine Zukunftsmusik mehr. In mehreren deutschen Städten fahren sie bereits im Testbetrieb, und die ersten Projekte bereiten den Schritt zum Betrieb ohne Sicherheitsfahrer vor. Ein besonders sichtbares Beispiel ist Hamburg. Im Projekt ALIKE bauen die Hochbahn und MOIA gemeinsam mit den Fahrzeugherstellern Holon und Volkswagen Nutzfahrzeuge eine Flotte von rund 20 autonomen On-Demand-Fahrzeugen auf, die bis Ende 2026 im Stadtgebiet unterwegs sein soll. Zehn davon sind Holon Mover mit Platz für bis zu 15 Fahrgäste, zehn weitere ID. Buzz, die über MOIA betrieben werden. Ihr Zuhause ist ein rund 2.000 Quadratmeter großer Betriebshof in Barmbek mitten im etwa 37 Quadratkilometer großen Bediengebiet.
Über die Technik im Fahrzeug wird viel berichtet. Weniger sichtbar ist eine Frage, die über den wirtschaftlichen Erfolg mindestens genauso entscheidet. Wer disponiert diese Fahrzeuge, und wie? In diesem Beitrag zeigen wir, warum autonome Flotten eine neue Art der Disposition brauchen und wie mathematische Optimierung dabei hilft.
Warum Verkehrsunternehmen auf autonome Fahrzeuge setzen
Der wichtigste Treiber ist der Personalmangel. Viele Städte haben ehrgeizige Ziele für den Ausbau des öffentlichen Verkehrs. Hamburg etwa will mit dem Hamburg-Takt erreichen, dass bis 2030 überall in der Stadt innerhalb von fünf Minuten ein Angebot des öffentlichen Verkehrs erreichbar ist. Bei der Vorstellung dieses Ziels wurde der Bedarf an zusätzlichen Fahrerinnen und Fahrern bei den beiden großen Busunternehmen der Stadt auf rund 2.500 geschätzt. Wer weiß, wie schwer schon heute jede einzelne Stelle zu besetzen ist, versteht, warum autonome Fahrzeuge für viele Verkehrsunternehmen eine strategische Option sind.
Dazu kommt die Möglichkeit, Angebote in Gebieten und Zeiten zu schaffen, die mit klassischem Linienverkehr kaum wirtschaftlich zu bedienen sind. Autonome On-Demand-Shuttles können die Lücken zwischen den Linien schließen, Quartiere besser anbinden und den Weg zur Schnellbahn verkürzen.
Das Fahrzeug fährt selbst, aber es plant nicht selbst
Ein autonomes Fahrzeug kann selbstständig von A nach B fahren. Es entscheidet aber nicht, welche Fahrgäste es abholt, in welcher Reihenfolge, wann es zum Laden fährt oder wann es sich in einem Gebiet mit erwartet hoher Nachfrage positionieren sollte. Diese Entscheidungen trifft ein übergeordnetes System, die Disposition.
Bei Fahrzeugen mit Fahrer übernimmt ein Teil dieser Aufgaben der Mensch am Steuer. Er weiß, wann er Pause braucht, er improvisiert bei unerwarteten Situationen, und er kann mit Fahrgästen sprechen. Beim autonomen Fahrzeug fällt das weg. Die Disposition muss deshalb mehr und genauer planen. Und sie muss mit einer Leitstelle zusammenarbeiten, in der Menschen die Flotte überwachen und bei Bedarf aus der Ferne eingreifen.
Das Optimierungsproblem
Mathematisch ist die Disposition einer autonomen On-Demand-Flotte eine Weiterentwicklung des Dial-a-Ride-Problems, das auch dem klassischen Bedarfsverkehr zugrunde liegt. Fahrtwünsche kommen laufend herein, und das System muss entscheiden, welches Fahrzeug welche Fahrgäste übernimmt, wie Fahrten gebündelt werden und welche Route gefahren wird. Dabei gelten Zeitfenster für Abholung und Ankunft, maximale Umwege und die Kapazität der Fahrzeuge.
Bei autonomen Flotten kommen weitere Aspekte hinzu. Die Fahrzeuge dürfen sich nur in einem genehmigten Betriebsbereich bewegen, im Fachjargon der Operational Design Domain. Bestimmte Straßen oder Situationen können ausgeschlossen sein. Das Laden muss vollständig automatisch eingeplant werden. Und weil die Leitstelle nur eine begrenzte Zahl von Fahrzeugen gleichzeitig unterstützen kann, sollte die Disposition vermeiden, dass zu viele Fahrzeuge zur selben Zeit in schwierige Situationen geraten.
Für die Echtzeitentscheidungen kombinieren wir exakte Optimierung mit schnellen Heuristiken und lernenden Verfahren. Ein System, das in Sekunden neue Zuordnungen berechnet, bewertet dabei nicht nur den aktuellen Fahrtwunsch, sondern auch, wie sich die Entscheidung auf die Verfügbarkeit in den nächsten Minuten auswirkt. Mehr dazu auf unseren Seiten zur Echtzeitdisposition und zum Reinforcement Learning.
Vorausschauend positionieren
Ein Fahrzeug ohne Fahrgast ist nicht einfach frei. Es steht irgendwo, und wo es steht, bestimmt, wie schnell es den nächsten Fahrtwunsch bedienen kann. Gute Disposition verteilt leere Fahrzeuge deshalb vorausschauend dorthin, wo in den nächsten Minuten Nachfrage zu erwarten ist, etwa an Schnellbahnhaltestellen kurz vor der Ankunft eines Zuges oder in Wohngebieten am Morgen.
Dafür braucht es Prognosen. Aus historischen Buchungsdaten, Fahrplänen des Linienverkehrs, Veranstaltungen und Wetter lässt sich abschätzen, wo die Nachfrage entsteht. Die Optimierung verbindet diese Prognosen mit dem aktuellen Zustand der Flotte. Wie wir Prognose und Entscheidung verbinden, erklären wir im Beitrag Operations Research oder KI.
Mischbetrieb mit klassischen Fahrzeugen
In den nächsten Jahren werden autonome Fahrzeuge nicht allein fahren. Sie ergänzen Busse mit Fahrer, On-Demand-Fahrzeuge mit Fahrer und den Schienenverkehr. Für die Disposition entsteht daraus ein Mischbetrieb. Welche Fahrten übernimmt ein autonomes Shuttle, welche ein Fahrzeug mit Fahrer? Was passiert, wenn ein autonomes Fahrzeug eine Fahrt nicht übernehmen kann, weil das Ziel außerhalb seines Betriebsbereichs liegt oder die Witterung den autonomen Betrieb einschränkt?
Ein gemeinsames Dispositionssystem für beide Fahrzeugarten kann diese Fragen in Echtzeit beantworten. Es kennt die Fähigkeiten und Grenzen jedes Fahrzeugs und verteilt Fahrten so, dass die Flotte insgesamt am besten funktioniert. Wie wir autonome Fahrzeuge in bestehende Dispositionskerne integrieren, beschreiben wir auf der Seite zum autonomen Fahren.
Laden und Betriebshof
Autonome Shuttles sind in der Regel elektrisch. Sie müssen zum Laden, zur Reinigung und zur technischen Prüfung in einen Betriebshof, und das ohne Fahrer. Die Disposition muss diese Wege einplanen, und zwar so, dass in Zeiten hoher Nachfrage genug Fahrzeuge verfügbar sind. Ladevorgänge werden deshalb bevorzugt in nachfrageschwache Zeiten gelegt, und die Reihenfolge, in der Fahrzeuge den Hof verlassen, richtet sich nach der erwarteten Nachfrage. Viele dieser Fragen ähneln der Steuerung klassischer E-Bus-Höfe, die wir im Beitrag zur Betriebshofsteuerung für E-Busse beschreiben.
Integration in die Systemlandschaft
Ein autonomes Shuttle braucht eine Buchungsplattform für Fahrgäste, eine Schnittstelle zum Fahrzeug, eine Leitstelle zur Überwachung und eine Anbindung an das rechnergestützte Betriebsleitsystem des Verkehrsunternehmens. Oft kommen Fahrzeuge verschiedener Hersteller mit eigenen Schnittstellen zum Einsatz. Die Disposition muss deshalb herstellerunabhängig arbeiten und Fahrzeuge über eine gemeinsame Abstraktion ansprechen.
Für Buchung und Fahrgastkommunikation gibt es in der Anexia Gruppe mit maas.maker eine eigene Plattform für On-Demand-Verkehre und Rufbusse. Einen Einblick in die Möglichkeiten bietet der Beitrag zur KI-Disposition im Bedarfsverkehr bei maas.maker. Wie wir technische Integration generell angehen, beschreiben wir auf der Seite zur Datenintegration.
Skalierung ist die eigentliche Herausforderung
Ein Pilotprojekt mit wenigen Fahrzeugen lässt sich noch mit viel manueller Betreuung betreiben. Der wirtschaftliche Nutzen autonomer Fahrzeuge entsteht aber erst, wenn Flotten mit Dutzenden oder Hunderten Fahrzeugen effizient laufen. Dann wird jede Minute Leerfahrt, jede ungünstige Ladeentscheidung und jeder unnötige Eingriff der Leitstelle zum Kostenfaktor.
Genau hier liegt der Wert einer mathematisch fundierten Disposition. Sie sorgt dafür, dass die Auslastung hoch, die Wartezeiten kurz und die Belastung der Leitstelle beherrschbar bleiben. Und sie liefert die Daten, mit denen sich der Betrieb Schritt für Schritt verbessern lässt.
Rechtlicher Rahmen und Verantwortung
In Deutschland regelt das Gesetz zum autonomen Fahren den Betrieb von Fahrzeugen in festgelegten Betriebsbereichen mit technischer Aufsicht. Für die Disposition bedeutet das, dass sie die genehmigten Bereiche strikt einhalten und die technische Aufsicht mit den nötigen Informationen versorgen muss. Transparenz und Nachvollziehbarkeit jeder Entscheidung sind dabei zentral, auch mit Blick auf den europäischen AI Act. Unsere Systeme dokumentieren jede Zuordnung und machen sie für die Leitstelle nachvollziehbar.
Wie ein Einstieg aussehen kann
Kaum ein Verkehrsunternehmen startet mit Hunderten autonomen Fahrzeugen. Sinnvoll ist ein Pilot mit einer kleinen Flotte in einem klar abgegrenzten Gebiet. Bevor das erste Fahrzeug fährt, lässt sich mit einer Simulation auf Basis realer Nachfragedaten prüfen, wie groß die Flotte sein muss, welche Wartezeiten zu erwarten sind und wie viele Fahrten sich bündeln lassen. Diese Zahlen sind auch für Förderanträge und Gespräche mit Aufgabenträgern wertvoll.
Im Pilotbetrieb sammelt das Unternehmen dann Erfahrungen mit Disposition, Leitstelle und Fahrgästen. Die Planungsmodelle werden mit den echten Daten nachgeschärft. Wenn der Pilot funktioniert, kann das Gebiet schrittweise wachsen, und die Software wächst mit. Wer so vorgeht, baut Wissen auf, bevor die großen Investitionen fallen.
Sie planen den Einsatz autonomer Shuttles oder bereiten die Skalierung eines Pilotprojekts vor? Sprechen Sie mit uns. Wir zeigen Ihnen, wie eine herstellerunabhängige Disposition für Ihre Flotte aussehen kann.
Häufige Fragen
Braucht ein autonomes Shuttle eine andere Disposition als ein On-Demand-Fahrzeug mit Fahrer?
Die Grundlogik ist ähnlich, aber autonome Fahrzeuge brauchen mehr Planung, etwa für Laden, Betriebsbereich und die Zusammenarbeit mit der Leitstelle.
Kann ein System Fahrzeuge verschiedener Hersteller steuern?
Ja, wenn es über eine gemeinsame Abstraktionsschicht mit den Fahrzeugen kommuniziert. Das ist aus unserer Sicht eine Voraussetzung für skalierbare Flotten.
Lassen sich autonome Shuttles mit dem Linienverkehr verknüpfen?
Ja. Die Disposition kann Ankünfte von Zügen und Bussen berücksichtigen und Fahrzeuge gezielt als Zubringer einsetzen.
Braucht es für einen Pilot eine eigene Leitstelle?
Nicht unbedingt. Viele Unternehmen binden die Überwachung der autonomen Fahrzeuge zunächst in ihre bestehende Leitstelle ein und bauen die Strukturen erst mit wachsender Flotte aus.